MATA KULIAH :

INTRODUCTION TO
SOCIAL STATISTICS

Ir. MURSAL BOER MAgrSc

Sekolah Tinggi Ilmu Komunikasi

The London School of Public Relations - Jakarta
 SATUAN ACARA PERKULIAHAN
Week 1 Materi 1 Pengertian Statistik
Week 2 Materi 2 Distribusi Frekuensi
Week 3 Materi 3 Tendensi Memusat (Rata – rata)
Week 4 QUIZ I
Week 5 Materi 4 Tendensi Memusat (M, Mdn, Mo)
Week 6 Materi 5 Kuartil, Desil dan Persentil
Week 7 Materi 6 Pengukuran Dispersi / Variasi
MID TEST
2
Week 8 Materi 7 Korelasi dan Regresi Sederhana
Week 9 Materi 8 Distribusi Teoretis
Week 10 Materi 9 Distribusi Sampel
Week 11 QUIZ II
Week 12 Materi 10 Pengujian Hipotesis Tentang Rata - rata
Week 13 Materi 11 Pengujian Hipotesis Tentang Proporsi
Week 14 Materi 12 Pengujian hipotesis Chi Square
FINAL TEST

3
PENGERTIAN STATISTIK

MATERI 1
INTRODUCTION TO SOCIAL
STATISTICS
 TUJUAN PEMBAHASAN
• Memberi pemahaman mengenai :

• Arti dan kegunaan statistik dan jenis – jenis

statistik.
• Arti dan kegunaan data, jenis – jenis data, dan
metoda pengumpulan data.
• Jenis – jenis skala ukuran data

• Memberi pemahaman mengenai bentuk – bentuk

penyajian data dalam bentuk tabel dan grafik.

5
 PENGERTIAN STATISTIK
• Kata statistik berasal dari bahasa Inggris “state”, karena awalnya
statistik berkaitan dengan pengumpulan data informasi tentang
penduduk dan ekonomi untuk kepentingan negara.

• Statistik (Statistic) :
– Dalam pengertian yang paling sederhana statistik artinya data.
– Dalam pengertian yang lebih luas, statistik dapat diartikan sebagai
kumpulan data dalam bentuk angka maupun bukan angka yang
berasal dari sampel.

• Statistika (Statistics) : ilmu pengetahuan yang berhubungan

dengan cara pengumpulan, pengolahan, menganalisis data serta
penarikan kesimpulan mengenai suatu keadaan sosial.

• Data statistik : Kumpulan angka – angka yang disusun dan

disajikan dalam bentuk daftar, tabel, diagram atau grafik untuk
menggambarkan atau memberikan informasi mengenai suatu
fakta.
6
 PERANAN DAN KEGUNAAN
STATISTIK
• Peranan dan Kegunaan Statistik :

• Dalam kehidupan sehari – hari berperan sebagai

penyedia data, misalnya tingkat harga bahan pokok,
tingkat biaya hidup dll, yang digunakan oleh
berbagai pihak untuk perencanaan kegiatan dan
pengambilan keputusan.

• Dalam penelitian ilmiah berperan dalam

pengembangan teori dan metode analisis data untuk
suatu disiplin ilmu tertentu dan digunakan sebagai
alat atau metode untuk pengumpulan dan analisis
data sesuai masalah dan tujuan penelitian.
7
 STATISTIK
DESKRIPTIF DAN INFERENSIAL

• Berdasarkan fungsi statistik dalam suatu penelitian, maka

dibedakan Statistik Deskriptif dan Statistik Inferensial.

• Statistik deskriptif : sebagai alat untuk mendeskripsikan

suatu gejala / fenomena sosial berdasarkan data yang
terkumpul.

• Statistik inferensial : sebagai alat yang tidak hanya

mendeskripsikan tetapi juga berfungsi analisis untuk
menginferensial atau menerangkan karakteristik tertentu dari
suatu populasi berdasarkan analisa sampel, umumnya
berupa pengujian-pengujian hipotesis.

8
 STATISTIK DESKRIPTIF
• Statistik deskriptif : menggambarkan ciri – ciri
khusus dari satu atau lebih variabel secara mandiri
dalam bentuk ukuran penyebaran atau ukuran
pemusatan.

Ukuran penyebaran :
untuk melihat penyebaran atau distribusi
nilai data dalam bentuk angka
mutlak,persentase atau nilai kumulatif.

Ukuran pemusatan :
untuk melihat kecenderungan memusat dari nilai
data dalam bentuk mean, median dan modus.

9
 STATISTIK INFERENSIAL
(PARAMETRIK DAN NON PARAMETRIK)

• Tergantung dari asumsi dasar berkaitan dengan

distribusi data dan jenis skala ukuran data maka
statistik inferensial dibagi atas :

1. Statistik parametrik - digunakan apabila data

berdistribusi normal dan berupa skala ukuran
interval atau rasio.

1. Statistik non parametrik - digunakan apabila

data berdistribusi tidak normal dan berupa
skala ukuran nominal dan ordinal.

10
 POPULASI DAN SAMPEL
Populasi : sekumpulan unsur yang dapat berupa orang
(kelompok atau individu), benda (dokumen atau konsep) atau
berbentuk wilayah dan lembaga, yang memiliki karakteristik
kualitatif atau kuantitatif tertentu.

Sampel : bagian dari populasi dan merupakan wakil suatu

populasi. Oleh sebab itu apa yang disimpulkan berdasarkan
penelitian terhadap sampel dapat diberlakukan pada populasi.

Representatif sampel : sampel yang mewakili secara tepat

karakteristik suatu populasi.

Random Sampling : Teknik penarikan sampel secara acak.

11
 KARAKTERISTIK POPULASI DAN
SAMPEL

Karakteristik Populasi Karakteristik Sampel

Ukuran N Ukuran n
Data parameter Data statistik
Rata – rata µ Rata – rata X
Varians σ2 Varians S2
Standar deviasi σ Standar deviasi S
Proporsi P Proporsi p

Jenis populasi berhingga Jenis sampel besar (> 30)

populasi tak berhingga sampel kecil (≤ 30)

12
 VARIABEL
Variabel : obyek penelitian yang mempunyai variasi nilai
yang dapat diamati dan diukur atau pengelompokan logis
dari dua atau lebih atribut/kategori.

Dalam ilmu sosial dikenal 2 bentuk variabel :

a. Variabel kategorikal (categorical variables) : variabel yang
membagi variasi nilai dalam 2 atau lebih kategori.
1. Variabel dikotomi : variabel terdiri dari 2 variasi nilai.
Contoh : - Jenis kelamin (pria/wanita).
2. Variabel politomi : variabel lebih dari 2 variasi nilai.
Contoh : - Jenis pendidikan (Tidak sekolah/SD/SMP)

b. Variabel bersambungan (continuous variables) : variabel

yang nilai – nilainya berupa skala. Contoh : umur, jumlah
pendapatan, tingkat sentuhan media massa, tingkat
kriminalitas dll.
13
 SKALA UKURAN
Dalam proses pengukuran variabel atau data ada 4 (empat)
skala ukuran :

1. Skala ukuran nominal : nilai ukuran hanya

membedakan kategori. ------ data nominal.
2. Skala ukuran ordinal : nilai ukuran selain
membedakan kategori juga mempunyai tingkatan.
------ data ordinal.
3. Skala ukuran interval : selain dibedakan dan
mempunyai tingkatan, juga mempunyai nilai jarak
yang pasti antara satu kategori dengan kategori
lainnya. ------- data interval.
4. Skala ukuran rasio : selain dibedakan, mempunyai
tingkatan dan jarak, juga mempunyai titik nol mutlak.
------ data rasio.

14
 DATA
Data adalah semua faktor dalam bentuk angka atau bukan
angka yang dapat dijadikan suatu informasi.

Syarat data yang baik :

1. Obyektif : menggambarkan keadaan sebenarnya.
2. Up to date : menggambarkan keadaan masa kini.
3. Relevan : menggambarkan masalah yang diamati.
4. Representatif : menggambarkan keadaan secara tepat
atau kesalahan baku kecil.

15
 JENIS DATA
Jenis data berdasarkan bentuknya.

1. Data kualitatif : data dalam bentuk non numerikal

(kata, kalimat, gambar).
2. Data kuantitatif : data dalam bentuk numerikal atau
data kualitatif yang diangkakan.

Jenis data berdasarkan orang yang mengumpulkan.

1. Data primer : data yang dikumpulkan sendiri oleh si

peneliti, dan digunakan untuk menjawab
permasalahan penelitian.
2. Data sekunder : data yang dikumpulkan oleh orang
lain, biasanya digunakan sebagai
pembanding dalam analisa penelitian.
16
Jenis data berdasarkan waktu pengumpulan.

1. Data cross section : data dikumpulkan oleh peneliti hanya

dalam satu waktu tertentu.
2. Data time series : data yang sama dikumpulkan dalam suatu
periode waktu (bulanan, tahunan dll)

Jenis data berdasarkan subyek pengumpulan data

1. Data populasi : data dikumpulkan dari seluruh anggota

populasi (sensus - parameter).
2. Data sampel : data dikumpulkan dari sebagian anggota
populasi (sampling - statistik).

17
 DATA KUANTITATIF

KUALITATIF

DATA DISKRIT NOMINAL

KUANTITATIF ORDINAL

KONTINUM INTERVAL

RASIO
(Sugiyono, 2004 :3)
18
 PENGUMPULAN DATA
A. METODE SENSUS

– Disebut juga pencacahan lengkap (semua unit atau

elemen populasi diselidiki).
– Data hasil sensus adalah nilai sebenarnya dari populasi
(true value) disebut parameter.
– Keunggulan :
- dari hasil sensus diperoleh nilai sebenarnya
dan dapat dibuat kerangka survai.
- tidak mengandung sampling error.
Kelemahan :
- butuh biaya dan jumlah pencacah besar
- waktu pelaksanaan lama
- jenis data terbatas.

19
B. METODE SAMPLING

 Hanya sebagian unit atau elemen populasi yang diamati.

Bagian yang diamati itu disebut sampel.

 Data yang diperoleh dari pengolahan sampel disebut nilai

penduga parameter atau data statistik

 Contoh metode sampling 1:

Ingin diketahui tingkat kehadiran mahasiswa batch 10 bulan

lalu dengan mengamati daftar hadir 35 mahasiswa.
Data tIngkat kehadiran 35 mahasiswa selama 1bulan (20 hari)
adalah : 32 35 34 35 35 35 34 33 32 35
33 34 35 35 35 35 35 34 34 35

Rata – rata tingkat kehadiran mahasiswa batch 10 per hari :

X = 676/700 = 96,5%.
20
Contoh metode sampling 2 :

Suatu populasi nilai kekayaan (dalam jutaan rupiah) yang terdiri

dari 10 elemen (anggota populasi) sbb:
X1 = 20; X2 = 4; X3 = 5; X4 = 10; X5 = 5;
X6 = 7; X7 = 22; X8 = 25; X9 = 8; X10 = 12.

Tentukan rata - rata nilai kekayaan ?

Jawaban :

Bila diambil seluruh data populasi, maka :

20 + 4 + 5 + 10 + 5 + 7 + 22 + 25 + 8 + 12
µ = --------------------------------------------------------- = 118 : 10 = 11,8
10

21
 X1 = 20; X2 = 4; X3 = 5; X4 = 10; X5 = 5;
X6 = 7; X7 = 22; X8 = 25; X9 = 8; X10 = 12.

Diambil 6 elemen sebagai sampel (n=6) secara acak :

1. X1, X2, X4, X6, X8 dan X10.

X = (20 + 4 + 10 + 7 + 25 + 12) : 6 = 13 (over estimate)

2. X2, X3, X5, X6, X7 dan X9.

X = (4 + 5 + 5 + 7 + 22 + 8) : 6 = 8,5 (under estimate)

3. X1, X3, X4, X6, X8 dan X9.

X = (20 + 5 + 10 + 7 + 25 + 8) : 6 = 12,5 (close enough)

22
Pengumpulan data dengan metode sampling

Kebaikannya :
1. Biaya dan waktu sedikit
2. Kegiatan mudah dikuasai
3. Karakteristik yang diukur bisa lebih banyak
4. Kesalahan estimasi dapat diukur

Kelemahannya :
1. Gambaran populasi hanya berupa dugaan
2. Memerlukan kerangka sampel
3. Pengambilan sampel tidak selalu tepat

23
 PENYAJIAN DATA

Data yang sudah diolah, agar mudah dibaca dan

dimengerti oleh orang lain perlu disajikan dalam
bentuk tabel atau grafik.

Bentuk – bentuk tabel :

Tabel Frekuensi, Tabel klasifikasi, Tabel korelasi.

Bentuk – bentuk grafik :

Grafik batang, Grafik histogram, Grafik poligon,
Grafik pie, Grafik ogive.

24
 PENYAJIAN DATA BENTUK TABEL

1. Tabel Frekuensi : tabel yang menunjukkan jumlah

atau frekuensi dari suatu kejadian. Dapat berbentuk
data tunggal atau kelompok.

2. Tabel klasifikasi : tabel yang menunjukkan

pengelompokkan data berdasarkan nilai kualitatif.

3. Tabel silang : disebut juga tabel kontingensi yaitu

tabel yang menunjukkan hubungan antara 2 atau
lebih variabel.

25
Contoh : Tabel Frekuensi Kelompok

Tabel Hasil Ujian Statistik Mahasiswa

Nilai Frekuensi Jumlah Mahasiswa

20 – 39 12
40 – 59 13
60 – 79 17
80 – 99 8
50

26
Contoh : Tabel Frekuensi Klasifikasi

Tabel Jumlah Warga Desa X RW 10 berdasarkan Jenis Kelamin

pada bulan Juli 2007.

Jenis kelamin Jumlah

Pria 365
wanita 315
680

27
 Contoh : Tabel kontingensi
Tabel Hubungan Tingkat Pendidikan dengan Jumlah Buku
Yang Dibaca.

Pendidikan
Jumlah buku yang
dibaca dalam 1 Rata –
bulan SLTP SLTA PT rata

≥1 9% 50% 80% 46,3%

0 91% 50% 20% 53,7%

Total 100% 100% 100%

28
BEBERAPA ISTILAH DALAM DISTRIBUSI
FREKUENSI DATA KELOMPOK
 Kelas Interval =
Kelompok data yang berupa ukuran interval.
contoh : kelas interval 1 = 20 – 39
kelas interval 2 = 40 – 59
 Batas Bawah Kelas Interval =
Angka disebelah kiri, pada setiap kelas interval.
contoh : 20 – 39
40 – 59
 Batas Atas Kelas Interval =
Angka disebelah kanan, pada setiap kelas interval.
contoh : 20 – 39
40 – 59
29
 Tepi bawah kelas interval (batas bawah nyata), notasi b =
(Batas bawah kelas ybs + batas atas kelas sebelumnya) : 2.

contoh : kelas interval 1 = 20 – 39

kelas interval 2 = 40 – 59
kelas interval 3 = 60 – 79
Tepi bawah kelas interval 2 = (40 + 39) / 2 = 39,5

 Tepi atas kelas interval (batas atas nyata), notasi a =

(Batas atas kelas ybs + batas bawah kelas sesudahnya) : 2.

contoh : kelas interval 1 = 20 – 39

kelas interval 2 = 40 – 59
kelas interval 3 = 60 – 79
Tepi atas kelas interval 2 = (59 + 60) / 2 = 59,5
30
 contoh : kelas interval 1 = 20 – 39
kelas interval 2 = 40 – 59
kelas interval 3 = 60 – 79

 Titik tengah kelas interval (ttk atau m) =

(batas bawah kelas + batas atas kelas) dibagi 2.
ttk = m = (60 + 79)/2 = 69,5

 Panjang interval kelas, notasi p atau i =

a. Tepi atas kelas – tepi bawah kelas.
p = (59,5 – 39,5) = 20
b. Selisih titik tengah dua kelas berurutan.
p = {(60 + 79)/2 – (40 + 59)/2}= 20
c. Selisih batas bawah dengan batas bawah sebelumnya.
p = (40 – 20) = 20
d. Selisih batas atas dengan batas atas sebelumnya.
p = (59 – 39) = 20

31
 PENYAJIAN DATA BENTUK GRAFIK

a. Bar – Chart atau grafik batang, data dalam bentuk data

nominal.

b. Pie Chart , data dalam bentuk data nominal.

c. Grafik Histogram, mirip bar – chart, menghubungkan batas

nyata dari data dalam bentuk interval atau rasio dengan
frekuensi.

d. Grafik Poligon, berbentuk garis menghubungkan titik

tengah dari data berbentuk interval dengaan frekuensi.

e. Grafik Ogive. disusun berdasarkan frekuensi kumulatif dan

batas nyata dari data yang berbentuk ukuran interval.

32
Contoh Grafik Bar-chart – Skala ukuran nominal.
Menggambarkan frekuensi per kategori.

Jumlah Responden Berdasarkan Jenis Kelamin

30
25
20
Frekuensi

Pria
15
Wanita
10
5
0
Pria Wanita
Jenis kelamin
33
Contoh : Pie – chart . Skala nominal. Merupakan gambaran
frekuensi dari setiap kategori yang diamati

Responden Berdasarkan Jenis Pekerjaan

Wiraswasta; 25 PNS; 30
PNS
Non PNS
Wiraswasta
Non PNS; 45

34
Gambarkan grafik histogram dan grafik poligon data dibawah ini !

Jumlah Batas bawah Batas atas Nilai tengah

Data
frekuensi nyata nyata interval
40 – 47 2 39,5 47,5 43,5
48 – 55 4 47,5 55,5 51,5
56 – 63 10 55,5 63,5 59,5
64 – 71 14 63,5 71,5 67,5
72 – 79 12 71,5 79,5 75,5
80 – 87 5 79,5 87,5 83,5
88 - 95 3 87,5 95,5 91,5
50

35
 Contoh Grafik Histogram – Skala ukuran interval. Pada absis X
merupakan batas bawah nyata dan batas atas nyata dari kelas
interval.

Nilai Ujian Matematik Mahasiswa

16
14
12
10
Frekuensi

8
6
4
2
0
39,5 47,5 55,5 63,5 1 71,5 79,5 87,5 95,5

36
Contoh Grafik Poligon – Bentuk garis menghubungkan Titik
Tengah Kelas Interval dengan Frekuensi Data

Nilai Ujian Matematik Mahasiswa

16
14
12
10
Frekuensi

8
6
4
2
0
43,5 51,5 59,5 67,5 75,5 83,5 91,5

37
Gambarkan grafik ogive dari data di bawah ini !

Jumlah Batas atas

Data Fk < Fk >
frekuensi nyata
0 0 100
0–9 20 9,5 20 80
10 – 19 26 19,5 46 54
20 – 29 27 29,5 73 27
30 – 39 16 39,5 89 11
40 – 49 5 49,5 94 6
50 – 59 6 59,5 100 0

100

38
Contoh : Grafik Ogive berdasarkan frekuensi kumulatif dan
batas nyata dari data.

Grafik Ogive dari frekuensi kumulatif

120

100 100 100

94
89
Frekuensi kumulatif

80 80
73
kurang dari
60
54 lebih dari
46
40

27
20 20
11
6
0
9,5
1 19,5
2 29,5
3 39,5
4 49,5
5 59,5
6

39
Contoh soal : Buat grafik batang hubungan jumlah penjualan dan
daerah penjualan berdasarkan data dari tabel berikut :

Tabel. Jumlah Penjualan (ton) berdasarkan jenis Barang dan

Daerah Penjualan

Daerah penjualan

Jenis barang
I II III IV
A 20 30 50 60

B 15 25 70 50

C 40 35 55 30

Sumber : Data hipotetis

40
 Jumlah Penjualan Barang Berdasarkan Daerah
Penjualan

80 70
70
Jumlah Penjualan (ton)

60
60 55
50 50
50 40 A
40 35 B
30 30
30 25 C
20
20 15
10
0
I II III IV
Daerah Penjualan

41
BAHAN BACAAN
Hasan, M. Iqbal. 1999. Pokok – Pokok Materi Statistik 1
(Statistik Deskriptif). PT Bumi Aksara. Jakarta.

Kountur, R. 2005. Statistik Praktis. Pengolahan data untuk

penyusunan skripsi dan tesis. Penerbit PPM. Jakarta.

Sugiyono. 2004. Statistik Non Parametris untuk Penelitian.

Cetakan IV. Penerbit CV Alfabeta, Bandung.

Supranto, J. 2000. Statistik – Aplikasi dan Teori. Jilid 1. Edisi

VI. Penerbit Erlangga. Jakarta.

42