Kegiatan Belajar 1 KONSEP DASAR PENGOLAHAN DAN ANALISIS DATA

A. Standar Kompetensi Petatar mampu memahami konsep dasar pengolahan data dan analisis data dalam praktek penelitian

B. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 1, petatar mampu: 1. Menjelaskan pengertian pengolahan data 2. Menjelaskan langkah-langkah pengolahan data 3. Menjelaskan pengertian analisis data 4. Menjelaskan jenis-jenis analisis data

C. Daftar Referensi Furqon. (2001). Statistika Terapan dalam Penelitian. Bandung: Alfabeta Nasution. (1996). Metode Penelitian Naturalistik Kualitatif. Bandung: Tarsito -------------. (2003). Metode Research (Penelitian Ilmiah). Jakarta: Bumi Aksara

D. Ringkasan Materi
1. Pengertian Pengolahan Data

Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah. Pengolahan data merupakan bagian yang amat penting dalam metode ilmiah, karena dengan pengolahan data, data tersebut dapat diberi arti dan makna yang berguna dalam memecahkan masalah penelitian. Data mentah yang telah dikumpulkan perlu dipecahpecahkan dalam kelompok-kelompok, diadakan kategorisasi, dilakukan manipulasi serta

1

diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab masalah dan bermanfaat untuk menguji hipotesa atau pertanyaan penelitian. Mengadakan manipulasi terhadap data mentah berarti mengubah data mentah tersebut dari bentuk awalnya menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antara fenomena. Beberapa tingkatan kegiatan perlu dilakukan, antara lain memeriksa data mentah, sekali lagi, membuatnya dalam bentuk tabel yang berguna, baik secara manual ataupun dengan menggunakan komputer. Setelah data disusun dalam kelompok-kelompok serta hubungan-hubungan yang terjadi dianalisa, perlu pula dibuat penafsiran-penafsiran terhadap hubungan antara fenomena yang terjadi dan membandingkannya dengan fenomena-fenomena lain di luar penelitian tersebut. Berdasarkan pengolahan data tersebut, perlu dianalisis dan dilakukan penarikan kesimpulan hasil penelitian. Pengolahan data secara sederhana diartikan sebagai proses mengartikan data-data lapangan sesuai dengan tujuan, rancangan, dan sifat penelitian. Misalnya dalam rancangan penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun statistik deskriptif. Lain halnya dalam rancangan penelitian kualitatif, maka pengolahan data menggunakan teknik non statitistik, mengingat data-data lapangan diperoleh dalam bentuk narasi atau kata-kata, bukan angka-angka. Mengingat data lapangan disajikan dalam bentuk narasi kata-kata, maka pengolahan datanya tidak bisa dikuantifikasikan. Perbedaan ini harus dipahami oleh peneliti atau siapapun yang melakukan penelitian, sehingga penyajian data dan analisis kesimpulan penelitian relevan dengan sifat atau jenis data dan prosedur pengolahan data yang akan digunakan. Di atas dikatakan bahwa pengolahan data diartikan sebagai proses mengartikan data lapangan, yang berarti supaya data lapangan yang diperoleh melalui alat pengumpul data dapat dimaknai, baik secara kuantitatif maupun kualitatif, sehingga proses penarikan kesimpulan penelitian dapat dilaksanakan. Dengan demikian, pengolahan data tersebut dalam kaitannya dengan praktek pendidikan adalah sebagai upaya untuk memaknai data atau fakta menjadi makna. Makna penelitian yang diperoleh dalam pengolahan data, tidak sampai menjawab pada analisis “kemengapaan” tentang makna-makna yang diperoleh. Misalnya dalam rancangan

2

penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun statistik deskriptif. 2. Langkah-langkah Pengolahan Data

Dalam proses pengolahan data, ada sejumlah langkah-langkah ilmiah yang perlu dilakukan untuk memudahkan proses pengolahan data. Dari beberapa referensi tentang metode penelitian ilmiah, ada sejumlah langkah-langkah yang perlu dilakukan dalam proses pengolahan data, yaitu: (1) editing; (2) mengkode data atau kodefikasi data; dan (3) membuat tabulasi.

a. Editing

Sebelum data diolah, data tersebut perlu diedit lebih dahulu. Dengan perkataan lain, data atau keterangan yang telah dikumpulkan dalam buku catatan (record book), daftar pertanyaan ataupun pada interview guide (pedoman wawancara) perlu dibaca sekali lagi dan diperbaiki, jika di sana sini masih terdapat hal-hal yang salah atau yang masih meragukan. Kerja memperbaiki kualitas data serta menghilangkan keragu-raguan data dinamakan mengedit data. Beberapa hal perlu diperhatikan dalam mengedit data, yaitu: 1) Apakah data sudah lengkap dan sempurna? 2) Apakah data sudah cukup jelas tulisannya untuk dapat dibaca? 3) Apakah semua catatan dapat dipahami? 4) Apakah semua data sudah cukup konsisten? 5) Apakah data cukup uniform? 6) Apakah ada responsi yang tidak sesuai? Catatan harus sempurna dalam pengertian bahwa semua kolom atau pertanyaan harus terjawab atau terisi. Jangan ada satu pun dari jawaban terbiarkan kosong. Peneliti harus mengenal data yang kosong, apakah responden tidak mau menjawab, atau pertanyaanya yang kurang dipahami responden. Dalam mengedit data, hal-hal di atas harus diperjelas, dan jangan ada satupun pertanyaan ataupun pernyataan atau catatan yang kosong tidak terjawab. Jawaban atau catatan yang kosong harus disempurnakan dalam mengedit data.

3

baik kalimat ataupun huruf serta angka. Dalam mengedit. ataupun pertanyaanpertanyaan dengan maksud membuat data tersebut sesuai. Dengan perkataan lain. sedangkan tertulis dengan unit batang. Jika dalam record book. Dalam mengedit. Menggantikan data orisinal demi mencocokkan dengan sesuatu keinginan peneliti. Kependekan hanya dapat dimengerti oleh peneliti atau pencatat data dan belum tentu dapat dimengerti oleh pembuat kode. berarti melanggal prinsip-prinsip kejujuran intelektual (intellectual honesty). Jika banyak jawaban pertanyaan yang tidak sesuai. kalimat pendek atau panjang. juga perlu dicek pertanyaan-pertanyaan yang jawabannya tidak cocok. konsisten. Jika ditemukan data tentang pendapatan dalam usaha tani. memperjelas catatan supaya dapat dibaca merupakan hal yang perlu sekali dikerjakan untuk menghilangkan keragu-raguan kemudian. Kodefikasi Data Data yang dikumpulkan dapat berupa angka. perlu diperjelas. Pekerjaan mengedit juga termasuk mengubah kependekan-kependekan yang dibuat menjadi kata-kata atau kalimat yang penuh. dan cocok untuk maksud tertentu. apakah instruksi dalam daftar pertanyaan diikuti secara seksama oleh responden atau tidak? Jika dalam jawaban sebenarnya diinginkan supaya berat dinyatakan dalam kg. ataupun angka yang dipendekkan. mak hal ini merupakan kesalahan peneliti dan perlu diperbaiki. ataupun hanya 4 . angka. segala kata-kata atau kalimat sandi harus diperjelas. kolom harus diisi dengan unit rumpun. Mengedit juga berarti melihata apakah data konsisten atau tidak. jangan sekali-kali mengganti jawaban. Jika hanya beberapa saja yang tidak cocok. segala kalimat atau kata-kata yang dipendekkan. Perlu juga diperingatkan. Karena itu. maka jawaban tersebut harus diubah ke dalam unit yang dimintakan (kg). catatan atau jawaban harus dicek uniformitasnya. b. pendapatan di luar usaha tani yang tidak cocok dengan total pendapatan. Segala coret-coret harus diperjelas. dan harus diklasifikasikan dalam satu kelompok. sedangkan data yang tercatat mempunyai unit gram. maka carilah penyebab kesalahan tersebut! Apakah ada kesalahan dalam mencatat? Atau kesalahpahaman responden dalam menjawab pertanyaan? Juga perlu dicek.Harus dilihat apakah catatan dapat dibaca atau tidak. maka jawaban harus diperbaiki menjadi unit rumpun. maka daftar pertanyaan tersebut perlu dikumpulkan.

Dalam hal ini dapat dibedakan: a) Jawaban yang berupa angka Jawaban responden bisa dalam bentuk angka. data berupa jumlah rupiah (Rp.jawaban tersebut 5 . c) Jawaban dari pertanyaan semiterbuka Pada jawaban semiterbuka. Mengkode jawaban adalah menaruh angka pada tiap jawaban. Responden tidak mempunyai kebebasan untuk memilih jawaban di luar yang telah diberikan. jawaban. maka jawaban-jawaban tersebut perlu diberi kode. dan responden hanya tinggal mencek saja jawaban-jawaban tersebut sesuai dengan instruksi. jawabannya sudah terang dalam bentuk angka. jika pengolahan data dilakukan dengan komputer. selain dari jawaban yang ditentukan. Pertanyaan tentang pendapat per bulan.0) b) Jawaban dari pertanyaan tertutup Jawaban pertanyaan tertutup adalah jawaban yang sudah disediakan lebih dahulu. jawaban yang diberikan sifatnya bebas. Pemberian kode kepada jawaban sangat penting artinya. 1) Kode dan Jenis Pertanyaan/Pernyataan Pemberian kode dapat dilakukan dengan melihat jenis pertanyaan. sesuai dengan apa yang dipikirkan oleh penjawab. tanpa ada suatu batasan tertentu. Misalnya. masih diperkenankan lagi jawaban lain yang dianggap cocok oleh responden.“ya” atau “tidak”. Jawaban yang diberada di luar dari yang telah disediakan perlu diberi angka tersendiri untuk kode. Untuk memudahkan pengolahan. Untuk membuat kode terhadap jawaban pertanyaan terbuka. d) Jawaban pertanyaan terbuka Pada pertanyaan terbuka. 150. jawaban. atau pernyataan.

tetapi cara ini lebih memudahkan dalam punching nantinya. Selain dari jawabannya terpisah secara jelas. Dengan cara pertama. 6 . atau (2) menyambung kode pada baris yang sama ke lembaran kedua dari coding sheet. a) Cooding Sheet Data untuk diolah dengan komputer kodenya harus dibuat pada coding sheet yang telah tersedia. atau dikelompokkan lebih dahulu sehingga tiap kelompok-kelompok berisi jawaban yang lebih kurang sejenis. Di lain pihak. maka kode data untuk tiap variabel sebaiknya dijarangkan satu kolom. maka cara pengisian kolom adalah: (1) menyambung data responden tersebut ke baris kedua. responden masih dapat dijawab kombinasi dari beberapa jawaban. 2) Tempat Kode Kode dapat dibuat pada IBM coding sheet. data dari tiap responden dapat dilihat dengan jelas pada satu lembar coding sheet saja. Untuk memudahkan. Jika data ingin diolah dengan komputer. e) Jawaban pertanyaan kombinasi Jawaban pertanyaan kombinasi hampir serupa dengan jawaban pertanyaan tertutup. cara kedua tidak memperlihatkan data tiap responden pada satu lembaran kartu kode. Yang sering digunakan adaah IBM coding sheet. Coding sheet ini adalah lembaran kertas yang mempunyai 80 kolom dan 25 baris. maka kode harus dibuat pada coding sheet.harus dikategorikan lebih dahulu. pada kartu tabulasi ataupun pada daftar pertanyaan itu sendiri. Jika data yang dikode melebihi 80 kolom.

nomor kolom coding sheet yang digunakan. Isi tabel harus menyatakan. c) Membuat Tabulasi Membuat tabulasi termasuk dalam kerja memproses data. Buku kode untuk kartu tabulasi sama saja dengan buku kode untuk coding sheet. sesuai dengan isi tabel dan tidak terlalu panjang. dan bagaimana dari hal-hal yang dinyatakan dalam tabel. Membuat tabulasi tidak lain dari memasukkan data ke dalam tabel-tabel. (3) box head. apa. maka kode dapat dituliskan dalam kartu tabulasi. Buku kode digunakan sebagai panduan dalam mengisi kode ke dalam coding sheet. Tabel terdiri dari kolom dan baris (jajar). (2) stub.nomor halaman daftar pertanyaan atau record book .format b) Kartu Tabulasi Jika data ingin dioleh dengan cara manual. dan bagaimana formatnya. juga telah disusun dalam buku kode. Nomor atau judul tabel terletak di bagian paling atas dari tabel. dan . Judul harus jelas. maka lebih dahulu ditentukan kolom-kolom berapa yang digunakan oleh variabel.Sebelum kode dimasukkan dalam coding sheet.nomor pertanyaan-pertanyaan ataupun data . lengkap. dimana. 7 . Hal ini diatur dalam buku kode. Kode yang dimasukkan ke dalam kartu tabulasi sebelumnya. dan mengatur angka-angka sehingga dapat dihitung jumlah kasus dalam berbagai kategori. yaitu: (1) nomor dan judul tabel. dan (4) body (badan). Tabel yang sederhana mempunyai 4 bagian penting.nama variabel atau singkatan variabel . Buku kode harus dibuat lebih dahulu dan berisi: .nomor variabel .

Kategori harus bebas dan terpisah d. (2) tabel teks (text tabel). Kategori tidak lain dari bagian-bagian. Tiap kategori harus dalam satu level. 3. Beberapa ciri dalam membuat kategori. Dengan demikian. Dalam pengolahan data. membuat suatu urutan. Kategori harus sesuai dengan masalah penelitian. ada tiga jenis tabel yang sering digunakan. analisa yang dibuat akan sesuai dengan keinginan untuk memecahkan masalah. Tiap kategori harus berasal dari satu kaidah klasifikasi e. adalah: a.Stub adalah bagian paling kiri dari tabel. Body (badan tabel) terdiri atas kolom-kolom yang berisi angka-angka. Tabel teks adalah tabel yang telah diringkaskan untuk suatu keperluan tertentu. yaitu: (1) tabel induk (master tabel). terdapat keterangan-keterangan yang menjelaskan secara terperinci tentang hal-hal dan gambaran yang terdapat pada tiap kolom badan tabel (body). Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian. b. Kategori harus lengkap c. Tabel ini biasa dibuat untuk melihat kategori data secara keseluruhan. Tabel ini biasanya diletakkan dalam teks keterangan yang dibuat. Dalam stub. 8 . sehingga kategori tersebut dapat mencapai tujuan penelitian dalam memecahkan masalah. Kategori yang dibuat juga harus dapat menguji hipotesa yang dirumuskan. dan (3) tabel frekuensi. memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Tabel frekuensi adalah tabel yang menyajikan berapa kali sesuatu hal terjadi. Step pertama dalam analisa adalah membagi data atas kelompok atau kategori-kategori. Tabel induk adalah tabel yang berisi semua data yang tersedia secara terperinci. tetapi tidak termasuk jajar (baris) total. termasuk kepala kolom. Pengertian Analisis Data Analisa data adalah mengelompokkan.

dan diskusikan mengenai hal-hal yang dianggap sulit untuk dipahami. Peneliti harus dapat membuat variabel sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori. sebaiknya melakukan hal-hal berikut: a. Solusi lainnya. yang memberikan penjelaskan mengenai pengertian pengolahan data dan maknanya bagi proses penarikan kesimpulan. kemudian olah data data dari angket tersebut dengan berlandaskan pada langkah-langkah pengolahan data yang dijelaskan dalam kegiatan pembelajaran 1. Baca referensi lain. Strategi Implementasi Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan pembelajaran 1. Anda juga bisa juga membaca referensi lainnya. Kategori juga harus bebas dan terpisah nyata. 2.Kategori harus lengkap. Carilah. F. Tiap individu atau objek harus termasuk dalam satu kategori saja. angket yang telah disebarkan dan diisi oleh responden. B. yang berarti bahwa semua subjek atau responden harus termasuk ke dalam kategori tersebut. E. sebaiknya Anda melakukan pembahasan dengan rekan sejawat. b. Tes Formatif Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A. Saran-saran Implementasi 1. dan hanya satu kategori saja. Evaluasi Implementasi Untuk mengetahui tingkat kebenaran dari konsep-konsep yang Anda terapkan. C atau D 9 .

editing b. menggunakan sistem… a. tabulasi data b. triangulasi 4. Berikut adalah ciri-ciri pengkategorian data. apa d. kategori harus dalam satu level d. editing data c. Proses mencek kembali data jawaban responden sebelum diolah. kategori harus heterogen 10 .1. termasuk ke dalam kegiatan… a. kecuali… a. Modular c. kategori harus bebas dan terpisah c. SPSS b. dimana 3. Kodefikasi melalui sistem komputerisasi. tabulasi c. coding sheet d. kemengapaan b. adalah… a. berapa c. Coding sheet d. Proses menggiring data lapangan ke dalam makna penelitian. disebut … a. Pertanyaan yang mendasar dalam analisis data. pengolahan data d. analisis data 2. kategori harus lengkap b. Excel 5.

Menjelaskan karakteristik analisis timbal balik C. Nazir. (1985). b. Metode Penelitian. Menjelaskan karakteristik analisis asimetris 3. petatar mampu: 1. Metode Research (Penelitian Ilmiah). Standar Kompetensi Petatar mampu menjelaskan jenis-jenis analisis korelasi dalam praktek penelitian. hubungan yang demikian disebut hubungan simetris. Misalnya seorang peneliti menganalisis dua buah variabel.Kegiatan Belajar 2 ANALISIS KORELASI A. tetapi peningkatan jumlah pupuk dan peningkatan jumlah radio disebabkan oleh sebuah faktor 11 . (1996). Hubungan simetris tersebut. Kedua variabel merupakan akibat dari suatu faktor yang sama. Jakarta: Bumi Aksara D. Hubungan yang terjadi disebabkan oleh faktor kebetulan saja. Menjelaskan karakteristik analisis simetris 2. yaitu meningkatnya penggunaan pupuk oleh petani dan meningkatnya jumlah radio yang dimiliki oleh petani. (2003). Kedua variabel merupakan indikator dari sebuah konsep yang sama. dapat terjadi jika: a. tetapi adanya variabel tersebut bukan disebabkan atau bukan dipengaruhi oleh variabel yang lain. c. Ringkasan Materi 1. Metode Penelitian Naturalistik Kualitatif. B. Meningkatnya penggunaan pupuk tidak dipengaruhi oleh meningkatnya jumlah radio di desa. Analisis Korelasi Simetris Apabila sebuah variabel berhubungan dengan variabel yang lain. Bandung: Tarsito -------------. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 2. Daftar Referensi Moh. Nasution. Jakarta: Ghalia Indonesia.

karena frekuensi membaca surat kabar dan frekuensi menonton TV merupakan indikator terhadap konsep sentuhan media massa (mass media exposure).Hubungan antara cara dan tujuan . Ditinjau dari jumlah variabel yang berhubungan. Ditinjau dari sifat-sifat variabel yang mempengaruhi sifat variabel lain. Analisis Korelasi Asimetris Terdapat juga sejenis hubungan antara variabel di mana satu variabel mempengaruhi variabel yang lain. Hubungan antara duduk di bangku depan dan tidak lulus adalah hubungan simetris.Hubungan antara watak dengan responsi . tetapi hubungan tersebut tidak timbal balik. atau dari sifat-sifat variabel tersebut yang berhubungan satu dengan yang lain. Hubungan simetris juga ditunjukkan dengan kehadiran dua variabel atau lebih secara beriringan yang disebabkan oleh faktor fungsional.yang sama. Misalnya hubungan antara frekuensi membaca surat kabar dengan frekuensi menonton TV.Hubungan antara stimulus dan responsi . maka hubungan asimetris dapat dibagi atas hubungan antara dua variabel. misalnya semua murid yang duduk di bangku depan dalam kelas tidak lulus ujian akhir. yaitu meningkatnya pendapatan petani. Kehadiran dosen yang diiringi dengan kehadiran mahasiswa memperlihatkan hubungan simetris. Pendekatan terhadap jenis hubungan asimetris dapat saja dari sudut berapa buah variabel yang berhubungan.Hubungan yang tetap ada antara dua variabel a. dan hubungan multivarian. Hubungan Asimetris Berdasarkan Ciri 12 . Secara kebetulan.Hubungan antara prasyarat dan akibat . 2. Hubungan simetris lainnya bisa saja berbentuk indikator dari sebuah konsep. Hubungan antara variabel yang terjadi secara asimetris berjenis-jenis banyaknya. maka jenis hubungan asimetris dapat dibagi atas: . Hubungan yang terjadi secara kebetulan juga termasuk hubungan yang simetris. Hubungan tersebut adalah hubungan simetris. Misalnya hubungan antara petani dengan kerbau pembajak. antara mahasiswa dengan dosen. Hubungan tersebut dapat berasal dari hubungan antar konsep.Hubungan antara ciri dengan tingkah laku atau watak . Hubungan antara kedua variabel di atas merupakan hubungan simetris saja.

Jika satu variabel muncul. makin banyak pula daunnya. Misalnya. Hubungan antara jaminan hukum dan kebebasan mimbar juga merupakan hubungan antara prasyarat serta akibat yang ditimbulkannya. merupakan hubungan asimetris antara stimulus dengan responsi. perilaku politik. Jenis hubungan kedua adalah hubungan asimetris antara stimulus dan responsi.Pertama-tama mari kita lihat hubungan antara cara dan tujuan. dan sebagainya. penggunaan pupuk. Makin besar suatu 13 . stimulus datangnya dari luar. dorongan. Stimulus merupakan variabel independen dan responsi adalah variabel dependen. Yang dimaksud dengan watak adalah kecenderungan yang datangnya dari dari dalam untuk memperlihatkan responsi terhadap sesuatu. Yang dimaksud dengan ciri adalah sifat subjek yang tidak berubah seperti jenis kelamin. Hubungan asimetris lainnya adalah hubungan antara prasyarat dengan akibat yang terjadi. nilai. Misalnya. adalah yang selalu tetap ada antara dua variabel. Atau pengaruh “frekuensi menghadiri rapat Golkar” dengan “memilih Golkar dalam Pemilihan Umum”. Misalnya hubungan antara konsep “kesuburan tanah” dan “produktivitas”. dan sejenisnya. kepercayaan. Pendapatan mempengaruhi perilaku ekonomi. dan konsep ini menghasilkan hubungan asimetris antara variabel. maka variabel lain harus muncul pula. Responsi yang terjadi karena pengaruh watak dapat dilihat dari perilaku inovatif. dan sebagainya. Hubungan ketiga adalah hubungan antara watak dan responsi. Makin tua tanaman tahunan. harga buku impor akan murah jika pajak impor buku dihapuskan. Misalnya hubungan antara konsep partisipasi (watak) dengan perilaku inovatif (responsi) dari petani. Pengaruh devaluasi terhadap peningkatan ekspor. Hubungan asimetris lainnya. Rajin mempengaruhi sukses. dan sebagainya. yaitu “jumlah jam belajar per hari” mempengaruhi variabel “nilai ujian” atau “frekuensu kopulasi per minggu” mempengaruhi “jumlah anak” dan sebagainya. kebangsaan. suku. kemampuan. Atau hubungan antara “dosis pupuk” (stimulus) dengan “produksi padi per hektar” (responsi). seperti sikap. Di lain pihak. Misalnya. Dalam hal ini cara merupakan variabel independen dan tujuan merupakan variabel dependen. karena kedua hubungan tersebut tetap ada. hubungan asimetris antara konsep “rajin” dan “sukses”. pendidikan mempengaruhi perilaku sosial. dan pengaruh-pengaruh sejenis. pengaruh jarak tanam dengan produksi. pengaruh sinar matahari pagi terhadap penyakit rheumatik. pengaruh metode mengajar dengan prestasi belajar. Hubungan antara ciri dengan tingkah laku atau watak juga merupakan hubungan yang asimetris. Hal ini dapat ditunjukkan oleh pengaruh “frekuensi menghadiri ceramah pertanian” dengan “penggunaan pupuk”.

maka hubungan yang dianalisa adalah hubungan bivariat. Misalnya. Jika dianalisa hubungan antara jumlah biaya dengan produksi. maka model dapat didasarkan pada teori yang menyatakan bahwa penawaran dari beras bergantung dari harga beras. harga barangbarang lainnya. dan sebagainya. Pola hubungan multivariat. Jika dianalisa konsumsi daging dengan pendapatan dan pendidikan. jika dihubungkan satu variabel dependen dengan sebuah variabel independen.hubungan bivariat . hubungan tersebut dapat diformulasikan sebagai berikut: 14 . maka harus dianggap bahwa variabel-variabel lain adalah konstan. Secara matematis. jika ingin dilihat variabel-variabel yang mempengaruhi penawaran dari beras. Dengan pendekatan ini. Dalam hal ini. Hubungan bivariat sebenarnya jarang terjadi. Dalam mengadakan analisa asimetris. peneliti dapat juga menggunakan model matematik untuk menyederhanakan hubungan yang terjadi. dan harga barang-barang lain. Dalam hal ini. Sudah jelas kedua variabel tersebut harus dianggap sebagai variabel yang amat penting dalam analisa yang dibuat. dan cuaca. b. yaitu: .hubungan multivariat Hubungan asimetris bivariat adalah hubungan yang terjadi yang menyangkut hanya dua variabel. maka terdapat dua jenis hubungan asimetris. karena masih ada variabel-variabel lain yang mempengaruhinya tetapi variabel-variabel tersebut tidak dimasukkan ke dalam hubungan. terdapat sebuah variabel dependen dan dua atau lebih variabel independen. pendapatan. Menurut Jumlah Variabel yang Berhubungan Hubungan asimetris dapat juga dibagi menurut jumlah variabel yang berhubungan. adalah hubungan yang terjadi menyangkut lebih dari dua variabel. maka hubungan asimetris adalah hubungan multivariat. hubungan yang terjadi adalah antara sebuah variabel dependen dan sebuah variabel independen. Karena itu.universitas makin bertambah rumit pula organisasinya. Misalnya. terdapat hubungan asimetris antara jumlah beras yang diminta dengan harga beras.

yaitu: 3. Hubungan tersebut dinamakan hubungan timbal balik. tetapi keuntungan juga dapat mempengaruhi investment.Fungsi di atas bisa dibentuk linier ataupun nonlinier (kuadrat. Analisis Korelasi Timbal Balik Di samping hubungan simetris dan asimetris. ada jenis korelasi lainnya yang dapat dianalisis. dan sebagainya). kita tidak tahu yang mana sebab dan yang mana akibat. Investment dapat mempengaruhi keuntungan. variabel Y mempengaruhi X. Dalam hubungan bolak balik. maka hubungan antara X dan Y tersebut mempunyai hubungan timbal balik. 15 . Jika ada dua buah variabel X dan Y yang berhubungan. Misalnya. X mempengaruhi Y dan sebaliknya Y mempengaruhi X. hubungan antara “investment” dan “keuntungan”. jika hubungannya mempunyai dua arah. Jika pada suatu ketika variabel X mempengaruhi Y. pangkat tiga. disebut juga sebagai hubungan bolak balik. Dengan perkataan lain. Pendapatan dapat mempengaruhi pendidikan. dan sebaliknya pendidikan dapat pula mempengaruhi pendapatan. Hubungan yang selalu dikaji adalah hubungan linier. maka pada waktu lain.

Metode mengajar dalam penelitian tersebut. Saran-saran Implementasi 1. B. yang menggambarkan adanya a. timbal balik b. Strategi Implementasi Untuk memahami dan mampu mengimplementasikan konsep-konsep tentang analisis korelasi. Evaluasi Implementasi Hasil pekerjaan Anda mengenai judul-judul penelitian yang mewakili ketiga jenis analisis korelasi di atas. Analisis timbal balik 2. Analisis simetris b. diskusikan dengan kelompok belajar. terikat c.E. dinamakan variabel… a. Penelitian berjudul “hubungan metode mengajar terhadap aktivitas siswa dalam belajar”. maka penelitian tersebut sebaiknya menggunakan analisis… a. menggambarkan korelasi dua variabel yang tidak saling mempengaruhi. dan lakukan revisi. Analisis asimetris c. interprening 16 . Tes Formatif Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A. silang 2. F. Dalam sebuah penelitian. bebas b. asimetris d. maka Anda disarankan untuk merumuskan judul-judul penelitian. C atau D 1. simetris c.

analisis yang digunakan untuk memaknai hubungan dua atau lebih variabel d. Multivariat c. Berikut adalah ciri-ciri dari hubungan simetris. Sebuah penelitian. analisis yang digunakan untuk memaknai pengaruh variabel X terhadap variabel Y c.d. Regresi linier d. Manakah pernyataan berikut yang menunjukkan pengertian analisis korelasi timbal balik? a. Untuk menganalisis data penelitian tersebut. hubungan antara variabel bersifat independen 4. mediator 3. hubungan yang terjadi disebabkan oleh kebetulan saja d. analisis yang digunakan untuk memaknai perbedaan nilai antara dua variabel 17 . disipllin. Bivariat b. dan kinerja pegawai”. “hubungan pemberian insentif dengan loyalitas. analisis yang digunakan untuk memaknai dua variabel yang saling mempengaruhi b. kedua variabel merupakan akibat dari suatu faktor yang sama b. sebaiknya menggunakan analisis… a. kedua variabel merupakan indikator dari sebuah konsep yang sama c. Multiple Regresi 5. kecuali… a.

Jakarta: Bumi Aksara D. yaitu: a. Jakarta: Ghalia Indonesia. adalah matrik yang memuat angka-angka dalam penentuan pilihan.Kegiatan Belajar 3 ANALISIS SOSIOMETRIK DAN SEMANTIK A. Nazir. B. maka matrik sosiometrik mempunyai n x n 18 . Analisis Sosiometrik Analisis sosiometrik adalah analisis dalam mengadakan pilihan. petatar mampu: 1. pilihan terhadap pengaruh. Nasution. Bandung: Tarsito -------------. dan matrik ini mempunyai kolom dan jajar (baris) yang sama. Metode Penelitian. Secara umum. pilihan terhadap garis komunikasi dan sebagainya. analisis sosiometrik dapat dilakukan dengan tiga cara. Pilihan tersebut. Matrik sosiometrik. Metode Penelitian Naturalistik Kualitatif. (1985). Jika jumlah subjek adalah n. Analisis dengan Matriks Sosiometrik Matrik tidak lain dari pengaturan angka dalam suatu segi empat. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 3. Angka dalam matriks dinamakan elemen atau unsur dari matrik tersebut. (2003). Standar Kompetensi Petatar mampu memahami konsep analisis sosiometrik dan analisis semantik. (1996). dapat saja mengenai pilihan terhadap orang. Daftar Referensi Moh. Metode Research (Penelitian Ilmiah). Menjelaskan langkah-langkah operasional analisis semantik C. pilihan terhadap kelompok minoritas. terhadap partai politik. Ringkasan Materi 1. Menjelaskan langkah-langkah operasional analisis sosiometrik 2.

Yang paling tidak populer adalah si B. maka matriks tersebut berarti bahwa: B terpilih oleh semua murid lainnya. i dan kolomnya adalah 1. si D yang kedua disukainya. Jika dibaca menurut kolom. Si C memilih B sebagai paling yang disukainya (ranking 1). Dua indeks yang paling sederhana adalah: 19 .unsur. karena tidak ada satu orang pun yang memilih dia. j. maka matriks dapat disusun sebagai berikut: A A B C D E F 0 0 0 0 0 0 B 3 0 3 3 3 3 C 0 3 0 2 2 0 D 2 2 1 0 0 1 E 1 0 0 1 0 2 F 0 1 2 0 1 0 Dalam matriks tersebut. dan setiap pilihan mempunyai nilai 3. yaitu: .yang disukainya lebih rendah diberi angka 1 . …. si D sebagai kesukaannya nomor dua (ranking 2) dan si E yang ketiga (ranking 1). Sesudah semua nilai terkumpul. dan si E yang nomor 3 disukainya. …. 2. Si A yang paling tidak disenangi oleh semua murid. misalnya si A memilih si B yang paling disukainya. kita baca.yang tidak terpilih diberi angka 0 Angka-angka tersebut dapat dibuat dalam matriks sosiometrik. Ia dipilih oleh semua murid-murid lain. 2. Misalnya kepada 8 orang murid disuruh memilih 3 orang murid yang disukainya. Dengan perkataan lain. maka angka-angka nilai ranking dijadikan sebagai unsur dari matriks. Jika jajar matrik adalah 1. Analisis dengan Indeks Sosiometrik Banyak indeks telah dipergunakan dalam analisa sosiometrik.yang disukainya diberi angka 2 . a11 adalah unsur matrik pada jajar (baris) 1 dan kolom 1: a42 adalah unsur matrik pada jajar (baris) 4 kolom 2. karena tidak ada satu orang pun yang memilih dia. b. Dari penjumlahan di atas dapat dilihat bahwa B adalah murid yang paling populer.yang paling disukainya diberi angka 3 . maka tiap elemen atau unsur matrik dapat kita sebut aij. bahwa si A memilih si B sebagai yang paling disukainya (dengan ranking 3).

sedangkan keadaan kedua adalah situasi pilihan tidak terbatas. maka indeks derajat keterpaduan memperlihatkan derajat kepaduan dari kelompok. baik hubungan sepihak atau hubungan mutual. sebagainya. Analisis dengan Sosiogram Seperti telah diketahui. status pilihan yang menyangkut pilihan terhadap perorangan. rumus untuk mencari indeks derajat kepaduan. 20 . i dan j selalu berhubungan. Indeks ini mempunyai rumus sebagai berikut: dimana: n = jumlah sampel P1 = total pilihan kepada subjek I ISP1 = indeks status pilihan subjek I 2) Indeks derajat kepaduan (cohisiveness) dalam situasi pilihan tidak terbatas Berbeda dengan matriks. Hubungan ini dapat ditulis sebagai i H j. Dalam memilih. Hubungan ini dapat saja: i adalah kawan j. i mempengaruhi j. Pada situasi dimana pilihan tidak dibatasi. adalah: c. i mendominasi j. Yang pertama adalah situasi pilihan terbatas. Indeks status pilihan memperlihatkan bagaimana baik atau buruknya sesuatu subjek pilihan. subjek dapat saja dibatasi untuk memilih beberapa anggota kelompok saja atau jumlahnya tidak dibatasi. Subjek diberi instruksi untuk memilih dan mengadakan ranking pilihan terhadap semua anggota kelompok. Simbolnya dapat dibuat secara lebih spesifik. i berkomunikasi dengan j.1) indeks status pilihan.

Tes Formatif Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A. baik dalam kategori evaluasi. Lakukan pengamatan terhadap posisi murid-murid yang Anda ajar dengan menggunakan teknik sosiometris b. dituangkan dalam sebuah matriks A. tetapi analisa sering dilakukan adalah dengan cara yang lebih mudah. Saran-saran Implementasi 1. C atau D 1. potensi ataupun kegiatan. Analisis Semantik Dalam analisa perbedaan semantis. Strategi Implementasi Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan pembelajaran 3. korelasi b. Evaluasi Implementasi Untuk mengevaluasi pelaksanaan teknik sosiometrik yang telah Anda lakukan. sosiometrik 21 . Anda dapat melakukan hal-hal berikut: a.2. sedangkan konsep diletakkan pada kolom. Untuk melaksanakan pemetaan sosiometris tersebut. sebagai bahan refleksi untuk meningkatkan pemahaman Anda tentang teknik analisa sosiometrik! F. Hasil skor rata-rata dari konsep menurut skala tertentu. dimana unsur aij merupakan skor dari faktor i. peneliti dihadapkan kepada kajian skala yang telah diberikan pada sifat-sifat bipolar. Buatlah rangkuman hasil diskusi dengan rekan sejawat tersebut. B. yaitu dengan menggunakan analisa jarak klaster ataupun analisa skor faktor. Analisa dapat dikerjakan dengan menggunakan analisa varian. Untuk mengetahui posisi atau status sosial anggota populasi dalam suatu populasi. dan i diletakkan pada jajar (baris). sebaiknya menggunakan teknik analisa… a. dengan konsep j. buatlah angket dengan atau pertanyaan dengan memberikan dua pilihan jawaban (teman yang disenangi dan teman yang tidak disenangi). maka Anda dapat melakukan diskusi kelompok dengan rekan sejawat. 2. E. terutama mengenai analisa perhitungannya.

… a. Kategori evaluasi c. sebaiknya menggunakan teknik… a. varian b. Berikut adalah syarat-syarat data yang dapat dianalisis dengan menggunakan teknik semantis.c. indeks matriks c. kecuali… a. Individu yang mendapatkan pilihan terbanyak dalam suatu populasi. variabel c. semantik d. variabel d. statistik 2. komponen 3. elemen 22 . Untuk mengetahui posisi kelompok dalam suatu populasi. Angka dalam matrik disebut. sosiometrik tunggal d. disebut… a. Kategori proses 5. semantik 4. elemen d. Kategori potensi d. sampel c. Skala bipolar b. indeks keterpaduan b. star b.

Metodologi Penelitian Pendidikan. Daftar Referensi Arikunto. petatar mampu: 1. Bagaimana fakta itu akan diseleksi. dikumpulkan. Best. Kesimpulan-kesimpulan apakah yang hendak ditarik secara valid dari analisis data? Tujuan akhir dari penggunaan statistik dalam mengorganisasi dan menganalisis data 23 . Menjelaskan perbedaan tingkat-tingkat pengukuran dalam metode statistik C. Rineka Cipta. Usaha Nasional. Ringkasan Materi 1. D. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai? d. Kompetensi Dasar Setelah selesai mempelajari kegiatan pembelajaran 4. Metode statistik digunakan untuk membuat deskripsi dan analisis. Prosedur Penelitian Suatu Pendekatan Praktek. statistik merupakan seperangkat teknik matematik untuk mengumpulkan. diorganisasikan dan dianalisis? c. Jakarta.Kegiatan Belajar 4 ANALISIS ANALISIS DATA DESKRIPTIF A. (1998). Menjelaskan penerapan konsep metode statistik secara tepat 2. (1992). Surabaya. Pengertian metode statistik Para ahli mengatakan bahwa. Standar Kompetensi Petatar mampu memahami langkah-langkah analiisis data deskriptif B. mengorganisasi. John. Metode Statistik diterapkan secara tepat didasarkan pada jawaban-jawaban dari pertanyaan-pertanyaan yang perlu Anda pahami sebagai berikut: a. Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan rangka menjawab hipotesis? b. menganalisis dan menginterpretasi data angka. W.

Data ordinal dinyatakan dalam bentuk posisi relatif atau urutan kedudukan dalam suatu kelompok: ke 1. ke 3. tingkat pendidikan dan lain sebagainya.) Jenjang(ranking) badan(Cm. Skala Ordinal. Skala Nominal. Bisa pula merupakan urutan kedudukan klasifikasi yang bisa dinyatakan “lebih besar daripada atau lebih kecil daripada”. guru utama. tingkat pengukuran atau skala pengukuran. b. agama.) 172 169 165 160 158 3 4 5 2 1 2 3 4 5 Tabel 1. guru madya. merupakan skala yang menyatakan perbedaan jumlah dan tingkatnya.5 Contoh skala ordinal 24 . guru muda. Itu semua hanya merupakan kategori dalam kelompok. 2. ke 2. dan seterusnya. Dapat Anda perhatikan contoh skala ordinal yang digambarkan sebagai berikut: Nama subyek Nono Supriyatno Hasan Rohyadi Undang Budiman Wawan Surawan Tinggi Selisih(Cm. dibedakan menjadi empat macam yaitu: a. Ukuran ordinal dinayatakan dalam harga mutlak. tidak merupakan tingkatan paling tinggi sampai ke paling rendah. tidak menunjukkan adanya kriteria urutan tinggi rendah dalam kedudukan. merupakan skala pengukuran yang menggambarkan perbedaan berbagai hal berdasarkan pada kategori-kategori. wanita). ke 4. Contoh: setiap anggota dalam tim sepak bola. jenis kelamin ( pria. Tingkat-tingkat pengukuran Didasarkan pada sifat variabel dan ketepatan instrumen penelitian yang digunakan. Skala nominal ini adalah metode kuantifikasi tingkat terendah.penelitian adalah mengembangkan generalisasi yang bisa digunakan untuk memperjelas fenomena dan memprediksi peristiwa pada masa yang akan datang.

Skala Interval. harus dapat dipahami adanya dua jenis data. tiga gram adalah separo dari enam gram. diasumsikan sama dengan perbedaan jarak karakteristik yang dimiliki oleh siswa yang mencapai skor 70 dan 71. Tes statistik nonparametrik merupakan tes bebas distribusi. adalah jenis data yang terukur. menunjukkan besar kecilnya suatu sifat atau karakteristik tertentu. tidak berdasarkan pada asumsi bahwa populasinya berdistribusi normal. Contoh: 10 gram sama dengan dua kali lima gram. yaitu skala rasio memiliki kualitas bilangan nyata (riil) yang dapat dijumlahkan. a.5 Ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis analisis statistik yang sesuai untuk setiap pengukuran 25 . Misalnya perbedaan jarak karakteristik yang dimiliki siswa yang mencapai skor 90 dan 91. Data parametrik. data tersebut memiliki distribusi normal atau mendekati normal. Skala interval tidak memiliki harga nol mutlak. merupakan suatu skala yang didasarkan pada unit-unit pengukuran yang sama. d. yaitu data parametrik dan data nonparametrik. Data Parametrik dan data Nonparametrik Penggunaan cara pengolahan data menurut statistik. dikurangi. Skala Rasio. 1982 : 252). Tabel 2. misalnya: titik nol pada skala sentimeter. b. sebenarnya skala ini memiliki interval yang sama dengan skala interval. adalah jenis data yang dihitung atau diranking. Tabel berikut menunjukkan ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis-jenis analisis statistik yang sesuai untuk setiap pengukuran ( W. namun masih ada ciri lainnya yaitu bahwa. Tes parametrik digunakan untuk data berskala interval ataupun data berskala rasio. dan seterusnya. Skala interval menunjukkan besarnya karakteristik yang sebenarnya. dikalikan. Ciri lainnya lagi dari skala rasio ini. Besst. Data nonparametrik. 3. menggunakan tes statistik yang diasumsikan bahwa. dibagi yang dinyatakan dalam hubungan rasio. menunjukkan tidak adanya panjang atau tinggi sama sekali.c. skala rasio memiliki harga nol mutlak.

b. Analisis Deskriptif. Sekalipun antara kelompok yang diobservasi dengan kelompok lain terdapat kesamaan. Analisis deskriptif sangat cocok digunakan pada penelitian tindakan atau actin research. yaitu untuk penarikan kesimpulan tentang populasi didasarkan pada hasil observasi sampel. Dalam analisis ini. Tujuan dilakukan analisis statistik inferensial. Dengan demikian dapat dilakukan perkiraan tentang karakteristik populasi melalui analisis karakteristik sampel yang diambil dari populasi itu. Analisis Inferensial. Organisasi Data Untuk memudahkan analisis dan interpretasi.4. Dengan demikian data deskriptif hanya menggambarkan satu kelompok dan generalisasinya hanya untuk kelompok itu sendiri. statistik dihitung dari sampel yang digunakan untuk memperkirakan parameter dan mengenakan nilai pada populasi tempat sampel itu diambil. data hasil penelitian memerlukan proses 26 . analisis statistik inferensial selalu berkaitan dengan proses sampling dan pemilihan sekelompok kecil (sampel) yang diasumsi berhubungan dengan kelompok besar (populasi) tempat sampel itu diambil. kesimpulannya tidak diperluas atau tidak berlaku bagi kelompok lain. 5. analisis statistik deskriptif membatasi lingkup generalisasinya hanya pada kelompok individu tertentu yang diobservasi. Analisis Deskriptif dan Analisis Inferensial a. tidak bisa kita menggeneralisasikannya berlaku pada kelompok lain tersebut.

dan mudah dikenali bahwa skor tertinggi 90. Data yang belum diorganisasi terlebih dahulu. Reni 78 Wahwan. Agus S. skor terendah 60 dan skor tengah 78. Sinta 90 Anjar. Rita S. 60 Sadiah.5 berikut: Skor 37 siswa SMU dalam tes pelajaran Biologi 98 88 85 80 78 76 70 60 97 87 84 80 78 75 70 57 27 . akan sulit diinterpretasi. Perhatikanlah contoh berikut. Sehingga mencari rentang skor (selisish antara skor tertinggi dengan skor terendah. Ana L.pengorganisasian atau orgtanisasi data. Contoh lain tentang data tak-berkelompok dapat diorganisasi seperti contoh pertama. Dedi P. Anny. 70 Rosyid. Dadan 88 Rangkaian skor-skor tersebut kita susun berdasarkan urutan besarnya yaitu: 60 88 78 70 60 Susunan tersebut diatas mencerminkan adanya susunan yang lebih “enak”. ditambah satu) dapat kita tetapkan secara mudah. misalnya dapat Anda perhatikan tabel 3. Hasti.

69 1 64 .93 2 88 .81 6 76 . bergantung pada jumlah dan rentang (range) skor-skor yang ada.87 4 82 .57 N = 37 Meliputi skor-skor 97 98 99 94 95 96 91 92 93 88 89 90 dan seterusnya Interval skor yang sering digunakan pada umumnya adalah interval 10.75 4 70 .96 1 91 . coba perhatikan contohnya yang tertera dalam tabel 4. Tabel 4.5 dibawah ini.84 5 79 .95 87 82 80 78 73 67 93 85 82 80 77 72 67 90 85 82 80 76 70 64 Distribusi data berkelompok. akan mudah ditentukan titik tengahnya karena berupa bilangan bulat. Coba perhatikan contoh berikut. Data demikian dapat disajikan dalam tabel frekuensi dengan interval-interval kelas yang bebeda.99 1 94 .90 5 85 .72 2 67 .60 1 55 . akan lebih jelas jika skor-skornya dikelompokkan dengan penggunaan kolom yang memuat frekuensi. Interval yang jumlah satuannya ganjil.5 Skor tes mata pelajaran Bahasa Inggris (interval 3) Interval Lajar Frekuensi (f) Skor (tally) 2 97 . 28 .63 1 58 . Untuk memperjelas gambaran tersebut.78 2 73 .66 0 61 .

C atau D 1. maka 2. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai? 29 . Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan rangka menjawab hipotesis? b.5) (4 unit skor) Berdasarkan contoh distribusi skor dalam tabel 4. Evaluasi Implementasi Untuk mengukur kemampuan Anda mengenai materi pembelajaran 4 ini. Tes Formatif Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A. B. Strategi Implementasi a. kecuali… a. Bagaimana fakta itu akan diseleksi. coba upayakan tanamkan kebiasaan pada siswa untuk belajar mengorganisasikan data. 2. F.Interval ganjil : 5 6 7 8 9 ( titik tengah = 7) (5 unit skor) Interval genap : 8 9 10 11 ( titik tengah = 9. Jka Anda guru. b.80 dibulatkan = 3 (pilih interval 3) E. dari data yang telah Anda kumpulkan. Buatlah perencanaan pelatihan bersama kelompok belajar Anda.80. Berikut adalah pertanyaan-pertanyaan yang perlu dipahami peneliti dalam melaksanakan analisis statistik. cari contoh sebanyak mungkin data tentang hasil pembelajaran. maka dapat diketahui: Skor tertinggi = 98 Skor terendah = 57 Maka rentang = (98 – 57) + 1 = 42 Intervalnya adalah membagi rentang dengan 15 (ditentukan berdasarkan jumlah interval berkisar antara 10 sampai 20). Interval = 42 : 15 = 2.5 diatas. Saran-saran Implementasi 1. dikumpulkan. lakukan pelatihan mengorganisasikan data yang Anda peroleh itu. lakukan analisis dan maknai hasilnya. diorganisasikan dan dianalisis? c.

Analisis yang hanya menghasilkan kesimpulan yang berlaku pada sampel yang diteliti. non parametrik c. Data lapangan yang menggambarkan tinggi badan. parametrik b. nominal b. termasuk ke dalam skala pengukuran… a. parametrik b. ordinal c.d. rasio 3. parametrik b. Data yang diperoleh bersumber dari sampel penelitian di bawah 30 orang. Siapakah yang melaksanakan pengumpulan data? 2. non parametrik c. disebut teknik analisis… a. deskriptif 5. inferensial d. deskriptif 4. maka analisis statistik yang tepat menggunakan… a. inferensial d. Analisis terhadap sampel yang diasumsikan dapat membuat kesimpulan yang berlaku untuk populasi. maka menggunakan analisis statistik… a. berat badan. inferensial d. interval d. deskriptif 30 . non parametrik c.

B. Menjelaskan pengukuran tendensi sentral atau rata-rata 2. Usaha Nasional. Menjelaskan pengukuran dispersi C. Contoh yang sudah dikenal sehari-hari misalnya rata-rata nilai rapor. (1992). Standar Kompetensi Petatar mampu memahami tentang ukuran-ukuran statistik yang berhubungan dengan pengolahan data. W. Prosedur Penelitian Suatu Pendekatan Praktek. D. John. Pengukuran Tendensi Sentral Ukuran rata-rata dalam statistik banyak ragamnya. Mean (M). Rineka Cipta. patatar mampu: 1. sering disebut juga sebagai rata-rata hitung dari suatu distribusi. mean atau rata-rata hitung. Best. a. Daftar Referensi Arikunto. Jakarta. (1998). Dalam penelitian pendidikan hanya tiga macam ukuran rata-rata yang sering digunakan yaitu. Kompetensi Dasar Setelah selesai mempelajari materi pada kegiatan pembelajaran 5. Surabaya. Metodologi Penelitian Pendidikan. Ringkasan Materi 1.Kegiatan Belajar 5 PENGUKURAN TENDENSI SENTRAL DAN DISPERSI A. median dan mode. Dengan demikian dapat ditulis rumus matematisnya adalah: 31 . Menghitung mean caranya adalah membagi jumlah total semua skor dengan jumlah unit-unit atau satuan skor. Sekarang coba perhatikan masing-masing dari ketiga ukuran rata-rata yang dimaksud.

= jumlah X N = Skor-skor dalam suatu distribusi = Jumlah unit-unit skor Contoh: X 6 5 4 3 2 1 = 21 N=6 Rumus mean akan beda jika datanya adalah data berkelompok. Contoh metode menghitung mean dalam data berkelompok dengan interval 3. coba perhatikan sebagai berikut. maka rumus mean itu menjadi: dimana : = Titik tengah dari tiap intewrval f = Frekuensi (Jumlah skor pada tiap interval). X f f 32 .dimana: M = Mean.

X 14 12 12 10 10 8 7 6 6 5 5 4 4 3 3 2 X= 111 33 .13 – 15 10 – 12 7–9 4–6 1–3 1 4 2 6 3 14 11 8 5 2 14 44 16 30 6 f =110 N = 16 M = 6.88 = titik tengah interval Sekarang bandingkan dengan contoh metode menghitung mean dengan data tunggal berikut.

Namun bila suatu distribusi dengan jumlah skornya genap. tidak usah menghitungnya. Perhatikan contohnya sebagai berikut. Perhatikan contohnya sebagai berikut. sehingga skor tengah (4) merupakan mediannya. maka titik tengah antara kedua skor yang terletak di tengan distribusi itu. Pada suatu distribusi tertentu. Contoh di atas merupakan distribusi dengan jumlah skornya ganjil. Untuk menentukan median yaitu dengan cara mengamati distribusi. median merupakan suatu titik (tidak harus selalu skor) yang membatasi separo skor bagian atas dan separo skor bagian bawah suatu distribusi.Ternyata tampak bahwa hanya sedikit terjadi perbedaan skor mean yang dihitung dengan kedua metode itu. median mungkin merupakan ukuran tendensi sentral yang lebih nyata daripada mean 34 . b. Median (Md). Sekarang kita tahu bahwa neanmerupakan ukuran yang paling berguna dari semua ukuran statistik. sehingga mean sebagai dasar untuk pengukuran-pengukuran statistik penting yang lainnya.

diasumsikan bahwa mode menjadi skor tengah interval yang memiliki frekunsi paling banyak.021. maka median (Md) kurang sensitif terhadap harga atau skor ekstrim pada setiap ujung distribusi. adalah skor yang paling sering terjadi atau paling sering muncul dalam suatu distribusi.000 rupiah 2.Sekarang perhatikan contoh lagi untuk lebih memperjelas Anda sebagai berikut.400 rupiah Rata-rata (mean) gaji kelompok tersebut digambarkan dengan penekanan yang bebeda oleh median gaji mereka (380.800 rupiah) yang sangat jauh berbeda dari keempat gaji guru itu. Dalam hal ini bila dibandingkan dengan mean (M). Guru A 500. c.400 rupiah Guru D 380.000 rupiah Guru B 380. gaji mereka (fiktif) sebagai berikut. Dalam suatu distribusi data berkelompok.400 rupiah) daripada oleh mean gaji mereka (442.200 rupiah Guru E 380. Di suatu sekolah swasta dengan lima orang guru tetap. Letaknya dapat diketahui dengan cara mengamati dari pada menghitung.800 rupiah Guru C 380. 35 . Perhatikan contoh berikut. Mode (Mo).

dinamakan skor deviasi. Berikut ini contoh skor-skor yang ditarik dari dua kelompok siswa. rumusnya: 36 . Hal ini merupakan karakteristik distribusi data yang memerlukan analisis statistik lebih lanjut. perlu menggunakan ukuran dispersi skor.Bisa saja dalam suatu distribusi terdapat lebih dari satu mode. Jika distribusi itu memiliki lebih dari dua mode. Untuk membandingkan performan para siswa dari kedua kelompok tersebut. 2. Kelompok I Siswa Widya Bella Fandi Fajar wahyudi Skor 100 90 80 70 60 Kelompok II Kelas I II III IV V Siswa Fauzi Jojon Tuminah Mahfud Unang Skor 82 81 80 79 78 =400 N=5 Kelas III III III III III =400 N=5 Md = 80 Md = 80 Contoh tersebut menunjukkan bahwa Mean (M) dan Median (Md) dari kedua kelompok itu persis sama. Jika demikian maka distribusi tersebut disebut distribusi bimodel. Dengan demikian menunjukkan bahwa rata-rata tidak sepenuhnya menggambarkan perbedaan prestasi antara siswa kelompok I dan siswa kelompok II. Pengukuran Dispersi Kita tahu bahwa ukuran tendensi sentral menggambarkan lokasi di sepanjang skala yang berurutan. Deviasi dari Mean (x kecil) Suatu skor yang dinyatakan sebagai jarak skor tersebut dari mean. maka disebut distribusi multimodel. 3. Secara matematis.

Strategi Implementasi Buatlah suatu pelatihan bersama secara berkelompok untuk berlatih mengimplementasikan perhitungan tendensi sentral dan dispersi.M) = 0 . jumlah deviasi skor dari mean adalah 0 atau dapat ditulis: (X . jadi =0 Berdasarkan hal tersebut. maka skor deviasinya bertanda positif. 2. tetapi jika berada dibawah mean. Perhatikan contoh berikut. dapat didefinisikan bahwa.x = (X . M kelompok I = 80 N kelompok II = 5 M kelompok II = 80 Dari contoh tersebut dapat diamati bahwa. mean adalah nilai dalam suatu distribusi yang jumlah skor deviasinya adalah sama dengan nol. maka skor deviasinya bertanda negatif. E.M) Jika suatu skor berada diatas mean. Evaluasi Implementasi 37 . Gunakan data skor nilai suatu mata pelajaran di SD atau SMP. Saran-saran Implementasi 1. Misalkan perbandingan skor-skor dari dua kelompok siswa yang dapat digambarkan sebagai berikut: Kelompok I Siswa Agus Unang Rina Hasim Udin Skor 100 90 80 70 60 Kelompok II Siswa Sutarno Yeni Dodo Fadilah Kusnadi = 400 Skor 82 81 80 79 78 (X-M)=x +2 +1 0 -1 -2 =0 (X-M)=x +20 +10 0 -10 -20 =0 = 400 N kelompok I= 5.

disebut… a. frekuensi c. Frekuensi d. Modus 2.Untuk mengetahui tingkat kemampuan Anda dalam melakukan perhitungan tendensi. Mode c. Skor yang sering muncul. Tes Formatif Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A. Distribusi multimodel c. mode d. Frekuensi d. Distribusi bimodel b. Skor yang dinyatakan sebagai jarak skor mean disebut… a. mean 38 . koreksikan hasil pengerjaan Anda oleh rekan sejawat yang mengerti langkah-langkah perhitungan tendensi! F. Mode c. Distribusi yang memiliki dua atau lebih mode. Rata-rata hitung dari suatu distribusi. deviasi b. Distribusi frekuensi d. disebut… a. Mean b. disebut… a. Modus 3. Distribusi varian 4. B. Mean b. C atau D 1.

5. Modus d. kecuali… a. Mean b. Berikut adalah pengukuran tendensi sentral. Mode c. Frekuensi 39 .

Sign up to vote on this title
UsefulNot useful