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

5 . dan metoda pengumpulan data. 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. jenis ± jenis data. Arti dan kegunaan data.

± Dalam pengertian yang lebih luas. tabel. 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. ‡ Statistika (Statistics) : ilmu pengetahuan yang berhubungan dengan cara pengumpulan. pengolahan. statistik dapat diartikan sebagai kumpulan data dalam bentuk angka maupun bukan angka yang berasal dari sampel. diagram atau grafik untuk menggambarkan atau memberikan informasi mengenai suatu fakta.PENGERTIAN STATISTIK ‡ Kata statistik berasal dari bahasa Inggris ³state´. 6 . ‡ Data statistik : Kumpulan angka ± angka yang disusun dan disajikan dalam bentuk daftar. 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. yang digunakan oleh berbagai pihak untuk perencanaan kegiatan dan pengambilan keputusan.PERANAN DAN KEGUNAAN STATISTIK ‡ Peranan dan Kegunaan Statistik : ‡ Dalam kehidupan sehari ± hari berperan sebagai penyedia data. 7 . tingkat biaya hidup dll. misalnya tingkat harga bahan pokok.

‡ 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 . ‡ Statistik deskriptif : sebagai alat untuk mendeskripsikan suatu gejala / fenomena sosial berdasarkan data yang terkumpul. maka dibedakan Statistik Deskriptif dan Statistik Inferensial. umumnya berupa pengujian-pengujian hipotesis.STATISTIK DESKRIPTIF DAN INFERENSIAL ‡ Berdasarkan fungsi statistik dalam suatu penelitian.

9 . 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. Ukuran penyebaran : untuk melihat penyebaran atau distribusi nilai data dalam bentuk angka mutlak. Ukuran pemusatan : untuk melihat kecenderungan memusat dari nilai data dalam bentuk mean.persentase atau nilai kumulatif.

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

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

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 .

Contoh : umur. Variabel bersambungan (continuous variables) : variabel yang nilai ± nilainya berupa skala. Variabel politomi : variabel lebih dari 2 variasi nilai. jumlah pendapatan. 13 . 2. tingkat sentuhan media massa. Variabel dikotomi : variabel terdiri dari 2 variasi nilai. tingkat kriminalitas dll. Variabel kategorikal (categorical variables) : variabel yang membagi variasi nilai dalam 2 atau lebih kategori. 1. Contoh : .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. Contoh : .Jenis kelamin (pria/wanita).Jenis pendidikan (Tidak sekolah/SD/SMP) b.

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

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

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

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

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

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

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

Contoh metode sampling 2 : Suatu populasi nilai kekayaan (dalam jutaan rupiah) yang terdiri dari 10 elemen (anggota populasi) sbb: X1 = 20. X5 = 5. X6 = 7. X3 = 5. X10 = 12. X2 = 4. maka : 20 + 4 + 5 + 10 + 5 + 7 + 22 + 25 + 8 + 12 µ = --------------------------------------------------------. X9 = 8. X4 = 10.rata nilai kekayaan ? Jawaban : Bila diambil seluruh data populasi. X7 = 22. Tentukan rata . X8 = 25.8 10 21 .= 118 : 10 = 11.

X6. X4 = 10. X1. X6. X5.5 (close enough) 22 (over estimate) (under estimate) . X = (20 + 5 + 10 + 7 + 25 + 8) : 6 = 12. X2 = 4. X8 dan X10. X = (4 + 5 + 5 + 7 + 22 + 8) : 6 = 8. X3. X6. X7 = 22. X4. X2. X9 = 8. X3. X8 = 25. X7 dan X9. X10 = 12. Diambil 6 elemen sebagai sampel (n=6) secara acak : 1. X5 = 5. X1. X2. X4. X6 = 7. X3 = 5. X8 dan X9.X1 = 20. X = (20 + 4 + 10 + 7 + 25 + 12) : 6 = 13 2.5 3.

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

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

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

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 .

pada setiap kelas interval. contoh : kelas interval 1 = 20 ± 39 kelas interval 2 = 40 ± 59 Batas Bawah Kelas Interval = Angka disebelah kiri. 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. pada setiap kelas interval. contoh : 20 ± 39 40 ± 59 29 .

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 .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 bawah kelas interval 2 = (40 + 39) / 2 = 39. notasi b = (Batas bawah kelas ybs + batas atas kelas sebelumnya) : 2. Tepi bawah kelas interval (batas bawah nyata). notasi a = (Batas atas kelas ybs + batas bawah kelas sesudahnya) : 2.

p = (40 ± 20) = 20 d.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. Tepi atas kelas ± tepi bawah kelas. Selisih titik tengah dua kelas berurutan. notasi p atau i = a.5 ± 39. p = (59. ttk = m = (60 + 79)/2 = 69.5) = 20 b. Selisih batas bawah dengan batas bawah sebelumnya. p = {(60 + 79)/2 ± (40 + 59)/2}= 20 c.5 Panjang interval kelas. p = (59 ± 39) = 20  31 .

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

Menggambarkan frekuensi per kategori.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 .

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

5 87.5 67.5 71.5 91.5 51.5 47.5 Batas atas nyata 47.5 63.5 55.5 83.5 75.5 79.5 87.5 79.95 Jumlah frekuensi 2 4 10 14 12 5 3 50 Batas bawah nyata 39.Gambarkan grafik histogram dan grafik poligon data dibawah ini ! Data 40 ± 47 48 ± 55 56 ± 63 64 ± 71 72 ± 79 80 ± 87 88 .5 Nilai tengah interval 43.5 63.5 55.5 71.5 59.5 35 .5 95.

Contoh Grafik Histogram ± Skala ukuran interval.5 55.5 1 71.5 95.5 87.5 47. Pada absis X merupakan batas bawah nyata dan batas atas nyata dari kelas interval.5 79. Nilai Ujian Matematik Mahasiswa 16 14 12 Frekuensi 10 8 6 4 2 0 39.5 63.5 36 .

5 75.5 67.5 91.5 51.5 59.5 83.5 37 .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 49.5 59.5 29.Gambarkan grafik ogive dari data di bawah ini ! Data Jumlah frekuensi 20 26 27 16 5 6 100 Batas atas nyata 0 9.5 19.5 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 3 39.5 1 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 9.5 2 29.Contoh : Grafik Ogive berdasarkan frekuensi kumulatif dan batas nyata dari data.5 59.5 6 39 .5 4 49.

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 A B C Sumber : Data hipotetis 40 I 20 15 40 II 30 25 35 III 50 70 55 IV 60 50 30 .

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

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

Sign up to vote on this title
UsefulNot useful