BAB I
PENDAHULUAN
A.
Arti Statistik
Statistik bagi sebagian besar orang dianggap sesuatu
yang sulit, membingungkan, bahkan cenderung untuk dihindari. Mendengar kata
statistik terbayang sederetan angka dan rumus-rumus yang membingungkan.
Padahal, dalam kehidupan sehari-hari kita selalu berhubungan dangan statistik,
kita terbiasa menghitung kenaikan harga bahan sembako, rata-rata biaya yang
dikeluarkan setiap bulan untuk keperluan anak sekolah, biaya listrik,
transportasi, dan lain-lain, itu semua pada dasarnya adalah statistik.
Secara terminologis, statistik bermakna sebagai
kegiatan atau proses yang berkaitan dengan pengumpulan data, menyusun,
menganalisis, menyajikan, dan menginterpretasikan keterangan atau data yang
berupa angka sehingga dapat memberikan suatu makna atau arti dari data tersebut. Keberadaan statistik dalam kehidupan manusia
sebenarnya memiliki peran yang sangat besar dalam membantu mengarahkan kepada
suatu tindakan yang terkait pengambilan suatu kesimpulan.
Pada dasarnya statitistik adalah suatu alat. Sebagai
suatu alat, statistik pasti dibatasi dengan norma-norma, batasan-batasan dalam
penggunaannya, sehingga ketaatan pengguna statistik terhadap norma-norma
tersebut menjadi sesuatu yang sangat penting. Oleh karenanya, pemahaman yang
benar terhadap metode statistik, fungsi,
dan jenis menjadi suatu keharusan sebelum penggunaan statistik dalam
pengambilan suatu keputusan terhadap data dimiliki dan akan diinterpretasikan.
B. Fungsi Statistik
Fungsi statistik tidak terlepas dari
jenis staitis itu sendiri. Secara sederhana dapat dijelaskan, fungsi suatu
benda akan diperoleh dari jenis benda dan penggunaan benda itu. Untuk memahami
fungsi statistik, maka terlebih dahulu memahami jenis-jenis statistik. Dalam
penelitian, statistik terbagi menjadi dua jenis yaitu statistik deskriptif dan
statistik inferensial. Statistik deskriptif digunakan untuk memperoleh gambaran,
menjelaskan suatu fenomena yang terjadi pada populasi atau area tertentu secara
faktual tanpa melakukan intervensi, dan manipulasi terhadap kondisi populasi
dan hasilnya tidak dapat digeneralisasikan. Sedangkan statistik inferensial
adalah statistik yang digunakan untuk penarikan kesimpulan mengenai keseluruhan
populasi berdasarkan data atau gejala yang ditemukan dari sampel penelitian
(digeneralisasikan).
Secara ringkas, kedua jenis statistik
dapat disajikan sebagai berikut ini:
Statistik
|
Statistik Deskriptif
|
Statistik Inferensial
|
Statistik Nonparametrik
|
Statistik Parametrik
|
Gambar 1. Jenis Statistik
Berdasarkan kepada kedua jenis
statistik tersebut, maka fungsi statistik yaitu:
1. Membantu peneliti dalam menentukan
populasi dan sampel yang tepat sesuai dengan tujuan penelitian
2. Membantu peneliti untuk mengolah data
yang telah terkumpul
3. Membantu dalam membuat prediksi
kondisi populasi yang diteliti
4. Membantu ketepatan peneliti dalam
melakukan interpretasi dan menarik suatu kesimpulan.
BAB II
DATA DAN CARA MENYAJIKANNYA
A. Data dan Jenis Data
Data adalah keterangan atau informasi tentang sesuatu. Data berupa data
kualitatif dan data kuantitiatif. Statistik digunakan untuk mengolah data
kuantitatif. Sebelum melakukan pengolahan terhadap data, maka sebelumnya harus
melakukan verifikasi terhadap data yang telah terkumpul termasuk data nominal,
ordinal, interval, atau rasio. Karena jenis data akan mempengaruhi teknik
statistik yang digunakan.
Agar
lebih memahami jenis data, maka secara rinci akan dibahas sebagai berikut:
1. Data Nominal
Data nominal merupakan data yang hanya dapat digolong-golongkan,
berbentuk diskrit dan kategorikal. Diantara
data tidak memiliki arti hitung, dan angka yang diterapkan hanya bersifat
simbol.
Contoh data berbentuk nominal:
Jenis Kelamin
|
Kode/simbol
|
Perempuan
|
1
|
Laki-laki
|
2
|
Perhatikan jenis data di atas, untuk jenis
kelamin perempuan simbolnya 1 dan laki-laki simbolnya adalah 2. Dalam
pengumpulan data penelitian, peneliti
akan berhadapan dengan angka 1 dan 2 yang diolah secara statitistik, namun
kedua angka tersebut tidak memiliki makna bahwa 2 lebih besar/lebih tinggi dari
angka 1. Angka-angka tersebut hanya sebagai simbol. Contoh berikutnya:
Nama Mahasiswa
|
NPM
|
Rudi
|
11130243
|
Rani
|
11130244
|
Dian
|
11130245
|
Rita
|
11130246
|
Yani
|
11130247
|
Data di atas disebut sebagai data nominal,
meskipun urutan NPM Yani lebih besar dari Rudi, hal tersebut hanya sebagai
simbol dan tidak diartikan bahwa Yani lebih pintar daripada Rudi
2.
Data Ordinal
Merujuk
pada kata “ordinal”, maka data ordinal adalah data yang memiliki nilai
berjenjang, memiliki posisi dalam suatu urutan. Kedudukan atau angka yang
ditunjukkan dari data ordinal tidak lagi memiliki makna setara, namun sudah menunjukkan peringkat/jenjang/gradasi.
Misalkan, Andi peringkat I, Dwi peringkat II, dan Tomo peringkat III. Hal ini
menunjukkan bahwa Andi peringkatnya lebih baik dari Dwi dan Tomo, Dwi lebih
baik dari Tomo.
Sesuatu
yang sangat penting dipahami adalah dalam data ordinal, perbedaan dan nilai variasi antara tingkatan
atau jenjang satu dengan yang lainnya tidak jelas, dan tidak sama. Ukuran yang
kerap digunakan adalah, jika nilai lebih besar maka dia peringkat I, dst-nya.
Contohnya: Tomo memperoleh nilai 85, Dwi 90, dan Andi 83, maka secara
berturut-turut diketahui bahwa Dwi berada pada peringkat I, Tomo II, dan Andi
III. Jika diperhatikan diantara ketiga peringkat tersebut, jarak antara nilai
Dwi, Tomo, dan Andi adalah tidak sama.
3.
Data
Interval
Data
interval merupakan data yang memiliki nilai variasi antara satu dengan lainnya
lebih jelas. Ciri-ciri yang ada pada data ordinal dan nominal pada dasarnya
juga dimiliki oleh data interval, namun kriteria nilai variasi antar data pada
data interval lebih jelas dan terukur, selisih jumlah nilai dan variasi nilai
antar kategori diketahui, dan satuan ukur memiliki skala yang sama dalam
selisih ukurannya. Hal lain yang perlu diperhatikan bahawa data interval tidak
memiliki angka 0 mutlak. Contoh:
Berikut
data nilai Statistik mahasiswa Bimbingan dan Konseling UM Metro:
No
|
Nama Mahasiswa
|
Nilai
|
1
|
Anto
|
4
|
2
|
Rani
|
2
|
3
|
Dian
|
3
|
4
|
Tri
|
3
|
5
|
Yani
|
2
|
6
|
Dika
|
3
|
7
|
Asih
|
3
|
8
|
Deni
|
2
|
9
|
Bidu
|
2
|
10
|
Rindi
|
0
|
Nilai yang diperoleh mahasiswa di atas
disebut data interval, karena data atau nilai tersebut diperoleh dari atau
berpedoman pada kriteria jarak/interval
yang jelas dan konstan, yaitu misalnya:
Penguasaan
Materi
|
Angka Mutu
|
Nilai
|
81-100%
|
A
|
4
|
61-80%
|
B
|
3
|
41-60%
|
C
|
2
|
21-40%
|
D
|
1
|
0-20%
|
E
|
0
|
Dari kriteria di atas jelas bahwa, jarak masing kelas
interval adalah 20. Sehingga nilai yang diperoleh ketika mahasiswa mampu
mengerjakan 81-100% dari soal yang diberikan akan memperoleh nilai 4. Dengan
demikian, nilai Anto 2 kali lebih tinggi dari nilai Yani. Namun, tidak dapat dikatakan bahwa kemampuan statistik Anto
2 kali kemampuan Yani. Selain itu, data interval tidak memiliki batas angka 0
yang mutlak, contoh: ketika Rindi memperoleh nilai 0, tidak dimaknai bahwa Rindi
sama sekali tidak mempunyai kemampuan dalam statistik. Contoh lain pengukuran yang
meghasilkan data interval adalah hasil pengukuran tes IQ, dan juga termometer.
4. Data Rasio
Pada data interval tidak ada 0
mutlak, maka pada data rasio angka 0 memiliki makna yang dapat menjelaskan
suatu nilai pengukuran. Data rasio merupakan data yang tingkatannya paling
tinggi dan paling ideal. Selain variasi nilai interval yang jelas, titik 0
memiliki nilai yang mutlak. Titik 0 mutlak dimaknai, bahwa ketika hasil
pengukuran menunjukkan nilai 0, maka hasil pengukuran menunjukkan tidak
terdapat sama sekali suatu gejala. Contoh, ketika 0 kg, berarti benda tidak
memiliki bobot berat sama sekali.
Data rasio juga dapat menjelaskan
perbandingan yang tepat terhadap suatu perbedaan atau perbandingan hasil
pengukuran, seperti hasil atau nilai A separuh dari nilai B. Contohnya:
Dari suatu proses pengukuran berat
badan, diketahui :
Nama
|
Berat Badan
|
Yuni
Budi
Anto
Saiful
Rudi
|
40 kg
60 kg
80 kg
40 kg
60 kg
|
Data tersebut merupakan data rasio,
dan dapat menunjukkan bahwa berat badan yuni setengah atau separuh dari berat
badan Anto. Contoh lainnya adalah cincin
seberat 10 gram 2 kali lebih berat dari
cincin yang beratnya 5 gram. Pemaknaan nilai rasio pada contoh data rasio di
atas, tidak diperkenankan pada data interval.
Data rasio umumnya dihasilkan dari
alat/instrumen pengukuran benda-benda fisika. Contoh data rasio misalnya ukuran
panjang, berat, luas, luas, dll.
B. Penyajian Data
Penyajian data sangat berguna untuk
mempermudah memahami dan memaknai data yang telah diperoleh dan dianalisis.
Dalam menyajikan data perlu diperhatikan ketuntasan,kerapian, dan kejelasan
kategori dari data yang akan disajikan, sehingga data dapat secara jelas
menggambarkan suatu kondisi yang diamati. Penyajian data dapat berupa tabel
atau daftar, grafik, dan diagram.
1. Tabel
Data yang telah terkumpul dan dianalis dapat disajikan dalam bentuk
tabel. Hal yang perlu diperhatikan dalam menyusun adalah kemudahan membaca isi
tabel yang bukan hanya dipahami oleh pembuat tabel, namun juga oleh orang
lain/pembaca lain. Beberapa patokan
dasar yang perlu diperhatikan dalam menyusn tabel menurut A. Muri Yusuf (1987),
antara lain adalah sebagai berikut:
a. Judul tabel
b. Judul kolom (sub bagian)
c. Judul baris
d. Sumber data (bagi data yang hasil
kutipan)
Contoh:
Tabel 1. Jumlah Mahasiswa BK Universitas X Angkatan 2011-2013
Tahun
Angkatan
|
Jumlah
Mahasiwa
|
Jumlah
|
|
Laki-laki
|
Perempuan
|
||
2011
|
30
|
60
|
|
2012
|
12
|
46
|
|
2013
|
30
|
45
|
|
Total
|
72
|
151
|
223
|
Sumber:
Dokumentasi Biro Akademik dan Kemahasiswaan
Universitas X
Untuk lebih memahami cara membuat
tabel, maka berikut disajikan contoh tabel data minat baca siswa SMA N 10 Kota
Metro tahun ajaran 2013/2014:
Tabel 2. Minat Baca Siswa SMA N 10 Kota
Metro Tahun Ajaran
2013/2014
Minat Baca
|
Kelas
|
Jumlah
|
||
X
|
XI
|
XII
|
||
Sangat Tinggi
|
6
|
12
|
15
|
33
|
Tinggi
|
12
|
16
|
10
|
38
|
Sedang
|
10
|
2
|
5
|
17
|
Rendah
|
2
|
0
|
0
|
2
|
Sangat Rendah
|
0
|
0
|
0
|
0
|
2. Diagram dan grafik
Diagram atau grafik adalah cara penyajian data agar data yang telah
terkumpul dan dilakukan analisa dapat divisualisasikan, sehingga akan mudah
untuk melakukan interpretasi terhadap data tersebut. Bentuk diagram dan grafik
bermacam-macam, yaitu diagram batang (bar diagram), histogram, poligon, ogive, grafik
garis, pie, diagram lambang, dan diagram pencar.
a. Diagram Batang dan Histogram
Diagram batang menyajikan data dalam bentuk luas batang. Secara umum lebar
batang dibuat sama, tetapi tingginya yang bervariasi. Diagram batang digunakan
untuk menyajikan data yang berbentuk nominal, sedangkan histogram sangat cocok
untuk menyajikan data ordinal ataupun interval. Untuk histogram, biasanya pada
sumbu “X” Yng diterapkan adalah nilai interval atau batas nyata, atau kategori
(jika data telah dianalisis). Sebelum menyajikan data dalam bentuk diagram
batang, sebaiknya dibuat terlebih dahulu tabel persiapan data yang ada. Contoh
menyajikan data dalam bentuk diagram dan histogram:
1) Berikut disajikan data berbagai profesi
penduduk kelurahan X.
Tabel 3.
Profesi Penduduk Desa X tahun 2013
Jenis Profesi
|
Jumlah
|
Polisi/TNI
|
20
|
Guru
|
50
|
Petani
|
100
|
Nelayan
|
43
|
Pedagang
|
90
|
Data profesi penduduk di desa X pada tabel di atas disajikan dalam bentuk
diagram batang adalah sebagai berikut:
Gambar 1. Profesi Penduduk
Desa X tahun 2013
2) Dari hasil pengumpulan data terhadap
kompetensi Guru BK SMA N di Daerah X pada tahun 2013, maka diperoleh data yang
disajikan dalam tabel berikut:
Tabel 4. Kompetensi Guru BK SMA N Se-Kota X
tahun 2013
Rentangan
Skor
|
Kategori
|
Frekuensi
|
141-160
|
Sangat
Tinggi
|
25
|
121
– 140
|
Tinggi
|
67
|
101
– 120
|
Sedang
|
39
|
81
– 100
|
Rendah
|
10
|
60-
80
|
Sangat
rendah
|
5
|
Dalam bentuk histogram, data tersebut disajikan seperti dibawah ini:
Gambar
2. Kompetensi Guru BK SMA N Se-Kota X tahun 2013
Atau disajikan sebagai berikut:
Gambar 3. Kompetensi Guru BK
SMA N Se-Kota X tahun 2013
Dengan penyajian data dalam bentuk
diagram batang ataupun histogram, maka akan membantu dalam membaca dan
mengiinterpretasikan data yang telah diperoleh.
b. Poligon
Menyajikan data dalam bentuk
poligon dilakukan dengan membuat garis/ grafik
yang menghubungkan antara titik tengah
masing-masing balok pada histogram. Contoh poligon seperti dibawah ini:
Gambar 4. Poligon Kompetensi Guru BK
SMA N Se-Kota X tahun 2013
5. Ogive
Ogive disebut juga sebagai poligon meningkat
(komulaitif) atau grafik
frekuensi meningkat, karena cara pembuatannya dengan menjumlah frekuensi pada
tiap nilai variabel. Contoh penyajian data dalam bentuk ogive seperti dibawah
ini:
Hasil nilai
Statisitk 80 Mahasiswa BK UM Metro Semester V,
secara rinci disajikan dalam tabel berikut:
Tabel 5. Nilai Statistik Mahasiwa BK UM
Metro tahun 2013
NO
|
Nilai
|
Batas Nyata
|
f
|
Cumulatif frekuensi (cf)
|
C %
|
1
|
90-100
|
89,5
|
25
|
80
|
100%
|
2
|
80-89
|
79,5
|
40
|
55
|
68.75 %
|
3
|
60-79
|
59,5
|
10
|
15
|
18.75
|
4
|
50-59
|
49,5
|
5
|
5
|
6.25
|
Jika
disajikan data di atas disajikan dalam bentuk ogive adalah seperti dibawah ini
(didasarkan pada komulatif frekuensi):
Cum F
|
Nilai
|
Gambar 6.
Ogive Nilai Statistik Mahasiwa BK UM Metro tahun 2013
Atau dengan menggunakan Commulatif
Persen (C %)
Nilai
|
C %
|
Gambar 6.
Ogive Nilai Statistik Mahasiwa BK UM Metro tahun 2013
Perbedaan ogive dengan poligon selain
dari penyajian gambar adalah, jika ogive yang menjadi patokan (sumbu X) adalah
nilai batas nyata, sedangkan poligon adalah nilai tengah.
6. Grafik Garis
Grafik garis merupakan penyajian data yang sering kali digunakan dalam
statistik survey atau sensus. Grafik
garis cenderung cocok digunakan untuk menyajikan data yang bersifat
berkesinambungan. Contohnya sebagai berikut:
Tabel
6. Perkembangan Jumlah kendaraan Bermotor
di Lampung
Tahun
|
Jumlah kendaraan (Unit)
|
1990
|
4000
|
1995
|
6500
|
2000
|
7000
|
2005
|
10000
|
2010
|
15000
|
Jika disajikan dalam bentuk grafik
garis adalah sebagai berikut:
Tahun
|
Gambar 7. Grafik Jumlah
Peningkatan Jumlah kendaaraan 1990-2010
7. Diagram Pie
Diagram pie menggambarkan karaktersitik data yang disajikan dalam bentuk
lingkaran. Contoh:
Tabel 7. Data
Pekerjaan Penduduk Desa X
Pekerjaan
|
Jumlah
|
Persentase
|
Petani
|
300
|
61%
|
PNS
|
50
|
10%
|
POLRI
|
7
|
2%
|
Pedagang
|
100
|
20%
|
Buruh
|
35
|
7%
|
Disajikan dalam bentuk Pie sebagai berikut:
Gambar 8. Diagram Pie
Pekerjaan penduduk desa X
Dengan diagram, terlihat secara jelas klasifikasi dan jumlah dari
komponen data yang kita sajikan, sehingga dalam memberikan penafsiran terhadap
data menjadi lebih mudah.
BAB III
DISTRIBUSI FREKUENSI
Terkadang dalam suatu penelitian, peneliti dihadapkan data
yang jumlahnya sangat banyak sehingga cukup rumit dalam melakukan analisis.
Oleh karena itu, diperlukan suatu pengelompokkan terhadap data yang jumlahnya
cukup banyak tersebut. Salah satu cara dalam statistik untuk melakukan
pengelompokkan data dengan membuat distribusi frekuensi. Dengan demikian,
distribusi frekuensi adalah proses mengelompokkan data dengan berdasarkan kategori atau kriteria-kriteria tertentu.
Distribusi frekuensi dibagi
menjadi 2:
1. Distribusi Frekuensi Tunggal
2. Distribusi Frekuensi Berganda
Distribusi Frekuensi Tunggal
Distribusi frekuensi tunggal
digunakan untuk menyajikan data dengan cara tidak membuat interval pada
datanya. Dalam penyajiannya, distribusi frekuensi tunggal hampir sama dengan
membuat tabel.
Contoh: Dari ujian MK statistik mahasiswa BK
UM Metro dengan jumlah 30 mahasiswa, diperoleh nilai sebagai berikut:
70
|
90
|
90
|
80
|
90
|
70
|
95
|
80
|
70
|
90
|
80
|
85
|
85
|
75
|
90
|
80
|
70
|
85
|
75
|
90
|
75
|
75
|
70
|
75
|
70
|
75
|
70
|
80
|
70
|
80
|
Sebelum data dikelompokkan dalam
distribusi frekuensi, data diurutkan terlebih dahulu. Setelah itu, dihitung
frekuensi tiap data. Setelah diketahui frekuensinya, disajikan dalam distribusi
frekuensi, sebagai berikut:
Tabel 8. Distribusi
Frekuensi Nilai Statistik
Mahasiswa BK
UM Metro
Nilai
|
Frekekuensi
(f)
|
95
|
1
|
90
|
6
|
85
|
3
|
80
|
6
|
75
|
6
|
70
|
8
|
Jumlah
|
30
|
Distribusi Frekuensi Berganda/
Berkelompok
Distribusi
frekuensi berganda disusun berdasarkan suatu kategori/kelas/kelompok
tertentu. Data yang telah terkumpul
diolah dan dimasukkan dlam kategori/kelompok tertentu. Konsep yang harus
dipahami dalam menyusun distribusi frekuensi berganda yaitu:
a. Range
b. Kelas Interval
c. Interval
d. Batas kelas
Agar lebih memahami konsep tersebut,
maka perhatikan tahapan dalam menyusun disttribusi frekuensi berganda berikut:
Contoh: Suatu penelitian terhadap motivasi belajar
siswa, dimana sampel berjumlah 30 dan
diambil secara random diperoleh skor motivasi belajar siswa sebagai berikut:
125
|
110
|
120
|
100
|
120
|
90
|
120
|
120
|
100
|
90
|
110
|
120
|
90
|
90
|
90
|
125
|
125
|
90
|
80
|
90
|
90
|
95
|
110
|
80
|
100
|
120
|
80
|
110
|
90
|
100
|
Agar mudah
menganalisis, data di atas diurutkan terlebih dahulu:
80
|
90
|
95
|
110
|
120
|
80
|
90
|
100
|
110
|
120
|
80
|
90
|
100
|
110
|
120
|
90
|
90
|
100
|
120
|
125
|
90
|
90
|
100
|
120
|
125
|
90
|
90
|
110
|
120
|
125
|
1.
Range
Setelah
mengurutkan data, maka kita akan bisa memahami dan mencari range dari data yang
telah terkumpul. Range adalah rentangan nilai tertinggi dengan nilai terrendah.
Dari data di atas, range adalah:
R : Data Tertinggi- data terrendah
R : 125-
80
R : 45
2.
Kelas Interval
Kelas interval adalah banyaknya/jumlah kelompok data yang akan
disajikan. Dalam kelas interval ada yang
disebut batas bawah/lower limit
(sebelah kiri), dan batas atas/upper
limit (sebelah kanan). Untuk mencari kelas interval, digunakan rumus
berikut:
K = 1+ 3.3 Log n
Keterangan:
K adalah
jumlah atau banyak kelas
n adalah
jumlah sampel
Dengan menggunakan rumus tersebut, diketahui jumlah kelas interval
adalah:
K = 1+ 3.3 Log n
K= 1 + 3.3 .1,4771
K= 5,87443 dibulatkan menjadi 6
3.
Interval
Setelah diketahui range, dan
juga kelas interval selanjutnya dicari interval. Interval adalah selisih
positif antara batas bawah dan batas atas. Untuk mencari kelas interval, rumus
yang digunakan adalah sebagai berikut:
Interval =7,5 dibulatkan 8
4.
Batas Kelas
Setelah mencari interval, selanjutnya adalah menentukkan batas kelas.
Batas Bawah
|
Batas Atas
|
Batas Nyata Bawah
|
Batas Nyata Atas
|
80
|
87
|
79,5
|
87,5
|
88
|
95
|
87,5
|
95,5
|
96
|
103
|
95,5
|
103,5
|
104
|
111
|
103,5
|
111,5
|
112
|
119
|
111,5
|
119,5
|
120
|
127
|
119,5
|
127,5
|
Setelah semua diketahui, maka data yang telah diperoleh disajikan dalam
distribusi frekuensi berganda:
Tabel 9. Distribusi Frekuensi Nilai Statistik
Mahasiswa
BK UM Metro
Nilai Statistik
|
Frekuensi
|
120-127
|
9
|
112-119
|
0
|
104-111
|
4
|
96-103
|
4
|
88-95
|
10
|
80-87
|
3
|
Jumlah
|
30
|
Selanjutnya, distribusi frekuensi di atas akan dapat memberikan informasi
yang lebih lengkap jika disajikan/ disusun menjadi distribusi frekuensi
Kumulatif. Contohnya sebagai berikut:
Tabel 10. Distribusi
Frekuensi Nilai Statistik Mahasiswa BK UM Metro
Nilai
Statistik
|
F
|
frekuensi
relatif (fr)
|
Frekuensi
Komulaitf (fk)
|
Frekuensi
komulatif relatif (fkr)
|
120-127
|
9
|
30
|
9
|
30
|
112-119
|
0
|
0
|
9
|
30
|
104-111
|
4
|
13,33
|
13
|
43.33
|
96-103
|
4
|
13,33
|
17
|
56.66
|
88-95
|
10
|
33,34
|
27
|
90
|
80-87
|
3
|
10
|
30
|
100
|
Soal:
Berikut daftar nilai MK Manajemen BK mahasiswa BK UM Metro angkatan 2012:
6
|
7
|
7
|
6
|
8
|
7
|
7
|
8
|
8
|
8
|
6
|
7
|
8
|
6
|
8
|
6
|
7
|
9
|
9
|
8
|
7
|
7
|
8
|
6
|
8
|
9
|
7
|
7
|
8
|
7
|
8
|
7
|
9
|
8
|
7
|
7
|
8
|
9
|
9
|
7
|
9
|
7
|
9
|
9
|
8
|
7
|
9
|
9
|
8
|
7
|
7
|
6
|
7
|
8
|
9
|
7
|
8
|
8
|
9
|
7
|
9
|
6
|
8
|
8
|
7
|
7
|
9
|
8
|
8
|
8
|
9
|
7
|
9
|
7
|
8
|
7
|
7
|
8
|
9
|
8
|
8
|
8
|
7
|
7
|
9
|
7
|
7
|
8
|
8
|
8
|
Tugas: Buatlah distribusi frekuensi (
tunggal dan berganda) dari data di atas dan sajikan dalam bentuk histogram,
poligon, dan ogive. Untuk mengerjakan perhatikan petunjuk dibawah ini:
A B C D E F
0 1 2 3 4 5
BAB IV
CENTRAL TENDENCY
Data
yang terkumpul dalam suatu kegiatan pengukuran dan dianaliis secara statistik
memiliki suatu keragaman, baik itu perbedaan data ataupun juga persamaan. Untuk
memahami dan dapat menjelaskan data tersebut, maka sangat penting untuk melihat
kecenderungan penyebaran data. Melalui penyajian data dalam bentuk diagram yang
bersifat normal, terlihat bahwa terjadi penyebaran data, ada data yang
cenderung mengumpul (memusat/berada ditengah), dan ada data yang menjauh
(berada dipinggir kiri atau kanan).
Penyajian
data dalam bentuk diagram hanya dapat memberikan gambaran akan
penyebaran/kecenderungan posisi data, namun belum bisa menjelaskan angka atau
nilainya. Oleh karena itu sangat diperlukan pengukuran central tendency untuk
menentukan atau menilai secara akurat nilai yang menjadi pusat distribusi baik
individual ataupun kelompok, sehingga peneliti dapat secara tepat melakukan
interpretasi. Pengukuran central tendency dilakukan melalui tiga cara, yaitu
mean, , median, dan mode/modus.
a.
Mean/rata-rata
Mean atau rata-rata merupakan nilai rata-rata yang dimiliki oleh
kelompok/distribusi. Mean adalah hasil bagi antara jumlah skor/nilai dengan banyaknya responden. Rumus yang digunakan untuk menghitung nilai
rata-rata yaitu:
Σ Xi
X = -------------
N
Contoh:
Nilai Agama dari dua kelas:
Kelas A
|
10
|
9
|
8
|
10
|
8
|
6
|
8
|
9
|
10
|
Kelas B
|
8
|
8
|
8
|
9
|
8
|
7
|
8
|
9
|
8
|
Jumlah
Nilai ------kelas A: 78
kelas B : 73
Rata-rata
nilai agama adalah:
Kelas A :78/9 = 8,67
Kelas B : 73/9 =8,11
Berdasarkan
perhitungan rata-rata nilai Agama di atas, terlihat bahwa keas A memiliki nilai
rata-rata yang lebih tinggi jika dibandingkan dengan nilai rata-rata Agama
kelas B.
Mencari
nilai rata-rata dengan rumus di atas akan sulit jika dihadapkan dengan jumlah angka yang cukup
banyak. Untuk itu, dengan menggunakan distribusi frekuensi maka dengan data
yang banyak menghitung rata-rata akan menjadi mudah.
Contoh:
Berikut
nilai statistik 30 mahasiswa UM Metro. Untuk menghitung rata-rata, maka data
disajikan dalam bentuk distribusi frekuensi sebagai berikut:
Nilai (X)
|
(f)
|
fX
|
95
|
1
|
95
|
90
|
6
|
540
|
85
|
3
|
255
|
80
|
6
|
480
|
75
|
6
|
450
|
70
|
8
|
560
|
Jumlah
|
30
|
∑fX:2380
|
Setelah data disusun dalam distribusi frekuensi,
selanjutnya hitung nilai rata-rata menggunakan rumus:
X
= 2380/30
Dengan demikian, nilai rata-rata (X )= 79,33
Untuk mencari rata-rata data yang disajikan dalam distribusi
bergolong/berkategori, maka menggunakan nilai tengah (midskor) masing-masing kelas interval.
Contoh:
Berikut nilai statistik mahasiswa BK UM Metro yang telah disajikan dalam bentuk distribusi frekuensi berganda:
Nilai (X)
|
f
|
Xi
|
fi.Xi
|
120-127
|
9
|
123.5
|
1111.5
|
112-119
|
0
|
115.5
|
0
|
104-111
|
4
|
107.5
|
430
|
96-103
|
4
|
99.5
|
398
|
88-95
|
10
|
91.5
|
915
|
80-87
|
3
|
83.5
|
250.5
|
Jumlah
|
30
|
|
∑=3105
|
Dengan
menggunakan nilai tengah (midskor), maka
diketahui nilai rata-rata yaitu:
X =
X =
= 103.5
Berdasarkan perhitungan tersebut, nilai
rata-rata statistik mahasiswa BK UM Metro adalah 103.5
Selain dua
cara di atas, untuk menghitung nilai rata-rata juga dapat menggunakan mean
terkaan (assumed mean). Cara adalah
memperkirakan dimana kira-kira nilai rata-rata yang dapat digunakan untuk
menentukan nilai rata-rata yang sebenarnya, dengan memilih salah satu kelas
interval dan letakkan nilai 0 pada mean terkaan. Setelah itu letakkan angka
satu, dua, tiga , dan seterusnya diatas nilai mean terkaan (jika diatas mean
terkaan tandanya adalah positif, dan dibawah adalah negatif).
Rumus yang
digunakan yaitu:
Keterangan:
M : Mean/rata-rata
MT : Mean terkaan (titik tengah interval )
X1 : Deviasi dari mean
terkaan
: Jumlah penyimpangan (deviasi) dari mean
terkaan dikalikan frekuensi
i : Interval
N : Jumlah Individu
Penerapan rumus di atas contohnya adalah sebagai berikut:
Nilai (X)
|
f
|
X1
|
|
120-127
|
9
|
3
|
27
|
112-119
|
0
|
2
|
0
|
104-111
|
4
|
1
|
4
|
96-103
|
4
|
0
|
0
|
88-95
|
10
|
-1
|
-10
|
80-87
|
3
|
-2
|
-6
|
Jumlah
|
30
|
|
∑= 15
|
Perhitungan:
M
= 103.5
Hasil yang (nilai rata-rata) diperoleh antara yang menggunakan mean
terkaan dengan rumus sebelumnya tidak mengalami perbedaan.
b.
Median
Median merupakan nilai yang membagi frekuensi menjadi
dua bagian yang sama; di atas frekuensinya 50% dan dibawah 50%. Cara menghitung
median terdapat beberapa cara, tergantung dengan data yang akan diolah.
1. Distribusi frekuensi data yang jumlahnya ganjil
Untuk mengetahui media pada data yang jumlahnya ganjil maka, langkah yang
dilakukan yaitu:
a) Memgurutkan terlebih dahulu data dari
yang nilai terkecil sampai yang terbesar.
b) Tentukan data yang letaknya
ditengah-tengah atau yang membagi 2 jumlah data tersebut ( Jumlah data dibawah
data yang ditentukan (sebagai median) sama dengan jumlah data diatas data yang
telah ditentukan.
Contoh:
Nilai
Mata Kuliah Teori Kepribadaian 21
mahasiswa BK UM Metro:
70 70 65 80 85 85 60 90 95 90 90 75 80 75 70 60 65 80
80 80 75.
Selanjutnya,
data tersebut di urutkan:
60
60 65 65 70 70 70 75 75 75 80 80 80 80 80 85 85 90
90 90
95
Setelah di urutkan, diketahui median adalah data dengan
urutan ke 11, yaitu 80.
2. Distribusi frekuensi data yang
jumlahnya genap
Contoh:
hasil pengukuran tinggi badan 10 Atlet bola voli:
167,170,170,169,180,184,171,
185,179,189
Pertama; Urutkan
data: 167, 169, 170,170, 171,179,180,184, 185,189
Kedua ; tentukan nilai yang membagi kedua
distribusi, pada diatas adalah 171 dan
179 (jumlah data dibawah 171 adalah 4, dan diatas 179 jumlah data adalah 4). Dengan demikian, median dari distibusi data di
atas adalah: 171+ 179/2 = 175
3. Distribusi Frekuensi Berganda
Jika data yang terkumpul jumlahnya
sangat banyak, maka menganalisisnya yang lebih mudah adalah dengan menyajikan
dalam bentuk disstribusi frekuensi berganda.
Setelah itu, mencari median dari distribusi frekuensi berganda
menggunakan rumus sebagai berikut:
(1/2N – fkb)
Keterangan:
Md : Median
Bb : Batas bawah kelas interval yang
mengandung
median
i : Interval
fm : Frekuensi kelas yang mengandung median
N : Jumlah frekuensi
fkb :
Frekuensi komulatif sebelum/dibawah kelas interval
yang mengandung median
Untuk lebih memahami
mencari media dalam distribusi berganda/berkelompok, perhatikan contoh dibawah
ini:
Distribusi frekuensi nilai
statistik mahasisswa BK UM disajikan
sebagai
berikut:
X
|
f
|
Fk
|
120-127
|
9
|
9
|
112-119
|
0
|
9
|
104-111
|
4
|
13
|
96-103
|
4
|
17
|
88-95
|
10
|
27
|
80-87
|
3
|
30
|
Untuk mencari median pada distribusi frekuensi di atas, perlu diketahui
bahwa: jumlah frekuensi (N) adalah 30, dan interval (i) adalah 8.
Langkah perhitungannya adalah:
a) Tentukan kelompok yang mengandung
median, dengan menggunakan rumus ½ N, dengan demikian diketahui bahwa kelompok
yang mengandung media pada distribusi di atas adalah 15.
b) Setelah itu tentukan kelompok yang
mengandung median. Pada distribusi diatas, median terletak pada kelompok
96-103, yang mempunyai frekuensi komulatif 17. Hal itu diketahui bahawa nilai ½
N adalah 15, artinya bergerak antara frekuensi komulatif 13 dan 17.
c) Tentukan batas bawah kelompok yng
mengandung median (Bb), yaitu 96
d) Tentukan frekuensi komulatif sebelum
kelompok yang mengandung median (fkb) yaitu 13.
e) Tentukan frekuensi kelas interval
yang mengandung median (fm), yaitu 10
f) Setelah itu, median dapat dicari
dengan menggunakan rumus berikut:
(1/2N – fkb)
(15 – 13
Md = 97.6
Dengan demikian median dari
sitribusi di atas adalah 97.6
c.
Mode
Mode secara sederhana
diartikan data yang frekuensinya terbanyak/sering muncul. Mode merupakan
central tendency dalam ukuran kasar, karena hanya didasarkan data yang
frekuensinya terbanyak dalam distribusi frekuensi data.
Contoh:
Nilai Statisitik Mahasiswa: 70 75 80 80 80 75 75 80
Mode dari distribusi frekuensi data nilai statistik diatas adalah 80.
Untuk lebih memahami lagi tentang mode, perhatikan distribusi frekuensi
data berikut:
X
|
f
|
70
|
1
|
75
|
1
|
65
|
1
|
60
|
1
|
80
|
1
|
85
|
1
|
Perhatikan tabel di atas, masing-masing nilai frekuensinya adalah 1 tidak
adak ada frekuensi yang terbanyak, dengan demikian distribusi frekuensi data di atas disebut tidak bermode.
Selain itu, distribusi
frekuensi sering kali ditemui mode yang lebih dari satu.
Contoh:
X
|
F
|
70
|
10
|
75
|
40
|
65
|
30
|
60
|
40
|
80
|
50
|
80
|
15
|
70
|
50
|
75
|
40
|
65
|
50
|
60
|
20
|
Dari tabel di atas, diketahui bahwa frekuensi terbesar adalah 60,
sedangkan nilai yang berfrekuensi 50 yaitu 65, 70, dan 80. Oleh karena
distribusi data di atas memiliki tiga
nilai yang terbanyak, maka distribusi frekuensi di atas mempunyai 3 mode yaitu, 65,70, dan 80.
Untuk mencari mode dari distribusi
frekuensi berganda/berkelompok dilakukan dengan melihat frekuensi terbanyak
pada kelas interval, lalu yang menjadi dasar pengambilan keputusan adalah nilai
tengah kelas interval tersebut.
Contoh:
Nilai (X)
|
f
|
Xi
|
120-127
|
9
|
123.5
|
112-119
|
0
|
115.5
|
104-111
|
4
|
107.5
|
96-103
|
4
|
99.5
|
88-95
|
10
|
91.5
|
80-87
|
3
|
83.5
|
Jumlah
|
30
|
|
Mode dari distribusi frekuensi
berganda/kelompok di atas adalah 91.5. Hal tersebut diketahui dari frekuensi
terbanyak (10) terletak pada kelas interval 88-95, dengan nilai titik tengah (midpoint) adalah 91.5.
BAB V
KUARTIL, DESIL, DAN PERSENTIL
Dalam bidang pendidikan sering dihadapkan pada persoalan
untuk memposisikan nilai yang diperoleh individu dalam suatu letak/kategori
tertentu. Dengan mengetahui posisi/ letak nilai individu, maka dapat dijadikan
penilaian posisi nilai individu tersebut dengan individu lain. Pada pembahasan
terdahulu kita telah mempelajari median dan mean (rerata). Dengan menggunakan
median, kita dapat mengetahui posisi suatu nilai dalam dua kelompok, yaitu
kelompok bawah atau kelompok atas; maksudnya adalah berada pada 50% distribusi
frekuensi bawah atau 50% distribusi frekuensi bagian atas. Sedangkan jika
menggunakan mean, maka ita dapat mengetahui letak posisi nilai individu, yaitu
terletak pada kelompok rata-rata, dibawah rata-rata, atau diatas rata-rata.
Untuk memberikan kesimpulan yang lebih baik dan rinci
dari kecenderungan data yang telah diperoleh dan juga membuat norma yang dapat
digunakan untuk mengklasifikasikan nilai yang telah diperoleh maka dalam
statistik ada beberapa konsep yang digunakan, yaitu kuartil, desil, dan
persentil.
A.
Kuartil
Kuartil merupakan penyebaran skor pada suatu
distribusi frekuensi menjadi empat bagian. Teknik yang digunakan untuk membagi
distribusi frekuensi menjadi empat bagian yaitu dengan menentukan nilai yang
memisahkan tiap-tiap 25% distribusi frekuensi. Sehingga dalam satu distribusi
frekuensi akan terdapat 3 (tiga) kuartil, K1,K2, dan K3.
1. Menentukan kuartil pada data tunggal
Untuk menentukan kuartil pada data yang tidak digolongkan/tunggal,
langkah pertama yang harus dilakukan adalah mengurutkan data dari yang nilai
paling tinggi sampai paling rendah. Setelah data diurutkan, gunakan rumus
berikut untuk menentukan nilai kuartil:
Ki (nilai
yang ke) =
; di mana i =
1, 2 dan 3
i menunjukkan kuartil ke berapa yang
hendak dihitung;
sedangkan n = jml individu / frek.
Contoh:
Nilai MK Pengantar Pendidikan mahasiswa:
70 85 85 80 85 60 75 75 80 80
|
85 90 90 90 85
|
K1 = data ke 1
(15+1)/4 =
Ini
berarti Q1= ialah data ke 4,yaitu:
K2 = data ke 2
(15+1)/4 = 8
Ini
berarti Q2= ialah data ke 8, yaitu 85
K3 = data ke 3
(15+1)/4 = 12
Ini
berarti Q1= ialah daata ke 12,yaitu: 85
|
90
90
K3
|
85
85
85
K2
|
80
80
80
K13
|
75
70
60
Apabila datanya tidak persis seperti urutan yang
ada, misal 2.5, atau 4.75, maka cara mencarinya adalah sebagai berikut:
Contoh:
Berikut nilai MK Dasar-Dasar BK Mahasiswa BK UM
Metro:
70 85 85 80 85 60 75 75 80 80
|
85 90 90 90 85 90 90 90 85 80
|
Urutkan data dari tertinggi sampai terrendah
K1 = data ke 1
(20+1)/4 = 5.25
Ini
berarti Q1= ialah data ke 5.25,yaitu:
80+
0.25 X(80-80)= 80
K2 = data ke 2
(20+1)/4 = 10.5
Ini
berarti Q2= ialah data ke 10.5,yaitu:
85+
0.5 X (85-85)= 85
K3 = data ke 3
(20+1)/4 = 15.75
Ini
berarti Q1= ialah daata ke 15.75,yaitu:
9+
0.75 X(90-90)= 90
|
90
90
90
90
K3
|
85
85
85
K2
|
85
85
80
80
80
K13
|
75
75
70
60
2. Menentukan Kuartil Untuk Data
Bergolong
Menentukan nilai kuartil untuk data bergolong, langkahnya lebih kompleks,
karena yang dihadapi adalah data yang berjumlah cukup banyak. Rumus yang
digunakan yaitu:k
Keterangan:
Bb : Batas bawah nyata kelas yang mengandung
kuartil
Kfb : Komulatif frekuensi dibawah kelas yang
mengandung kuartil
fd : frekuensi dalam kelas interval kuartil
Contoh:
Berikut nilai Statistik
30 Mahasiswa BK UM Metro disajikan dalam distribusi frekuensi:
Nilai
Statistik
|
F
|
Kf
|
|
120-127
|
9
|
30
|
|
112-119
|
0
|
21
|
|
104-111
|
4
|
21
|
K3
|
96-103
|
4
|
17
|
K2
|
88-95
|
10
|
13
|
K1
|
80-87
|
3
|
3
|
|
K1 = 91.1
|
Bb : 87.5
N/4 : 7.5
Kfb : 3
Fd : 10
I : 8
K2 = 99.5
|
Bb : 95.5
N/2 : 15
Kfb : 13
Fd : 4
I : 8
Untuk K3:
K3 = 114.5
|
Bb : 103.5
3/4XN : 22.5
Kfb : 17
Fd : 4
I : 8
B. Desil
Selain membagi suatu distribusi frekuensi data
menjadi 4 kelompok (kuartil), dalam statistik juga terdapat pembagian kelompok
data dalam distribusi frekuensi menjadi 10 bagian, yang sering disebut
desil. Suatu distribusi frekuensi yang
pembagian kelompok datanya merujuk kepada desil akan diperoleh 9 desil, yaitu D1, D2, D3, D4, D5, D6, D7, D8,
dan D9. Desil pertama (D1) dimaknai
sebagai suatu nilai/data yang memisahkan 10% nilai/data dibawahnya dan 90 %
diatasnya. Cara mencari nilai desil mirip dengan mencari nilai kuartil,namun
yang membedakannya terletak pada
pengklasifikasiannya.
Contoh perhitungan desil.
Data Tunggal
Berikut nilai MK Manajemen BK
dari 20 mahasiswa:
70 70 75 70 80 90 85 85 85 65
60 60 65 90 90 95 95 85 85 85
Cari : letak
D4, D5, dan D9
Langkah perhitungannya:
1. Urutkan data dari yang terrendah ke
terbesar:
60 60 65 65 70 70 70 75 80 85 85 85
85 85 85 90 90 90 95 95
2. Setelah itu, gunakan rumus sebagai
berikut:
Dk
D4
= Data ke
D4 = terlatak pada data ke 8,4
D4 = data ke 8 + (data ke 9-data ke8) 0.4
= 75 + (80-75) 0.4
Nilai D4 = 77
D5
= Data ke
D5 = terletak pada data ke 10.5
D5 = data ke 10 + (data ke 11-data ke10) 0.5
= 85 + (85-85) 0.5
Nilai D5 = 85
D9= Data ke
D9
= terlatak pada data ke 18.9
D9 = data ke 18 + (data ke 19-data ke18) 0.9
= 90 + (95-90) 0.9
Nilai D9 = 94.5
Data berkelompok
Untuk mencari
desil pada data yang berkelompok, rumus yang digunakan adalah sebagai berikut:
Contoh:
Nilai
Statistik
|
F
|
Kf
|
|
120-127
|
9
|
30
|
|
112-119
|
0
|
21
|
|
104-111
|
4
|
21
|
|
96-103
|
4
|
17
|
|
88-95
|
10
|
13
|
D3
|
80-87
|
3
|
3
|
|
Perhitungan:
Setelah menentukan letak desil yang akan dicari (dalam menentukan letak
desil, perhatikan frekuensi komulatif frekuensinya), lalu gunakan rumus:
DK
D3
D3 terletak pada data 99.5
C.
Persentil
Secara sederhana persentil dimaknai membagi distribusi frekuensi data
menjadi seratus bagian, sehingga dalam perhitungan persentil akan ditemukan
persentil pertama (P1) sampai
dengan persentil 99 (P99). Pada dasarnya cara untuk mencari
persentil dama dengan mencari kuartil dan desil.
Untuk data tunggal, rumus yang digunakan adalah sebagai berikut:
Pk
K= 1,2,3.......99
Sedangkan untuk data berkelompok/bergolong,
rumus yang digunakan yaitu:
PK
BAB VI
UKURAN VARIABILITAS
Memberikan
makna/ interpretasi terhadap data merupakan sesuatu yang sangat penting. Hasil interpretasi data mendukung peneliti
untuk menarik kesimpulan dan menghasilkan suatu rekomendasi. Oleh karena itu,
ketelitian dan ketepatan dalam melakukan interpretasi menjadi sangat mutlak
diperhatikan.
Banyak cara
yang digunakan dalam statistik dalam membantu peneliti untuk melakukan
interpretasi, antara lain menggunakan range/rentangan, mean deviasi, standar
deviasi, varian, dan Z score. Penguasaan cara dalam membantu melakukan
interpretasi dengan cara di atas, sangatlah penting. Salah satu contoh kondisi
yang sering terjadi adalah sebagai berikut:
Dalam suatu pengukuran hasil belajar MK Pemahaman
Individu dari 2 kelas diperoleh nilai mahasiswa seperti dibawah ini:
Kelas
A : 70, 60, 80, 70, 70, 70,70,80,70,70 ----rata-rata: 71
Kelas
B : 60, 75, ,55, 50,50,80,85,80,85,90
----rata-rata: 71
Kedua distribusi frekuensi di atas
memilliki rata-rata yang sama yaitu 71. Namun jika diamati, antara kedua
kelompok nilai diatas terdapat perbedaan variasi nilai; kelompok A nampak lebih
homogen, sedang kelompok B cenderung heterogen. Dengan demikian, akan sangat “riskan” apabila
kita menarik kesimpulan bahwa kemampuan kedua kelompok tersebut memiliki
kesamaan. Oleh karena itu perlu diketahui keragaman nilai, rerata, penyimpangan
nilai dari rerata, deviasi, standar deviasi, dan ukuran variablitas lain.
A.
Range (R)
Range adalah jarak antara
nilai tertinggi dengan nilai terrendah. cara mengukur range yaitu mengurangi nilai tertinggi dengan nilai
terrendah, rumus diformulasikan sebagai berikut:
R : Range
NT : Nilai
Tertinggi
NR : Nilai
Terrendah
|
Contoh:
Dalam suatu pengukuran hasil belajar MK Pemahaman
Individu dari 2 kelas diperoleh nilai mahasiswa seperti dibawah ini:
Kelas
A : 70, 60, 80, 70, 70, 70,70,80,70,70 ----rata-rata: 71
Kelas
B : 60, 75, ,55, 50,50,80,85,80,85,90
----rata-rata: 71
Jika merujuk
kepada nilai rata-rata, data di atas dapat dimaknai bahwa kedua kelompok
memiliki kemampuan yang sama dalam MK Pemahaman Individu. Namun, coba jika kita lihat variasi nilai/
rentangan nilai kedua kelompok:
Rentang nilai
kelas A= 80-60
= 20
Rentang nilai
kelas B= 90-50
=
40
Berdasarkan perhitungan range,
ternyata antara kedua kelompok mahasiswa di atas memiliki perbedaan rentangan
nilainya, sehingga berdasarkan rentangan nilai, terlihat bahwa kelompok A lebih
baik dari kelompok B.
Walaupun nilai range dapat menunjukkan
suatu perbedaan antara kedua kelompok, namun tingkatan range dalam pengambilan
kesimpulan masih sangat rendah, karena hanya didasarkan pada perbedaan skor
tertinggi dan terrendah.
B.
Mean Deviasi/ Penyimpangan Rata-Rata
Penyimpangan rata-rata (mean deviasi) adalah nilai rata-rata penyimpangan skor terhadap
rata-rata skor kelompok pada suatu distribusi frekuensi. Dalam perhitungan mean
deviasi, angka yang digunakan hanya yang bertanda positif; tanda negatif
diabaikan.
Rumus yang digunakan yaitu:
MD
Ket:
MD = Mean
Deviasi
∑x =
Jumlah Deviasi (dalam harga mutlak), dimana deviasi dicari
dengan menggunakan rumus: skor (X)- nilai
rata-rata (X)
N = Jumlah responden
Contoh:
Nilai MK Seminar mahasiswa BK:
Kelas
A : 70, 60, 80, 70, 70 ----rata-rata: 70
Kelas
B : 65, 70, ,70, 75,70 ----rata-rata: 70
Setelah dihitung rata-rata skor, maka untuk mempermudah analisis data
disajikan dalam tabel:
Nilai A
|
Deviasi x (A)
|
Nilai B
|
Deviasi x (B)
|
80
|
10
|
75
|
5
|
70
|
0
|
70
|
0
|
70
|
0
|
70
|
0
|
70
|
0
|
70
|
0
|
60
|
10
|
65
|
5
|
350
|
20
|
350
|
10
|
Setelah itu, mean deviasi masing-masing kelas dapat dicari:
MD kelas A : 20/7 = 2,85
MD kelas B : 10/7 = 1,42
Berdasarkan MD terlihat bahawa walaupun nilai rata-rata sama, ternyata
penyimpangan deviasi lebih kecil kelas B, hal ini berarti kelas B lebih baik
dari kelas A.
Kelemahaman dari mean deviasi (MD) adalah mengabaikan tanda (+) dan (-)
pada penympangan nilai (deviasi), sehingga hasl MD tidak dapat dilanjutkan pada
perhitungan lebih lanjut.
Untuk mencari mean deviasi dari data berkelompok/bergolong langkahnya
adalah sebagai berikut:
1) Sajikan data dalam bentuk distribusi
frekuensi.
Nilai
Statistik
|
midpoint
|
F
|
X
(deviasi)
|
fx
|
120-127
|
123.5
|
9
|
20
|
180
|
112-119
|
115.5
|
0
|
12
|
0
|
104-111
|
107.5
|
4
|
4
|
16
|
96-103
|
99.5
|
4
|
4
|
16
|
88-95
|
91.5
|
10
|
12
|
120
|
80-87
|
83.5
|
3
|
20
|
60
|
*Rata-rata= 103.5
2) Hitung mean
deviasi dengan menggunakan rumus sebagai berikut:
MD=
,
dengan demikian mean deviasi dari distribusi data di atas adalah:
392/30 : 13.07
C.
Standar Deviasi
Pengukuran yang lebih baik dari mean deviasi (MD)
adalah standar deviasi. Pada perhitungan standar deviasi, nilai positif (+) dan negatif (-) pada angka digunakan dalam
perhitungan. Standar deviasi adalah
jarak penyimpangan skor dari rata-rata.
Cara perhitungan standar deviasi:
1)
Hitung rata-rata skor (nilai mean)
2)
Hitung perbedaan masing2 skor dgn
skor rata-rata
3)
Selisih masing2 skor dgn skor
rata-rata dikuadratkan dan dijumlahkan
4)
Hasil penjumlahannya (jumlah selisih
skor dgn skor rata-rata) dibagi dgn n, disebut dgn VARIANCE
5)
Akar dari VARIANCE adalah merupakan
Standar Deviasi
Contoh perhitungan standar deviasi data tunggal
Berikut nilai MK Pemahaman Individu mahasiswa BK UM
Metro (setelah diurutkan, dan diketahui mean= 70)
Nilai
|
X
(deviasi)
|
X2
|
90
|
20
|
400
|
80
|
10
|
100
|
70
|
0
|
0
|
60
|
-10
|
100
|
50
|
-20
|
200
|
∑350,
|
0
|
800
|
Standar
Deviasi =
Σ ( x)2/ n
=
800/
5
=
160 = 12,65 (Pembulatan)
D.
Z score
Z score merupakan upaya
untuk mentranformasikan/menstandarkan nilai. Upaya menstandarkan nilai sangat
perlu agar diketahui penyimpangan nilai dari rata-rata nilai
kelompok/mean. Untuk menstandarkan
nilai, rumus yang dapat digunakan yaitu:
Keterangan:
Z :
Standar Score
X :
Nilai/ skor individual
M :
mean distribusi
SD :
Standar Deviasi
|
Z =
Contoh:
Pada daftar
nilai di atas, diketahui salah satu nilai mahasiswa BK pada mata kuliah
Pemahaman Individu yaitu 80, (diketahui mean: 13,07, dan standar deviasinya
12,65) maka nilai standarnya diperoleh sebagai berikutnya:
Z =
Z = 5.29
Penerapan Z score dalam statistik
sering digunakan untuk membedakan posisi nilai seseorang pada kondisi berbeda.
Contoh:
Setelah mengikuti kuliah Statistik,
nilai yang diperoleh Andi adalah 70, nilai rata-rata kelas adalah 65, dan
simpangan baku 10 sedangkan pada mata kuliah manajemen BK, Andi memperoleh
nilai 65, rata kelas 60 dan simpangan baku 5. Dalam situasi tersebut, nilai
Andi pada mata kuliah mana yang lebih baik?
Untuk menjawab pertanyaan tersebut,
maka kita dapat mentransformaskan nilai asli kedalam Z score.
--- mata kuliah Statistik : 70-65/10= 0,5
---mata kulian Manajemen BK:
65-60/5 = 1
Berdasarkan transformasi nilai tersebut,
diketahui bahwa nilai Andi pada mata kuliah Manajemen BK ternyata lebih baik
dari pada nilai pada mata kuliah Statistik.
Belum
selesai
BAB VII
KORELASI
1. Pengertian Korelasi
Korelasi merupakan suatu
hubungan antar variabel. Dalam analisis korelasi setidak-tidaknya melibatkan
dua kelompok nilai atau dua variabel. Analisis korelasi sangat bermanfaat untuk
memprediksi adanya hubungan pada terjadinya suatu kondisi pada variabel tertentu.
Analisis korelasi terdiri
dari dua bentuk; 1) jika hubungan antara dua variabel disebut sebagai bivariate
correlation. Contoh: hubungan antara self
esteem dengan kepercayaan diri, 2) jika hubungan terjadi antara lebih dari
dua variabel disebut multivariate correlation. Contoh: hubungan antara gaya
kepemimpinan kepala sekolah dan iklim sekolah dengan kinerja guru.
Dalam penelitian, analisis
korelasi dapat digunakan untuk data nominal, ordinal, interval dan rasio. Untuk data nominal digunakan antara lain:
Lambda (λ), Goodman dan Kruskal Tau-Y\y, untuk
data ordinal dapat menggunakan: Gamma,taua, ,taub, Spearman, dan untuk data interval
digunakan Product Moment Correlation. Dalam pembahasan selanjutnya, akan
diuraikan analisis korelasi untuk data ordinal; rank order spearman, dan produt
moment correlation (A.Muri Yusuf, 1987).
Keeratan suatu hubungan
(r) berada pada angka 0,00 - 1,00, dengan kategori keeratan hubungan sebagai
berikut:
Sebelum mempelajari lebih
lanjut tentang cara menghitung analisis korelasi, terlebih dahulu harus
dipahami makna dan bentuk hubungan.
a. Hubungan Simetris
Hubungan simetris disebut bentuk hubungan yang tidak
bersifat kausalitas. Hubungan yang terjadi bukan dimaknai satu variabel
menyebabkan terjadinya perubahan pada variabel lain. A Muri Yusuf (1987)
menjelaskan terjadinya hubungan simetris terjadi karena:
1) Kedua ubahan itu dipandang sebagai
“alternative incators” dari konsep yang sama.
2) Sebagai efek dari suatu sebab bersama
(common cause)
3) Diantara ubahan saling bergantung
secara fungsional, walaupun masing-masing mempunyai fungsi sendiri-sendiri,
dalam suatu unit.
4) Sebagai bagian dari sistem bersama
atau kompleks
5) Terjadi secara sederhana dan
kebetulan
Untuk memahami ini perhatikan contoh berikut:
Dalam suatu kondisi kita menemukan orang yang tinggi nilai Statistiknya,
tinggi juga nilai pada Bahasa Inggrisnya.. Akan tetapi kita tidak bisa
mengatakan bahwa tinggi nilai statistiknya, menyebabkan tingginya nilai bahasa
Inggris. Hal tersebut disebabkan kondisi kedua variabel tersebut sama-sama
dapat dipengaruhi oleh kualitas cara belajar, dan juga faktor lain. Dengan
demikian, bentuk hubungan simetris disimpulkan hubungan yang terjadi dalam
bentuk persamaan waktu, persamaan keadaan, dan persamaan kejadian.
b. Hubungan Resiprocal
Hubungan resiprocal terjadi jika kedua variabel saling berinteraksi, dan
saling memperkuat. Kondisi
resiprocal/saling memperkuat terjadi seperti digambarkan berikut:
X1 Y1 X2 Y2 X3
- - - - - -
( A.Muri Yusuf,1987)
c. Hubungan Asimetris
Berbeda dengan bentuk hubungan
simetris, bentuk hubungan asimetris terjadi kondisi satu variabel mempengaruhi
variabel lain. Hubungan yang terjadi sering disebut antara variabel bebas
dengan variabel terikat.
2.
Terima kasih sangat membantu dan sangat bermanfaat
BalasHapusPenyajianya mudah dipahami
Terima kasih banyak pak, sangat membantu. Tapi Maaf pak sebelumnya, izin bertanya apakah tidak ada dataa tunggal table nya pak, yang mahasiswa BK Um metro?
BalasHapusIcons - Titanium Glass | Titanium Art | TITanium Art
BalasHapusTitanium glass is designed to enhance titanium ring immersion of the environment by incorporating elements apple watch titanium vs aluminum of microtouch titanium the environment into ford fiesta titanium the structure to produce $54.95 · titanium watch In stock