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

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

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

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

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

Ukuran pemusatan : untuk melihat kecenderungan memusat dari nilai data dalam bentuk mean.persentase atau nilai kumulatif. 9 . Ukuran penyebaran : untuk melihat penyebaran atau distribusi nilai data dalam bentuk angka mutlak. median dan modus.STATISTIK DESKRIPTIF ‡ Statistik deskriptif : menggambarkan ciri ± ciri khusus dari satu atau lebih variabel secara mandiri dalam bentuk ukuran penyebaran atau ukuran pemusatan.

1.digunakan apabila data berdistribusi normal dan berupa skala ukuran interval atau rasio. Statistik parametrik .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 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). Random Sampling : Teknik penarikan sampel secara acak. 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. benda (dokumen atau konsep) atau berbentuk wilayah dan lembaga. Representatif sampel : sampel yang mewakili secara tepat karakteristik suatu 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 .

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

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

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

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

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

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

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

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

X3 = 5.rata nilai kekayaan ? Jawaban : Bila diambil seluruh data populasi. Tentukan rata . X5 = 5.= 118 : 10 = 11.8 10 21 . X2 = 4. X10 = 12. X7 = 22. maka : 20 + 4 + 5 + 10 + 5 + 7 + 22 + 25 + 8 + 12 µ = --------------------------------------------------------. X6 = 7. X4 = 10. X8 = 25. X9 = 8.Contoh metode sampling 2 : Suatu populasi nilai kekayaan (dalam jutaan rupiah) yang terdiri dari 10 elemen (anggota populasi) sbb: X1 = 20.

X3. X9 = 8. X6. X3 = 5. X = (20 + 5 + 10 + 7 + 25 + 8) : 6 = 12. X4.5 (close enough) 22 (over estimate) (under estimate) .X1 = 20. X6 = 7. X4 = 10. X7 dan X9. X7 = 22. X1. X3. Diambil 6 elemen sebagai sampel (n=6) secara acak : 1. X6. X2.5 3. X2 = 4. X4. X1. X8 dan X9. X = (20 + 4 + 10 + 7 + 25 + 12) : 6 = 13 2. X2. X8 dan X10. X10 = 12. X8 = 25. X5 = 5. X = (4 + 5 + 5 + 7 + 22 + 8) : 6 = 8. X5. X6.

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

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

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

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 .

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

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.3% 53.7% Jumlah buku yang dibaca dalam 1 bulan •1 0 Total 28 .

contoh : 20 ± 39 40 ± 59 Batas Atas Kelas Interval = Angka disebelah kanan. pada setiap kelas interval. contoh : kelas interval 1 = 20 ± 39 kelas interval 2 = 40 ± 59 Batas Bawah Kelas Interval = Angka disebelah kiri.BEBERAPA ISTILAH DALAM DISTRIBUSI FREKUENSI DATA KELOMPOK    Kelas Interval = Kelompok data yang berupa ukuran interval. contoh : 20 ± 39 40 ± 59 29 . pada setiap kelas interval.

5 30 . 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). 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. Tepi bawah kelas interval (batas bawah nyata).

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

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

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

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

5 35 .5 51.5 91.5 87.5 83.5 79.5 75.5 63.5 55.Gambarkan grafik histogram dan grafik poligon data dibawah ini ! Data 40 ± 47 48 ± 55 56 ± 63 64 ± 71 72 ± 79 80 ± 87 88 .5 47.5 87.5 55.5 63.5 71.5 79.5 95.5 Nilai tengah interval 43.5 71.5 Batas atas nyata 47.95 Jumlah frekuensi 2 4 10 14 12 5 3 50 Batas bawah nyata 39.5 59.5 67.

5 55.5 87.5 63.5 79. Pada absis X merupakan batas bawah nyata dan batas atas nyata dari kelas interval.5 47. Nilai Ujian Matematik Mahasiswa 16 14 12 Frekuensi 10 8 6 4 2 0 39.5 36 .5 95.Contoh Grafik Histogram ± Skala ukuran interval.5 1 71.

5 51.5 91.5 75.5 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 83.5 37 .5 59.

5 49.5 59.5 19.5 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 .Gambarkan grafik ogive dari data di bawah ini ! Data Jumlah frekuensi 20 26 27 16 5 6 100 Batas atas nyata 0 9.5 29.5 39.

5 6 39 .5 3 39.5 2 29. 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 9.5 1 19.Contoh : Grafik Ogive berdasarkan frekuensi kumulatif dan batas nyata dari data.5 59.5 4 49.

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 .

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

Sign up to vote on this title
UsefulNot useful