P. 1
BAB I, II, III

BAB I, II, III

|Views: 3|Likes:

More info:

Published by: Rina Rawaty Sinambela on Jun 20, 2013
Copyright:Attribution Non-commercial

Availability:

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

01/07/2015

pdf

text

original

BAB I PENDAHULUAN A.

Latar Belakang Masalah Statistik memegang peranan penting dalam penelitian, baik dalam penyusunan model, perumusan hipotesa dalam pengembangan alat dan instrumen pengumpulan data dalam penyusunan desain penelitian, dalam penentuan sampel dan dalam analisis data. Statistik telah memberikan teknikteknik sederhana dalam mengklasifikasikan data serta dalam menyajikan data secara lebih mudah, sehingga data tersebut dapat dimengerti. Kata statistik dikaitkan dengan kata staat (bahasa Jerman artinya negara), atau statista (bahasa Italia artinya negarawan). Munculnya statistika sebagai ilmu didahului oleh percobaan-percobaan matematika berdasarkan interpretasi hitung peluang (probability). Arti dari statistik adalah kumpulan data, bilangan maupun non bilangan yang disusun dalam tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan. Sedangkan kata statistika memiliki arti pengetahuan yang berkaitan dengan cara-cara pengumpulan data, pengolahan, penganalisisannya, penyajian untuk penarikan simpulan berdasarkan alasan yang cukup. Statistika memiliki arti pengetahuan yang berkaitan dengan cara-cara pengumpulan data, pengolahan, penganalisisan, penyajian untuk penarikan simpulan berdasarkan alasan yang cukup. Menurut tingkat pengerjaan, statistika dapat dibagi atas dua fase yang berbeda. Fase pertama ialah fase yang hanya berkenaan dengan pengumpulan, pengolahan, penganalisisan, dan penyajian sebagian atau seluruh data tanpa pengambilan simpulan. Teknik statistika ini disebut statistika deskriptif.

1

2

Statistika deskriptif digunakan atau diterapkan untuk mengatur, meringkas, menyajikan dan mendiskripsikan data dengan tujuan agar data menjadi lebih bermakna. Pengaturan, penyajian dan peringkasan data dapat diwujudkan dalam bentuk tabel, distribusi frekuensi, histogram, diagram batang, diagram lingkar, piktogram, poligon atau ogive. Oleh karena itu untuk memahami statistika pada tingkat yang tinggi, terlebih dahulu diperlukan pemahaman ilmu matematika. B. Perumusan Masalah Berdasarkan latar belakang yang telah disampaikan di atas, penulis akhirnya merumuskan masalah yang akan dibahas sebagai berikut : 1. Bagaimanakah sejarah dari statistik? 2. Apa pengertian dari statistik dan statistika? 3. Apa saja jenis-jenis dari statistik? 4. Apa saja yang termasuk ke dalam pengukuran, pengumpulan, dan penyajian data? 5. Apa fungsi dan peranan statistik dalam penelitian? 6. Apa saja yang termasuk dalam statistika deskriptif? C. Tujuan Makalah Makalah ini bertujuan untuk : 1. Penarikan simpulan berdasarkan alasan yang cukup sehingga data tersebut dapat dimengerti. 2. Membantu mahasiswa mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk pembuatan skripsi, thesis atau disertasi. 3. Membantu menyusun metodologi penelitian.

3

D. Sistematika Penulisan Pada bab I pendahuluan, terdapat latar belakang masalah, perumusan masalah, tujuan makalah, dan sistematika penulisan. Pada bab II pembahasan, terdapat pembahasan makalah. Pada bab III penutup, hanya terdapat simpulan dari makalah dan saran.

BAB II PEMBAHASAN A. Konsep Dasar Statistika 1. Sejarah Singkat Kata statistik dikaitkan dengan kata staat (bahasa Jerman artinya negara), atau statista (bahasa Italia artinya negarawan). Dari dua kata tersebut, statistik dapat bermakna sesuatu yang penting bagi Negara. Kata ‘statistik’ pertama kali diperkenalkan oleh Gottingen Ashewall dan kata ‘statistika’ digunakan oleh Zimmerman yang dipopulerkan oleh Sir John Sinclair dalam bukunya berjudul Statistical Account of Scotland. Munculnya statistika sebagai ilmu didahului oleh percobaan-percobaan matematika berdasarkan interpretasi hitung peluang ( probability).

Beberapa sarjana yang berperan dalam pengembangan statistik sebagai ilmu antara lain (Lungan, 2006:1): a. Blaise Pascal dan Pierre de Fermat. Pada abad ke-17 kedua sarjana ini mengadakan studi tentang peluang (probability) dengan menggunakan hitung peluang secara konstruktif. Hasil-hasilnya dikembangkan pada tahun 1763 dipublikasikan oleh Thomas Bayes dalam bukunya berjudul Philosophical Transaction. Acak dan hitung peluang merupakan landasan dan motor penggerak atas kajian ketidakpastian yang dihadapi para pengambil kebijakan. b. Abraham De Moivre, menemukan teori galat atau kekeliruan (Theory of Error). Pierre Simon de Laplace mengembangkan konsep De Moivre dan Thomas Simpson menjadi konsep distribusi normal yang erat kaitannya dengan statistika inferensial. c. Karl Friedrich Gauss, menemukan sebaran Gauss melalui studi tentang galat (error). Sebaran Gauss memunculkan kriteria-kriteria pengambilan simpulan yang baik dan berguna. d. Adolph Quetelet, mengadakan pendekatan antara hitung peluang dan statistik yang kemudian diterapkan dalm pendidikan dan sosiologi. Beliau adalah pelopor dalam penggunaan statistika dalam penelitian. e. Sir Francis Galton, mengaplikasikan statistika dalam ilmu-ilmu sosial. Galton bekerjasama dengan Karl Pearson mengembangkan metode regresi, kolerasi, distribusi chi-kuadrat dan analisa statistika untuk data kualitatif.

4

5

f. William S Gosset, mengembangkan metode statistik berdasarkan contoh (sample). g. Sir Ronald A. Fisher, mengembangkan teori penarikan contoh (sample) dan rancangan percobaan (experiment), seperti analisis varians, kovarians, distribusi-z, distribusi-t, uji signifikansi dan teori tentang pemikiran (Theory of Estimation). 2. Arti Statistik dan Statistika Menurut Sudjana (1996:2) mengatakan bahwa “Arti dari statistik adalah kumpulan data, bilangan maupun non bilangan yang disusun dalam tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan”. Contoh : statistik penduduk, statistik kelahiran, statistik produksi, statistik pertanian. Kata statistik juga dapat dipakai untuk menyatakan ukuran sebagai wakil dari kumpulan data mengenai sesuatu hal misalnya 20% mahasiswa Universitas X terlambat hadir. Sedangkan kata statistika memiliki arti pengetahuan yang berkaitan dengan cara-cara pengumpulan data, pengolahan, penganalisisannya, penyajian untuk penarikan simpulan berdasarkan alasan yang cukup. 3. Jenis Statistik Menurut tingkat pengerjaan, statistika dapat dibagi atas dua fase yang berbeda. Fase pertama ialah fase yang hanya berkenaan dengan pengumpulan, pengolahan, penganalisisan, dan penyajian sebagaian atau seluruh data tanpa pengambilan simpulan. Teknik statistika ini disebut statistika deskriptif. Statistika deskriptif digunakan atau diterapkan untuk mengatur, meringkas, menyajikan dan mendiskripsikan datan dengan tujuan agar data menjadi lebih bermakna. Pengaturan, penyajian dan peringkasan data dapat diwujudkan dalam bentuk tabel, distribusi frekuensi, histogram, diagram batang, diagram lingkar, piktogram, poligon atau ogive. Deskripsi data dapat dinyatakan dengan dua aspek, yaitu:

6

a. Ukuran pemusatan (central tendency) yaitu suatu harga kemana data cenderung memusat, dinyatakan dalam bentuk harga rata-rata, modus atau median. b. Ukuran penyebaran (dispersion) yaitu sejauh mana ketervariasian data yang satu dengan yang lain, dinyatakan dalam bentuk rentang ( range), simpangan baku (standart deviasi), varians, koefisien variasi atau standart error. Statistika Induktif (Inferensial): digunakan/diterapkan untuk

meyimpulkan tentang suatu harga parameter populasi berdasarkan harga statistik sampel. Statistika inferensial dibedakan atas dua bagian yaitu estimasi dan uji hipotesis. 4. Pengukuran a. Bilangan Bilangan dapat diklasifikasikan menjadi bilangan asli, cacah, bulat, rasional dan real. Bilangan asli ialah 1,2,3, dan seterusnya. Bilangan cacah ialah 0,1,2, dan seterusnya. Bilangan bulat ialah 1,2,3, dan seterusnya. Bilangan rasional ialah bilangan yang dapat ditulis dengan bentuk a/b (a dan b bilangan bulat dan b ≠ 0). Contoh bilangan rasional ialah 0,25, dan -0,333, dan 2 sebab masing-masing dapat ditulis dalam bentuk ¼, -333/1000, 4/2. Bilangan √ tetapi √ dan √ bukan bilangan

rasional, sebab masing-masing tidak dapat ditulis dalam bentuk a/b. misalnya adalah bilangan rasional sebab √ √ √ dan √ .

Bilangan seperti √ √

disebut bilangan irasional.

Gabungan antara bilangan rasional dan bilangan irasional disebut bilangan real.

7

b. Pembulatan Pembulatan diperlukan untuk kegiatan perhitungan, analisis atau laporan. Untuk itu bilangan-bilangan perlu disederhanakan atau dibulatkan. Ketika ditanya berapa jarak antara rumah dan kampusnya, seorang mahasiswa menjawab bahwa jarak antara rumah dan kampusnya 4,987 km. akan lebih baik bila mahasiswa tersebut mengatakan bahwa jarak itu 5 km. Pembulatan bilangan didasarkan oleh beberapa aturan. Bila 15,1 harus dibulatkan ke dalam satuan, maka hasilnya 15, sebab 15,1 lebih dekat ke 15 daripada ke 16. Bila 87,32 dibulatkan ke satuan, hasilnya 87, sedangkan bila dibulatkan ke persepuluhan, hasilnya 87,3. Bagaimana hasilnya bila kita diminta untuk membulatkan 10,502 ke peratusan? Jawabannya ialah 10.50. Aturan ini disebut aturan bilangan genap. Bila suatu bilangan didahului oleh bilangan 5, maka pembulatan ke persepuluhan atau ke peratusan dengan menambah angka 1 kepada angka yang mendahului 5. Contoh: 3,45 menjadi 3,5 atau 5,245 menjadi 5,25. c. Notasi Sigma Menurut Ruseffendi (1009:14), ”Untuk keperluan dalam bab-bab selanjutnya, perlu diketahui indeks atau notasi (dibaca sigma)”.

Indeks diperlukan sebab kita tidak memiliki cukup banyak huruf untuk mengganti besaran-besaran yang kita miliki. Misalnya, bila kita memiliki 1100 bilangan dari 1 s/d 100 tentu kita tidak bisa menggantikannya dengan huruf, misalnya A = 1, B = 2, C = 3, dan seterusnya, sebab huruf kita hanya ada 26. Tetapi, bila kita menggunakan indek akan lebih mudah, misalnya: X1 = 1, X2 = 2, X3 = 3, …. X100 = 100, suku umumnya Xi atau Xj. Maka suku umum untuk

8

X1 = 1, X2 = 2, X3 = 3, …, X100 dapat disebut Xi dengan i adalah bilangan bulat dari 1 s/d 100. Contoh berikut digunakan bila kita menggunakan notasi menyatakan penjumlahan: untuk

5. Pengumpulan dan Penyajian Data a. Arti Data Menurut Webster’s New World Dictionary, data berarti sesuatu yang diketahui atau dianggap. Dengan demikian, data dapat memberikan gambaran tentang suatu keadaan atau persoalan. Kegunaan data pada dasarnya untuk membuat keputusan oleh para pembuat keputusan. Bila dikaitkan dengan manajemen, data dapat berguna sebagai (Supranto 2000:2): 1) Dasar suatu perencanaan agar perencanaan sesuai dengan kemampuan yang ada, sehingga dapat dicegah perencanaan yang ambisius dan susah dilaksanakan. Kemampuan yang dimaksud ialah kemampuan personil, kemampuan pembiayaan (keuangan), serta kemampuan material. 2) Alat pengendalian terhadap pelaksanaan atau implementasi perencanaan tersebut agar bisa diketahui dengan segera kesalahan atau penyimpangan yang terjadi sehingga dapat segera dilakukan perbaikan atau koreksi. 3) Dasar evaluasi hasil kerja akhir, apakah hasil kerja yang telah ditargetkan bisa dicapai 100%, 90%, ataun kurang dari itu. Kalau target tidak tercapai, faktor-faktor apa saja yang menyebabkannya. Untuk ini semua diperlukan data.

9

b. Pembagian Data Menurut cara memperolehnya, data dibedakan atas: 1) Data Primer, yaitu data yang diperoleh langsung dari sumber pertama (first hand data) baik melalui percobaan, survey, observasi atau cara lainnya. Misalnya data tentang alumni SMA X diperoleh dari bagian Tata Usaha SMA X. 2) Data Sekunder, yaitu data yang diperoleh dari sumber kedua ( second hand data). Misalnya data tentang alumni SMA X diperoleh dari surat kabar Berita Nasional. Menurut sifatnya, data dibedakan atas: 1) Data kuantitatif (dapat dinyatakan dalam bentuk angka/bilangan), terdiri dari : a) Data kontinum: adalah data statistik yang angka-angkanya merupakan deretan angka yang sambung menyambung

(kontinum), diperoleh dengan cara mengukur, seperti : berat, tinggi, luas. (1) data interval, yaitu data hasil pengukuran ordinal yang memiliki jarak antarjenjang yang tetap (selalu sama), misalnya 2, 3, 4, 5, 6, 7. Jarak 3-5, 4-6 dan 5-7 adalah tetap (sama). Skala interval tidak memiliki angka “0” multak, sehingga tidak dapat dikatakan bahwa 6 adalah dua kali 3. Contoh : pada termometer, 360 adalah 60 lebih panas dari 300, sedangkan 120 adalah 60 lebih dingin dari 180. Tetapi tidak dapat dikatakan 360 adalah tiga kali lebih panas dari 120, atau 120 satu setengah kali lebih dingin dari 180. (2) data rasio, yaitu data hasil ukur level interval yang memiliki harga “0” mutlak. Sebagai konsekuensi dari asumsi tentang adanya nilai “0” mutlak, dapat dibuat perbandingan. Contoh:

10

orang yang berat badannya 60 kg adalah 2 kali berat orang yang badannya 30 kg. b) Data diskrit, yaitu data yang tidak mungkin berbentuk pecahan, diperoleh dengan cara menghitung (membilang): (1) data nominal, yaitu data dalam bentuk angka yang berfungsi sebagai identifikasi, yaitu membedakan antara satu subjek dengan subjek lainnya, sehingga dapat diketahui bahwa subjek termasuk ke dalam kategori tertentu, seperti jumlah anak, warna, agama. Di antara kategori tidak ada perbedaan tingkat, misalnya warna putih lebih bagus dari warna hitam. (2) data ordinal, yaitu data dalam bentuk angka yang berfungsi menunjukkan adanya perjenjangan kualitatif. 3-2 tidak dapat dikatakan sama jaraknya dengan 2-1, tetapi 3 > 2 dan 2 > 1. Contoh: Skor juara 1 adalah 30, skor juara 2 adalah 28, dan skor juara 3 adalah 26. Juara pertama lebih bagus dari juara kedua, dan juara kedua lebih bagus dari juara ketiga (tetapi tidak dapat dikatakan skor antara masing-masing juara sama). (3) data dikotomi, yaitu data yang hanya memiliki dua kategori. Data dikotomi murni seperti: hidup atau mati, dan data dikotomi buatan seperti: lulus atau gagal. 2) Data kualitatif atau atribut, yaitu data bukan dalam bentuk kuantitatif. Contoh: cantik, baik, buruk, dan lainnya. c. Pengumpulan Data Pekerjaan pertama yang penting sehubungan dengan penerapan statistika dalam pemecahan masalah adalah pengumpulan data. Menurut Sudijono (2000:26), “Prinsip pertama yang harus dipegang dalam pengumpulan data adalah lengkap”. Kata ‘lengkap’ di sini mengandung

11

pengertian tidak ada data yang tercecer atau terlupakan untuk dihimpun sehungga mengakibatkan kesulitan dalam menganalisisannya. Menurut Sudijono (2000:26), “Prinsip kedua dalam pengumpulan data ialah tepat”. Data yang dihimpun hendaknya data yang tepat dalam hal jenis, waktu pengumpulan, kegunaan atau relevansinya dengan tujuan pengumpulan data, tujuan penelitian, dan tepat dalam memilih alat atau instrumen yang akan dipergunakan untuk menghimpun data. Menurut Sudijono (2000:26), “Prinsip ketiga kegiatan pengumpulan data adalah data yang dihimpun hendaknya data yang benar-benar dapat dipercaya atau dijamin kesahihannya”. Hal ini mengandung arti bahwa di samping data tersebut data yang benar (bukan data palsu atau hasil rekayasa), juga merupakan data yang bersumber dari pihak yang memang berkompeten untuk diminta datanya. Adapun cara pengumpulan data dibedakan menjadi dua, yaitu sensus dan sampling. Sensus adalah mengumpulkan data dengan cara mencatat atau meneliti semua elemen yang menjadi subjek penelitian. Sedangkan sampling adalah mengumpulkan data dengan cara mencatat atau meneliti sebagian dari elemen yang menjadi subjek penelitian. Teknik pengumpulan data dapat dilakukan dengan cara teknik pengukuran yang terdiri dari tes (Pilihan Ganda, Uraian) dan skala (Skala Likert, Skala Guttman, Skala Bogardus, Skala Thurstone, Rating Scale, Skala Semantik Differential dan Skala Paired-Comparison). Di samping teknik pengukuran, pengumpulan data juga dapat dilakukan melalui teknik pengumpulan melalui cara observasi, wawancara, kuensioner, dan dokumentasi.

12

d. Pengolahan Data Menurut Ruseffendi (1998:25), “Pengolahan data adalah kegiatan yang berkaitan dengan pemberian skor, pengelompokkan, perhitungan dan sebaginya mengenai data yang kita miliki, yang diperoleh melalui tahap pengumpulan data”. Soal-soal jawaban siswa diskor. Kalau diperlukan skor mentah (raw scores) itu diolah menjadi skor terolah atau menjadi nilai-nilai. Nilai-nilai yang diperoleh, mungkin dikelompokkan ke dalam kelompok lulus dan tidak lulus, berhasil dan belum berhasil, melanjutkan dan bekerja, dan sebagainya. Pengolahan data dapat saja menggunakan rumus rerata, varrians, simpangan baku, nilai Z, nilai T, koefisien korelasi Product Moment, Point Biserial, t-Test, Validitas, Reliabilitas, Tingkat kesukaran, Daya Beda, Analisis, Varian, dan lain-lain. e. Penyajian Data Setelah data yang telah terkumpul diolah dengan menggunakan rumusrumus statistik, langkah selanjutnya adalah menyajikan data. Banyak teknik yang digunakan untuk menyajikan data yang sudah diolah seperti dengan table atau daftar tunggal, daftar kontingensi, daftar distribusi frekuensi. Penyajian data dengan gambar atau diagram dilakukan dengan diagram lingkaran, diagram lambang (piktogram), diagram peta

(kartogram) dan lainnya. Sedangkan penyajian data dengan grafik/diagram antara lain diagram batang, diagram garis, diagram pencar, histogram dan polygon. Tabel 1.1 Contoh Daftar Tunggal No 1 2 3 4 Fakultas FTMIPA FPBS FPIPS FPOK S1 125 110 19 S2 89 67 75 7 S3 22 34 28 -

13

Tabel 1.2 Contoh Daftar Kontingensi Jenjang sekolah SD SMP SMA

Tahun 2008 2009 2010 2011

463 789 1098 1200

430 345 967 1090

114 65 279 189

Gambar 1. Diagram Batang Contoh Diagram Batang
6 4 2 0 TK SD SMP SMA

Gambar 2. Diagram Lingkaran
13,33% SMP 21,33% 30,00% 33,33% SMA D3 S1

Komposisi Pendidikan Responden Gambar 3. Diagram Titik
14 12 10 8 6 4 2 0 TK

5 2 2

3

Tahun 2012 Tahun 2011 Tahun 2010

SD

SMP

SMA

14

6. Fungsi dan Keterbatasan Statistika Menurut Lungan (2006:5), “Statistika dapat berfungsi alat bantu yang ampuh untuk memecahkan masalah-masalah rumit, antara lain menyederhanakan data yang rumit, mengklasifikasi data sesuai kebutuhan, dapat digunakan sebagai teknik perbandingan, menginterpretasi beberapa masalah secara simultan, dan dapat digunakan sebagai teknik pengambilan keputusan”. Sedangkan keterbatasan statistika yaitu tidak dapat digunakan untuk segala macam persoalan, hal ini disebabkan karena statistika hanya dapat digunakan untuk memecahkan masalah-masalah yang dapat diukur atau dapat dinyatakan dalam bentuk numerik, tidak dapat digunakan untuk fakta tunggal, hasil-hasil analisis statistika hanya merupakan pendekatan dan bukan kebenaran matematika, dan statistika dapat memberikan simpulan yang keliru. Kekeliruan tersebut disebabkan : (1) kekeliruan menggunakan metode, (2) kekeliruan menarik sampel, (3) kekeliruan dalam pengolahan dan analisis data, (4) dan lain-lain. 7. Peranan Statistika Dalam Penelitian Penelitian ilmiah adalah salah satu cara mencari kebenaran yang memilih tingkat kekeliruan kecil dibandingkan dengan mencari kebenaran dengan cara intuisi, kebetulan atau prasangka. Di dalam penelitian ilmiah statistika memegang peranan yang penting, karena statistika menyediakan berbagai alat dan cara untuk mendapatkan keterangan yang seolah-olah tersembunyi di dalam angka-angka. Penelitian ilmiah adalah mekanisme atau cara mendapatkan

pengetahuan dengan prosedur yang didasarkan pada suatu struktur logis yang terdiri atas tahapan kerja: adanya kebutuhan obyektif, perumusan masalah, pengumpulan teori, perumusan hipotesis, pengumpulan

data/informasi/fakta, analisis data, penarikan simpulan. Hal ini disebut dengan daur logico-hypothetico-verifikatif, yaitu pendekatan penelitian yang dimulai dengan berfikir deduktif untuk menurunkan hipotesis, kemudian melakukan pengujian di lapangan ( verifikatif). Maka pada

15

tingkat verifikasi, peranan statisktika sangat penting. Pentingnya peranan statistika di dalam tingkat ini untuk membuktikan apakah hipotesis yang telah ditetapkan berdasarkan penarikan simpulan secara deduktif telah sesuai dengan kenyataan. Saat ini peranan statistika terasa sangat penting. Hal ini disebabkan makin besarnya masyarakat yang memerlukannya dan makin tingginya intensitas penelitian-penelitian ilmiah sekarang ini. Salah satu bukti pentingnya peranan statistika dalam berbagai penelitian dan

pengembangan berbagai macam ilmu adalah bermunculannya cabangcabang ilmu yang mempergunakan statistika seperti Biometri, Ekonometri, Psychometri, Sosiometri, dan sebagainya. B. Statistika Deskriptif 1. Distribusi Frekuensi Dalam statistik kata frekuensi berarti angka (bilangan) yang menunjukkan seberapa kali suatu variabel (yang dilambangkan oleh angka itu) berulang dalam deretan angka tersebut, sedangkan distribusi adalah penyaluran, pembagian atau pencaran. Jadi distribusi frekuensi adalah susunan data dalam suatu tabel yang telah diklasifikasikan menurut kelaskelas atau kategori tertentu. Untuk membuat tabel distribusi frekuensi dari suatu data yang ukurannya sangat besar, maka akan sangat memudahkan kalau data tadi dikelompokkan terlebih dahulu menjadi beberapa kelas atau kategori setelah data itu dikelompokkan dalam kelas-kelas, baru ditentukan frekuensi dari tiap kelasnya. Untuk membuat daftar distribusi frekuensi data berkelompok dapat disusun melalui langkah-langkah berikut : a. Menentukan nilai terkecil dan nilai terbesar, kemudian menentukan jangkauannya (range) yaitu r = data terbesar – data terkecil.

16

b. Menentukan banyak kelas (5 sampai 20 atau menurut keadaan datanya) atau dengan menggunakan kaidah empiris Sturgess : k = 1 + 3,3 log n, dengan k = banyak kelas dan n = banyak data. Jika hasil k = bukan merupakan bilangan bulat maka k dibulatkan. c. Menentukan panjang kelas interval (i) dengan aturan : panjang kelas = , panjang kelas biasanya dipilih bilangan ganjil agar titik tengahnya merupakan bilangan yang baik. d. Menentukan kelas-kelasnya sedemikian sehingga mencakup semua nilai data. e. Menentukan frekuensi tiap kelas dengan menggunakan turus. Contoh : Dibawah ini adalah data hasil UTS mata kuliah statistik 80 mahasiswa semester III : 79 70 90 80 63 49 71 31 91 60 48 92 83 61 83 74 38 73 72 82 81 56 74 53 61 98 81 43 91 67 87 74 86 88 89 81 73 68 81 63 80 68 94 71 76 84 72 95 74 63 90 85 76 99 88 70 51 71 97 70 92 65 91 80 66 53 93 72 59 88 82 83 67 71 79 78 86 75 77 75

Soal : Buatlah tabel distribusi frekuensi dari data diatas! Penyelesaian : (a) r = data terbesar – data terkecil = 99 – 31 = 68 (b) k = 1 + 3,3 log n = 1 + 3,3 log 80 = 1 + 3,3 (1,90) = 7,28 ~ = 7 (c) i = = = 9,71~ = 10

17

Tabel 2.1 Data hasil UTS mata kuliah statistik 80 mahasiswa semester III No 1. 2. 3. 4. 5. 6. 7. Jum Nilai Ujian 31-40 41-50 51-60 61-70 71-80 81-90 91-100 F 2 3 6 14 24 20 11 80

Banyak Kelas

Panjang kelas 2. Daftar Distribusi Frekuensi Absolut dan Relatif Daftar distribusi frekuensi absolut adalah daftar frekuensi yang sebenarnya, sedangkan daftar distribusi frekuensi relatif adalah bukan frekuensi yang sebenarnya, melainkan frekuensi yang dituangkan dalam bentuk angka persenan. Tabel 2.2 Daftar Distribusi Frekuensi Absolut Nilai Ujian 31-40 41-50 51-60 61-70 71-80 81-90 91-100 Jumlah f 2 3 6 14 24 20 11 80 Tanda kelas 35,5 45,5 55,5 65,5 75,5 85,5 95,5

18

Tabel 2.3 Daftar Distribusi Frekuensi Relatif Nilai Ujian 31-40 41-50 51-60 61-70 71-80 81-90 91-100 Jumlah fn 2 3 6 14 24 20 11 80 fr(%) 2,50 3,75 7,50 17,50 30,00 25,00 13,75

Untuk mendapatkan frekuensi relatif (angka persenan), digunakan rumus :

fr = frekuensi relatif f = frekuensi yang sedang dicari persentasenya N = Number of Cases (jumlah frekuensi/banyaknya individu) Contoh : Angka persenan 2,50 diperoleh dari : x 100 % = 2,50

Angka persenan 13,75 diperoleh dari : 3. Daftar Distribusi Frekuensi Kumulatif

x 100% = 13,75 dan seterusnya.

Sering kita ingin mengetahui berapa orang yang mendapat nilai kurang daripada nilai tertentu atau banyak orang yang memperoleh nilai tertentu atau lebih besar. Dari tabel 2.1 misalnya, kita ingin mengetahui berapa orang yang mendapat nilai kurang dari 61, kurang dari 71, dan sebagainya. Atau kita ingin mengetahui nilai 61 atau lebih, nilai 71 atau lebih, dan sebagainya. Agar kita dapat mengetahui hal yang demikian dari distribusi frekuensi, kita harus membuat distribusi frekuensi kumulatif ‘kurang dari’ dan ‘lebih besar atau sama dengan’.

19

Contoh : Tabel 2.1 No 1. 2. 3. 4. 5. 6. 7. Jum Nilai Ujian 31-40 41-50 51-60 61-70 71-80 81-90 91-100 f 2 3 6 14 24 20 11 80

Tabel 2.4 Distribusi Frekuensi Kumulatif Kurang Dari Nilai Ujian Kurang dari 31 Kurang dari 41 Kurang dari 51 Kurang dari 61 Kurang dari 71 Kurang dari 81 Kurang dari 91 Kurang dari 101 f 0 2 5 11 25 49 69 80 f kum (100%) 0,00 2,50 6,25 13,75 31,25 61,25 86,25 100

Tabel 2.5 Distribusi Frekuensi Kumulatif Lebih Dari Nilai Ujian 31 atau lebih 41 atau lebih 51 atau lebih 61 atau lebih 71 atau lebih 81 atau lebih 91 atau lebih 101 atau lebih f 80 78 75 69 55 31 11 0 f kum (100%) 100 97,50 93,75 86,25 68,75 38,75 13,75 0,00

Dari data pada tabel 2.4, kita mengetahui bahwa frekuensi di dalam kelas pertama dari distribusi tersebut adalah 0 karena tidak ada nilai ujian yang kurang dari 31. Pada kelas pertama dan kelas kedua mengandung 2 frekuensi, yaitu 0 + 2. Pada kelas pertama ditambah kelas kedua ditambah kelas ketiga mengandung 5 frekuensi, yaitu 0 + 2 + 3. Pada kelas pertama

20

ditambah kelas kedua ditambah kelas ketiga ditambah kelas keempat mengandung 11 frekuensi, yaitu 0 + 2 + 3 + 6, dan dan seterusnya. Tabel ini disebut distribusi frekuensi kumulatif ‘kurang dari’. Dari data pada tabel 2.5, kita mengetahui bahwa frekuensi di dalam kelas pertama dari distribusi tersebut adalah 80 karena semua nilai ujian lebih dari 31. Pada kelas kedua mengandung 78 frekuensi, yaitu 80 – 2. Pada kelas pertama dikurang kelas kedua dikurang kelas ketiga mengandung 75 frekuensi, yaitu 80 – 2 – 3. Pada kelas pertama dikurang kelas kedua dikurang kelas ketiga dikurang keempat mengandung 69 frekuensi, yaitu 80 – 2 – 3 – 6, dan seterusnya. Tabel ini disebut distributif frekuensi kumulatif ‘lebih dari satu atau sama dengan’. Gambar 4. Grafik DFK ‘kurang dari’ dan ‘lebih dari atau sama dengan’
Frekuensi 100 50 0 31 51 71 91 batas bawah kelas kurang dari lebih dari

4. Histogram dan Poligon Grafik yang paling sering dipakai untuk melukiskan sebuah distribusi frekuensi ialah histogram. Histogram adalah salah satu grafik yang dibentuk dengan menggunakan beberapa persegi panjang yang sisi-sisinya saling berhimpitan. Setiap persegi panjang mewakili atau menjelaskan atau menggambarkan sebuah kelas dari distribusi frekuensi yang hendak dilukiskan itu. Alas persegi penjang menggunakan nilai tepi kelas bawah.

21

Tabel 2.1 No 1. 2. 3. 4. 5. 6. 7. Jum Nilai Ujian 31-40 41-50 51-60 61-70 71-80 81-90 91-100 f 2 3 6 14 24 20 11 80

Tepi kelas atau batas teoritis kelas (class limits atau class boundaries), biasanya digunakan untuk menyajikan data kontinue secara visual agar gambar dari data tersebut tidak terputus-putus. Tepi kelas ditentukan dengan menggunakan rumus : Tbi = Bbi – (0,5) Tai = Bai – (0,5) Contoh : Kelas pertama : tepi bawah = 31 – (0,5) = 30,5 tepi atas Kelas keempat : tepi atas tepi atas = 40 – (0,5) = 39,5 = 61 – (0,5) = 60,5 = 70 – (0,5) = 69,5 = 100 – (0,5) = 99,5 = Tepi bawah kelas ke-i = Tepi atas kelas ke-i

Kelas ketujuh : tepi bawah = 91 – (0,5) = 90,5 tepi atas

Gambar 5. Histogram Nilai Ujian Mahasiswa

Nilai Ujian Mahasiswa
40

Frekuensi

20
0 Tepi bawah kelas

22

Grafik yang sering juga dipakai untuk melukiskan sebuah distribusi frekuensi adalah poligon. Poligon digambarkan dengan menghubungkan titik-titik tengah dari garis-garis puncak dari histogram dengan memakai garis lurus (patah-patahan garis lurus). Untuk menggambarkan poligon sebaiknya lebih dahulu menarik garis-garis vertikal yang melalui titik-titik tengah dari interval kelas alas persegi panjang). Titik-titik tengah dari kelas tersebut dinamakan class mark, yaitu titik pertengahan di antara kedua batas kelas atau antara kedua limit kelas. Nilai tengah kelas (class mark) ¸ biasanya hanya disebut nilai kelas, merupaakan satu nilai yang mewakili kelas yang bersangkutan. Nilai tengah kelas = (batas bawah kelas + batas atas kelas). Contoh : Nilai tengah kelas pertama = = Kelas tengah kelas keempat = = Kelas tengah kelas ketujuh = = (batas bawah + batas atas) (31+40)=35,5 (batas bawah + batas atas) (61+70)=65,5 (batas bawah + batas atas) (91+100)=95,5

Gambar 8. Polygon Nilai Ujian Mahasiswa
30 20 Frekuensi 10 0 35,5 45,5 55,5 65,5 75,5 85,5 95,5 Tanda kelas/Nilai tengah kelas

23

5. Gejala Pemusatan (Central Tendensy) Istilah gejala pemusatan (central tendency) digunakan untuk

menunjukkan nilai atau ukuran yang mendekati titik konsentrasi perangkat data hasil suatu pengukuran (Furqon, 2009:35). Ukuran gejala pemusatan sering digunakan sebagai gambaran umum tentang kecenderungan atau sebagai wakil dari suatu perangkat data. Ungkapan seperti kemampuan siswa-siswi di SMP Z itu sedang, rata-rata mahasiswa yang hadir di kelas adalah 30 orang, apakah selama enam hari di kelas itu hadir 30 mahasiswa tiap harinya? Dari contoh tersebut dapat disimpulkan bahwa dalam kehidupan sehari-hari kata ‘rata-rata’ bisa diartikan sekitar dan nilai yang sering ada di sekitar tengah. Hal ini disebut dengan ukuran gejala pemusatan. Bagian ini mendiskusikan tiga macam ukuran gejala pemusatan yang sering digunakan, yaitu mean (rata-rata), median, dan modus. a. Mean Dalam statistika sering suatu bilangan itu bertindak mewakili sekumpulan bilangan. Seperti contoh di atas, rata-rata 30 itu menggambarkan kehadiran murid-murid perhari untuk jangka waktu tertentu. Banyak problema yang dapat dinyatakan dengan satu bilangan yang menggambarkan sekumpulan bilangan. Yang paling dikenal ialah rata-rata atau rerata hitung. Rata-rata untuk sekumpulan bilangan adalah jumlah bilangan-bilangan itu dibagi banyaknya. Rata-rata hitung = Misalkan sampel berukuran n dengan data x1, x2, x3, ..., xn maka ratarata hitung untuk sampel disimbolkan dengan populasi dengan . ̅ sedangkan untuk

24

Untuk data tidak mengulang : Untuk data mengulang : ̅

̅

1) Perhitungan rata-rata hitung untuk data tunggal yang tidak mengulang : Rumus : ̅ ̅

= rata-rata = Jumlah dari sekor-sekor (nilai-nilai) yang ada = Number of Cases (banyaknya data)

Contoh : hitunglah rata-rata dari data : 7, 6, 9, 5, 8, 10 Jawab : ̅ = 7,5

2) Perhitungan untuk data tunggal yang mengulang (frekuensinya lebih dari satu) : Rumus : ̅

̅ = Rata-rata = Jumlah dari hasil perkalian antara x dengan frekuensinya = Jumlah frekuensi Tabel 2.6 Data Perhitungan Rata-Rata No 1 2 3 4 5 6 7 8 9 X 10 9 8 7 6 5 4 3 2 Jumlah F 1 2 4 20 35 22 11 4 1 100 Fx 10 18 32 140 210 110 44 12 2 578

25

̅ 3) Perhitungan untuk data berkelompok Rumus : ̅ ̅

= Rata-rata = Jumlah dari hasil perkalian antara Midpoint dari masingmasing interval dengan frekuensinya = Jumlah frekuensi Tabel 2.7 Data Perhitungan Rata-Rata No 1 2 3 4 5 6 7 Kelas Interval 35-44 45-54 55-64 65-74 75-84 85-94 95-104 Jumlah ̅ F 3 3 8 23 20 19 4 80 X 39,5 49,5 59,5 69,5 79,5 89,5 99,5 Fx 118,5 148,5 476 1598,5 1590 1700,5 398 6030

Contoh :

4) Rata-rata hitung gabungan (masing-masing data diberi bobot) : Contoh : Misal A memperoleh nilai 65 untuk tugas, 76 untuk UTS dan 70 untuk UAS. Bila nilai tugas diberi bobot = 2, UTS = 3, dan UAS = 4, maka rata-rata hitungnya adalah : ̅ ( ) ( ) ( )

26

b. Median Median dari sekumpulan bilangan adalah bilangan yang terletak di tengah-tengah atau rata-rata bilangan tengah setelah bilangan itu diurutkan dari yang terkecil sampai yang terbesar. Bila seorang mahasiswa menempuh ujian statistika dan memperoleh skor 8 (dalam sistem puluhan), apakah kita dapat mengambil kesimpulan bahwa sekor itu dibandingkan dengan sekor temannya masuk kategori baik, sedang atau rendah? Untuk mengetahui posisi mahasiswa tersebut harus terdapat informasi lanjut, berupa nilai ratarata dan nilai tengahnya, seperti Contoh : Andaikan skor ujian itu adalah sebagai berikut : 10, 9, 9, 8, 7, 6, 5, 5, 5, 4, 4 Median (setelah disusun menurut besarnya) adalah 6 dan rataratanya 6,5. Bila skor mahasiswa yang disebutkan di atas adalah 8 dilengkapi dengan tambahan informasi bahwa nilai tengahnya 6 dan rata-ratanya 6,5, dapat disimpulkan bahwa skor mahasiswa di atas itu baik karena di atas rata-rata dan nilai tengah. 1) Perhitungan untuk menentukan letak angka median untuk data tunggal : Rumus : Me = Contoh : Nilai ulangan Mata Pelajaran Matematika dari 12 siswa adalah sebagai berikut : 6, 8, 5, 7, 6, 8, 5, 9, 6, 6, 8, 7. Tentukan letak angka median dan nilainya dari data tersebut !

27

Penyelesaian : Data diurutkan : 5, 5, 6, 6, 6, 6, 7, 7, 8, 8, 8, 9
( )

Letak Me = data ke-

= data ke-

Nilai Me = 6 + (7-6) = 6,5 2) Perhitungan untuk median untuk data berkelompok :

Rumus : Me =

(

)

b = tepi bawah kelas median P = panjang interval F = frekuensi total sebelum kelas median f = frekuensi kelas median N = banyak data Contoh : Tentukan nilai median dari tabel distribusi frekuensi di bawah ini ! Untuk menentukan median diperlukan median terletak pada kelas interval ke-5. Tabel 2.8 Data Perhitungan Median No 1 2 3 4 5 6 7 Kelas Interval 35-44 45-54 55-64 65-74 75-84 85-94 95-104 Jumlah F 3 3 8 23 20 19 4 80 x 80 data = 40 data, artinya

Letak Median

28

N= = = = =

40 74,5 10 3 + 3 + 8 + 23 = 37 20 ( ) ( ) ( )

c. Modus Bila kita ingin memesan sepatu bola untuk siswa-siswa yang banyaknya 40 orang, maka pertama-tama yang kita tanyakan adalah nomor sepatu yang biasa mereka pakai, misalnya : Tabel 2.9 Data Pehitungan Modus Nomor Sepatu 40 39 38 37 36 35 Jumlah Banyaknya 5 15 9 7 3 1 40

Karena satu alasan kita akan membeli satu nomor saja untuk mereka, nomor mana yang akan dipilih? Tentunya kita akan memilih yang nomor 39, sebab nomor itu cocok dengan nomor sepatu siswa yang paling banyak muncuk dari sekumpulan bilangan. Contoh tersebut disebut modus bilangan. Modus dari sekumpulan bilangan adalah bilangan yang paling sering muncul atau nilai yang memiliki frekuensi terbanyak. Sekumpulan bilangan mungkin saja tidak memiliki modus, mungkin juga bermodus ganda (dua), dan mungkin juga bermodus banyak (lebih dari dua).

29

1) Perhitungan modus untuk data tunggal : Contoh : Tentukan modus dari masing-masing kumpulan bilangan di bawah ini : (a) 5,3,5,7,5 (b)4,3,3,4,4,7,6,8,7,7 Jawab : (c) 2,5,6,3,7,9,8 (d)2,2,3,3,5,4,4,6,7

(a) Modus kumpulan bilangan tersebut adalah 5 (b)Modus kumpulan bilangan tersebut adalah 4 dan 7 (c) Modus kumpulan bilangan tersebut tidak ada (d)Modus kumpulan bilangan tersebut adalah 2, 3, 4 2) Perhitungan modus untuk data kelompok : Rumus : b P ( )

= tepi bawah kelas modus = panjang kelas interval

b1 = selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya b2 = selisih frekuensi kelas modus dengan frekuensi kelas sesudahnya Contoh : Tentukan modus data di bawah ini ! Tabel 2.10 Data Perhitungan Modus No 1 2 3 4 5 6 7 Kelas Interval 35-44 45-54 55-64 65-74 75-84 85-94 95-104 Jumlah F 3 3 8 23 20 19 4 80

Letak Modus

30

Jawab : Modus terletak pada kelas interval ke-4, dengan b = 64,5; P = 10; b1 = (23 – 8 = 15); b2 = (23 – 20 = 3) ( ( 6. Kuartil, Desil, Persentil a. Kuartil Kuartil adalah kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi empat bagian yang sama besar. Ada 3 jenis kuartil, yaitu kuartil pertama (K1) atau kuartil bawah, kuartil kedua (K2) atau kuartil tengah, dan kuartil ketiga (K3) atau kuartil atas. 1) Untuk data tunggal :
( )

) )

Contoh : Tentukan letak K1 serta nilainya dari data berikut : 25, 35, 40, 50, 61, 70, 80, 91, 95 Jawab : = 1 (9+1) : 4 = 2,5 (K1 terletak antara data ke 2 dan ke 3) Nilai K1 = data ke 2 + 0,5 (data ke 3 – data ke 2) = 35 + 0,5 (40 – 35) = 37,5 2) Untuk data berkelompok : (

Letak K1

)

31

Lo = batas bawah kelas kuartil c F f = panjang kelas interval = jumlah frekuensi semua kelas sebelum kelas kuartil Ki = frekuensi kelas kuartil Ki Tabel 2.11 Data Perhitungan Kuartil Kelas Interval 9-21 22-34 35-47 Lo 48-60 61-73 74-86 87-99 Jumlah K1 membagi data menjadi 25% (60 x = 15) K2 membagi data menjadi 50% (60 x = 30) K3 membagi data menjadi 75% (60 x = 45) Sehingga : K1 terletak pada kelas interval keempat K2 terletak pada kelas interval kelima K3 terletak pada kelas interval keenam Untuk K1, maka : Untuk K2, maka : Untuk K3, maka : K1 = 47,5 + 13( K2 = 60,5 + 13( K3 = 73,5 + 13(

F 3 4 4 8 12 23 6

F
f

(48-60) (61-73) (74-86) ) = 54 ) = 72,42 ) = 81,41

32

b. Desil Desil adalah kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi sepuluh bagian yang sama besar. 1) Untuk data tunggal :
( )

Contoh : Tentukan letak D6 serta nilainya dari data berikut : 25, 30, 35, 40, 40, 46, 47, 50, 55, 60, 70, 80, 90 Jawab : Letak D6 : 6(13+1) : 10 = 8,4 (D6 terletak antara data ke 8 dan ke 9) Nilai D6 : data ke 8 + 0,4 (data ke 9 – data ke 8) = 50 + 0,4(55 – 50) = 52 2) Untuk data kelompok : (

)

Lo = batas bawah kelas desil D i c F f = panjang kelas interval = jumlah frekuensi semua kelas sebelum kelas desil Di = frekuensi kelas desil Di Tabel 2.12 Data Perhitungan Desil Kelas Interval 9-21 22-34 35-47 Lo 48-60 61-73 74-86 87-99 Jumlah F 3 4 4 8 12 23 6

F f

33

D3 membagi data 30% (60 x D7 membagi data 70% (60 x Sehingga :

= 18) = 42)

D3 berada pada keals interval keempat 48-60 D7 berada pada kelas interval 74-86 ( ( c. Persentil Persentil adalah kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi seratus bagian yang sama besar. 1) Untuk data tunggal : ( Contoh :
( ) ⁄

) )

)

Tentukan letak P25 serta nilainya dari data berikut : 25, 35, 40, 50, 61, 70, 80, 91, 95

Jawab

: Letak P25 = 25 (9 +1) : 100 = 2,5 (P25 terletak antara data ke 2 dan ke 3) Nilai P25 = data ke 2 + 0,5 (daat ke 3 – data ke 2) = 35 + 0,5 (40 – 35) = 37,5

2) Untuk data kelompok : (

)

34

Contoh: Cari letak dan nilai P50 dan P75 dari data sebagai berikut : Tabel 2.12 Data Perhitungan Persentil Kelas Interval 31-40 41-50 51-60 61-70 71-80 81-90 91-100 Jumlah P50 membagi data 50% (80 x P75 membagi data 75% (80 x Sehingga : P50 berada pada kelas interval kelima 71-80 f 1 2 5 15 25 20 12

= 40) = 60)

P75 berada pada kelas interval keenam 81-90 ( (

) )

7. Ukuran Penyebaran (Dispersi) Selain dengan menggunakan gejala pemusatan, analisis statistika juga dilakukan oleh seorang peneliti dengan cara lain, misalnya dengan ukuran penyebaran. Penggunaan rata-rata (mean) dan median hanya

menggambarkan sentral dari kelompok data, tetapi tidak menggambarkan bagaimana penyebarannya. Karena dua kelompok data dengan rata-rata sama, belum tentu memiliki penyebaran yang sama. Ukuran penyebaran yang kecil menunjukkan nilai data saling berdekatan (perbedaan kecil), sedangkan nilai penyebaran yang besar menunjukkan bahwa nilai data menyebar (perbedaan nilai masing-masing data besar).

35

Misalnya data ujian statistika mahasiswa fakultas bahasa Inggris yang terdiri dari sekor-sekor : 52, 56, 60, 64, 68, dan sekor-sekor mahasiswa fakultas bahasa Indonesia yang terdiri dari : 40, 50, 60, 70, 80. Rata-rata kedua kelompok data tesebut adalah sama, yaitu 60, akan tetapi variasi sekor-sekor dari kedua fakultas tersebut berbeda.
40 50 60 70

80

52

56

60

64

68

Sekor yang diperoleh mahasiswa fakultas bahasa Inggris tersebar antara 52 – 68, sedangkan sekor yang diperoleh mahasiswa fakultas bahasa Indonesia tersebar antara 40 – 80. Dari gambar di atas dapat diketahui, meskipun kedua kelompok mahasiswa yang berbeda fakultas itu samasama memiliki rata-rata nilai 60, akan tetapi penyebaran atau pemencaran sekor-sekornya tidaklah sama. Dalam dunia statistik, dikenal beberapa macam ukuran penyebaran data, dari ukuran yang paling sederhana (kasar) sampai dengan ukuran yang dipandang memiliki kadar penelitian yang tinggi, yaitu: Rentangan (Range), Simpangan (Deviasi), Ragam (Varians), dan Simpangan Baku (Standart Deviasi). a. Rentangan (Range) : adalah selisih data terbesar dengan data terkecil. R = Dtb - Dtk Contoh: Dari data 30, 25, 32, 35, 43, 37, 46, maka rentangannya adalah 46 – 25 = 21

36

b. Simpangan (Deviasi) : adalah selisih data dengan rata-rata (mean).
̅

Contoh: Siswa A B C D E ̅ Jawab: Simpangan pada siswa A: X = 1, ̅ = 3, x = 1 – 3 = -2 c. Simpangan Rata-rata (Mean Deviasi) : adalah jumlah mutlak penyimpanan setiap nilai pengamatan terhadap rata-rata, dibagi banyaknya pengamatan.
̅

Skor X 1 2 3 4 5 15 3

X -2 -1 0 1 2 0

Contoh: Diketahui data: 103, 97, 101, 106, 103. Hitunglah simpangan rata-ratanya ! Jawab : n=5 Rata-rata DR = (103 + 97 + 101 + 106 + 103)/5) = 102 ={| | ={ | | | } | | |} = 12/5 = 2,4 | |

d. Ragam (Varians) : adalah rerata kuadrat sampingan. ( ̅)

37

e. Simpangan Baku (Standart Deviasi) : adalah akar varians.
√ ( )

Contoh : 1) Perhitungan varians dan standar deviasi untuk data tunggal : Hitunglah varians dan standar deviasi dari data : 7, 6, 9, 5, 7, 8, 6, 8, 7, 9. Jawab : Tabel 2.13. Data Perhitungan Varians No 1 2 3 4 5 6 7 8 9 10 ∑ N = 10 Rata-rata ( ̅ ) = varians : ⁄ X 7 6 9 5 7 8 6 8 7 7 70 ̅ 0 -1 2 -2 0 1 -1 1 0 0 0 ( 0 1 4 4 0 1 1 1 0 0 12 ̅)

Standar deviasi : √ 2) Perhitungan varians dan standar deviasi untuk data kelompok :
( ̅)

Soal: Dari data dibawah ini, hitunglah varians dan standart deviasinya!

38

Tabel 2.14 Data Perhitungan Varians dan Simpangan Baku Kelas Interval 35 – 44 45 – 54 55 – 64 65 – 74 75 – 84 85 – 94 95 – 104 Jumlah Jawab : Varians SD √ F 3 3 8 23 20 19 4 80 X 39,5 49,5 59,5 69,5 79,5 89,5 99,5 ̅ -35,88 -25,88 -15,88 -5,88 4,12 14,12 24,12 ( ̅) ( ̅)

1287,37 669,77 252,17 34,57 16,97 199,37 581,77

3862,12 2009,32 2017,40 795,21 339,49 3788,11 2327,10 15130,75

BAB III PENUTUP A. Simpulan Salah satu definisi menyebutkan bahwa statistik adalah metode ilmiah untuk menyusun, meringkas, menyajikan, dan menganalisa data, sehingga dapat ditarik suatu simpulan yang benar dan dapat dibuat keputusan yang masuk akal berdasarkan data tersebut. Jika suatu simpulan data sudah dihimpun pada statistika deskriptif, kita hendak menyimpulkan data itu dalam beberapa hal. Pertama kita hendak membuat tabel, misalnya tabel frekuensi, tabel frekuensi kumulatif, dan lainlain yang mengatur data kasar itu. Juga kita akan melihat diagram atau grafik yang dapat memberi gambaran mengenai keseluruhan data itu, misalnya diagram lambang (piktogram), diagram batang, diagram lingkaran, histogram, ogive, dan lain-lain. Kemudian kita hendak menghitung karakteristik data yang dapat mencakup semua data itu, misalnya rata-rata, median, modus, dan lainlain. B. Saran 1. Perlunya pelajaran statistika kepada mahasiswa agar dapat membantu mahasiswa untuk mengolah, menganalisis dan menginterprestasikan data. 2. Perbanyak sosialasi kepada mahasiswa tentang statistika agar mahasiswa mengerti maksud pelajaran tersebut.

39

DAFTAR PUSTAKA Alwi, Idrus. 2012. Statistika Untuk Penelitian Pendidikan. Jakarta Timur : Saraz Publishing. Simangunsong, Wilson. 2010. Matematika. Jakarta Timur : Gematama.

40

LAMPIRAN Rina Rawaty S. Mira Fitriyani 201213500386 201213500440

41

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)//-->