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 Week 2 Week 3 Week 4 Week 5 Week 6 Week 7 Materi 4 Materi 5 Materi 6 Materi 1 Materi 2 Materi 3 Pengertian Statistik Distribusi Frekuensi Tendensi Memusat (Rata ² rata) QUIZ I Tendensi Memusat (M, Mdn, Mo) Kuartil, Desil dan Persentil Pengukuran Dispersi / Variasi

MID TEST
2

Week 8 Week 9 Week 10 Week 11 Week 12 Week 13 Week 14

Materi 7 Materi 8 Materi 9

Korelasi dan Regresi Sederhana Distribusi Teoretis Distribusi Sampel QUIZ II

Materi 10 Pengujian Hipotesis Tentang Rata - rata Materi 11 Pengujian Hipotesis Tentang Proporsi Materi 12 Pengujian hipotesis Chi Square

FINAL TEST

3

PENGERTIAN STATISTIK

MATERI 1 INTRODUCTION TO SOCIAL STATISTICS

Jenis ± jenis skala ukuran data ‡ Memberi pemahaman mengenai bentuk ± bentuk penyajian data dalam bentuk tabel dan grafik.TUJUAN PEMBAHASAN ‡ Memberi pemahaman mengenai : ‡ ‡ ‡ Arti dan kegunaan statistik dan jenis ± jenis statistik. Arti dan kegunaan data. jenis ± jenis data. 5 . dan metoda pengumpulan data.

statistik dapat diartikan sebagai kumpulan data dalam bentuk angka maupun bukan angka yang berasal dari sampel. 6 . diagram atau grafik untuk menggambarkan atau memberikan informasi mengenai suatu fakta. pengolahan.PENGERTIAN STATISTIK ‡ Kata statistik berasal dari bahasa Inggris ³state´. karena awalnya statistik berkaitan dengan pengumpulan data informasi tentang penduduk dan ekonomi untuk kepentingan negara. tabel. ‡ Statistik (Statistic) : ± Dalam pengertian yang paling sederhana statistik artinya data. ± Dalam pengertian yang lebih luas. ‡ Data statistik : Kumpulan angka ± angka yang disusun dan disajikan dalam bentuk daftar. ‡ Statistika (Statistics) : ilmu pengetahuan yang berhubungan dengan cara pengumpulan. menganalisis data serta penarikan kesimpulan mengenai suatu keadaan sosial.

‡ 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. tingkat biaya hidup dll.PERANAN DAN KEGUNAAN STATISTIK ‡ Peranan dan Kegunaan Statistik : ‡ Dalam kehidupan sehari ± hari berperan sebagai penyedia data. misalnya tingkat harga bahan pokok. yang digunakan oleh berbagai pihak untuk perencanaan kegiatan dan pengambilan keputusan. 7 .

‡ Statistik deskriptif : sebagai alat untuk mendeskripsikan suatu gejala / fenomena sosial berdasarkan data yang terkumpul.STATISTIK DESKRIPTIF DAN INFERENSIAL ‡ Berdasarkan fungsi statistik dalam suatu penelitian. maka dibedakan Statistik Deskriptif dan Statistik Inferensial. ‡ Statistik inferensial : sebagai alat yang tidak hanya mendeskripsikan tetapi juga berfungsi analisis untuk menginferensial atau menerangkan karakteristik tertentu dari suatu populasi berdasarkan analisa sampel. 8 . umumnya berupa pengujian-pengujian hipotesis.

median dan modus. Ukuran pemusatan : untuk melihat kecenderungan memusat dari nilai data dalam bentuk mean.persentase atau nilai kumulatif. 9 .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.

10 . Statistik parametrik . Statistik non parametrik .digunakan apabila data berdistribusi tidak normal dan berupa skala ukuran nominal dan ordinal.digunakan apabila data berdistribusi normal dan berupa skala ukuran interval atau rasio. 1.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.

benda (dokumen atau konsep) atau berbentuk wilayah dan lembaga.POPULASI DAN SAMPEL Populasi : sekumpulan unsur yang dapat berupa orang (kelompok atau individu). Representatif sampel : sampel yang mewakili secara tepat karakteristik suatu populasi. Random Sampling : Teknik penarikan sampel secara acak. Sampel : bagian dari populasi dan merupakan wakil suatu populasi. yang memiliki karakteristik kualitatif atau kuantitatif tertentu. Oleh sebab itu apa yang disimpulkan berdasarkan penelitian terhadap sampel dapat diberlakukan pada populasi. 11 .

KARAKTERISTIK POPULASI DAN SAMPEL Karakteristik Populasi Ukuran Data Rata ± rata Varians Standar deviasi Proporsi Jenis N parameter µ 2 Karakteristik Sampel Ukuran Data Rata ± rata Varians S2 Standar deviasi Proporsi Jenis n statistik X S p P populasi berhingga populasi tak berhingga sampel besar (> 30) sampel kecil (” 30) 12 .

Jenis pendidikan (Tidak sekolah/SD/SMP) b. Variabel kategorikal (categorical variables) : variabel yang membagi variasi nilai dalam 2 atau lebih kategori. jumlah pendapatan. Contoh : umur. 2. tingkat sentuhan media massa. tingkat kriminalitas dll. 13 . 1. Variabel dikotomi : variabel terdiri dari 2 variasi nilai. Variabel bersambungan (continuous variables) : variabel yang nilai ± nilainya berupa skala.Jenis kelamin (pria/wanita). Dalam ilmu sosial dikenal 2 bentuk variabel : a.VARIABEL Variabel : obyek penelitian yang mempunyai variasi nilai yang dapat diamati dan diukur atau pengelompokan logis dari dua atau lebih atribut/kategori. Contoh : . Contoh : . Variabel politomi : variabel lebih dari 2 variasi nilai.

data nominal. jarak. mempunyai tingkatan. 4. juga mempunyai titik nol mutlak.data ordinal. ------.data interval.data rasio. Skala ukuran rasio : selain dibedakan. -----. Skala ukuran nominal : nilai ukuran hanya membedakan kategori. tingkatan dan jarak. ----. 3. 2. ---tingkatan. -. 14 . juga mempunyai nilai jarak yang pasti antara satu kategori dengan kategori lainnya. Skala ukuran ordinal : nilai ukuran selain membedakan kategori juga mempunyai tingkatan. Skala ukuran interval : selain dibedakan dan tingkatan.SKALA UKURAN Dalam proses pengukuran variabel atau data ada 4 (empat) skala ukuran : 1. mempunyai dibedakan.

DATA Data adalah semua faktor dalam bentuk angka atau bukan angka yang dapat dijadikan suatu informasi. 4. Relevan : menggambarkan masalah yang diamati. Representatif : menggambarkan keadaan secara tepat atau kesalahan baku kecil. 3. Up to date : menggambarkan keadaan masa kini. 15 . 2. Syarat data yang baik : 1. Obyektif : menggambarkan keadaan sebenarnya.

dan digunakan untuk menjawab permasalahan penelitian. Jenis data berdasarkan orang yang mengumpulkan. 1.JENIS DATA Jenis data berdasarkan bentuknya. Data kualitatif : data dalam bentuk non numerikal (kata. 1. 2. 2. Data sekunder : data yang dikumpulkan oleh orang lain. 16 . Data kuantitatif : data dalam bentuk numerikal atau data kualitatif yang diangkakan. kalimat. Data primer : data yang dikumpulkan sendiri oleh si peneliti. biasanya digunakan sebagai pembanding dalam analisa penelitian. gambar).

1. Data populasi : data dikumpulkan dari seluruh anggota populasi (sensus . tahunan dll) Jenis data berdasarkan subyek pengumpulan data 1.Jenis data berdasarkan waktu pengumpulan. 17 .statistik). Data sampel : data dikumpulkan dari sebagian anggota populasi (sampling . 2. Data time series : data yang sama dikumpulkan dalam suatu periode waktu (bulanan. 2. Data cross section : data dikumpulkan oleh peneliti hanya dalam satu waktu tertentu.parameter).

2004 :3) DATA NOMINAL ORDINAL INTERVAL RASIO 18 .DATA KUANTITATIF KUALITATIF DISKRIT KUANTITATIF KONTINUM (Sugiyono.

Data hasil sensus adalah nilai sebenarnya dari parameter. 19 .dari hasil sensus diperoleh nilai sebenarnya dan dapat dibuat kerangka survai.PENGUMPULAN DATA A.jenis data terbatas. . Kelemahan : . populasi (true value) disebut parameter.tidak mengandung sampling error.butuh biaya dan jumlah pencacah besar . METODE SENSUS ± ± ± Disebut juga pencacahan lengkap (semua unit atau elemen populasi diselidiki). Keunggulan : .waktu pelaksanaan lama .

Bagian yang diamati itu disebut sampel.B. 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. 20 .  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. METODE SAMPLING  Hanya sebagian unit atau elemen populasi yang diamati.5%.

X2 = 4. X6 = 7.Contoh metode sampling 2 : Suatu populasi nilai kekayaan (dalam jutaan rupiah) yang terdiri dari 10 elemen (anggota populasi) sbb: X1 = 20.8 10 21 .rata nilai kekayaan ? Jawaban : Bila diambil seluruh data populasi. X10 = 12. X5 = 5. X7 = 22. maka : 20 + 4 + 5 + 10 + 5 + 7 + 22 + 25 + 8 + 12 µ = --------------------------------------------------------. X3 = 5. X8 = 25. X9 = 8.= 118 : 10 = 11. X4 = 10. Tentukan rata .

X = (20 + 5 + 10 + 7 + 25 + 8) : 6 = 12. X8 dan X10. X2. X10 = 12. Diambil 6 elemen sebagai sampel (n=6) secara acak : 1.5 3. X3. X6 = 7. X4 = 10.5 (close enough) 22 (over estimate) (under estimate) . X2 = 4. X7 dan X9. X1. X3. X8 dan X9. X7 = 22. X2. X8 = 25.X1 = 20. X4. X6. X3 = 5. X6. X6. X5. X9 = 8. X = (20 + 4 + 10 + 7 + 25 + 12) : 6 = 13 2. X = (4 + 5 + 5 + 7 + 22 + 8) : 6 = 8. X5 = 5. X1. X4.

Biaya dan waktu sedikit Kegiatan mudah dikuasai Karakteristik yang diukur bisa lebih banyak Kesalahan estimasi dapat diukur Kelemahannya : 1. Memerlukan kerangka sampel 3. 2. 3.Pengumpulan data dengan metode sampling Kebaikannya : 1. Gambaran populasi hanya berupa dugaan 2. 4. Pengambilan sampel tidak selalu tepat 23 .

Grafik histogram. Bentuk ± bentuk tabel : Tabel Frekuensi. agar mudah dibaca dan dimengerti oleh orang lain perlu disajikan dalam bentuk tabel atau grafik. Bentuk ± bentuk grafik : Grafik batang. Tabel klasifikasi. Grafik ogive.PENYAJIAN DATA Data yang sudah diolah. Grafik pie. Tabel korelasi. 24 . Grafik poligon.

Dapat berbentuk data tunggal atau kelompok. 25 . 2.PENYAJIAN DATA BENTUK TABEL 1. 3. Tabel silang : disebut juga tabel kontingensi yaitu tabel yang menunjukkan hubungan antara 2 atau lebih variabel. Tabel klasifikasi : tabel yang menunjukkan pengelompokkan data berdasarkan nilai kualitatif. Tabel Frekuensi : tabel yang menunjukkan jumlah atau frekuensi dari suatu kejadian.

Contoh : Tabel Frekuensi Kelompok Tabel Hasil Ujian Statistik Mahasiswa Nilai 20 ± 39 40 ± 59 60 ± 79 80 ± 99 Frekuensi Jumlah Mahasiswa 12 13 17 8 50 26 .

Contoh : Tabel Frekuensi Klasifikasi Tabel Jumlah Warga Desa X RW 10 berdasarkan Jenis Kelamin pada bulan Juli 2007. Jenis kelamin Pria wanita Jumlah 365 315 680 27 .

3% 53.7% Jumlah buku yang dibaca dalam 1 bulan •1 0 Total 28 . Pendidikan SLTP 9% 91% 100% SLTA 50% 50% 100% PT 80% 20% 100% Rata ± rata 46.Contoh : Tabel kontingensi Tabel Hubungan Tingkat Pendidikan dengan Jumlah Buku Yang Dibaca.

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 29 . pada setiap kelas interval. contoh : 20 ± 39 40 ± 59 Batas Atas Kelas Interval = Angka disebelah kanan.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 kelas interval 3 = 60 ± 79 Tepi atas kelas interval 2 = (59 + 60) / 2 = 59. notasi a = (Batas atas kelas ybs + batas bawah kelas sesudahnya) : 2.5 30 .5  Tepi atas kelas interval (batas atas nyata). Tepi bawah kelas interval (batas bawah nyata). 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. notasi b = (Batas bawah kelas ybs + batas atas kelas sebelumnya) : 2.

notasi p atau i = a. p = {(60 + 79)/2 ± (40 + 59)/2}= 20 c. ttk = m = (60 + 79)/2 = 69. Tepi atas kelas ± tepi bawah kelas. p = (40 ± 20) = 20 d. Selisih titik tengah dua kelas berurutan. p = (59. Selisih batas atas dengan batas atas sebelumnya.5) = 20 b. Selisih batas bawah dengan batas bawah sebelumnya.5 ± 39. p = (59 ± 39) = 20  31 .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 2.5 Panjang interval kelas.

e. 32 b. d. Grafik Ogive. Pie Chart . Grafik Histogram. data dalam bentuk data nominal.PENYAJIAN DATA BENTUK GRAFIK a. menghubungkan batas nyata dari data dalam bentuk interval atau rasio dengan frekuensi. data dalam bentuk data nominal. Bar ± Chart atau grafik batang. disusun berdasarkan frekuensi kumulatif dan batas nyata dari data yang berbentuk ukuran interval. c. berbentuk garis menghubungkan titik tengah dari data berbentuk interval dengaan frekuensi. . mirip bar ± chart. Grafik Poligon.

Contoh Grafik Bar-chart ± Skala ukuran nominal. Menggambarkan frekuensi per kategori. Jumlah Responden Berdasarkan Jenis Kelamin 30 25 Frekuensi 20 Pria 15 Wanita 10 5 0 Pria Jenis kelamin 33 Wanita .

25 PNS. 45 34 . 30 PNS Non PNS Wiraswasta Non PNS. Merupakan gambaran frekuensi dari setiap kategori yang diamati Responden Berdasarkan Jenis Pekerjaan Wiraswasta. Skala nominal.Contoh : Pie ± chart .

5 87.5 71.5 35 .5 95.5 55.5 79.5 87.Gambarkan grafik histogram dan grafik poligon data dibawah ini ! Data 40 ± 47 48 ± 55 56 ± 63 64 ± 71 72 ± 79 80 ± 87 88 .95 Jumlah frekuensi 2 4 10 14 12 5 3 50 Batas bawah nyata 39.5 91.5 63.5 83.5 79.5 Nilai tengah interval 43.5 75.5 59.5 71.5 63.5 51.5 47.5 67.5 55.5 Batas atas nyata 47.

5 63.5 1 71.5 36 . Nilai Ujian Matematik Mahasiswa 16 14 12 Frekuensi 10 8 6 4 2 0 39.5 95.5 87.5 79.Contoh Grafik Histogram ± Skala ukuran interval.5 55. Pada absis X merupakan batas bawah nyata dan batas atas nyata dari kelas interval.5 47.

5 75.5 91.5 59.5 37 .5 51.5 67.Contoh Grafik Poligon ± Bentuk garis menghubungkan Titik Tengah Kelas Interval dengan Frekuensi Data Nilai Ujian Matematik Mahasiswa 16 14 12 Frekuensi 10 8 6 4 2 0 43.5 83.

Gambarkan grafik ogive dari data di bawah ini ! Data Jumlah frekuensi 20 26 27 16 5 6 100 Batas atas nyata 0 9.5 49.5 39.5 Fk < 0 20 46 73 89 94 100 Fk > 100 80 54 27 11 6 0 0±9 10 ± 19 20 ± 29 30 ± 39 40 ± 49 50 ± 59 38 .5 29.5 59.5 19.

Grafik Ogive dari frekuensi kumulatif 120 100 9 89 Frekuensi kumulatif 80 80 3 60 4 40 2 20 2 kurang dari lebih dari 0 9.Contoh : Grafik Ogive berdasarkan frekuensi kumulatif dan batas nyata dari data.5 1 19.5 3 39.5 4 49.5 2 29.5 6 39 .5 59.

Jumlah Penjualan (ton) berdasarkan jenis Barang dan Daerah Penjualan Daerah penjualan Jenis barang A B C Sumber : Data hipotetis 40 I 20 15 40 II 30 25 35 III 50 70 55 IV 60 50 30 .Contoh soal : Buat grafik batang hubungan jumlah penjualan dan daerah penjualan berdasarkan data dari tabel berikut : Tabel.

Jumlah Penjualan Barang Berdasarkan Daerah Penjualan Jumlah Penjualan (ton) 4 4 3 1 3 3 3 1 Daerah Penjualan 41 .

Jakarta. Penerbit PPM. 42 . M. 2005. 1999. J. Jilid 1. R. Pokok ± Pokok Materi Statistik 1 (Statistik Deskriptif). Cetakan IV. Iqbal. Bandung. Statistik ± Aplikasi dan Teori. 2000.BAHAN BACAAN Hasan. Statistik Praktis. Penerbit CV Alfabeta. 2004. Jakarta. Statistik Non Parametris untuk Penelitian. Jakarta. Penerbit Erlangga. Sugiyono. Supranto. PT Bumi Aksara. Kountur. Edisi VI. Pengolahan data untuk penyusunan skripsi dan tesis.

Sign up to vote on this title
UsefulNot useful