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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Contoh lain tentang data tak-berkelompok dapat diorganisasi seperti contoh pertama. Anny. skor terendah 60 dan skor tengah 78.5 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 . Ana L. Reni 78 Wahwan. 60 Sadiah. Sehingga mencari rentang skor (selisish antara skor tertinggi dengan skor terendah. Hasti. Data yang belum diorganisasi terlebih dahulu. Dedi P. Sinta 90 Anjar. Agus S. Perhatikanlah contoh berikut. ditambah satu) dapat kita tetapkan secara mudah.pengorganisasian atau orgtanisasi data. 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”. Rita S. akan sulit diinterpretasi. dan mudah dikenali bahwa skor tertinggi 90. 70 Rosyid. misalnya dapat Anda perhatikan tabel 3.

akan mudah ditentukan titik tengahnya karena berupa bilangan bulat. akan lebih jelas jika skor-skornya dikelompokkan dengan penggunaan kolom yang memuat frekuensi.84 5 79 .5 dibawah ini. Untuk memperjelas gambaran tersebut. Interval yang jumlah satuannya ganjil.96 1 91 . coba perhatikan contohnya yang tertera dalam tabel 4.90 5 85 . Coba perhatikan contoh berikut.63 1 58 .5 Skor tes mata pelajaran Bahasa Inggris (interval 3) Interval Lajar Frekuensi (f) Skor (tally) 2 97 .81 6 76 .93 2 88 .72 2 67 .75 4 70 .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 10.87 4 82 . bergantung pada jumlah dan rentang (range) skor-skor yang ada.78 2 73 . 28 . Data demikian dapat disajikan dalam tabel frekuensi dengan interval-interval kelas yang bebeda.99 1 94 .60 1 55 .95 87 82 80 78 73 67 93 85 82 80 77 72 67 90 85 82 80 76 70 64 Distribusi data berkelompok. Tabel 4.69 1 64 .66 0 61 .

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

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

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

maka rumus mean itu menjadi: dimana : = Titik tengah dari tiap intewrval f = Frekuensi (Jumlah skor pada tiap interval). Contoh metode menghitung mean dalam data berkelompok dengan interval 3. = 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. coba perhatikan sebagai berikut. X f f 32 .dimana: M = Mean.

88 = titik tengah interval Sekarang bandingkan dengan contoh metode menghitung mean dengan data tunggal berikut.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. X 14 12 12 10 10 8 7 6 6 5 5 4 4 3 3 2 X= 111 33 .

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

Guru A 500.400 rupiah) daripada oleh mean gaji mereka (442.800 rupiah Guru C 380. Perhatikan contoh berikut.400 rupiah Rata-rata (mean) gaji kelompok tersebut digambarkan dengan penekanan yang bebeda oleh median gaji mereka (380.000 rupiah Guru B 380.400 rupiah Guru D 380.Sekarang perhatikan contoh lagi untuk lebih memperjelas Anda sebagai berikut.800 rupiah) yang sangat jauh berbeda dari keempat gaji guru itu. Dalam hal ini bila dibandingkan dengan mean (M). Dalam suatu distribusi data berkelompok. diasumsikan bahwa mode menjadi skor tengah interval yang memiliki frekunsi paling banyak.000 rupiah 2. adalah skor yang paling sering terjadi atau paling sering muncul dalam suatu distribusi. maka median (Md) kurang sensitif terhadap harga atau skor ekstrim pada setiap ujung distribusi.021. gaji mereka (fiktif) sebagai berikut. 35 . Letaknya dapat diketahui dengan cara mengamati dari pada menghitung. Mode (Mo). c.200 rupiah Guru E 380. Di suatu sekolah swasta dengan lima orang guru tetap.

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. perlu menggunakan ukuran dispersi skor. Jika demikian maka distribusi tersebut disebut distribusi bimodel. Untuk membandingkan performan para siswa dari kedua kelompok tersebut. rumusnya: 36 . 2. Secara matematis. Dengan demikian menunjukkan bahwa rata-rata tidak sepenuhnya menggambarkan perbedaan prestasi antara siswa kelompok I dan siswa kelompok II. Hal ini merupakan karakteristik distribusi data yang memerlukan analisis statistik lebih lanjut. maka disebut distribusi multimodel. Berikut ini contoh skor-skor yang ditarik dari dua kelompok siswa. Jika distribusi itu memiliki lebih dari dua mode.Bisa saja dalam suatu distribusi terdapat lebih dari satu mode. 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. dinamakan skor deviasi. 3.

jadi =0 Berdasarkan hal tersebut. maka skor deviasinya bertanda positif.M) Jika suatu skor berada diatas mean. 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. Gunakan data skor nilai suatu mata pelajaran di SD atau SMP. mean adalah nilai dalam suatu distribusi yang jumlah skor deviasinya adalah sama dengan nol. maka skor deviasinya bertanda negatif.M) = 0 . M kelompok I = 80 N kelompok II = 5 M kelompok II = 80 Dari contoh tersebut dapat diamati bahwa. dapat didefinisikan bahwa. E. 2. tetapi jika berada dibawah mean. jumlah deviasi skor dari mean adalah 0 atau dapat ditulis: (X . Strategi Implementasi Buatlah suatu pelatihan bersama secara berkelompok untuk berlatih mengimplementasikan perhitungan tendensi sentral dan dispersi.x = (X . Evaluasi Implementasi 37 . Perhatikan contoh berikut. Saran-saran Implementasi 1.

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

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

Sign up to vote on this title
UsefulNot useful