P. 1
1A

1A

|Views: 118|Likes:
golongan 1a
golongan 1a

More info:

Published by: Ayu Marisa Al-Rahman on Mar 10, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

05/16/2015

pdf

text

original

http://rafinajjah.blogspot.com/2012/08/resume-statistik-pendidikan.

html RESUME STATISTIK PENDIDIKAN DAFTAR ISI
Hal

A. B. C. D. E. F. G. H. I.

KATA PENGANTAR...................................................................................................... i DAFTAR ISI.................................................................................................................... ii BAB 2 MASALAH DISTRIBUSI FREKUENSI........................................................... 1 PENGANTAR......................................................................................................... 1 PENGERTIAN VARIABEL...................................................................................... 3 PENGERTIAN FREKUENSI.................................................................................... 3 PENGERTIAN DISTRIBUSI FREKUENSI................................................................ 3 TABEL DISTRIBUSI FREKUENSI ( PENGERTIAN DAN MACAMNYA )................ 4 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI.............................................. 5
GRAFIK SEBAGAI ALAT PENGGAMBARAN DISTRIBUSI FREKUENSI..................... CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK ............. POLIGON ( POLYGON FREQUENCY )................................................................ CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK HISTOGRAM (HISTOGRAM FREQUENCY )............................................................................ 7 SOAL - SOAL UNTUK LATIHAN ...................................................................... 6 7

7

J.

7

A. B. C.

A. B. C.

BAB 3 MASALAH RATA – RATA ( AVERAGE ) ................................................ 8 PENGANTAR..................................................................................................... PENGERTIAN RATA – RATA............................................................................. UKURAN RATA – RATA DAN MACAMNYA........................................................ BAB 4 MASALAH PENYEBARAN DATA.......................................................... 13 PENGANTAR..................................................................................................
PENGERTIAN UKURAN PENYEBARAN DATA.................................................. MACAM – MACAM UKURAN PENYEBARAN DATA........................................

8 8 9

13 14 14

BAB 5 MASALAH HUBUNGAN ANTARVARIABEL ( TEKNIK ANALISIS KORELASIONAL ) ..................................................................................................

17 17 17 18 19

A. PENGERTIANKORELASI................................................................................... B. C. D. ARAH KORELASI............................................................................................ PETA KORELASI.............................................................................................. ANGKA KORELASI..........................................................................................

E. F. G.

TEKNIK ANALISIS KORELASIONAL, PENGERTIAN, TUUAN, DAN PENGGOLONGAN TEKNIK KORELASI PRODUCT MOMENT............................................................. TEKNIK KORELASI TATA JENJANG ( TEKNIK KORELASI RANK ORDER = RANK ORDER CORRELATION = RANK DIFFERENCE CORRELATION........................................ 24

20

22

H. I. J.

TEKNIK KORELASI PHI ( PHI COEFFICIENT CORRELATION ) ............................. TEKNIK KORELASI KOEFISIEN KONTINGENSI................................................... TEKNIK KORELASI POIN BISERIAL....................................................................

25 25 26

BAB 6 MASALAH PERBEDAAN ANTAR – VARIABEL ( TEKNIK ANALISIS KOMPRASIONAL ) ............................................................................................ 27 A. PENGERTIAN KOMPARASI.............................................................................. B. PENGERTIAN PENELITIAN KOMPARASI.......................................................... C. PENGERTIAN TEKNIK ANALISIS KOMPARASIONAL......................................
D. TEKNIK ANALISISKOMPRASIONAL DAN PENGGOLONGANYA..........................

27 28 28
28

BAB 2 MASALAH DISTRIBUSI FREKUENSI A. PENGANTAR Setiap kali kita melakukan kegiatan pengumpulan data statistik, maka pada umumnya kegiatan tesebut akan menghasilkan kumpulan data angka yang kadaannya tidak teratur, bersrak dan masih, meupakan bahan keteangan yang sifatnya kasara dan mentah. Dikatakan “ kasar” dan “ mentah” sebab kumpulan angka dengan kondisi seperti yang disebutkan di atas belum dapat memberikan informasi secara ringkas dan jelas mengenai ciri atau sifat yang dimiliki oleh kumpulan angka tesebut. Oleh kerena itu, agar data angka yang telah berhasil dihimpun itu „ dapat berbicara” dan dapat memberikan informasi yang berarti, diperlkan adanya tidak lanjut atau langkah tertentu. Tidak terlepas hubungannya engan pernyataan di atas, maka salah saty tugas dri statistik sebagai ilmu pengetahuan adalah menyajikan atau mendeskripsikan data angka yang telah berhasil dihimpun itu secara teratur, ringkas, mudah dimengerti, hingga dengan secara jelas dapat memberikan gambaran ynag tepat mengenai ciri atau sifat yang terkandung di dalam data angka tersebut. Dengan diketahui ciri atau sifat yang terkandung dalam kumpulan data angka itu berarti kumpulan data angkat tadi telah “ dapat berbicara “ dan karenanya kita berhasil memproleh informasi – informasi yang berguna, sejalan dengan maksud dan tujuan pengumpulan data. Sebuah contoh yang dikemukakan berikut ini kiranya akan memperjelas uraian di atas. Dari sejumlah 80 orang mahasiswa tingkat II fakultas tarbiyah IAIN sunan kalijaga yogyakarta, berhasil dihimpun data berupa nilai hasil ujian utama semester i tahun akademik 1984/1985 dalam mata kuliah statistik pendidikan, sebagai berikut : 60 55 60 67 67 67 55 55 60 55 69 55 60 80 70 70 80 80 60 55 67 55 60 69 69 69 69 69 60 55 79 79 60 75 65 65 75 80 60 80 65 67 60 75 65 65 75 80 60 80 70 67 60 75 65 65 75 80 60 80 55 67 60 75 70 70 75 80 60 80 80 67 60 75 80 80 75 80 60 80

sehingga memakan waktu cukup lama ? Untuk dapat menjawab butir – butir pertanyaan seperti telah dikemukakan di atas. misalnya bahwa “ sebagian kecil dari mahasiswa tersebut nilainya kurang dari 60” atau bahwa mahasiswa yang dapat mencapai nilai diatas 60 banyak sekali “ gambaran yang kasar atau masih bersifat mentah itu pun diperoleh dengan cara meneliti satu – persatu dari dretan angka yang terdiri dari 80 buah angka itu. 6. B. 7. seperti : Berapa banyak mahasiswa yang memiliki nilai tertinggi dalam ujian semester tersebut ? Berapa banyak mahasiswa yang memiliki nilai terendah ? Berapa banyak mahasiswa yang memperoleh nilai di atas 60 ? Berapa banyak mahasiswa yang nilainya kurang dari 60 ? Berapa banyak mahasiswa yang nilainya berkisar antara 60 – 69 ? Berapa banyak mahasiswa yang nilainya berkisar antara 70 – 79 ? Berapa banyak mahasiswa yang memperoleh nilai yang sama ? Dan sebagainya. PENGERTIAN FREKUENSI Kata “ frekuensi” yang dalam bahasa inggrisnya adalah frequency berarti : “ kekerapan” “ kekeringan” atau “ jarang – kerapnya” dalam statistik. 4. PENGERTIAN VARIABEL Kata “ variabel” berasal dari bahasa inggris variable dengan arti :”ubuhan” faktor tak tetap atau gejala yang dapat diubah – ubah dalam contoh yang telah disebutkan dimuka. kita dapat memperoleh gambaran mengenai hasil ujian yang dicapai oleh 80 orang mahasiswa tersebut.1. 3. C. Tidak dapat disangkal bahwa dari kumpulan data angka di atas. dan dengan jalan menghitung frekuensi yang dimiliki oleh tiap – tiap nilai itu maka lebih lanjut akan dapat kita ketahui distribusi frekuensi dari nilai – nilai hasil ujian semester yang berhasil di capai oleh 80 orang mahasiswa tadi. “ frekuensi” mengandung pengertian . D.tiap nilai yang berada dalam deretan nilai – nilai tersebut. namun gambaran yang kita proleh itu pada hakikatnya masih besifat kasar. nilai – nilai hasil ujian semester dari sejumlah 80 orang mahasiswa itu kita sebut variabel. PENGERTIAN DISTRIBUSI FREKUENSI Distribusi ( distribusi bahasa inggris ) berarti “ penyaluran” pembagian atau pencaran jadi distribusi frekuensi dapat diberi arti “ penyaluran fekuensi “ pembagian frekuensi atau pencaran frekuensi “ dalam statistik. angka ( bilangan ) yang menunjukan seberapa kali suatu variabel ( yang dilambangkan dengan angka – angka itu ) berulang dalam dertan angka tersebut : atau berapa kalikah suatu variabel ( yang dilambangkan dengan angka itu ) muncul dalam deretang angka tersebut. 5. atau terpencar. Areabel pada dasarnya bersifat kualitatif namun dilambangkan dengan angka. Dapat kita saksikan dan kita rasakan bersama bahwa data yang berupa kumpulan nilai hasil ujian semester dari 80 orang mahasiswa itu masih sangat sulit bagi kita untuk dapat menjawab dengan cepat pertayaan yang muncul di balik kumpulan data angka itu. . “ distribusi frekuensi” kurang lebih mengandung pengertian suatu keadaan yang menggambarkan bagaimana frekuensi dari gejala atau variabel yang dilambangkan dengan angka itu. terbagi. telah tersalur. tindakan pertama yang harus kita lakukan adalah : menghitung frekuensi yang dimiliki oleh tiap . 2.

Pengertian Tabel Distribusi Frekuensi Dan Macamnya Dalam dunia statistik kita mengenal berbagai macam tabel distribusi frekuensi : namun dalam buku ini hanya dikemukakan sebagian saja : a. Pengertian Tabel Distribusi Frekuensi Apa yang dimaksud dengan “ tabel” tidak lain adalah : alat penyajian data statistik yang berbentuk ( dituangkan dalam bentuk ) kolom dan bujur. 2. Tabel Distribusi Frekuensi Data Tunggal Adalah salah satu jenis tabel statistik yang didalamnya disajikan frekuensi dari data angka : angka yang ada itu tidak dikelompokan ( ungrouped data ) Contoh Tabel Distribusi Frekuensi nilai hasil THB dalam bidang studi pendidkan moral pancasila dari 40 orang siswa MTsN.E. Contoh : . selalu ditambah kan. Tabel Distribusi Frekuensi Kumulatif Dimaksud dengan tabel Distribusi Frekuensi kumuatif ialah salah satu jenis tabel statistik yang didalamnya disajikan frekuensi yang dihitung terus meningkat atau . TABEL DISTRIBUSI FREKUENSI ( PENGERTIAN DAN MACAMNYA ) 1. Usia Frekuensi (f) 50 – 54 6 45 – 49 7 40 – 44 10 35 – 39 12 30 – 34 8 25 – 29 7 Total 50 = N c. Nilai ( Frekuensi X) (f) 8 6 7 9 6 19 5 6 Total 40 = N b. baik dari bawah ke atas maupun dari atas kebawah. Tabel Distribusi Frekuensi Data Kelompok Adalah salah satu jenis tabel statistik yang didlamnya disajikan pencaran frekuensi dari data angka. dimana angka – angka tersebut dikelompokan ( dalam tiap unit terdapat sekelompok angka ) Contoh : Distribusi Frekuensi tentang usia dari sejumlah 50 orang guru agama islam yang bertugas pada sekolah dasar negeri.

Pengertian grafik Grafik tidak lain adalah alat penyajian daa statistik yang tertuang dalam bentuk lukisan. Unit skala grafik e. Sub judul grafik d. maupun lambang. GRAFIK SEBAGAI ALAT PENGGAMBARAN DISTRIBUSI FREKUENSI 1. Nomor grafik b. gambar atau lambang tertentu. gambar. angka itu dituliskan dalam bentuk lukisan garis. Ketiga belas bagian dimaksud adalah : a. 2. Cara Membuat Tabel Distribusi Frekuensi Data Kelompok 5 6 7 8 9 2 7 8 5 4 3 6 9 5 3 4 5 9 4 3 10 7 8 2 3 8 7 9 5 6 7 8 G. Bagian – bagian utama grafik Sebuah grafik yang lengkap pada umumnya terdiri dari 13 bagian. dengan kata lain angka itu divisualisasikan. Cara Membuat Tabel Distribusi Frekuensi Data Tunggal Contoh pembuatan Tabel Distribusi Frekuensi Data Tunggal yang sama skornya berfrekuensi 1 misalnya dari 10 orang mahasiswa yang menempuh ujian ulangan secara lisan dalam mata kuliah statistik pendidikan diperoleh nilai sebagai berikut : No Nama Nilai 1 Syamsudin 65 2 Rafei 80 3 Ramli 70 4 Baihaki 65 5 Hanafi 50 6 Samsuri 55 7 Ramlan 80 2. baik lukisan garis. Jadi dalam penyajian data angka melalui grafik.Distribusi Frekuensi Kumulatif Usia 50 Orang Guru Agama Islam Yang Bertugas Pada Sekolah Dasar Negeri Usia f Fk(b) Fk(a) 50 – 54 6 50 = N 6 45 – 49 7 44 13 40 – 44 10 37 23 35 – 39 12 27 35 30 – 34 8 15 43 25 – 29 7 7 50 = N Total 50 = N - F. CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI 1. Judul grafik c. Angka skala grafik .

7. Tanda skala grafik Ordinat atau ordinal atau sumbu vertikal Koordinat ( garis – garis pertolongan = garis kisi – kisi ) Abscis ( sumbu horisontal = sumbu mendatar = garis nol = garis awal = garis mula ) Titik nol ( titik awal ) Lukisan grafik ( gambar grafik ) Kunci grafik ( keterangan grafik ) Sumber grafik ( sumber data ) H. dan 2. 9.kenyataan telah membuktikan bahwa data kuantatif hasil penelitian yang masih berupa angka kasar ( rew score ) dengan serba ketidak aturan itu. SOAL . dengan bantuan alat penyajian dan pelukisan data berupa tabel dan grafik. 2.SOAL UNTUK LATIHAN Jelaskan apa yang dimaksud dengan frekuensi ? Jelaskan pula pengertian dan tabel distribusi fekuensi ? Jelaskan langkah yang sebaiknya ditempuh dalam membuat tabel distribusi fekuensi data tunggal Apa yang dimaksud dengan frekuensi kumulatif ? Apa yang dimaksud dengan frekuensi relatif ? Sebutkan langkah yang perlu ditempuh dalam rangka penyajian daa statistik melalui polygon frekuensi ? Terangkan apa yang dimaksud dengan histrogram frekuensi ? Langkah apa sajakah yang perlu ditempuh dalam rangka melukiskan data statistik memalui histrogram frekuensi ? Sebutkan dan lukiskan sehingga menjadi jelas tentang bagian – bagian utama dari sebuah grafik BAB 3 MASALAH RATA – RATA ( AVERAGE ) A. dalam rangka memperoleh gambaran yang ringkas dan jelas tentang ciri atau sifat yang dimiliki oleh data yang sedang kita jadikan saran penelitian itu. j. Gafik poligon data kelompok I. 8. k. 1. 6. g. CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK POLIGON ( POLYGON FREQUENCY ) Sebuah dikemukakan tentang cara melukiskan distribusi frekuensi dalam bentuk grafik poligon. h. 5. PENGANTAR Cara yang kita tempuh dalam menyajikan dan menggambarkan distribusi frekuensi data kuantatif yang sedang kita teliti yaitu dengan jalan membuat berbagai macam tabel distribusi frekuensi dan grafik seperti telah dikemukakan pada bab II setidak – tidaknya telah dapat membantu dari kita selaku seorang peneliti. terlebih dahulu perlu dipahami bahwa grafik poligon dapat dibedakan menjadi dua macam 1. grafik histogram juga dapat dibedakan menjadi dua macam yaitu . l. Grafik poligon data tunggal. 4. i. 1. CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK HISTOGRAM (HISTOGRAM FREQUENCY ) Seperti halnya grafik poligon. 3.f. Contoh cara melukiskan distribusi frekuensi dalam bentuk grafik histogram data tunggal 2. m. telah berhasil kita susun dan kita ataur . Contoh cara melukiskan distribusi frekuensi dalam bentuk grafik histogram data kelompok J.

UKURAN RATA – RATA DAN MACAMNYA Dalam statistik. b. atau sering disingkat dengan mean saja. Cara mencari mena untuk data kelompok . Cara mencari mean dari data tunggal yang seluruh skornya berfrekuensi satu. 1. namun dengan satu bilangan itu akan dapat tercrmin gambaran secara umum mengenai kumpulan atau deretan bahan keterangan yang berupa angka atau bilangan itu : C.demikian rupa. b. dalam bahasa inggris nilai rata – rata itung dikenal dengan istilah aritbmetic mean. hngga dengan secara cepat dan menarik telah dapat memberikan informasi menenai pengertian atau makna yang terkandung di dalamnya B. PENGERTIAN RATA – RATA Istilah “ rata – rata” dalam kehidupan kita sehari – hari sebenarnya merupakan istilah yang tiap kali kita jumpai dan bahkan sering kita gunakan karena itu istilah yang asing bagi kita. nilai ebtanas murni ( NEM ) Nilai Rapor. Cara mencari mean Mencari mean dapat dilakukan dengan berbagai macam cara . dibagi dengan banyaknya angka ( bilangan ) tersebut. Pengertian mean Secara singkat pengertian tentang mean dapat dikemukakan sebagai berikut : Mean dari kelompok ( sederatan ) angka 9 bilangan ) adlah jumlah dari keseluruhan angka ( bilangan ) yang ada. apabila kita berhadapan dengan ekumpulan data yang berupa angka. dalam buku ini istilah yang akan dipakai pada dasarnya adalah mean. dibagi dengan banyaknya angka ( bilangan ) yang ada. yaitu satu nilai yang kita pandang representatif dapat mencerminkan gambaran secara umum mengenai keadaan nilai tesebut. Cara mencari mena dari data tunggal di mana sebagian atau seluruh skornya berfrekuensi lebih dari satu 2. rata – rata itu mempunyai beberapa bentuk atau macam : masing – masing dengan arti yang berbeda berhubungan dengan itu. Seperti telah kita maklumi bersama. Satu buah nilai dengan fungsi seperti yang telah dikemukakan di atas itulah yang dalam dunia statistik kita kenal dengan istilah rata – rata atau harga rata – rata atau ukuran rata – rata. apabila dalam menganalisis data statistik kita gunakan istilah “ rata – rata” kita harus dapat menyatakan dengan tegas dan jelas “ rata – rata‟ kita harus dpat menyatakan dengan tegas dan jelas “ rata – rata “ macam atau jenis manakah yang kita maksudkan itu. Adapun macam – macam “rata – rata” atau “ ukuran rata – rata” yang dimiliki oleh statistik sebagai ilmu pengetahuan ialah : 1. maka pada umumnya kita menjadi tetarik untuk mengetahi satu buah nilai yang dapat kita anggap mewakili kumpulan nilai yang ada dihadapan kita itu. Dari uraian diatas secara singkat dapat dikemukakan bahwa apa yang dimaksud dengan rata – rata itu tidak lain adalah : tiap bilangan yang dapat dipakai sebagai wakil dari renteran nilai rata – rata itu wujudkan hanyalah satu bilangan saja . misalnya nilai hasil tes seleksi. Mencari mena untuk data tunggal ada dua macam cara yang dapat digunakan untuk mencari mean dari data tunggal ( data yang tidak dikelompokan ) yaitu : a. a. tergantung dari data yang akan dicari mena-nya itu. Untuk ringkas kata. Nilai Ijazah Atau Nilai STTB dan lain sebainya. Nilai rata – rata hitung ( mean ) Seperti telah dikemuka terdehulu.

2. semua kelompokan data data 9 interval ) yang ada terlebih dahulu dicari nilai tengah atau midpoint. a. Saling hubungan antara mean – median dan modus Dalam keadaan khususnya – yaitu dalam keadaan distribusi frekuensi data yang kita selidiki bersifat normal ( simetris ) maka akan kita temui keadaan sebagai berikut : a. Untuk data kelompokan mean daat diperoleh dengan menggunakan dua metode. Cara mencari modus untuk data tunggal 2. b. maka dalam dunia statistik. d. Pengertian modus Ukuran rata – rata ketiga yang kita pelajari disini adalah modus atau metode. 3. terhadap data yang sedang kita hadapi atau kita teliti itu. Quartile Istilah quartile atau “ kuartil” dalam kehidupan kita sehari – hari lebih dikenal dengan istilah kuartal . yaitu metode panjang dan metode singkat. Dari data yang sedang kita teliti ( kita cari modusnya ) kita hanya ingin mengetahui ciri khasnya saja.nya. yang umumnya dilambangkan dengan mo b. korelasi dan sebagainya. akan kita kenai ukuran – ukuran statistik selain mean.mean dikenal sebagai ukuran rata – rata yang menduduki tempat paling penting jika dibandingkan dengan ukuran rata – rata lainnya. Bahwa dalam penganalisisan data selanjutnya. Mencari mean data kelompok dengan menggunakan metode panjang Pada perhitungan mean yang menggunakan metode panjang. Cara mencari modus 1. tia midpoint diperkalikan dengan frekuensi yang dimiliki oleh masing – masing interval yang bersangkutan Mencari mean data kelompok dengan menggunakan metode singkat : Rumus yang digunakan Jika dalam perhitungan mean digunaka metode. misalnya : deviasi rata – rata. seperti akan diemukakan dalam pembicaraan pada bab – bab berikut ini. mean kita gunakan apabila kita berhadapan dengan kenyataan seperti dikemukakan berikut ini : Bahwa data statistik yang kita hadapi merupakan data yang distribusi frekuensi bersifat normal atau semetris stidak – tidaknya mendekati normal. Cara mencari modus untuk data kelompok 3. 1. maka rumus yang digunakan adalah sebagai berikut : Penggunaan mean Sebagai salah satu ukuran rata – rata.a. c. Modus = 3 median – 2 men 5. kita menhendaki kadar kemantapan atau kadar kepercayaan yang setinggi mungkin. Setelah itu. 1. deviasi standar. Quartile. Modus a. Bahwa dalam kegiatan analisis data. Mean = median = modus b. Kelemahan mean Seperti telah dikemukakan pada awal pembicaraan tentang mean. 3. 4. decile dan percentile sebagai ukuran penentuan letak nilai selain median Dalam pemicaraan tentang median telah dikemukakan bahwa selain dikenal sebagai nilai rata – rata pertengahan atau nilai rata – rata letak atau ukuran rata – rata letak.

Namun. Karena itu persentil sering disebut “ ukuran per – ratus – an” Nilai rata – rata ukur ( geometric mean ) Nilai rata – rata ukur atau geometric mean biasanya diberi lambangGM. . bagi seorang peneliti sebenarnya barulah merupakan pintu gerbang pertama di dalam bagi seorang peneliti yang ingin melakukan penganalisisan data statistik dengan secara lebih mendalam. sebab penyajian data dalam bentuk tabel distribusi frekuensi dan grafik itu. B. dalam rangka membuat angka itu menjadi “ berbicara “atau memberikan pengertian dan makna tertentu. 8. diakar pangkatkan benyaknya bilangan itu sendiri Cara menghitung nilai rata – rata ukur Misalnya hasil pengukuran yang dilakukan terhadap 3 subjek menunjukan angka – angka sebagai berikut .b. PENGANTAR Pada bagian awal dari bab iii telah dikemukakan. agar tujuan “ membuat angka itu berbicara dan bermakna “ dapat dicapai dengan sebaik – baiknya. adalah titik atau nilai yang membagi suatu distribusi data menjadi seratus bagian yang sama besar. BAB 4 MASALAH PENYEBARAN DATA A. akan banyak diantara kita yang mungkin tidak akan memerlukan atau menggunakan sama sekali. yang masing – masig sebesar 1/10N Percentile Percentile atau persintel yang biasa dilambangkan P. sedikit banyak telah dapat membantu seorang statistisi ( pekerja statistik ) atau seorang peneliti dlam rangka mengenal dan mengetahui ciri atau sifat yang terkandung dalam sekumpulan bahan keterangan (data 0 yang berupa angka. hanya dengan membuat tabel distribusi frekuensi dan grafik saja sebenarnya masih amat terbataslah hal – hal yang dapat diungkap oleh peneliti. 6. Pengertian nilai rata – rata ukur nilai rata – rata ukur di sekelompok bilangan ialah : hasil perkalian bilangan tersebut.27 dan 125. Sebenarnya nilai rata – rata. oleh karena itu. A. jarang sekali digunakan dalam lapangan psychopbysica. Decile Decile atau desil adalah : titik atau skor atau nilai yang membagi seluruh distribusi frekuensi dari data yang kita selidiki ke dalam 10 bagian yang sama besar. GM dari ketiga bilangan c. bahwa penyajian data statistik dalam berbagai bentuk tabel distribusi frekuensi dan grafik. perlu menempuh cara lain sebagai kelanjutan dari pembuatan tabel distyribusi frekuensi dan grafik itu.

B. C. yaitu : 1. dikenal. berbagai macam ukuran statistic yang dapat. Akan tetapi.Contoh . Cobalah kita perhatikan kurva berikut : Dari kurva di atas dapat kita ketahui. Range Ukuran penyebaran data yang pertama . Pengertian range Range – yang biasa diberi lambing R – adalah salah satu ukuran statistic yang menunjukan jaak penyebaran antara skor ( nilai ) yang terendah ( lowest score ) sampai skor ( nilai ) yang tertinggi ( higbest score 0 dengan singkat dapat dirumuskan R=H–L R = range yang kita cari H = Skor atau nilai yang tertinggi ( higbest score 0 L = Skor atau nilai yang terendah ( lowest score ) . maka kita akan segera tahu bahwa ternyata kedua kelompok siswa itu.tama diperkenalkan sebagai ukuran penyebaran data yang paling sederhana. atau homogenitas data. 1. yaitu : kedua kelompok siswa itu sama – sama memiliki nalai rata – rata sebesar 50. apabila kemudian dapat kita ketahui bahawa nilai tes bahasa arab yang dicapai oleh para siswa ang bersekolagh asal dari MTs tersebar anatara 40 samapai dengan 60. beberapa macam ukuran penyebaran data.atau stabilitas data. mempunyai perbedaan kualitas hasil belajar yang penting. dari ukuran yang paling sederhana ( kasar ) sampai dengan ukuran yang dipandang memiliki kadar ketelitian yang tinggi. akan tetapi penyebaran atau pemencaran nilainya tidaklah sama. yakni . kiranya tidak terlalu sulit untuk memberikan batasan tentang ukuran penyebarn data itu. atau variasi data. Misalnya mean dari nilai hasil tes bidang studi bahasa arab dari dua kelompok siswa madrasahaliyah yang masing – masing bebeda sekolah adanya ( kelompok 1 bersekolah asal dari SMP dan kelompok 2 bersekolah asal MTs ) adalah sama. a. meskipun kedua kelompok siswa yang berbeda sekolah asalnya itu sama – sama memiliki nilai rata – rata sebesar 50. yaitu 50 memang ditilikbesarnya mean. Range yang biasa diberi lambang R – adalah salah satu ukuran statistik yang menunjukan jarak penyebaran antara skor ( nilai ) yang terendah ( lowest score ) sampai skor ( nilai ) yang tinggi ( highest score ) dengan singkat. PENGERTIAN UKURAN PENYEBARAN DATA Bertitik tolak dari uraian di atas. MACAM – MACAM UKURAN PENYEBARAN DATA Dalam dunia statistic. yang karena itu juga sering disebut sebagai ukuran penyebaran data yang paling kasar. kedua kelompok siswa madrasah aliyah itu memiliki kualitas hasil belajar yang „ sama‟ alasannya cukup jelas.

maka kalau devesiasi itu kita gunakan sebagai ukuran untuk mengetahui variabilitas data tidak akan ada gunanya sama sekali.b.nya kita akan lebih cendrung untuk menganggap bahwa mean yang kita peroleh itu sifatnya meragukan. Dengan kata lain. dari nilai rata – rata hitungannya b. Karena jumlah devesiasi akan selalu sama dengan nol. c. Kebaikan dan kelemahan range Kebaikan range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang sedang kita hadapi adapun kelemahan range akan sangat tergantung kepada nilai – nilai ekstrimnya. Kegunaan deviasi rata –rata dan deviasi standar . Pengertian devesiasi rata – rata Dari pembicaraan di atas sebenarnya sudah cukup tergambar apa sebenarnya yang dimaksud dengan devesiasi rata – rata itu. d. Pengguna range Kebaikan range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang sedang kita hadapi. hasilnya pasti sama dengan nol. Pengertian deviasi Dalam statitik. dengan demikian range sifatnya sangat labil dan kurang teliti. Deveasi standar Diatas telah dikemukakan bahwa deviasi rata – rata sebagai salah satu ukuran variabilitas data ditilik dari segi matematika memiliki kelemahan yang sangat mendasar karena menganggap sama antara deviasi yang bertanda “ plus “ dengan deviasi yang bertanda “ minus” d. Cara mencari range Selain itu. kian cendrung bagi diri kita untuk menganggap bahwa mean yang kita peroleh merupakan wakil yang presentatif data yang bersangkutan sebaliknya kian besar range. yang dimaksud dengan devisiasi ialah selisih atau simpangan dari masing – masing skor atau interval. Devisiasi rata – rata Seperti terlihat pada tabel di atas. Deviasi a. besar kecilnya range akan sangat ditentukan oleh nilai terendah dannilai tertinggi yang terdapat dalam distribusi data. c. berdasarkan pada range kita juga dapat mengatakan bahwa kian kecil range dari suatu distribusi data. jika seluruh devisiasi kita jumlahkan. 2.

Ukuran penyebaran relative Ditilik segi relevinsinya. Bahwa besarnya deviasi rata – rata ( AD ) adalah sekitar 0. Jika deviasi rata – rata atau deviasi standar makin besar variabilitas datanya atau semakin kurang homogen. Catatan tambahan tentang penggunaan lebih lanjut dari mean dan deviasi standar dalam dunia pendidikan Sebagai catatan tambahan perlu kiranya dikemukakan di sini bahwa mean dan deviasi standar sebagai dua buah ukuran statistik yang dipandang memiliki reliabilitas yang tinggi. maka dalam pembicaraan lebih lanjut hanya akan dikemukakan dua jenis ukuran saja. Dapat disebutkan disini misalnya : 1. data yang sedang kita teliti itu makin dekat kepada sifat homogenitas. dapat dn sering digunakan dalam dunia pendidikan.3 kali dari deviasi rata – rata.798 SD: sedangkan SD= 1. Yaitu .dan pembicaraan tentang devesiasi pun hanaya dibatsi pada devisiasi rata – rata dan divesiasi standar. Variance 4. 2. Range dan 2. 253 atau 1.253 AD Artinya : f.798 atau 0. BAB 5 MASALAH HUBUNGAN ANTARVARIABEL ( TEKNIK ANALISIS KORELASIONAL ) A.8 kali dari deviasi standar Bahwa besarnya deviasi rata – rata ( AD ) adalah sekitar 1. Dengan mengetahui besar – kecilnya deviasi rata – rata dan deviasi standar. Untuk mengubah raw score ( skor mentah ) ke dalam nilai standar sekala 5 atau nilai huruf A – B – C – D – dan F 3. PENGERTIANKORELASI . kita akan dapat mengetahui pula bagaiamana variabilitas dan homogenitas data yang sedang kita selidiki. 1. khususnya dalam rangk evaluasi hasil belajar anak didik.Baik deviasi rata – rata maupun deviasi standar keduannya berguna sebagai ukuran untuk mengetahui homogenitas data. Deveasi. Saling hubungan antara deviasi rata – rata dan deviasi standar AD= 0. apabila deviasi rata – rata atau deviasi standar kecil. Sebaliknya. Untuk menetapkan nilai batas lulus aktual ( minimun passsing level atau passing grade ) dimana patokan yang digunakan untuk keperluan tersebut. e.

atau korelasi positif sempurna.1 ) 2. ( diagram 5. sedang hubungan yang sifatnya berlawanan arah disebut korelasi negatif. PETA KORELASI Arah hubungan variabel yang kita cari korelasi. Jika korelasi antara variabel X dan variabel Y merupakan korelasi negatif maksimal. sedangkan hubungan antarlebih dari dua variabel disebut multivariate correlation. Dalam dunia pendidikan misalnya. akan diikuti pula dengan kenaikan atau pertambaan pada variabel Y : atau sebaliknya penurunan atau pengurangan pada variabel X akan diikuti pula dengan penurunan atau pengurangan pada varibel Y. berjalan paralel . jika dua variabel ( atau lebih ) yang berkorelasi.2 ) . Ciri yang terkandung dalam peta korelasi itu adalah : 1. dan sebagainya. artinya bahwa hubungan antar dua variabel ( atau lebih ) itu menunjukan arah yang sama. yaitu hubungan yang sifatnya berlawanan arah. C. Dalam bahasa indonesai sering diterjemahkan dengan . dapat dibedakan menjadi dua macam.Kata “ korelasi” berasal dari bahasa inggris correlation. biologi. atau korelasi negatif sempurna. apabila variabel X mengalami kenaikan atau pertambahan. Contoh . maka ongkos angkutan pun murah 9 rendah ). B. Jika korelasi antara variabel X dan vareabel Y merupakan korelasi positif tertinggi. kenaikan harga bahan bakar minyak ( BBM ) diikuti dengan kenaikan ongkos ankutan sebaliknya jaka harga BMM rendah. akan membentuk satu buah garis lurus yang condong ke arah kanan. Disebut korelasi positif. ARAH KORELASI Hubungan antar variabel itu jika ditilik dari segi arahnya. yang dikenal dengan nama peta korelasi. tedapat korelasi positif antaranilai hasil belajar matematika dan nilai hasil belajar fisika. akan membentuk satu buah garis lurus yang condong kearah kiri ( lihat gambar 5. Jadi. dapat kita amati melalui sebuah peta atau diagam. maka pencaran titik yang terdapat pada peta korelasi apabila dihubungkan antara satu dengan yaing lain. kimia. atau korelasi negatif tertinggi. Hubungan yang bersifat searah diberi nama korelasi positif. maka pencaran titik yang terdapat pada peta korelasi apabila dihubungkan antara satu dengan yang lain. “ hubungan” atau “ saling hubungan” atau “ hubungan timbal balik” Dalam ilmu statistik istilah”korelasi” diberi pengertian sebagai hubungan antardua variabel atau lebih” Hubungan antardua variabel dikenal dengan istilah : bivariat correlation.

D. ANGKA KORELASI Tinggi .rendah.1 ) Y 101 2 3 4 5 6 7 8 9 10 9- 8765432101 0 2 3 4 5 6 7 8 9 1 . kuat – lemah atau besar kecil suatu korelasi dapat diketahui dengan melihat besar – kecilnya suatu angka ( koefisien ) yang disebut angka indeks korelasi atau coefficient of correlation. ( Diagram 5.

Pengertiannya Teknik analisis korelasi ialah teknik analisis statistik mengenai hubungan antardua variabel atau lebih. TUUAN.2 ) Y 101 2 3 4 5 6 7 8 9 10 9- 876543210- 1 2 3 4 5 6 7 8 9 10 E. . DAN PENGGOLONGAN 1.( Gambar 5. TEKNIK ANALISIS KORELASIONAL. PENGERTIAN.

Teknik korelasinal tata jenjang 3. Teknik korelasinal kendall tau 8. Teknik the widespread correlation 10. yaitu : a. Teknik korelasinal poin biserial 6. 4. Ingin menjawab pertanyaan apakah hubungan antar variabel itu ( jika memang ada ubungannya ) termasuk hubungan yang kuat. Tujuannya Teknik analisis korelasional memiliki tiga macam tujuan. di samping pertimbangan atau alasan tertentu yang harus dipenuhi. 3. yaitu teknik korelasi yang tersebut pada nomor 1 sampai dengan 5 . Teknik korelasinal biserial 7. ataukah lemah. Penggolongannya Teknik analisis korlasional dapat dibdakan menjadi dua golongan yaitu teknik analisis korelasional bivariat dan teknik analisis korelasional multivariat. b. Teknik korelasinal tetrakorik Penggunaan teknik korelasi tersebut di atas akan sangat tergantung kepada jenis data statistik yang akan dicari korelasinya. Dalam buku ini hanya akan dikemukakan lima jenis teknik korelasi dari 10 macam teknik korelasi yang telah disebutkan di atas. Teknik korelasinal kontingensi 5.2. cukupan. Teknik korelasinal rasio 9. Teknik korelasinal koefisien phi 4. Ingin mencari bukti 9 berlandasan pada data yang ada ). Teknik korelasinal produk momen 2. c. Ingin memperoleh kejelasan dan kepastian ( secara matematik ) apakah hubungan antar variabel itu merupakan hubungan yang berarti atau menyakinkan ( signifikan ) ataukah hubungan yang tidak berarti atau tidk meyakinkan. apakah memang benar antara variabel yang satu dan variabel yang lain terdapat hubungan atau korelasi. Cara mencari korelasi pada teknik analisis korelasional bivariat Sebagaimana dikemukakan oleh borg dan gall dalam bukunya educational research terdapat 10 macam teknik perhitungan korelasi yang termasuk dalam teknik analisis korelasional bivariat yaitu : 1.

Pengertiannya Product moment correlation – atau lengkapnya product of the moment correlation – adalah salah satu teknik untuk mencari korelasi antar dua variabel yang kerap kali digunakan. Dengan cara memperhitung mean 9 yaitu mencari nalia rata – rata hitung dari variabel yang dicari korelasinya ) 5. Cara mencari angka indeks korelasi product moment Ada berapa macam cara yang dapat dipergunakan untuk mencari angka indeks korelasi produk moment yaitu : 1. Variabel yang kita korelasikan berbentuk gejala atau data yang bersifat kontinu 2. Dengan cara yang lebih tingkat.F. Lambangnya Kuat lemah atau tinggi rendahnya korelasi antardua variabel yang sudah kita teliti dapat diketahui dengan melihat besar kecilnya angka indeks korelasi. Dalam hubungan ini ada dua macam cara dapat kita tempuh yaitu : . 5. terhadap meannya 6. TEKNIK KORELASI PRODUCT MOMENT 1. Dengan cara menghitung deviasi standarnya lebih dahulu 2. Dengan cara memperhitungkan selisih dari masing – masing skor aslinya atau angka kasarnya. yang pada teknik korelasi product moment diberi lambang “r” ( sering disebut”r” product moment ) 4. 2. Dengan cara memperhitungkan skor – skor aslinya atau ukuran – ukuran kasarnya 4. Cara membrikan intrprestasi terhadap anka indeks korelasi “r” product moment Terhadap angka indeks korelasi yang telah diperoleh dari perhitungan ( proses komputasi ) kita dapat memberikan interpretasi atau penafsiran tertentu. atau setidak – tidaknya mendekati homogen 3. Sampel yang diteliti mempunyai sifat homogen. Dengan cara memperhitungkan selisih dviasi dan variabel yan dikerolesasikan. Penggunaannya Teknik korelasi product moment kita pergunakan apabila kita berhadapan dengan keyataan berikut ini : 1. Regresinya merupakan regresi linear 3. yaitu tanpa menghitung deviasi standarnya 3.

9 7.5 5. Interpretasi itu diberikan dengan terlebih dahulu berkonsultasi.1 TABEL 5.4 6.5 5.2 6. Seperti terlihat pada tabel 5.6 6. Interpretasi terhadap angka indeks korelasi “r” product moment itu dilakukan dengan secara kasar atau dengan sederhana 2. Penggunaannya Teknik analisis korelasinal tata jenjang ini dapat efektif digunakan apabila subjek yang dijadikan sampel dalam penelitian lebih dari sembilan tetapi kurang dari tiga puluh dengan kata lain : N antara 10 – 29 karena itu apabila N sama dengan atau lebih dari 30. 2.8 7.1 mean nilai hasil belajar dari sejumlah 5 orang mahasiswa pada ujian semester di fakultas.6 6.1. sebaiknya jangan digunakan teknik korelasi ini .9 1 2 3 4 5 G. Contoh cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi “r” product moment Misalkan dalam suatu penelitian yang dimaksud untuk mengetahui apakah secara signifikasi terdapat korelasi positif antara nilai hasil belajar para mahasiswa difakultas ( variabel X ) dan nilai hasil belajar mereka pada waktu berada disekolah lanjutan tingkat atas ( variabel Y ) dalam penelitian mana telah ditetapkan sebagai sampel sejumlah 20 orang mahasiswa ( N kurang dari 30 ) telah berhasil dihimpun data berapa mean : nilai mean dari nilai hasil belajar meeka pada ujian akhir sekolah lanjutan tingkat atas ( sebagaimana tercantum dalam STTB ).6 Mean nilai STTB di SLTA (y) 7. 6. Pengertian Teknik korelasi tata jenjang dalam dunia statistik dikenal sebagai teknik analisis koelasional yag paling sederhana jika dibandingkan dengan teknik analisis korelasinal lainnya. dan mean dari nilai STTB mereka di SLTA No urut Nama mhs A D V W E Mean nilai hasil ujian semester di fakultas ( x) 6. TEKNIK KORELASI TATA JENJANG ( TEKNIK KORELASI RANK ORDER = RANK ORDER CORRELATION = RANK DIFFERENCE CORRELATION ) 1.

yaitu a. yang tidak terdapat urutan yang kembar. 4. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang.00 sampai dengan + 1. Lambangnya Pada teknik korelasi tata jenjang ini angka indeks korelasinya dilambangkan dengan huruf P ( baca Rho ) seperti halnya rxy maka angka indeks korelasi P ini besarnya berkisar antara 0. H. atau tingi rendahnya. pada teknik korelasi phi ini. terlebih dahulu kita rumuskan hipotesis alternatif dan hipotesis nol – nya 5.00 4. lulus – tidak lulus. TEKNIK KORELASI PHI ( PHI COEFFICIENT CORRELATION ) 1. hidup – mati. misalnya : laki – laki – perempuan. c. Contoh cara mencari ( menghitung ) angka indeks korelasi phi a. variabel yang dikoelasikan itu adalah variabel diskrit murni .3. b. Lambangya Besar kecilnya kuat lemahnya. yang tidak terdapat urutan yang kembar tiga atau lebih dari tiga. Cara mencari angka indeks korelasi phi dengan mendasarkan dari pada frekuensi dari masing – masing sel. phi merupakan product momen correlation. yang tidak terdapat urutan yang kembar dua. Pengertiannya Teknik korelasi phi adalah salah satu teknik analisis korelasional yang dipergunakan apabila data yang dikoelasikan adalah data yang benar – benar dikotomik ( terpisah atau dipisahkan secara tajam ) dengan istilah lain . Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang. 2. . menjadi pengurus organisasi – tidak menjadi pengurus organisasi mengikuti bimbingan tes – tidak mengikuti bimbingan tes maka variabel tersebut terlebih dahulu harus diubah menjadi variabel diskrit. Contoh cara mencari menghitung dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang Ada tiga macam cara mencari ( menghitung ) Rho. ditnjukan oleh besar kecilnya angka indeks korlasi yang dilambangkan dengan huruf o ( phi ) 3. Cara memberikan interpretasi terhadap angka indeks korelasi phi ( o ) Pada dasanya. korelasi antar dua variabel yang kita selidiki korelasinya. Cara memberikan interpretasi terhadap angka indeks korelasi tata jenjang Untuk memberikan interpretasi terhadap angka indeks korelasi tata jenjang.

yang umumnya diberi lambang dengan huruf C atau KK ( singkatan dari koefisien kontingensi. Cara mencari ( menghitung ) angka indeks korelasi phi dengan memperhitungkan kai kuadrad d. yang dua buah variabel yang dikorelasikan adalah berbentuk kategori atau merupakan gejala ordinal.b. 2. tinggi – rendah. Pegertian Dan Penggunanya Teknik korelasi point biserial ( point biserial correlation ) adalah salah satu teknik analisis korelasional bivariat yang biasa dipergunakan untuk mencari korelasi antara dua variabel Variabel 1 berbentuk variabel kontinum ( misalnya : skor hasil tes ) sedangkan Varibel 2 berbentuk variabel diskrit murni ( misalnya betul atau salahnyacalon dalam menjawab butir – butir soal tes ) 2. pada teknik korelasi ini dilambangkan dengan rpbi . 4. Cara mencari angka indeks korelasi phi dengan mendasarkan dari pada nilai proporsinya c. TEKNIK KORELASI KOEFISIEN KONTINGENSI 1. apakah terdapat korelasi positif yang signifikan antara semangat berolah – raga dan kegairahan belajar. Cara memberikan interpretasi terhadap angka indeks korelasi kontingensi Pemberian interpretasi terhadap angka indeks korelasi kontingensi C atau KK itu adalah dengan jalan terlebih dahulu menubah harga C menjadi phi. Hasil pengumpulan data menunjukan angka sebagaimana tertera pada tabel 5. Lambangnya Angka indeks korelasi yang menunjukan keeratan hubungan antara variabel yang satu dengan variabel yang lain.19 Tabel 5.19 data mengenai semangat berolah raga dan kegairahan belajar dari sejumlah 200 oang subjek Semangat besar Sedang kecil Jumlah Berolah raga Gairah belajar Besar 18 12 10 40 Sedang 4 43 33 110 Kurang 10 10 30 50 Jumlah 62 65 73 200=N J. Contoh cara mencari ( menghitung ) angka indeks korelasi kontingensi Misalkan akan diteliti. Lambangnya Kuat lemah. dapat diketahui dari besar – kecilnya angka indeks korelasi yang disebut coefficient contingency. Sejumlah 200 orang subjek ditetapkan sebagai sampel penelitian. Pengertiannya Teknik korelasi koefisien kontingensi adalah salah satu teknik analisis korelasional bivariat. atau besar – kecilnya korelasi antar dua variabel yang sedang kita selidiki korelasinya.) 3. Cara mencari ( menghitung ) angka indeks korelasi phi dalam keadaan khusus I. TEKNIK KORELASI POIN BISERIAL 1.

akan kita jumpai isitlah compare. terhadap suatu ide atau suatu prosuder kerja. kritik terhadap orang. Jika perbedaan itu memang ada. tentang orang. Aswarni sudjud berjudul “ beberapa pemikiran tentang penelitian komprasi” menjelaskan bahwa penelitian komparasi pada pokoknya adalah penelitian yang berusaha untuk menemukan persamaan dan perbedaan tentang benda. maka dapat diberikan pengertian tentang teknik analisis komparasional. Kata compare. ternyata secara signifikan memang berkorelasi. Cara memberikan interpretasi terhadap angka indeks poin beserial Untuk memberikan interpretasi terhadap rpbi kita pergunakan tabel nilai “r” product moment. apakah perbedaan itu merupakan perbedaan yang berarti atau menyakinkan ( signifikan ) ataukah bahwa perbedaan itu hanyalah secara kebetulan saja ( by chance ) D. jika rpbi lebih kecil daripada r tabel berarti tidak ada korelasi yang signifikan 4. Echols dan hassan shadily dalam kamus inggris – indonesia B. tentang prosedur kerja. Ny. PENGERTIAN KOMPARASI Sebelum membicarakan tentang pengertian “ teknik analisis komprasional “ terlebih dahulu akan diketengahkan pengertian tentang istilah “ komprasional” jika kita memeriksa kamus bahasa inggris. comparability – comprable. PENGERTIAN PENELITIAN KOMPARASI Berbicara entang pengertian penelitian komprasi Dr. Suharsimi arikunto dalam bukunya prosedur penelitian : suatu pendekatan praktik ( 1983 ) sambil mengutip pidato pengukuhan Dra. TEKNIK ANALISISKOMPRASIONAL DAN PENGGOLONGANYA Dalam menguji perbedaan antarvariabel yang sedang diteliti. yaitu : salah satu teknik analisis kuantitatif atau salah satu teknik analisis statistik yang dapat digunakan untuk menguji hipotesis mengenai ada tidaknya perbedaan antarvariabel yang sedag diteliti. Dapat juga dilaksanakan dengan maksud untuk membandingkan kesamaan pandangan dan perubahan pandangan orang. dengan terlebih dahulu mencari df-nya ( df – N – nr ) jika rpbi yang kita peroleh dalam perhitungan ternyata sama dengan atau lebih besar daripada r tabel maka kita dapat mengambil kesimpulan bahwa kedua variabel yang sedangkita cari korelasinya. PENGERTIAN TEKNIK ANALISIS KOMPARASIONAL Bertitik tolak dari pengertian tentang komparasi dan pengertian tentang penelitian komperasi seperti telah dikemukakan diatas. terhadap pristiwa. kelompok. Contoh cara mencari ( menhitung ) angka indeks korelasi poin biserial Sebagai salah satu contoh.3. sedangkan tastee yang menjawab salah diberi skor nol BAB 6 MASALAH PERBEDAAN ANTAR – VARIABEL ( TEKNIK ANALISIS KOMPRASIONAL ) A. . misalnya dalam suatu peneitian yang antara lain bertujuan untuk menuji validitas soal yang telah dikeluarkan dalam tes ( bila soal yang dikeluarkan dalam tes tersebut berbentuk tes obkjektif ) sejumlah 10 orang calon dicapai oleh tastee yang menjawab butis soal dengan betul diberi skor 1. atau terhadap ide. tentang ide. compra artinya “bandingan” atau “tara” comparability mengandung arti “ sifat bisa diperbandingkan /disamakan comparative artinya yang bertalian dengan perbandingan atau pembandingan demikianlah seperti dikemukakan oleh john M. grup atau negara terhadap kasus. comparative dan comverasion. C. mungkin saja variabelnya dua buah dan mungkin pula lebih dari dua buah.

Teknik analisis komprasional dengan variabel yang diperbandingkan hanya dua buah saja. disebut teknikanalisis komprasiona bivariat ( misalnya : apakah terdapat perbedaan sikap keagamaan yang signifikan antara remaja yang berdomisili di lingkungan masyarakat agraris dan remaja yang berdomisili di lingkungan masyarakat industri ? .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->