Professional Documents
Culture Documents
berdasarkan interval nilai yang akan dibahas dalam bab 6 ini dianjurkan pembaca telah mempelajari bab 5. Setelah mempelajari bab 6 ini pembaca diharapkan dapat memperoleh pemahaman tentang : 1. 2. 3. 4. 5. simpangan baku sebagai ukuran jarak. penggunaan simpangan baku sebagai alat klasifikasi data. nilai baku sebagai dasar angka skala. penggunaan angka skala sebagai alat klasifikasi data. penggunaan angka skala sebagai dasar transformasi sekor.
73
74
orang menganggap bahwa R (jarak nilai terendah sampai nilai tertinggi) = 6 SD, yaitu 3 SD di bawah M dan 3 SD di atas M. Walaupun sebebarnya di bawah M - 3 SD dan di atas M + 3 SD masih ada frekuensi atau proporsinya, namun karena sangat kecil orang menabaikan keberadaanya.
-3
-2
-1
Dengan berdasarkan hal tersebut, kita dapat membuat klasifikasi pada suatu distribusi, misalnya menjadi 3 klasifikasi atau lima klasifikasi. Jika kita membuatnya menjadi 3 klasifikasi, maka masing-masing klasifikasi berinterval 6 SD : 3 = 2 SD.
R -3 -2 -1
S 0 1
T 2 3
Tiga klasifikasi tersebut misalnya tinggi (T), sedang (S), dan rendah (R), seperti pada gambar 6.2 di atas, maka yang termasuk klasifikasi rendah (R) adalah nilai di bawah M 1 SD, yang termasuk klasifikasi sedang (S) adalah nilai yang terletak antara M 1 SD sampai M + 1 SD, dan yang termasuk klsaifikasi tinggi (T) adalah nilai yang berada di atas M + 1 SD. Klasifikasi Tinggi Sedang Rendah Interval X > M + 1 SD M 1 SD x M + 1 SD X < M 1 SD
75
Contoh : suatu distribusi diketahui mempunyai M = 50 dan SD = 10. Jika distribusinya normal dan akan diklasifikasikan menjadi 3 klasifikasi seperti tersebut di atas maka, titik-titik batas klaifikasinya adalah : M 1 SD = 50 10 = 40. M + 1 SD = 50 + 10 = 60 Sehingga menjadi: Klasifikasi Tinggi Sedang Rendah Interval di atas 60 40 60 Di bawah 40
R 40
S 50 60
Jadi yang termasuk klasifikasi tinggi adalah sekor-sekor di atas 60, sekor-sekor antara 40 sampai 60 termasuk sedang, sekor di bawah 40 termasuk klasifikasi rendah. Jika membuatnya menjadi lima klasifikasi, misalnya sangat tinggi (ST), tinggi (T), sedang (S), rendah (R), dan sangat rendah (SR), maka interval masing-masing klasifikasinya adalah 6 SD : 5 = 1,2 SD
ST 3
76
Interval x > M + 1,8 SD M + 0,6 SD < x M + 1,8 SD M 0,6 SD x M + 0,6 SD M 1,8 SD x M 0,6 SD x < M 1,8 SD
Nilai-nilai batas klasifikasinya adalah: X1 = M 1,8 SD = 50 1,8 (10) = 32 X2 = M 0,6 SD = 50 0,6 (10) = 44 X3 = M + 0,6 SD = 50 + 0,6 (10) = 56. X4 = M + 1,8 SD = 50 + 1,8 (10) = 68.
SR R 32 44 S 56 T 68
ST
Dengan demikian nilai-nilai batas interval klasifikasinya, adalah: Klasifikasi Sangat tinggi Tinggi Sedang Rendah Sangat rendah Interval nilai Di atas 68 56 sampai 68 44 sampai 56 32 sampai 44 Di bawah 32
Untuk lebih memahami bagaimana langkah-langkah dan kegunaan klasifikasi berdasarkan simpangan baku (SD), perhatikan contoh di bawah ini. Seorang psikolog berhasil menyusun tes motivasi belajar yang terdiri dari 30 item. Tes tersebut menggunakan metode rating yang dijumlahkan (Skala Likert) dengan skala 5 (skor terrendah untuk setiap item adalah 1 dan skor tertinggi untuk setiap item adalah 5). Dengan seseorang yang mengambil tes motivasi belajar itu kita akan dapat kita tentukan apakah ia mempunyai motivasi belajar yang tinggi atau rendah. Jika pengambil itu individual, maka kategorisasinya adalah menggunakan kriteria skor ideal, dengan langkah-langkah :
77
1. Tentukan berapa kategori yang kita inginkan (tiga kategori : tinggi, sedang, rendah ataukah lima kategori ; sangat tinggi, tinggi, sedang, rendah, dan sangat rendah). 2. Tentukan nilai tertinggi (XT) yang mungkin dicapai oleh subjek = 30 (item) x 5 (nilai tertinggi tiap butir skala) = 150 3. Tentukan nilai terendah (XR) yang mungkin dicapai oleh subjek = 30 (item) x 1 (nilai terendah tiap butir skala) = 30 4. Tentukan R (Rentangan) = XT XR = 150 30 = 120 5. Tentukan SD = 120 : 6 = 20 6. Tentukan lebar interval masing-masing klasifikasi dalam satuan SD : a. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 3 = 2 SD b. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 5 = 1,2 SD atau dapat juga secara langsung dalam rentang nilai c. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 120 : 3 = 40 d. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 120 : 5 = 24 7. Tentukan M (rerata) = (30 + 150) : 2 = 90 8. Menentukan nilai-nilai batas klasifikasi seperti di bawah ini : Tiga klasifikasi : Klasifikasi Tinggi Sedang Rendah Interval di atas 110 (dari 150 40) 70 110 Di bawah 70 ( dari 30 + 40)
R 70
S 90
T 110
Jika lima klasifikasi : Klasifikasi Sangat tinggi Interval nilai Di atas 126 (dari 150 24) atau (102 + 24)
78
102 sampai (102 + 24) 78 sampai (78 + 24) 54 sampai (54 + 24) Di bawah (30 + 24) = 54
SR R 54 78 S 102 T 126
ST
Jika pengambil tes motivasi itu adalah klasikal, maka kategorisasinya di samping menggunakan kriteria skor ideal seperti tersebut di atas, dapat juga menggunakan kriteria norma kelompok, dengan langkah-langkah : 1. Tentukan nilai M (rerata) 2. Tentukan SD (simpangan baku) 3. Tentukan jumlah kategori yang dikehendaki (misal 2, 3, 4, atau 5, dan sebagainya) 4. Tentukan lebar interval masing-masing kategori dengan rumus = 6 SD dibagi jumlah kategori = Misalnya dibuat tiga kategori atau lima kategori, maka lebar interval dan batas masing-masing kategori adalah seperti telah dijelaskan di atas. Contoh : Hasil ujian stastistika 40 mahasiswa tersaji seperti tabel 6.1. Jika data tersebut akan diklasifikasikan menjadi tiga klasifikasi yaitu tinggi (T), sedang (S), dan rendah (R), maka interval masing-masing klasifikasinya adalah = 6 SD : 3 = 2 SD. Sehingga batas-batas klasifikasinya adalah : Tabel 6.1 : Nilai Ujian Statistika 40 Mahasiswa Nilai f 40 46 3 33 39 5 26 32 12 19 25 13
79
5 2 40
Adapun langkah-langkah kerja untuk menentukan klasifikasi tersebut adalah : 1. Membuat tabel kerja seperti tabel 6.2 untuk menentukan M dan SD.
Tabel 6.2 : Tabel Kerja untuk menghitung M dan SD dari tabel 6.1 Nilai X f fX fX2 40 46 43 3 129 5547 33 39 36 5 180 6480 26 32 29 12 348 10092 19 25 22 13 286 6292 12 18 15 5 75 1125 5 11 8 2 16 128 40 1034 29664
3. Menentukan SD
80
-1 SD 17,284
M 25,85
+1 SD 34,416
Dengan ditentukan batas-batas klasifikasi, kita dapat menentukan berapa jumlah mahasiswa yang termasuk ke dalam masing-masing klasifikasi, dengan cara menentukan JP (Jenjang Persentil) dari nilai-nilai batas klasifikasi. Batas klasifikasi Rendah adalah X1 = 17,284 JPX1 =
Ini berarti bahwa yang termasuk klasifikasi rendah ada 15,329 % dari 40 mahasiswa atau = 6 orang Yang termasuk klasifikasi sedang + rendah nilai batasnya X2 = 34,416
Ini berarti yang termasuk klasifikasi sedang + rendah = 88,211 % dari 40 mahasiswa atau = 35 orang. Jadi yang termasuk klasifikasi Tinggi = 40 orang 35 orang = 5 orang, dan yang termasuk klasifikasi sedang = 35 orang - 6 orang = 29 orang Klasifikasi Tinggi Sedang Jumlah 5 29 Cara menghitung n JPX2 = 40 35 = 5 JPX2 JPX1 = 35 6 = 29
81
Rendah Jumlah
6 40
dari JPX1
= 6 orang
Prosedur
yang
sama
berlaku
untuk
semua
pengklasifikasian
berdasarkan interval nilai (berapa pun jumlah klasifikasi yang dikehendaki) asal distribusi datanya normal.
C. Angka Skala
Dengan berdasarkan pada nilai baku Z orang mengembangkan nilainilai baku yang lain yang dibuat sedemikian rupa sehingga dapat menghindari tanda negatif. Sehingga nilai baku itu menjadi praktis dan mudah dipahami. Nilai-nilai baku tersebut dikenal sebagai angka skala. Beberapa angka skala antara lain :
1. T Score
Adalah angka skala yang menggunakan rerata = 50 dan SD = 10. Sehingga rumusnya menjadi :
T =0 Z + 0 1 5
.................(Rumus 6.1.)
Dari contoh dalam bab 5 halaman 69-70, nilai Matematika si A dan Nilai Sejarah si B yang masing-masign menyimpang 2 SD di atas M dan 0,5 SD di bawah M, jika ditransformasi ke dalam score T menjadi : TA = 10(Z) + 50 = 10 (2) + 50 = 70 TB = 10(Z) + 50 = 10(-0,5) + 50 = 45
2. GRE Score
Angka GRE (Graduate Record Examination) dari Educational Testing Service, Princeton, New Jersey menggunakan rerata = 500 dan SD = 100, sehingga rumusnya menjadi:
GE R =0 Z +0 10 50
.................(Rumus 6.2.)
3. Stanine 82
Kata stanine berasal dari standar nine score. Stanine plan ini dikembang-kan oleh US Air Force pada masa PD II. Stanine ini membagi distribusi menjadi 9 klasifikasi, dan masing-masing diberi simbol berturutturut dari bawah ke atas 1, 2, 3, ......9. Semua angka berjarak sama kecuali score 1 dan 9. 4. Stanel Stanel (Standard Eleven Score) ini membagi distribusi menjadi 11 klasifikasi. Agak berbeda dengan stanine, dalam stanel semua angka dari 0 sampai 10 berjarak sama. Stanel ini dikembangkan oleh FIP UGM. Berikut ini bagian perbandingan beberapa angka skala. Angka Z Angka T Angka GRE
-3 20
-2 30 30 0
-1 40 400
0 50
1 60
2 3 70 70 0 80 80 0
20 0
500 600
1 4
2 7
3 12
4 17
5 20
6 17
7 12
8 7
9 4
0 1
1 3
2 8
4 21
5 39
6 61
7 79
10 99
92 97
Perlatihan 6
1. Jika data pada tabel dengan ketentuan : 6.3 di bawah ini diklasifikasikan menjadi 5 klasifikasi
83
Interval x > M + 1,8 SD M + 0,6 SD < x M + 1,8 SD M 0,6 SD x M + 0,6 SD M 1,8 SD x M 0,6 SD x < M 1,8 SD
Berapa jumlah yang termasuk dalam masing-masing klasifikasi ? Tabel 6.3 : Data Persepsi terhadap PILPRES 2009 INTERVAL f 120 134 10 105 119 15 90 104 25 75 89 35 60 74 20 45 59 17 30 44 13 2. Dari tabel 6.3 berapakah nilai baku T dari dua orang responden si A dan si B, yang masing-masing mempunyai sekor mentah 50 dan 115 ? Jika skor mereka ditransformasikan ke dalam Stanine berapakah nilai mereka masing-masing?
84