Statistik.geo
-
Upload
alfred-steven -
Category
Documents
-
view
34 -
download
0
Transcript of Statistik.geo
STATISTIK
STATISTIK;
a. Arti sempit dapat diartikan sebagai data
b. Arti luas diartikan sebagai alat untuk analisis dan membuat keputusan
STATISTIK
a. Deskriptif statistik untuk menggambarkan atau menganalisis suatu statistik hasil
penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas
(generalisasi/inferensi). Penelitian yang tidak menggunakan sampel, analisisnya akan
menggunakan statistik deskritif. Demikian juga penelitian yang menggunakan sampel,
tetapi peneliti tidak bermaksud untuk membuat kesimpulan untuk populasi dari mana
sampel diambil, maka statistik yang digunakan adalah statistik deskriftif. Dalam hal ini
teknik korelasi dan regresi juga dapat berperan sebagai statistik deskriptif.
b. Statistik inferensial adalah statistik yang digunakan untuk menganalisis data sampel, dan
hasilnya akan digeneralisasikan (diinferensikan) untuk populasi di mana sampel diambil.
Terdapat dua macam statistik inferensial yaitu; statistik parametris dan non parametris.
Statistik parametris terutama digunakan untuk menganalisis data interval dan rasio,
yang diambil dari populasi yang berdistribusi normal.
Sedangkan statistik nonparametris, terutama digunakan untuk menganalisis data
nominal, dan ordinal dari populasi yang bebas distribusi. Jadi tidak harus normal. Dalam
hal ini teknik korelasi dan regresi dapat berperan sebagai statistik inferensial.
MACAM-MACAM STATISTIK DAPAT DIGAMBARKAN SBB;
Gambar 1. Macam statistik
STATISTIK
DESKRIPTIF
INFERENSIAL
PARAMETRIS
NONPARAMETRIS
BERBAGAI MACAM DATA PENELITIAN
Data hasil penelitian dapat dikelompokkan menjadi dua, yaitu data kualitatif dan data
kuantitatif. Data kualitatif adalah data yang berbentuk kalimat, kata atau gambar. Sedangkan
data kuantitatif adalah data yang berbentuk angka, atau data kualitatif yang diangkakan
(skoring). Data kuantitatif dapat dikelompokkan menjadi dua , yaitu data diskrit dan data
kontiniu. Data diskrit adalah data yang diperoleh dari hasil menghitung atau membilang (bukan
mengukur). Misalnya jumlah meja ada 20 dan jumlah orang ada 12 dsb. Data ini sering juga
disebut data nominal. Data nominal didapat dari penelitian bersifat eksploratif atau survey.
Data kontinum dapat dikelompokkan menjadi tiga yaitu: data ordinal, interval, dan rasio.
Bermacam-macam data seperti dikemukakan tersebut dapat digambarkan seperti pada gambar
2.
MACAM-MACAM DATA PENELITIAN
Gambar 2. Macam data penelitian
MACAM DATA
KUALITATIF
KUANTITATIF
INTERVAL KONTINUM
ORDINAL DESKRIT
RASIO
Data ordinal adalah data yang berjenjang atau berbentuk peringkat. Oleh karena itu
jarak satu data dengan yang lain mungkin tidak sama. Juara I,II,III; Golongan I, II, III.IV; Eselon
I,II,III,IV dsb. Data ordinal biasanya makin kecil angkanya , maka semakin tinggi nilainya. Juara I
lebih baik dari juara II dst, dan eselon I lebih tinggi dari pada eselon II. Data ordinal ini dapat
dibentuk dari interval atau rasio. Pengertian keduannya akan diuraikan berikut ini .
Data interval adalah data yang jaraknya sama, tetapi tidak memepunyai nilai nol
absolute (mutlak). Pada data ini, walaupun datanya nol, tetapi masih mempunyai nilai .
Misalnya nol derajad celcius masih mepunyai nilai. Dalam penelitian social yang instrumennya
menggunakan skala Likert, Guttman, Semantic Diffrensial , Thurstone, data yang diperoleh
adalah data interval. Data ini dapat dibuat data ordinal.
Data rasio adalah data yang jaraknya sama dan mempunyai nilai nol absolute. Jadi kalau
data nol berarti tidak ada apa-apanya. Hasil pengukuran panjang (M), berat (Kg) adalah contoh
data rasio. Bila nol meter berarti tidak ada panjangnya, demikian juga bila nok Kg berarti tidak
ada beratnya. Data ini dapat dibuat penjumlahan dan perkalian 5 kg + 5 kg = 10 kg. Untuk
jenis data yang lain tidak bisa demikian, oleh karena itu data yang paling teliti adalah rasio. Data
ini dapat disusun ke dalam data interval ataupun ordinal.
PEDOMAN UMUM MEMILIH TEKNIK STATISTIK
Terdapat bermacam-macam teknik statistik yang dapat digunakan dalam penelitian
khususnya dalam pengujian hipotesis. Pedoman ini ditunjukkan pada tabel 1. Teknik statistik
mana yang akan digunakan untuk pengujian tergantung pada interaksi dua hal yaitu macam
data yang akan dianalisis , dan bentuk hipotesisnya. Seperti dalam jenis penelitian menurut
“tingkat ekplanasinya” maka hipotesis ada tiga, yaitu hipotesis deskriftif, komparatif, dan
asosiatif. Hipotesis komparatif ada dua macam yaitu komparatif dua sampel dan lebih dari dua
sampel. Untuk masing-masing hipotesis komparatif dibagi dua yaitu sampel related
(berpasangan) dan sampel yang independen (lihat tabel 1).
Contoh sampel yang berpasangan adalah sampel yang diberi pretest dan posttest, atau
sampel yang digunaan dalam penelitian eksperimen sebagai kelompok control dan kelompok
eksperimen. Jadi antara sampel yang diberi treatment (perlaukan) dan tidak diberi perlakuan
adalah sampel related. Contoh sampel yang independen adalah misalnya membandingkan
antara prestasi kerja pegawai pria dan wanita.
Berikut ini diberikan contoh rumusan hipotesis deskritif, komparatif dan asosiatif.
1. Hipotesis Deskriftif
Ho : Daya tahan lampu merk X = 500 jam
Ha : Daya tahan lampu merk X ≠ 500 jam
2. Hipotesis Komparatif
Ho : Daya tahan lampu merk X = merk Y
Ha : Daya tahan lampu merk X ≠ merk Y
3. Hipotesis asosiatif
Ho : Tidak ada hubungan antara tegangan dengan daya tahan lampu
Ha : Ada hubungan antara tegangan dengan daya tahan lampu.
Untuk contoh hipotesis tersebut, datanya adalah data rasio (jam) teknik statistik yang
digunakan adalah:
1. Untuk hipotesis deskriptif statistiknya adalah t-test satu variable (data interval, hipotesis
deskriptif).
2. Untuk hipotesis komparatif juga pakai t-test (dua sampel independen). Data interval,
hipotesis komparatif dua sampel independen.
3. Untuk hipotesis asosiatif pakai Pearson Product Moment. Data interval, hipotesis
asosiatif atau hubungan. Lihat tabel 1.
Bila data nominal, hipotesis asosiatif, teknik statistik yang digunakan adalah
contingency coefisient, atau Cramer’s statistik Lamda. Jadi tabel 1 dapat digunakan
sebagai kunci dalam memilih teknik statistik untuk pengujian hipotesis penelitian.
Tabel 1. PENGGUNAAN STATISTIK PARAMETRIS DAN NONPARAMETRIS UNTUK MENGUJI HIPOTESIS.
MACAM
DATA
BENTUK HIPOTESIS
Deskriptif
(satu
variable)
Komparatif (dua sampel) Komparatif (lebih dr dua
sampel)
Asosiatif
(hubungan)
Related Independen Related Independe
n
Nominal Binominal
X2 one
sampel
Mc Nemar Fisher Exact
Probability
X2 for k
Sampel
Cochran Q
X2 for k
sampel
Contigency
Coefficient
C
Ordinal Run Test Sign test
Wilcoxon
Matched
pairs
Median Test
Mann-
Whitney u
test
Kolmogorov-
Smirnov
Wald-
Woldfowitz
Friedman
Two-way
Anova
Median
Extension
Kruskal-
Wallis One
Way Anova
Spearman
Rank
Correlation
Kendall Tau
Interval
Rasio
t- test t-test of
Related
t-test
Independent
One-way
Anova
Two-way
Anova
One-way
Anova
Two-way
Anova
Pearson
Product
Moment
Partial
Correlation
Multiple
Correlation
STATISTIK DESKRIPTIF
A. Pengertian Statistik Deskriptif
Seperti dikemukakan bahwa, statistik deskriptif adalah statistik yang berfungsi untuk
mendiskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau
populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang
berlaku untuk umum.
Dalam statistik deskriptif ini, akan dikemukakan cara-cara penyajian data, dengan tabel
biasa maupun distribusi frekuensi; grafik garis maupun batang; diagram lingkar; pictogram;
penjelasan kelompok melalui modus, median, mean, dan variasi kelompok melalui rentang dan
simpangan baku.
B. Penyajian Data
Setiap peneliti harus dapat menyajikan data yang telah diperoleh, baik yang diperoleh
melalui observasi, wawancara, kuisioner (angket) maupun dokumentasi. Prinsip dasar penyajian
data adalah komunikatif dan lengkap, dalam arti data yang disajikan dapat menarik perhatian
fihak lain untuk membacanya dan mudah memahami isinya. Penyajian data yang komunikatif
dapat dilakukan dengan : penyajian data dapat dibuat berwarna, dan bila data yang disajikan
cukup banyak maka perlu bervariasi penyajiannya (tidak hanya dengan tabel saja).
Penyajian data dengan pictogram, (yang dapat mengambarkan realitas yang
sebenarnya) merupakan penyajian data yang paling komunikatif.
Beberapa cara penyajian data yang akan dikemukakan disini adalah penyajian dengan tabel,
grafik, diagram lingkaran dan pictogram.
1. Tabel
Penyajian data hasil penelitian dengan menggunakan tabel merupakan penyajian yang banyak
digunakan, karena lebih effisien dan cukup komunikatif. Terdapat dua macam tabel, yaitu tabel
biasa dan tabel distribusi frekuensi.
Setiap tabel berisi judul tabel, judul setiap kolom, nilai data dalam setiap kolom, nilai
data dari setiap kolom, dan sumber data darimana tersebut diperoleh. Cpntoh penyajian
dengan tabel sbb:
a. Contoh Tabel Data Nominal
Telah dilakukan pengumpulan data untuk mengetahui komposisi pendidikan pegawai di PT.
Lodaya. Berdasarkan studi dokumentasi diperoleh keadaan sebagai berikut :
1. Dibagian keuangan: jumlah pegawai yang lulus S1 = 25 orang; Sarjana muda = 90 orang;
SMU = 45 orang; SMK = 156 orang; SMP = 12 orang; dan SD = 3 orang
2. Dibagian umum: jumlah pegawai yang lulus S1 = 5 orang; Sarjana Muda = 6 oarang; SMU
= 6 orang; SMK = 8 orang; SMP = 4 orang dan SD = 1 orang
3. Dibagian Penjualan: jumlah pegawai yang lulus S1 = 7 orang; SMK = 65 orang; SMP = 37
orang; dan SD = 5 orang
4. Dibagian litbang: jumlah pegawai yang lulus S3 = 1 orang; S2 = 8 orang; S1 = 35 orang
Berdasaran data mentah tersebut, maka dapat disusun ke dalam tabel seperti ditunjukkan pada
tabel 2.
KOMPOSISI PENDIDIKAN PEGAWAI DI PT. LODAYA
No Bagian Tingkat Pendidikan Jml
S3 S2 S1 SM SMU SMK SMP SD
1 Keungan 25 90 45 156 12 3 331
2 Umum 5 6 6 8 4 1 30
3 Penjuala
n
7 65 37 5 114
4 Litbang 1 8 35 44
Jumlah 1 8 72 96 52 229 53 9 519
Sumber data : Bagian Personalia
b. Contoh tabel Ordinal
Contoh tabel yang berisi data ordinal ditunjukkan pada tabel 3. Data tersebut disusun
berdasarkan hasil penelitian terhadap kinerja aparatur pemerintah di salah satu Propinsi di P.
Jawa. Data rangking kinerja yang paling baik yaitu No, 1 berupa kondisi fisik tempat kerja.
(kinerja yang berbentuk prosentase, misalnya 61,9 adalah data rasio).
TABEL 3.RANGKING KUALITAS KINERJA APARATUR
No ASPEK KERJA KUALITAS KINERJA (%) RANGKING KINERJA
1 Kondisi fisik tempat 61,90 1
2 Alat-alat kerja 61,02 2
3 Ortal 58,72 3
4 Kemampuan kerja 58,70 4
5 Peranan Korpri 58,42 5
6 Kepemimpinan 58,05 6
7 Performen Kerja 57,02 7
8 Managemen kepegawaian 54,61 8
9 Produktivitas kerja 54,51 9
10 Motivasi kerja 54,02 10
11 Diklat yang diperoleh 53,16 11
12 Kebutuhan individu 53,09 12
Rata-rata Kualitas Kinerja : 56,935
Sumber Data : Biro Kepegawaian
C. Contoh Tabel Data Interval
Contoh ditunjukkan pada tabel 4 data tersebut merupakan sebagian kecil hasil penelitian
terhadap kepuasan kerja pegawai di salah satu propinsi di jawa. Instrument yang digunakan
disusun dengan skala Likert dengan interval 1 s/d 4, dimana skor 1 berarti sangat tidak puas, 2
tidak puas, 3 puas, dan 4 sangat puas. Skala Likert tersebut akan menghasilkan data interval.
Berdasarkan 1055 responden, setelah dianalisis hasilnya ditunjukkan dalam tabel tersebut.
Komponen kepuasan meliputi: kepuasan dalam gaji, insentif, transportasi, perumahan, dan
hubungan social (antara sesama pegawai dan pimpinan). Berdasarkan tabel tersebut tingkat
kepuasan yang paling tinggi adalah kepuasan dalam pelayanan transportasi, yaitu sebesar
68,60. Skor tertinggi = 70.
TABEL 4. TINGKAT KEPUASAN KERJA PEGAWAI
No Spek Kepuasan Kerja Tingkat Kepeuasan
1 Gaji 37,58
2 Intensif 57,18
3 Transportasi 68,60
4 Perumahan 48,12
5 Hubungan Kerja 54,00
Sumber : Biro Kepegawaian
2. Tabel Distribusi frekuensi
Tabel distribusi frekuensi disusun bila jumlah data yang akan disajikan cukup banyak, sehingga
kalau disajikan dalam tabel biasa menjadi tidak effisisen dan kuarang komunikatif. Selain itu,
tabel ini dapat digunakan sebagai persiapan untuk pengujian terhadap normalitas data yang
menggunakan kertas Peluang Normal. Contoh tabel distribusi frekwensi ditunjukkan pada tabel
5.
TABEL 5. DISTRIBUSI FREKWENSI NILAI PELAJARAN STATISTIK MAHASISWA
No Klas Interval Frekwensi
1 10 - 19 1
2 20 - 29 6
3 30 - 39 9
4 40 - 49 31
5 50 - 59 42
6 60 - 69 32
7 70 - 79 17
8 80 - 89 10
9 90 - 99 2
Jumlah 150
a. Hal –hal yang perlu diperhatikan dalam tabel Distribusi frekwensi
1. Tabel distribusi mempunyai sejumlah klas. Pada contoh tersebut jumlah klas
intervalnya adalah 9 yaitu nomor 1 s/d 9
2. Pada setiap klas mempunyai klas interval. Interval nilai bawah dengan atas sering
disebut dengan panjang klas. Jadi panjang klas adalah jarak antara nilai batas bawah
dengan batas atas pada setiap klas. Batas bawah pada contoh nilai yang ada pada
kiri tiap klas (10,20,30,…….,90). Sedangkan batas atas ditunjukkan pada nilai sebelah
kanan yaitu 19, 29.39,………, 100, (angka terakhir tertinggi mustinya 99, tetapi nilai
tertinggi adalah 100) jadi 100 langsung dimasukkan batas atas.
3. Setiap klas interval mempunyai frekwensi (jumlah). Sebagai contoh pada klas ke 3,
mahasiswa yang mendapat nilai antara 30-39 frekwensinya (jumlahnya = 9)
4. Tabel distribusi frekwensi tersebut bila dibuat menjadi tabel biasa akan memerlukan
150 baris (n=150) jadi akan menjadi panjang.
b. Pedoman umum Membuat tabel Distribusi frekwensi adalah menetukan klas interval.
Dalam menentukan klas interval tersebut terdapat tiga pedoman yang dapat diikuti
1. Ditentukan berdasarkan pengalaman
Berdasarkan pengalaman jumlah klas interval yang dipergunakan dalam penyusunan
tabel distribusi frekwensi berkisar antara 6 s/d 15 klas. Makin banyak data maka
akan semakin banyak jumlah klasnya. Namun jumlah klas tersebut paling banyak
adalah 15 klas, karena kalau sudah lebih dari itu tabel menjadi panjang.
2. Ditentukan dengan membaca grafik
Pada gambar 3 ditunjukkan grafik yang menunjukkan hubungan antara banyaknya
data (n) dengan jumlah klas interval yang diperlukan dalam pembuatan tabel
distribusi frekuensi. Garis vertical menunjukkan jumlah klas interval, sedangkan yang
horizontal menunjukkan jumlah data observasi. Dari grafik dapat dibaca, misalnya
data observasi 50 (n), maka jumlah klas interval yang diperlukan adalah 8.
Sedangkan bila jumlah data 200, maka jumlah klasnya sekitar 12. Dengan pedoman
ini, maka bagi yang belum berpengalaman akan dapat menetukan klas interval tanpa
ragu-ragu.
3. Ditentukan dengan rumus Sturges
Jumlah klas interval dapat dihitung dengan rumus Sturges, seperti pada rumus brikut
;
K = 1 + 3,3 log. n
Dimana : K = jumlah klas interval
n = jumlah data observasi
log = logaritma
Misal jumlah data 150, maka jumlah klasnya = K = 1 + 3,3 log 150 = 1 + 3,3.2,17 =
8,18 dapat dibulatkan menjadi 8 atau 9.
Berdasarkan grafik tersebut, bila jumlah datanya 200, maka jumlah klas intervalnya =
12. Berikut gambar grafik untuk menentukan jumlah klas interval
Gambar 3. Grafik untuk menentukan jumlah klas interval
c. Contoh menyusun tabel distribusi frekuensi
Data berikut merupakan nilai ujian matakuliah statistik dari 150 mahasiswa.
Berdasarkan data tersebut diatas , maka langkah-langkah yang diperlukan dalam
penyususnan tabel distribusi frekuensi adalah sebagai berikut ;
27 79 69 40 51 88 55 48 36 61
53 44 94 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
Tabel 5. Data distribusi nilai statistik 150 mhs.
1. Menghitung jumlah klas interval
K = 1 + 3,3 log n = 1 + 3,3 log 150
= 1 + 3,3 x 2,17 = 8,18
Jadi jumlah klas interval 8 atau 9. Pada kesempatan ini digunakan 9 klas
2. Menghitung rentang Data
Yaitu data terbesar dikurangi yang terkecil. Data terbesar adalah 94 sedang terkecil
adalah 13. Jadi rentang data adalah 94 – 13 = 81
3. Menghitung panjang klas= rentang dibagi jumlah klas
81 : 9 = 9
Walaupun dari hitungan panjang klas diperoleh 9, tetapi pada penyusunan tabel ini
digunakan panjang klas 10, agar nilai batas bawah semua berakhir dengan nol dan
batas atas 9. Hal ini lebih komunikatif disbanding dengan menggunakan klas 9
4. Menyususun interval klas
Secara teoritis penyusunan klas interval dimulai dari data yang terkecil, yaitu 13.
Tetapi agar komunikatif , maka dimulai angka 10, sehingga tabel tersusun sebagai
berikut:
TABEL 6. PENYUSUNAN TABEL DISTRIBUSI FREKUENSI DENGAN TALLY
No Klas Klas Interval Tally Frekuensi
(f)
1
2
3
4
5
6
7
8
9
10 – 19
20 – 29
30 – 39
40 – 49
50 – 59
60 – 69
70 – 79
80 – 89
89 - 100
I
IIII I
IIII IIII
IIII IIII IIII IIII IIII IIII I
IIII IIII IIII IIII IIII IIII IIII IIII II
IIII IIII IIII IIII IIII IIII II
IIII IIII IIII II
IIII IIII
II
1
6
9
31
42
32
17
10
2
Jumlah 150
5. Setelah klas interval tersusun, maka untuk memasukkan data untuk mengetahui
frekuensi pada setiap klas interval dilakukan dengan menggunakan tally,
6. Cara memasukkan tally yang cepat dan tepat
Adalah dengan memberikan tanda centang (√) pada setiap angka yang sudah
dimasukkan pada, setiap klas, dan mulai dari data awal. Misalnya data yang paling
awal adalah angka 27, maka data 27 itu termasuk pada klas no 2 yaitu (20 -29).
Kemudian angka 27 ini diberi tanda centang yang berarti data tersebut telah
dimasukkan ke dalam klas interval. Selanjutnya angka 53, ternyata angka tersebut
masuk pada klas no 5, kalau angka semua telah diberi tanda centang, berarti semua
data telah masuk pada setiap klas interval. Jumlah yally harus sama dengan jumlah
data.
7. Sesudah frekuensi ditemukan maka tally dihilangkan, dan data yang disajikan adalah
seperti pada tabel 5, setiap data yang disajikan dengan teknik apapun harus diberi
judul. Judul harus singkat, tetapi semua isi tercermin dalam judul.
d. Total Distribusi Frekuensi Kumulatif
Tabel ini merupakan pengembangan dari tabel distribusi frekuensi. Distribusi frekuensi
kumulatif adalah tabel yang menunjukkan junlah observasi yang menyatakan kurang
dari nilai tertentu. Untuk memulai pernyataan “kurang dari” digunakan batas bawah
dari klas interval ke 2. Untuk contoh pada tabel 7 digunakan angka 20.
Selanjutnya frekuensi kumulatif, adalah merupakan penjumlahan frekuensi dari setiap
klas interval, sehingga jumlah frekuensi terakhir jumlahnya sama dengan jumlah data
observasi (untuk contoh tersebut jumlahnya 150).
Tabel 7. DISTRIBUSI FREKUENSI KUMULATIF NILAI STATISTIK 150 MAHASISWA
Kurang dari Frekuensi Kumulatif
Kurang dari 20
Kurang dari 30
Kurang dari 40
Kurang dari 50
Kurang dari 60
Kurang dari 70
Kurang dari 80
Kurang dari 90
Kurang dari 101
1
7
16
47
89
121
138
148
150
Perhatian:
1. Kumulatif setiap nilai adalah jumlah nilai klas dengan di bawahnya. Misalnya kurang dari
40 adalah 1 + 6 + 9 = 16
2. Pernyataan “kurang dari” untuk yang terakhir, adalah nilai batas atas klas interval
terakhir ditambah dengan 1. Misalnya untuk batas atas untuk klas interval terakhir
adalah 100. Setelah ditambah 1 menjadi 101. Oleh karena itu kalimat terakhir adalah,
kurang dari 101.
e. Tabel Distribusi Frekuensi Relatif.
Seiring penyajian data akan lebih mudah difahami bila dinyatakan dalam (%). Penyajian
data yang frekuensi menjadi prosen, dinamakan Tabel Distribusi Frekuensi Relatif
diberikan pada tabel 8.. Cara pembuatannya adalah dengan merubah frekuensi menjadi
prosen.
TABEL 8. DISTRIBUSI FREKUENSI RELATIF NILAI STATISTIK 150 MHS
No Klas Klas Interval Frekuensi Relatif (%)
1
2
3
4
5
6
7
8
9
10 – 19
20 – 29
30 – 39
40 – 49
50 – 59
60 – 69
70 – 79
80 – 89
89 - 100
0,65
4,00
6,00
20,66
28,00
21,13
11,33
6,66
1,30
Angka 0,65 berasal dari 1: 150x100% = 0,65
Angka 4,00 berasal dari 6 : 15x100% = 4,00, dan seterusnya.
f. Tabel Distribusi Frekuensi Relative Kumulatif
Bentuk tabelnya seperti tabel 8, tetapi frekuensi kumulatif yang tertera dalam tabel
dirubah menjadi prosentase.
TABEL 9. DISTRIBUSI FREKUENSI KUMULATIF RELATIF NILAI STATISTIL 150 MHS
Kurang dari Frekuensi Kumulatif (%)
Kurang dari 20
Kurang dari 30
Kurang dari 40
0,067
4,67
10,67
Kurang dari 50
Kurang dari 60
Kurang dari 70
Kurang dari 80
Kurang dari 90
Kurang dari 101
31,33
59,33
80,67
92,00
98,67
100,00
3. GRAFIK
Selain dengan tabel, penyajian data yang cukup popular dan komunikatif adalah dengan
grafik. Pada umumnya terdapat dua macam grafik yaitu : grafik garis (polygon) dan
grafik batang (histogram). Grafik batang ini dapat dikembangkan lagi menjadi grafik
balok (tiga dimensi). Suatu grafik selalu menunjukkan hubungan antara “jumlah” dengan
variable lain misal waktu, temperature dll.
a. Grafik garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan suatu keadaan.
Perkembangan tersebut bisa naik dan turun. Hal ini akan Nampak secara visual
melalui garis dalam grafik. Dalam grafik terdapat garis vertical yang menunjukkan
jumlah (frekuensi) dan yang mendatar menunjukkan variable tertentu sbb
2000 2001 2002 20003 20040
10
20
30
40
50
60
70
GRAFIK PRODUKSI BATU BARA & MINERAL LAINNYA DI DAERAH KAB A. SELAMA 5 TH
batu barapasir besimangan
prod
uksi
ton
Grafik Batang
2000 2001 2002 2003 20040
10
20
30
40
50
60
30
40
50
45 45
batu baramangan Linear (mangan )bijih besi
4. Diagram linkaran (Piechart)
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram lingkaran atau
pie chart. Diagram lingkaran digunakan untuk membandingkan data dari berbagai
kelompok. Gambar berikut adalah contoh pennyajian data dengan diagram lingkaran.
Data yang disajikan adalah prosentase KB aktif yang menggunakan kontrasepsi tahun
1984-1985.
Dari data diberikan : jumlah yang memakai pil = 53,9 %
Jumlah yang memakai kondom = 4,4 %
Jumlah yang memakai suntik = 11,1 %
Jumlah yang memakai IUD = 27 %
Jumlah yang memakai lain-lain = 2,9 %
Cara pembuatannya adalah :
a. Buatlah lingkaran dengan jari-jari disesuaikan dengan kebutuhan
b. Untuk kepentingan ini, data telah dinyatakan dengan prosen oleh karena itu setiap
1% akan memerlukan 3600 : 100 = 3,60 (ingat luas lingkaran = 3600)
c. Menghitung luas yang diperlukan oleh sekelompok data dalam lingkaran. Dalam hal
ini terdapat lima luas yang jumlahnya keseluruhan akan sama dengan lingkaran.
1. Luas kelompok yang menggunakan pil 53,9 x 3,6 = 194,04
2. Luas kelompok yang menggunakan IUD 27 x 3,6 = 97,20
3. Luas kelompok yang menggunakan suntik 11,1 x 3,6 = 39,96
4. Luas kelompok yang menggunakan kondom 4,4 x 3,6 = 15,84
5. Luas kelompok lain 2,9 x 3,6 = 10,44
d. Selanujtnya luas-luas kelompok data tersebut digambarkan dalam lingkaran, dengan
menggunakan busur derajad bisa mulai dari sembarang titik. Jangan sampai terdapat
sisa lingkaran, misalnya jumlah luas dari setiap kelompok data ( a + b +c + d) tidak
sampai 360. Jumlah ini kemungkinan tidak sampai 360, atau memenggal beberapa
angka dibelakang koma.
e. Contoh perhitungan tersebut diatas dapat digambarka sbb;
194.04
15.84
97.2
10.44
39.96
PESERTA. KB
K.PilK.KondomK.IUDK. LainK.Suntik
c.Pengukuran Gejala Pusat (Central Tendency)
Setiap penelitian selalu berhubungan dengan sekelompok data. Yang dimaksud disini adalah
satu orang mempunyai sekelompok data, atau sekelompok orang mempunyai satu macam data
misalnya sekelompok murid di klas dengan satu nilai mata kuliah. Gabungan keduanya misalnya
sekelompok, mahasiswa di klas dengan berbagai mata kuliah.
Dalam penelitian , peneliti akan memperoleh sekelompok data vatriabel tertentu dari
sekelompok responden , atau obyek yang diteliti. Misalnya melakukan penelitian disebuah
lembaga X, maka peneliti akan mendapatkan data dari lembaga X tersebut. Prinsip dasar dari
penjelasan terhadap kelompok yang diteliti adalah bahwa penjelasan yan diberikan harus betul-
betul mewakili seluruh kelompok pegawai di lembaga X tersebut.
Beberapa teknik penjelasan kelompok yang telah diobservasi dengan data kuantitatif,
selain dapat dijelaskan dengan menggunakan tabel dan gambar, dapat juga dijelaskan
menggunakan teknik statistik yang disebut : Modus, Median dan Mean.
Modus, Median dan Mean, merupakan teknik statistik yang digunakan untuk
menjelaskan kelompok, yang didasarkan atas gejala pusat (tendency central) dari kelompok
tersebut, namun dari tiga macam teknik tersebut yang menjadi ukuran pusatnya berbeda-beda.
1. Modus (Mode)
Modus merupakan teknik penjelasan kelompok yang didasarkan atas nilai yang sedang
populer (yang sedang menjadi mode) atau yang sering muncul dalam kelompok
tersebut.
Contoh data kualitatif:
a. Seorang peneliti datang ke Yogyakarta, dan melihat para siswa dan mahasiswa masih
banyak yang naik sepeda. Selanjutnya peneliti dapat menjelaskan dengan Modus,
bahwa (kelompok) siswa dan mahasiswa di Yogya masih banyak yang naik sepeda.
b. Kebanyakan pemuda Indonesia menghisap rokok.
c. Pada umumnya PNS tidak disiplin kerja
d. Pada umumnya warna mobil tahun 70-an berwarna cerah sedang tahun 80-an
berwarna gelap.
Contoh data kuantitatif
Hasil observasi terhadap umur pegawai di Departemen X adalah: 20, 45, 56, 45, 45,
20, 19, 57 , 45, 45, 51, 35. Untuk mengetahui modus umur dari pegawai tersebut
dapat digunakan pertolongan melalui tabel berikut:
TABEL 9. UMUR PEGAWAI DI DEPARTEMEN X
Umur Pegawai Jumlah
19
20
35
45
51
56
57
60
1
2
1
5
1
1
1
1
Jumlah 13
Dari tabel tersebut dapat dijelaskan bahwa pegawai di departemen X berdasarkan
observasi yang banyak muncul adalah umur 45 sebanyak 5 kali atau frekuensinya 5
kali. Jadi dapat dijelaskan bahwa, kelompok pegawai di Departemen X sebagian
berumur 45 tahun.
Dalam suatu kelompok data hasil observasi, mungkin modusnya lebih dari satu.
Dari 13 pegawai terdapat 5 orang berumur 45 tahun dan 2 orang berumur 20 tahun.
Maka modusnya adalah 45 dan 20.
2. Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah
dari kelompok data yang telah disusun urutannya dari yang terkecil sampai yang
tebesar, atau sebaliknya dari yang tebesar sampai yang terkecil.
Misalnya data umur pegawai di departemen X (contoh dalam modus) untuk mencari
medien harus disusun dahulu urutannya dari data yang terkecil sbb 19, 20, 20,
35,45,45,45,45,45,51,56,57,60. Nilai tengah dari kelompok data tersebut adalah urutan
ke 7 yaitu 45. Kebetulan disini mediennya = modus = 45.
Misalnya tinggi badan 10 mahasiswa adalah sbb 145,147,167,166,160,164,165,170,171
cm.
Untuk mencari median data tersebut harus diurutkan sbb; 180, 171, 170, 167, 166,165,
164,160,147 ,145 cm. jumlah individu tersebut dalah genap, maka nilai tengahnya dua.
Nilai tengah dari kelompok tersebut adalah nilai ke 5 dan ke 6, Mediannya = (166 +
165) : 2 = 165,5 cm . Dengan demikian dapat dijelaskan rata-rata median tinggi badan
kelompok mahasiswa itu adalah 165,5 cm.
3. Mean
Mean merupakan teknik penjelasan kelompok yang didasrkan atas nilai rata-rata dari
kelompok tersebut. Rata-rata mean ini diperoleh dari menjumlahkan data seluruh
individu dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada
kelompok tersebut. Hal ini dapat dirumuskan sbb;
Me=∑ Xi
n
Dimana :
rata-rata
∑❑ = epsilon (baca jumlah)
Xi = nilai x ke I sampai ke n
n = jumlah individu
contoh ;
Sepuluh pegawai di PT Samodra penghasilan sebulannya dalam satuan ribu rupiah adalah sebagi
berikut : 90 , 120 , 160 , 60 , 180 , 190 , 90 , 180 , 70 , 160 . Mean nya adalah = 150 ribu rupiah.
Seperti telah dikemukakan bahwa, menjelaskan keadaan kelompok berarti setiap
pernyataan kualitatif maupun kuantitatif yang ditujukan pada kelompok itu harus dapat
mewakili individu-individu yang ada dalam kelompok itu. Ini berarti bahwa setiap pernyataan
yang ditujukan pada kelompok itu diharapkan tidak ada penyimpangan yang ekstrim terhadap
individu di dalam kelompok itu. Misalnya memberikan penjelasan kelompok dengan mean,
yang menyatakan rata-rata penghasilan suatu departemen adalah Rp. 150.000,-, maka individu-
individu dalam kelompok itu penghasilannya tidak jauh dari itu.
Contoh:
Delapan penduduk di desa Sukarame penghasilan tiap bulan dalam satuan ribu rupiah adalah
sbb: 70 , 90 ,90 , 190 , 600 , 900 , 1200 , 1800. Penghasilan mean 8 penduduk itu adalah = 617,5
Jadi rta-rta penghasilan kelompok itu = Rp. 617.500.000,- Sekarang kelihatan bahwa rta-rta penghasilan
kelompok itu kurang mewakili dari individu yang berpenghasilan 190 kebawah dan 1200 keatas. Disini
terjadi jarak penghasilan yang sangat ekstrim. Untuk itu sebaikanya tidak digunakan” mean” sebagai
alat untuk menjelaskan kelompok tersebut, tetapi digunakan median.
Harga rta-rta median untuk delapan orang tersebut adalah; (190 + 600 ) : 2 = 395 ribu rupiah. Harga ini
akan lebih mewakili penghasilan 8 orang penduduk desa Sukarame tersebut.
Dari tiga teknik penjelasan kelompok seperti yang telah dikemukakan (Modus, Median, Mean),
masing-masing teknik ada yang lebih menguntungkan. Digunakan modus apabila peneliti ingin cepat
memberikan penjelasan terhadap kelompok, dengan hanya mempunyai data yang popular pada
kelompok ini kurang teliti. Median digunakan bila terdapat data yang ekstrim dalam kelompok itu,
sedangkan mean digunakan bila pada kelompok itu terdapat kenaikan data yang merata.
Bila peneliti ragu dalam menggunakan berbagai teknik penjelasan kelompok ini, maka sebaiknya ketiga
teknik tersebut digunakan bersama. Jadi modus, median dan mean, dari data kelompok itu dihitung
semuanya, dan disajikan. Agar pembaca memberikan interprestasi sendiri, dan membuat kesimpulan
sendiri, mana yang dianggap paling mewakili kelompok yang dijelaskan.
4. Menghitung Modus, Median, Mean untuk data bergolong (tersusun dalam tabel Distribusi
Frekuensi).
Contoh:
Data hasil test tentang kemampuan managerial terhadap 100 pegawai di PT Tanjung Sari,
setelah disusun ke dalam distribusi adalah sbb.(range nilai kemampuan managerial antara 0 s/d
100).
TABEL 10. DISTRIBUSI NILAI KEMAMPUAN MANAGERIAL 100 PEGAWAI PT. TANJUNG SARI
Interval Nilai Kemampuan Frekuensi/Jumlah
21 – 30
31 – 40
41 – 50
51 – 60
2
6
18
30
61 – 70
71 – 80
81 – 90
91 - 100
20
10
8
8
Jumlah 100
Berdasarka data tersebut di atas hitunglah, Mode, Median, dan Meannya.
a. Menghitung Modus
Untuk menghitung modus data yang telah disusun kedalam distribusi frekuensi/data
bergolong, dapat digunakan rumus sbb;
Mo = b + p(b1
b1+b2)
Dimana :
Mo = modus
b = batas klas interval dengan frekuensi terbanyak
p = panjang klas interval dengan frekuensi terbanyak
b1 = frekuensi pada klas modus (frekwensi pada klas interval yang terbanyak) dikurangi
frekuensi klas interval terdekat sebelumnya.
b2 = frekuensi klas modus dikurangi klas interval berikutnya.
Berdasarkan tabel distribusi frekuensi tentang nilai kemampuan managerial 100
pegawai di PT Tanjung Sari, maka dapat ditemukan:
a. Klas modus = klas ke empat (f-nya terbesar = 30)
b. b1 = 30 -18 = 12 ( 30 = f- klas modus, 18 = f klas sebelumnya)
c. b2 = 30 – 20 = 10 ( 20 = f klas berikutnya, setelah klas pada f 30)
Jadi modusnya = 50,5 + 10 (12
12+10 ) = 55,95
b. Menghitung median
Untuk menghitung median rumus yang digunakan adalah :
Md = b + p(0,5n−Ff
)
Dimana :
Md = Median
b = batas bawah, dimana median akan terletak
n = jumlah data/jumlah sampel
F = jumlah semua frekuensi sebelum las median
f = frekuensi klas median
Median dari nilai kemampuan managerial 100 Pegawai PT Tanjung sari dapat dihitung dengan
rumus diatas sbb :
Setengah dari seluruh data = 0,5 x 100 = 50. Jadi median akan terletak pada interval ke empat,
karena sampai pada interval ini jumlah frekuensi sudah lebih dari 50, tepatnya 56 (lihat modus
55, 95). Dengan demikian pada interval ke empat ini merupakan klas median batas bawahnya
(b) adalah 51 – 0,5 = 50,5. Penjang klas median (p) = adalah 10 dan frekuensi 30 (lihat tabel).
Adapun F nya = 2 + 6 + 18 = 26. Jadi mediannya adalah = 50,5 + 10 (50−2630
) = 58,5
c. Menghitung Mean
Untuk menghitung mean dari data bergolong tersebut, maka terlebih dahulu data tersebut
disusun menjadi tabel berikut sehingga perhitungannya mudah dilakukan. Rumus untuk
menghitung mean dari data bergolong adalah ;
Me = ∑ fi xi
fi
Dimana ;
Me = Mean untuk data bergolong
fi = jumlah data/sampel
fiXi = Produk perkalian antara fi pada tiap interval data dengan tanda klas (Xi). Tanda klas Xi
adalah rata-rata dari batas bawah dan batas pada setiap interval data. Misalnya fi untuk interval
pertama = 21+302
= 25,5.
Berdasarkan tabel penolong itu, maka mean dari data bergolong itu dapat dihitung dengan
rumus yang telah diberikan.
Fi untuk interval ke dua =40+312
= 35,5; interval ketiga s/d ke delapan, kalau di hitung harga xi
rata-rata= 4848
= 60, 50. Me = ∑ fix 1
fi = ∑ 100 x60,5
100 = 60,5
Jadi rata-rata mean dari nilai kemampuan 100 pegawai PT Tunjung Sari tersebut adalah 60,50.
D. Pengukuran Variasi Kelompok
Untuk menjelaskan keadaan kelompok, dapat juga didasarkan pada tingkat variasi data
yang terjadi pada kelompok tersebut. Untuk mengetahui tingkat variasi kelompok data
dapat dilakukan dengan melihat rentang data dan standar deviasi atau simpangan baku
dari kelompok data yang telah diketahui.
1. Rentang Data
Rentang data range dapat diketahui dengan jalan mengurangi data yang terbesar
dengan data yang terkecil yang ada pada kelompok itu.
Rumusnya adalah :
R = Xt – Xr
Dimana ;
R = rentang
Xt = data terbesar dalam kelompok
Xf = data terkecil dalam kelompok
Contoh;
Sepuluh pegawai di lembaga X, gaji masing-masing tiap bulan dalam satuan ribu
rupiah adalah ;
50 , 75 , 150 , 170 ,175 , 190 , 200 , 400 , 600 , 700.
Data terkecil dari kelompok itu = 50
Data terbesar = 700
Jadi rentang R = 700 – 50 = 650
Jadi rentang gaji 10 orang pegawai tersebut adalah Rp, 650 ribu rupiah
Rentang data inilah yang menunjukkan tingkat variasi kelompok.
Misalnya rentang gaji PT. X = Rp. 300.000,- sedangkan di PT. Y rentang
gajinya = Rp. 500.000,-. Hal ini berarti di PT Y
pegawainya lebih bervariasi.
2. Varians
Salah satu teknik statistik yang digunakan untuk menjelaskan homoginitas kelompok
adalah dengan varians. Varians merupakan jumlah kuadrat semua diviasi nilai-nilai
individual terhadap rata-rata kelompok. Akar varians disebut standar deviasi atau
simpangan baku. Standar deviasi diberi simbol s sedangkan varian untuk sampel
diberi simbol s2. Contoh menghitung dan tabel penolong untuk menghitung varians
dan standar deviasi diberikan dalam tabel 11. Dalam tabel tersebut ditunjukkan nilai
statistik suatu kelompok mahasiswa yang berjumlah 10 orang, yang selanjutnya
diberi simbol Xi.
Dari nilai 10 orang tersebut rata-rata X (mean) adalah ;
X (mean) = (60+70+65+80+70+65+75+80+70+75)
10 = 71010
= 71
Jadi rata-rata nilai = 71
Jarak antara nilai individu dengan rata-rata disebut simpangan. Simpangan( diviasi)
untuk mahasiswa no 1 adalah 71 – 60 = 11. Sedangkan untuk mahasiswa no 8.
Adalah 80 – 71 = 9. Jumlah simpangan (Xi – X (mean) jumlahnya harus nol. Seperti
telah dikemukakan bahwa rata-rata (mean) dari jumlah dari kuadrat simpangan
tersebut varians, sedang akar dari varians disebut standar deviasi. Dengan demikian
varians kelompok data tersebut adalah 39010
= 39
Sedangkan standar deviasinya = √39 = 6,2450
Berdasarkan perhitungan tersebut, maka varians dari sekelompok data dari suatu
variabel tertentu dapat dirumuskan menjadi ;
σ 2 = ∑ (Xi−X )(Xi−X )n
Sedangkan standar deviasinya =
σ=√∑ (Xi−X )(Xi−X)n
Rumus tersebut digunakan untuk data populasi, sedangkan untuk data sampel
rumusnya tidak hanya dibagi dengan n saja, tetapi dibagi dengan n-1. Dimana n-1
adalah derajat kebebasan.
S2 = ∑ (Xi−X )(Xi−X )(n−1)
S = √∑ (Xi−X )(Xi−X ) 1(n−1)
Dimana ;
ρ 2 = variabel populasi; ρ = simpangan baku populasi
S2 = varian sampel
S = simpangan baku sampel
n = jumlah sampel
TABEL 11. CARA MENGHITUNG VARIAN DAN SIMPANGAN BAKU SEKELOMPOK
MAHASISWA
No Mhs Nilai Simapangan (Xi-X) Simpangan Kuadrat
(Xi-X)2
1
2
3
4
5
6
7
8
9
10
60
70
65
80
70
65
75
80
70
75
-11
-1
-6
9
-1
-6
4
9
-1
4
121
1
36
81
1
36
16
81
1
16
Jumlah X =710 , rata-rata X= 710:10=71 0 390
Setelah diketahui penjelasan kelompok baik dengan pengukuran tendensi sentral
(Modus, Median, Mean) dan variasi kelompok (rentang dalam varian, standard deviasi0,
maka penjelasan kelompok yang sering digunakan rata-rata ini saja belum dapat
diketahui tingkat variasi kelompok. Untuk itu sebaiknya setelah dihitung rata-rata
kelompok perlu diikuti dengan simpangan bakunya. Dalam kasus tetentu , rata-rata dari
dua kelompok data bisa sama tetapi standar deviasi (simpanagan baku) bisa berbeda.
Contoh :
Data kelompok 1 = 4, 6 , 8 , 10 , 12 , 14 , 16
Data kelompok 2 = 6, 9 , 9 , 10 , 11 , 11 , 14
Rata-rata kelompok 1 = 10, simpangan bakunya = 4,32
Rata-rata kelompok 2 = 10, simpangan bakunya = 2,44
Jadi kelompok ke 1 lebih bervariasi dari pada kelompok 2 walaupun rata-rata
kelompoknya sama yaitu 10. Bisa juga terjadi rata-rata beda, tetapi simpangan bakunya
sama.
Contoh ;
Data kelompok 1 = 4, 6 , 8 , 10 , 12 , 14 , 16
Data kelompok 2 = 104, 106 , 108 , 110 , 112 , 114 , 116
Rata-rata kelompok 1 = 10, simpangannya bakunya 4,32
Rata-rata kelompok 2 = 110 simpangan bakunya = 4,32
Untuk hal ini, maka perlu dihitung Koefisien variasinya dengan rumus :
I.V = s
rata−rata x 100%
Jadi I.V kelompok 1 = 4,32 : 10 x 100 = 43,2 %
I.V kelompok 2 = 4,32 :110 x 100 = 3,93 %
POPULASI, SAMPEL DAN PENGUJIAN NORMALITAS DATA
A. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas; obyek/subyek yang
mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian dirtarik kesimpulan.
Jadi populasi bukan bukan hanya orang, tetapi juga benda-benda alam yang lain.
Polulasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari,
tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh obyek itu.
B. Sampel
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi
tersebut. Bila populasi besar, dan peneliti tidak mungkin mepelajari semua yang ada
pada populasi karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat
mempergunakan sampel yang diambil dari populasi itu. Apa yang dipelajari dari
sampel itu, kesimpulan akan diperlakukan untuk populasi. Untuk itu sampel yang
diambil dari populasi harus betul-betul representatif (mewakili).
Bila sampel tidak representatif, ibarat orang buta disuruh menyimpulkan
karakteristik gajah. Satu orang memegang telinga gajah, maka ia akan
menyimpulkan bahwa gajah itu seperti kipas. Orang kedua memegang badan gajah,
ia akan mengatakan bahwa gajah itu seperti tembok besar. Satu orang lagi
memegang ekornya maka ia akan menyimpulkan bahwa gajah itu kecil bulat seperti
seutas tali. Begitulah kalau sampel yang dipilih tidak representatif, maka ibarat 3
orang buta itu membuat kesimpulan yang salah tentang gajah.
C. Teknik Sampling
Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk menentukan
sampel yang akan digunakan dalam penelitian, terdapat berbagai teknik sampling
yang digunakan dalam penelitian, terdapat berbagai teknik sampling yang
digunakan. Sacara skematis teknik sampling ditunjukkan pada gambar 4.
Teknik sampling
Probability Sampling
Non probability sampling
Gambar 4. Teknik sampling
Dari gambar tersebut terlihat bahwa, teknik sampling pada dasarnya dapat dikelompokkan
menjadi dua yaitu Probability sampling dan Nonprobability Sampling. Probability sampling
meliputi, simplle random, proportionate stratified random, dispropotionate stratified random
dan area random. Non probability sampling meliputi, sampling sistematis, sampling kuota,
sampling aksidental, purposive sampling, sampling jenuh dan snowball sampling.
1. Probability sampling
Probability sampling adalah teknik sampling yang memberikan peluang yang sama bagi
setiap unsur (anggota) populasi untuk dipilih menjadi anggota sample. Teknik ini
meliputi;
a. Simple Random sampling
Dikatakan siple (sederhana) karena pengambilan sampel anggota populasi dilakukan
secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara demikian
bila anggota populasi dianggap homogen. Teknik ini dapat digambarkan sbb.
Gambar 5.
Gambar 5. Teknik Simple Random Sampling
1. Simple random sampling2. Proporsionate stratified random
sampling3. Diasproportionate stratified
random sampling4. Area (cluster) sampling (sampling
menurut daerah)
1. Sampling sistematis2. Sampling kuota3. Sampling aksidental4. Purposive sampling5. Sampling jenuh6. Sowball sampling
Populasi homogen
Sample yg representatif
b. Proporsioned Stratified Random Sampling (PSRS)
Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen
dan berstrata secara proporsional. Suatu organisasi yang mempunyai pegawai dari
latar belakang pendidikan, maka populasi pegawai itu berstrata. Misalnya jumlah
pegawai yang lulus S1 = 45, S2 = 30, STM = 800, ST=900, SMEA = 400, SD = 300.
Jumlah sampel yang harus diambil meliputi strata pendidikan tersebut yang diambil
secara proporsional jumlah sampel dan teknik pengambilan sample. Teknik PSRS sbb
Gb.6
Gambar 6. Teknik Statified Random Sampling
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata
tetapi kurang proporsional. Misalnya pegawai dari PT tertentu mempunyai 3 orang
lulusan S3, 4 orang lulusan S2, 90 orang lulusan S1, 800 orang lulusan SMU, 700
orang lulusan SMP, maka tiga orang lulusan S3 dan 4 orang lulusan S2 itu diambil
semuanya sebagai sampel. Karena kelompok ini terlalu kecil bila dibandingkan
dengan kelompok S1, SMU dan SMP.
d. Cluster Sampilig (Area Sampling)
Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang akan
diteliti atau sumber data sangat luas, misalnya penduduk dari suatu negara, propinsi
atau kabupaten. Untuk menentukan penduduk mana yang akan dijadikan sumber
ooooooooo
XXXXXXXXXX
YYYYYYYYYY
ooooooooo
XXXXXXXXX
YYYYYYYYYY
data, maka pengambilan sampelnya berdasarkan daerah populasi yang telah
ditetapkan.
Misalnyadi Indonesia terdapat 33 propinsi, dan sampelnya akan menggunakan 15
propinsi, maka pengambilan sampelnya akan dilakukan secara random. Tetapi perlu
diingat bahwa propinsi-propinsi di Indonesia berstrata maka pengambilan
sampelnya perlu menggunakan stratified random sampling.
Teknik sampling daerah ini sering digunakan melalui dua tahap, yaitu tahap pertama
menetukan sampel daerah, dan tahap berikutnya menentukan orang-orang yang
berada di daerah itu secara sampling juga.teknik ini dapat digambarkan sbb gb. 7
Populasidaerah
Dgn random Dgn random
Sampel daerah Sampel individu
Gambar 7. Teknik Cluster Random Sampling
2. Non Probability Sampling
Non probability sampling adalah teknik yang tidak memberi peluang/kesempatan
sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Teknik
sampel ini meliputi;
a. Sampling Sistematis
Sampling sistematis adalah teknik penentuan sampel berdasarkan urutan dari
anggota populasi yang telah diberi nomor urut. Misalnya anggota populasi yang
telah diberi nomor urut. Misalnya anggota populasi yang terdiri dari 100 orang. Dari
semua anggota itu diberi nomor urut, yaitu no 1 sampai nomor 100.
A B C
D E F
G H I
A C F
D E G FFF G
Pengambilan sampel mulai dari nomor ganjil saja, genap saja atau kelipatan dari
bilangan tertentu, misalnya dengan kelipatan bilangan 5 maka sampel yang diambil
adalah nomor 5, 10, 15, 20 dan seterusnya sampai 100.
b. Sampling Kuota
Samplig Kuota adalah teknik untuk menentukan sampel dari populasi yang
mepunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Sebagai contoh
akan melakukan penelitian terhadap pegawai golongan II, dan penelitian dilakukan
secara kelompok. Setelah jumlah sampel ditentukan 100, dan jumlah anggota
peneliti berjumlah 5 orang maka setiap anggota peneliti dapat memilih sampel
secara bebas sesuai dengan karakteristik yang ditentukan (golongan II) sebanyak 20
orang.
c. Sampling Aksidental
Sampling Aksidental adalah teknik penetuan sampel berdasarkan kebetulan,
yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai
sumber data.
d. Sampling Purposive
Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan
tertentu. Misalnya akan melakukan penelitian tentang disiplin pegawai, maka
sampel yang dipilih adalah orang ahli dalam bidang kepegawaian saja.
e. Sampling Jenuh
Sampling jenuh adalah teknik penetuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil,
kurang dari 30 orang. Istilah lain sampel jenuh adalah sensus, dimana semua
anggota populasi dijadikan sampel.
f. Snowball Sampling
Snowball sampling adalah teknik penetuan sampel yang mula-mula jumlah kecil,
kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel.
Begitu seterusnya, sehingga jumlah sampel semakin banyak, ibarat bola salju yang
menggelinding, makin lama makin besar. Teknik sampel ini ditunjukkan pada gb. 8
Sampel pertama
Pilihan A
Pil B pil C
Gambar 9. Snowball sampling
3. Menentukan Ukuran Sampel
Jumlah anggota sampel sering dinyatakan dengan ukuran sampel. Jumlah sampel yang
100 % mewakili populasi adalah sama dengan populasi. Jadi bila jumlah populasi 1000
dan hasil penelitian itu akan diberlakukan untuk 1000 orang tersebut tanpa ada
kesalahan, maka jumlah sampel yang diambil sama dengan jumlah populasi tersebut
yaitu 1000 orang. Makin besar sampel mendekati jumlah sampel mendekati populasi,
maka peluang kesalahan generalisasi semakin kecil dan sebaliknya semakin kecil jumlah
sampel menjauh dari polulasi akan semakin besar kesalahan generalisasi (diberlakukan
umum).
Krecjie dalam melakukan perhitungan ukuran sampel didasarkan atas kesalahan
5 %. Jadi sampel yang diperoleh itu mempunyai kepercayaan 95 % terhadap populasi
(pada tabel 12). Dari tabel itu jika jumlah populasi 100 maka sampelnya 80, bila
populasi 1000 maka sampelnya 278 dan jika populasi 100000 jumlah sampel 384.
Dengan demikian makin besar populasi makin kecil prosentasi sampel. Oleh karena
itu tidak tepat bila ukuran populasinya berbeda prosentase sampelnya sama,
misalnya 10 %.
A
B C
D E F HG I
Harry King menghitung sampel tidak hanya didasarkan atas keslahan 5%saja
tetapi bervariasi sampai 15%. Tetapi jumlah sampel paling tinggi hanya 2000 (lihat
gambar 10. Monogam). Dari gambar tersebut diberikan contoh bila populasi 200
kepercayaan sampel dalam mewakili populasi 95%, maka jumlah sampelnya sekitar
58% dari populasi. Jadi 0,58 x 200 = 116. Bila populasi 800, kepercayaan sampel 90 %
atau kesalahan 10 %, maka jumlah sampel = 7,55 dari populasi. Jadi 0,075 x 800 = 60.
Terlihat disini bahwa makin besar kesalahan akan semakin kecil jumlah sampel.
Contoh mencari ukuran sampel diberikan dibawah nomogram gb 10.
TABEL 12. TABLE FOR DETERMINING NEEDED SIZE S OF ARANDOMLY CHOSEN SAMPLE FROM
A GIVEN FINITE POPULATION OF N CASES SUCH THAT SAMPLE PROPORTIONAL WILL BE WITHIN 0,05 OF THE POPULATION PROPORTION P WITH A 95 PERCENT
LEVEL OF CONFIDENCE
N S N S N S101520253035404550556065707580859095
100110120130140150160
10141924283236404448525659636670737680869297
103108113
220230240250260270280290300320340360380400420440460480500550600650700750800
140144148152155159162165169175181186191196201205210214217226234242248254260
1200130014001500160017001800190020002200240026002800300035004000450050006000700080009000
100001500020000
291297302306310313317320322327331335338341346351354357361364367368370375377
170180190200210
118123127132136
850900950
10001100
265269274278285
30000400005000075000
100000
379380381382384
Catatan ;
N = jumlah popupasi
S = sampel
Contoh : Bila populasi 200 jumlah sampelnya 132. Tabel ini khusus untuk tingkat
kesalahan 5 %.
a. Contoh Menentukan Ukuran Sampel dengan Nomogram Harry KingPenlitian akan dilakukan terhadap iklim kerja suatu organisasi. Sumber data yang
digunakan adalah para pegawai yang ada pada organisasi tersebut (populasi).
Jumlah pegawai 1000 terdiri atas lulusan S1 = 50, Sarjana Muda = 300, SMK = 100.
SD = 50 (populasi berstrata)
Jumlah populasi = 1000. Bila kesalahan 5 %, maka jumlah sampelnya = 278. Karena
populasi berstrata, maka sampelnya juga berstrata. Stratanya menurut tingkat
pendidikan. Dengan demikian masing-masing sampel sesuai dengan tingkat
pendidikan harus proporsional sesuai dengan populasi. Jadi jumlah sampel untuk :
S1 = 50/1000 X 278 = 13,90 = 14
SM = 300/1000 x 278 = 83
SMk = 500/1000 x 278 = 139
SMP = 50/1000 x 278 = 14
SD = 100/1000 x 278 = 28
Jadi jumlah sampel = 14 + 83 + 139 + 28 + 14 = 278
Pada perhitungan yang terdapat komo dibulatkan keatas sehingga jumlahnya lebih
dari 278 yaitu 280.
b. Contoh menetukan ukuran sampel dengan Perhitungan
Bila ukuran sampel lebih dari 100.000, maka peneliti tidak bisa melihat tabel lagi,
oleh karena itu peneliti harus dapat menghitung sendir. Ada dua rumus yang dapat
digunakan disini yaitu yang tidak diketahui simpangannya dan yang kedua yang
dapat diketahui simpangan bakunya.
Contoh 1. Misal seorang peneliti ingin mengetahui produktivitas kerja pegawai di
lembaga A peneliti berhipotesis bahwa produktivitas kerja di lembaga A paling
sedikit 75% dari tolok ukur ideal yang ditetapkan. Untuk itu diperlukan ukuran
sampel sebagai sumber datanya. Untuk itu diperlukan ukuran sampel diperlukan
rumus sebagai berikut :
n≥ pqδp2
dimana :
n = ukuran sampel yang diperlukan
p = prosentase hipotesis (H0) dinyatakan dalam peluang yang besarnya = 0,5
q = 1 -0,5 δ=¿perbedaan antara yang ditaksir pada hipotesis kerja (Ha) dengan
hipotesis nol (H0), dibagi dengan z pada tingkat kepercayaan tertentu.
Misalnya tingkat kepercayaan 68 %, Z= 1; 95%, Z =1,96; 99%, Z = 2,58.
Untuk contoh di atas misalanya taraf kepercayaan 95% berarti Z = 1,96 maka;
δp2 =(70%−50%)2
1,96 = 0,10022 = 0,0104.
Dengan demikian maka besarnya ukuran sampel yang diperlukan sebagai sumber
data pada taraf kepercayaan 95 % adalah;
n≥ = (0,5 )(0,5)0,0104
= 24,0292, atau 25 orang.
Jadi paling sedikit diperlukan 25 orang sebagai sumber data.
Misalnya taraf kepercayaan yang dikehendaki 99% maka Z = 2,58, maka sampel yang
diperlukan adalah:
n ≥ = (0,50)(0,50)
0,70-0,5 2 = 0,25/0,06 = 41,60 = 42
2,58
Jadi diperlukan paling sedikit 42 orang sebagai sumber data.
Contoh 2.
Untuk menaksir berapa tingkat kepuasan kerja pegawai di lemabaga B diperlukan sebuah
sampel. Taraf kepercayaan yang dikehendaki 99 %. Perbedaan anatara yang ditaksir dengan
tolok ukur yang ditetapkan tidak lebih dari 10%. Jika diketahui simpangan bakunya 20 % maka
ukuran sampel dapat dihitung dengan rumus sbb:
n ≥ = [δ . z /b ]2 dimana :
n = ukuran sampellah yang diperlukan
b = perbedaan antara yang ditaksir dengan tolok ukur penafsiran
z = penaksiran tergantung pada taraf kepercayaan yang ditetapkan (lihat keterangan pada
contoh pertama). Pada taraf kepercayaan 68, z = 1; 95%, z = 1,96; 99%, z = 2,58. Untuk harga-
harga lain dapat dilihat pada tabel kurve normal standard didasarkan pada Z1/2 taraf kepercayan.
Taraf kepercayaan 95% berararti Z1/2.95% = Z0,475 dalam tabel ditemukan 1,96.
δ = simpangan baku.
Untuk contoh diatas maka besarnya sampel dapat dihitung
n ≥= [ (0,20 )(2,58)/0,10 ] 2 = [0,516 /0,10 ] 2 = 5,162 = 26,63.
Jadi ukuran sampel paling sedikit 27 orang
Misal pegawai dilembaga B itu terdiri atas :
1. Golongan I = 15 orang
2. Golongan II = 30 orang
3. Golongan III = 15 orang
Maka Jumlah sampel yang diperlukan adalah :
1. Golongan I = 15/60 x 27 = 7 orang
2. Golongan II = 30/60 x 27 = 14 orang
3. Golongan III = 15 /60 x 27 = 7 orang
Jumlah = 28 orang
4. Menentukan Anggota sampel
Ada dua teknik samplingyang telah dikemukakan diatas yaitu probability
sampling dan nonprobability sampling. Probability sampling adalah teknik yang
member peluang sama kepada anggota populasi untuk dipilih menjadi anggota
sampel. Cara demikian sering disebut dengan random sampling, atau cara
pengambilan sampel secara acak.
Pengambilan sampel secara random/acak dapat dilakukan dengan bilangan
random, computer, maupun dengan undian. Bila pengambilan dilakukan dengan
undian, maka setiap anggota populasi diberi nomor terlebih ahulu, sesuai dengan
jumlah anggota poplasi.
Misalnya jumlah anggota populasi = 100, maka setiap anggota diberi nomor dari
1 sampai 100. Selanjutnya bila kesalahan 5 %, maka jumlah sampel 80.
Bila sampel tidak berstrata, maka pengambilan sampel tidak perlu
memperhatikan strata yang ada pada populasi, karena teknik pengambilan sampel
adalah random, nk setiap anggota populasi mempunyai peluang yang sama untuk
dipilih menjadi anggota sampel. Untuk contoh diatas peluang anggota populasi
1/100. Dengan demikian cara pengambilannya bila nomor satu telah diambil harus
dikembalikan lagi, kalau tidak dikembalikan lagi peluangnya menjadi tidak sama lagi.
Misal nomor pertama tidak dikembalikan maka peluangnya menjadi 1(100-1) = 1/99.
Peluang akan semakin besar bila yang telah diambil tidak dikembalikan. Bila yang
telah diambil keluar lagi, dianggap tidak sah dan dikembalikan lagi.
5. Normalitas Data
a. Kurve Normal
Seperti dikemukakan bahwa, penggunaan Statistik parametris bekerja dengan
asumsi bahwa setiap variable penelitian yang akan dianalisis membentuk
distribusi normal. Bila data tidak normal, maka teknik statistik Parametris tidak
dapat digunakan untuk alat analisis. Sebagai gantinya digunakan teknik statistik
lain yang tidak berasumsi bahwa data berdistribusi normal. Teknik statistik itu
adalah statistik Nonparametris. Untuk itu peneliti sebelum menggunakan teknik
statistik parametris sebagai analisisnya, maka peneliti harus membuktikan
terlebih dahulu, apakah data yang akan dianalisis itu berdidtribusi normal atau
tidak.
Suatu data yang membentuk distribusi normal bila jumlah data di atas
dan di bawah rata-rata sama, demikian simpangan bakunya.
Dari gambar 11 dibawah terlihat bahwa nilai rata-rata 190 mahasiswa
adalah 6. Jumlah mahasiswa diatas dan dibawah rata-rata adalah sama yaitu (40
+ 20 + 5 ) = 65. Demikian juga simpangand di bawah dan di atas rata-rata aadalah
sama yaitu 3,6. Di atas rata-rata = 96-65 = 30. Di bawah rata-rata 65-35 = 30.
kelompok yang membentuk distribusi normal itu. Luas antara rata-rata (mean)
terhadap Dari gambar terlihat suatu kurve normal terjadi titik pertemuan antara
nilai dan frekuensi dihubungkan sbb :
0 2 4 6 8 10 12 140
2
4
6
8
10
12
14
16
Distribusi Nilai salah satu mata kuliah yg memberi kurve normal
Luas kurve normal dapat terbagi berdasarkan jumlah standar deviasi dari data
satu standard deviasi (1S) ke kiri dan kekanan masing-masing 34,13 %; luas antara satu
standard deviasi ke kedua standard deviasi (2S) masing-masing adalah 13,59% dan luas
kedua standard deviasi (2S) masing-masing adalah 13,59%, dan luas antara dua standard
deviasi (2S) sampai tiga standard deviasi (3S) masing masing adalah 2,7 %, oleh karena
itu secara teoriris kurve normal tidak akan pernah menyentuh garis dasar, sehingga
luasnyapun tidak sampai 100% hanya mendekati 100% (99,999999%).
Kurve normal yang telah dibicarakan adalah kurve normal umum. Nilai rata-rata
(X) dan simpangan baku (1S, 2S, 3S dst) yang ada pada kurve normal ini tergantung pada
nilai yang ada pada kelompok itu yang diperoleh berdasarkan pengumpulan data.
Bentuk kurve adalah simetris, sehingga luas rata-rata (mean) X ke kanan dan kiri masing-
masing mendekati 50% (dalam praktrknya langsung dinyatakan 50%).
0 2 4 6 8 10 12 140
2
4
6
8
10
12
14
16
Distribusi Nilai salah satu mata kuliah yg memberi kurve normal
1s
Selain kurve normal umum, juga terdapat kurve normal yang lain, yang disebut
Kurve Normal Standard. Dikatakan standar karena nilai rata-ratanya adalah 0 dan
simpangan bakunya adalah 1,2,3,4 dst. Nilai simpangan baku selanjutnya dinyatakan
dalam simbul Z. kurve normal umum dapat dibuat dalam kurve normal standard dengan
menggunakan rumus sbb; Z = (Xi−X rt . rt)
s
Dimana :
Z = simpangan baku untuk kurve normal standard
Xi = data ke I dari suatu kelompok data
X = rata-rata kelompok
S = simpangan baku
Harga-harga Z ada kaitannya dengan prosentase daerah kurve itu. Prosesntase daerah
dihitung dari dari rata-rata. Dalam hal ini rata-ratanya adalah 0. Misalnya Z= 1,0 maka luas
kurve dari 0 sampai 1 = 34,13% (lihat tabel kurve normal dibelakang).
0 2 4 6 8 10 12 140
2
4
6
8
10
12
14
16
1s
1 0 1
2 2
3 3
b. contoh penggunaan kurve normal
Terdapat 200 mhs yg ikut mata kuliah statistik. Nilai rata-rata adalah 6 dan
simpangan bakunya adalah 2. Berapa orang yang mendapat nilai 8 ke atas ?.
Jawab : rata-rata klas (X) = 6, dan simpangan bakunya adalah (S) = 2 dari rumus dapat
dihitung sbb; Z = (Xi−X)s
= (8−6)2
= 1 . Dari tabel kurve normal dapat dfilihat daerah 0
sampai dengan 1, luasnya = 34,13. Ini adalah adalah antara mean (rata-rata) dengan
suatu titik yang jauhnya 1 SD diatas mean. Harga ini menunjukkan prosentase jumlah
mhs yang mendapat nilai 6 s/d 8. Dengan demikian prosentase yang mendapatkan nilai
8 ke atas adalah 50% - 34,13% = 15,87% (50% adalah setengah kurve di atas mean,
dimana nilai 8 ke atas berada). Jadi mhs yang mendapat nilai 8 keatas = 15,87x200 =
31,74 atau sekitar 32 orang.
c. Pengujian Normalitas Data
Statistik parametris itu bekerja berdasarkan asumsi bahwa data setiap variable yang
akan dianalisis berdistribusi normal. Untuk itu sebelum menggunakan teknik statistik
parametris, maka kenormalan data harus diuji terlebih dahulu. Bila data tidak
normal, maka statistik parametris tidak dapat digunakan, maka perlu digunakan
statistik nonparametris. Tetapi perlu diingat yang menyebabkan tidak normal itu
apanya. Misalnya ada kesalahan instrument dan pengumpulan data, maka dapat
mengakibatkan data yang diperoleh menjadi tidak normal. Tetapi bila sekelompok
data memang betul-betul sudah valid, tetapi distribusi tidak membentuk distribusi
normal, maka peneliti baru membuat keputusan untuk menggunakan teknik
statististik nonparametris. Pada pengujian normalitas dapat menggunakan Kertas
Peluang dan Chi Kuadrat (X2)
Kertas Peluang normal untuk pengujian normalitas data. Garis mendatar pada
kertas itu menunjukkan batas kelas interval, sedangkan garis yang vertical
menunjukkan prosentase kumulatif.
Contoh dan langkah-langkah pengujian :
a. Yang akan diuji adalah nilai ujian statistik 150 mahasiswa
TABEL . DISTRIBUSI FREKUENSI RELATIF NILAI STATISTIK 150 MHS
No Klas Klas Interval Frekuensi Relatif (%)
1
2
3
4
10 – 19
20 – 29
30 – 39
40 – 49
0,65
4,00
6,00
20,66
5
6
7
8
9
50 – 59
60 – 69
70 – 79
80 – 89
89 - 100
28,00
21,13
11,33
6,66
1,30
b. Susunlah data tersebut ke dalam distribusi frekuensi kumulatif it, menjadi
distribusi frekuensi kumulatif relative kuran dari.
Untuk keperluan ini, nilai kurang dari digunakan nilai rata-rata antara batas atas dari suatu klas
interval dengan batas bawah dari klas berikutnya. Misalnya nilai 19,5 adalah rata-rata dari 19 +
20
DISTRIBUSI FREKUENSI NILAI STATISTIK 150 mhs
Interval
data
frekuensi
10-19
20-29
30-39
40-49
50-59
60-69
70-79
80-89
90-99
1
6
9
31
42
32
17
10
2
DISTRIBUSI FREKUENSI KUMULATIF NILAI STATISTIK 150 mhs
Data Frekuensi kumulatif
Kurang dari 19,5
Kurang dari 29,5
Kurang dari 39,5
1
7
16
Kurang dari 49,5
Kurang dari 59,5
Kurang dari 69,5
Kurang dari 79,5
Kurang dari 89,5
Kurang dari 99,5
47
89
121
138
148
150
c. Letakkan nilai data kurang dari pada garis horizontal bagian bawah kertas
peluang normal, dan letakkan titik yang ditarik dari frekuensi kumulatifnya;
d. Hubungkan setiap titik yang telah dibuat, dan buatlah keputusan tentang
normal-tidaknya data. Bila garis yang ditemukan membentuk garis lurus, atau
mendekati maka data tersebut normal, bila membentuk menjadi tidak lurus,
berarti tidak normal.
Dari gambar itu, terlihat titik-titik yang dihubungkan membentuk garis lurus,
dengan demikian dapat disimpulkan bahwa , data nilai statistik 150 mhs tersebut
berdistribusi normal.
Gb. Kertas peluang Normal
CHI KUADRAT (X2)
Langkah langkah yang diperlukan adalah ;
1. Menetukan jumlah klas interval
mmmm