STATISTIKA PENDIDIKAN

Syahbanur Ramadhan
( 1505120323 )
Mita Elida Putri
( 1505122196 )
Khulatul Lutfiah
( 1505112290 )
Dewi Wahyuningsih ( 1505116639)
Annisa Azzahra
( 1505112730)
Indah Pratiwi
( 1505111397 )

PENELITIAN DAN STATISTIK

Penelitian

Gara ilmiah untuk mendapatkan data

dengan tujuan dan kegunaan
tertentu. Sehingga ada empat
halyang perlu dipahami yaitu: cara
ilmiah, data, tujuan, dan kegunaan.

Penelitian
cara ilmiah

penelitian didasarkan pada cici-ciri keilmuan

yaitu: rasional, empiris dan sisternatis.

Rasional

teramati oleh indra manusia, sehingga orang

lain dapat mengamati dan mengetahui caracara yang akan digunakan.

Empiris

kegiatan dengan cara-cara yang masuk akal.

Sisternatis

menggunakan langkah-langkah tertentu

yang bersifat logis.

Data

Valid

yang diperoleh melalui penelitian itu mempeunyai

kriteria tertentu, yaitu harus valid, reliable dan
obyektif.

menunjukkan derajat ketepatan.

konsistensi data dalam interval waktu tertentu.

Misalnya data yang terkumpul dari obyek kemarin
Reliable berwarna putih,maka sekarangpun atau besok juga
masih tetap berwarna putih.
lawannya subyektif: derajat persamaan persepsi antar
orang jadi orang tertentu melihat obyek itu berwarna
Obyekti putih, maka orang lainpun akan menyatakan putih.
f

Penemu data yang diperoleh betul-betul data baru.

an

Secara
umum
tujuan
penelitian
Pembuktian
Pengemban
gan
Melalui
penelitian

penemuan, pembuktian
dan pengembangan.
diperlukan untuk membuktian
adanya keraguraguan
terhadap suatu pengetahuan.
data yang diperoleh
digunakan untuk
memperdalam dan
memperluas suatu
pengetahuan.
secara umum data yang
diperoleh pada penelitian
dapat digunakan untuk
memahami, memecahkan,
dan mengantisipasi masalah.

Variabel Penelitian

Dalam
penelitian
kualitatif

melakukan pengukuran terhadap keberadaan

suatu variable dengan menggunakan
instrument penelitian. Dilanjutkan dengan
analisis untuk mencari hubungan satu variable
dengan variable yang lain.

Variable

merupakan gejala yang menjadi

focus peneliti untuk diamati. Variable
karena ada variasinya.

Variable
itu

sebagai atribut dari obyek yang mempunyai

variasi antara satu dengan yang lainnyadalam
kelompok itu. Tinggi berat badan, sikap,
motivasi, kepemimpinan, disiplin kerja, warna
rambut merupakan atribut dari seseorang. bila
tinggi badan, motivasi belajar,gaya
kepemimpinan dll dari 30 orang sama, maka
semua itu bukanlah variable.

VARIABEL
Variable independen (variable
bebas)

variable yang
mempengaruhi, sering
disebut variable stimulus,
input, dan predictor, yang
menjadi sebab timbulnya
atau berubahnya variable
dependen (variable
terikat).

Variabel dependen (variable

terikat)

disebut variable
respon, output, kriteria,
konsekuen. Merupakan
variable yang
dipengaruhi atau yang
menjadi akibat, karena
adanya variable bebas.

Variable
moderato
r

Variable
interveni
ng

Variable
control

variable yang memengaruhi (memperkuat atau

memperlemah) hubungan antara variable
independen dan dependen.
Contoh: hubungan suami dan istri semakin akrab,
bila ada anak. (anak adalah variable moderator)
yang memperkuat hubungan. Sebaiknya hubungan
suamiistri akan semakin renggang bila ada pihak
ketiga. (pihak ketiga adalah variable moderator).
variabelyang memengaruhi (memperkuat atau
memperlemah) antara variable independen
dandependen, tetapi tidak terukur.
Contoh: anak yang pandai nilainya akan tinggi, tetapi
dalam kasus tertentu ada anak yang pandai tetapi
nilainya rendah, ternyata ia sedang sakit.sakit
merupakan variable intervening yang masih sulit diukur,
tetapi ada.
variable yang dibuat konstan, sehingga tidak akan
mempengaruhi variable utama yang diteliti.
Variabelkontrol ini ditetapkan bila akan melakukan
eksperimen perbandingan.
Contoh: penelitian untuk membandingkan kecepatan
mengetik antara lulusan SMK dan SMU.untuk
penelitian ini ditetapkan variable control, yaitu naskah
sama, mesin ketik sama dan ruang kerja sama.

Paradigma penelitian
Paradigma penelitian :
adalah pola fikir yang menunjukkan hubungan
antara variasi yang akan diteliti. Akanndapat
digunakan sebagai panduan dalam merumuskan
masalah penelitian, merumuskan hipotesis, dan
menentukan teknik statistik yang digunakan untuk
menguji hipotesis.

Berikut ini beberapa contoh paradigma penelitian:

1. paradigma sederhana
Menunjukkan hubungan antara satu
variabelindependen (X= penampilan kerja---

2. paradigma sederhana berurutan

Menunjukkan hubungan antara satu variable dengan
variable yang lain secara berurutan.

X1= kemampuan
X2= penghasilan

x3= prestasi belajar

Y= kesejahteraan

3. paradigm ganda dengan dua variable

berurutan
Menunjukkan hubunga bersama-sama antara X1
dengan X2 terhadap Y.

x1= tata ruang kantor

Y= kelancaran kerja
x2 = kepemimpinan
4. Paradigma ganda dengan tiga variable
independen
x1= pemahaman terhadap tugas
x2= kepemimpinan
x3= kepuasan kerja
y= produktivitas kerja

5. paradigma ganda dengan dua variable dependen

x= tingkat pendidikan
y1=kepuasan kerja
y2= kematangan kerja

6. paradigma jalur sederhana

x1= status suisal ekonomi
x2= IQ
x3=Motivasi belajar
Y= prestasi

7. paradigma jalur ganda

x1= kematangan pribadi
x2= gaya kepemimpinan
x3 wibawa kepemimpinan
x4=kematangan guru
x5= gayakepemimpinan
x6=wibawa kepemimpinan kepala sekolah
Y= hasil belajar

Proses Penelitian

Langkah-langkah
sistematis
dalam
penelitian
itu
(khususnya
penelitian
kuantitatif) terlihat dalam proses penelitian
seperti yang ditunjukkan pada gambar 1.8.
penelitian itu dimulai dengan adanya masalah.

Masalah
merupakan
penyimpangan
antara
yang
diharapkan dengan yang terjadi. Masalah ini dipecahkan
melalui penelitian. Supaya arah penelitian lebihnjelas
maka peneliti perlu berteori sesuai denganlingkup
permasalahn.dengan berteori dapat membangun kerangka
pemikiran untuk menjawab permasalahan.

Hipotesis: jawaban terhadap permasalahn yang baru

menggunakan teori. Jadi penelitian itu merupakan jawaban
sementara terhadap rumusan masalah penelitian, karena
baru menggunakan teori.

Untuk membuktikan hipotesis : dilakukan pengumpulan

data pada obyek tertentu.
Karena obyek sebagai populasi terlalu luas, digunakan
sampel dari populasi itu.
Sampel yang diambil : haruslah representative (mewakili).
Untuk keperluan ini maka diperlukan teknik statistic
untukmenentukan jumlah sampel (lihat bab teknik sampling).
Setelah populasi dan sampel sebagai obyek penelitian
ditetapkan, selanjutnya mengumpulkan data.
Untuk mengumpulkan data dengan teliti, digunakan
instrument penelitian (alat ukur) instrument yang baik adalah
instrument yang valid.
Data yang dikumpulakan, selanjutnya dideskripsikan
melalui penyajian data. Dengan demikian gambaran data
yang menjadi lebih jelas baik. Untuk keperluan penyajian
data ini, maka diperlukan teknik statistic, yaitu
statistikdeskriptif.

Kegiatan penelitian selanjutnya adalah melakukan analisis data. Analisis

terutama untuk menjawab rumusan masalah,dan menguji hipotesis.
Dua macam hipotesis, yaitu hipotesis penelitian dan hipotesis statistic.
Hipotesis penelitian merupakan jawaban sementara terhadap rumusan
masalah.
Hipotesis statistic adalah dugaan keadaan populasi dengan menggunakan
dua sampel.
Penelitian dengan pengujian hipotesis statistic adalah penelitian yang
menggunakandata sampel. Bila peneliti merumuskan hipotesis penelitian dan
inginmengujinya dengan menggunakan data populasi (bukan sampel) maka
peneliti tidak akan menguji hipotesis statistic.
Ciri khas pengujian hipotesis statistic adalah adanya taraf kesalahan
yang ditetapkan atau taraf signifikansi.
Setelah analisis data dilakukan, dapat dibuat keputusan hipotesis yang
diajukan diterima atau ditolak, makakegiatan selanjutnya adalah
memberikan pembahasan.
Pembahasan merupakan pencandraan hasil penelitian maupun analisis
dengan menggunakan berbagai referensi, sehingga hasil penelitian maupun
analisisnya akan lebih dapat diyakini oleh pihak-pihak lain.
Langkah akhir kegiatan penelitian adalah membuat kesimpulan dan
memberikan saran-saran.
Kesimpulan merupakan jawaban terhadap rumusan masalah penelitian

Peranan Statistic Dalam Penelitian

peranan statistik dalam penelitian adalah sebagai :
Alat untuk menghiting besarnya anggota sampel yang
diambil dari suatu populasi. Dengan demikian jumlah
sampel yang diperlukan lebih dapat
dipertanggungjawabkan.
Alat untuk menguji validasi dan reliabilitas instrument.
Sebelum instrument digunakan untuk penelitian, maka
harus diuji validasi dan reliabilitasnya terlebihdahulu.
Teknik-teknik untuk menyajikan data, sehingga data
lebih komutatif. Teknik-teknik penyajian data ini antara
lain:table, grafik, diagram lingkaran, dan pictogram.
Alat untuk analisis data seperti menguji hipotesis
penelitian yang diajukan. Dalam halini statistic yang
digunakan antara lain: korelasi, regresi, west, anova dll.

Macam-macam Statistik
Dalam arti sempit statistic dapat diartikan sebagai data, tetapi dalam arti
luas statistic dapat diartikan sebagai alat. Alat untuk analisis dan alat
untuknmebuat keputusan.
Statistik dibedakan menjadi dua, yaitu statistik deskriptif dan Statistik
inferensial.
Statistik deskriptif digunakan untuk menggambarkan Statistik hasil
penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih
luas (general isasi/inferensi). Penelitian yang tidak menggunakan sampel,
analisisnya akan Statistik deskriptif dalam hal ini teknik korelasi dan regresi
juga dapat berperan sebagai statistic deskriptif.
Statistic inferensial adalah Statistik yang digunakan untuk menganalisis
data sampel, dan hasilnya akandigeneralisasikan (diinferensikan) untuk
populasi.
Dua macam Statistik inferensial yaitu: Statistik parametris dan
nonparametris.
Statistik parametrsi terutama digunakan untuk menganalisis data interval
dan rasio yang diambil pada populasi yang berdistribusi normal.
Statistik nonparameteris, terutama digunakan untuk menganalisis data
nominal dan ordinal dan populasi yang bebas distribusi. Jadi tidak harus
nominal. Dalam hal ini teknik korelasi dan regresi dapat berperan sebagai
Statistik inferensial.

Deskriptif
Statistik

Parametris
Inferensial
Nonparame
tris

Berbagai Macam Data Penelitian

Data hasil penelitian dikelompokkan menjadi dua, yaitu
data kualitatif dan data kuantitatif. Data kualitatif adalah
data yang berbentuk kalimat, kata atau gambar. Data
kuantitatif adalah data yang berbentuk angka, atau data
kualitatif
yang
diangkakan
(skoring).
Dapat
dikelompokkanmenjadi dua besar, yaitu data diskrit dan
data konfinum.
Data diskrit (data nominal) adalah data yang diperoleh
pada hasil menghitung atau pembilang (bukan mengukur).
Misalnya jumlah meja ada 20, jumlah orang ada 12dsb.
Data ini sering juga disebut dengan data nominal.
Data nominal diperoleh dari penelitian yang bersifat
eksploratif atau survey.
Data kontinum adalah data yang diperoleh pada hasil
pengukuran. Dikelompokkan menjadi tiga: yaitu data
ordinal, interval, dan rasio.

Macam
data

kualitatif
kuantitat
if

deskrit

ordinal

kontinum

interval
rasio

Data ordinal adalah data yang berjenjang atau berburuk

peringkat. Oleh karena itu jarak satu data dengan yang
lain mungkin tidak sama. Juara 1, 11, 11 ; golongan 1, 11,
11, IV; eselon 1, 11, 11, IV dsb.
Data interval adalah data yang jaraknya sama, tetapi
tidak mempunyai nilai nom absolut (mutlak).walaupun
datanya nol, tetapi masih mempunyai nilai. Misalnya nol
derajat celcius, ternyata masih ada nilanya.
Data rasio adalah data yang jaraknya sama dan
mempunyai nilai nolabsolut. Jadi kalau data nol berarti
tidak ada apa-apanya seperti panjang (m), berat (Kg).
data ini bias dibuat penjumlahan dan perkalian. 5 kg+5
kg= 10 kg. data yang lain tidak bias demikian, oleh karena
itu data yang paling teliti adalah data rasio. Data inidapat
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 umum (table 1.1). teknik Statistik mana yang akan digunakan
untuk pengujian tergantung pada interaksi dua hal yaitu macam data
yang akan di analisis, dan bentuk hipotesisnya
Jenis penelitian menurut tingkat eksplanasinya maka bentuk
hipotesisnya ada tiga, yaitu hipotesis deskriptif, komparatif, dan
asosiatif.

Hipotesis komparatif ada dua macam yaitu dua sampel dan lebih dari
dua sampel. Untuk masing-masing hipotesis komparatif dibagimenjadi
dua yaitu related (berpasangan) dan sampel independen. (lihat table
1.1)

Sampel berpasangan adalah sampel yang diberi pretest dan postes,

atau sampel yang digunakan dalam penelitian eksperimen sebagai
kelompok control dan kelompok eksperimen. Jadi antara sampel yang
diberi treatment (perlakuan) dan yang tak diberi perlakuan adalah
sampel yang related.

Contoh sampel yang independen adalah misalnya

membandingkan antara pretasi kerja pria dan wanita.
Berikut ini diberikan contoh rumusan hipotesis
deskriptif, komparatif dan asosiatif.
1. Hipotesis deskriptif
Ho : daya tahan lampu merk X= 500 jam
Ha : daya tahan lampumerk X500 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 statistic 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
sampelindependen). Data interval, hipotesis
komparatif dua sampel indpenden.
3) Untuk hipotesis asosiatif atauhubungan. lihat table
1.1.

Bila data nominal, hipotesis asosiatif, teknik statistic

yang digunakanadalah contingency coeftsient, atau
cramers statistic lamda. Jadi table 1.1 dapat digunakan
sebagai kunci dalam memilih teknik statistic untuk
pengujian hipotesis penelitian.

Tabel 1.1 penggunaan statistik parametris dan nonparametris untuk

menguji hipotesis
Bentuk Hipotesis
Maca
m
data

Nomin
al

Deskriptif
(satu
variabel)

Binomial
X2 one
sample

Komparatif ( dua
sampel)
related

Mc
Nemar

komparatif (>=2
sampel)

independe
n

relate
d

independ
en

Fisher
exact
probabilit
y

X2 for
k
sampl
e

X2 for k
sample

X2 two
sample

Cochr
an Q

Asosiatif
(hubunga
n)

Contigen
cy
coefficien
tC

Median
test

Ordin
al

Run test

Sign
test

MannWitney U
test

Wil
coxon
matche
d pairs

Koimogor
ovswimov

Fried
man
twoway
anova

Median
extension
Kruskal
wallis one
way
anova

Spearma
n rank
correlatio
n
Kendall
Tau

Waldwoldfowit
z
One
way
anova
Interv

T-test

T-test

of

Pearson
product
moment*
One way
anova*

Partial
correlatio

DISTRIBUSI FREKUENSI
Data berupa nilai quis dari 4 mahasiswa semester 5 kelas X
prodi bahasa indonesia.

Aturlah data diatas menjadi data tunggal dan kelompokkan

dalam bentuk :
1. Tabel distribusi frekuensi
2. Tabel distribusi frekuensi kumulatif
3. Tabel distribusi relatif
4. Grafik poligon dan grafik histogram

DATA TUNGGAL

Tabel distribusi frekuensi

Nilai

Nilai

Nilai

84

60

35

82

59

30

80

58

76

57

75

55

74

54

73

53

71

51

68

48

67

46

65

45

63

44

62

40

61

39

 Tabel distribusi frekuensi kumulatif

Nilai F

F kb

F
ka

Nilai F

F kb

F
ka

Nilai F

F kb

F
ka

84

40

60

24

18

39

38

82

38

59

22

20

35

39

80

37

58

20

22

30

40

76

36

57

18

24

75

35

55

16

26

74

34

54

14

27

73

33

53

13

28

71

31

10

51

12

29

68

20

11

48

11

31

67

29

12

33

65
63

28

13

46
45

35

27

14

44

36

62

26

15

40

37

61

25

16

 Tabel distribusi relatif

Nilai F

P (%)

Nilai F

P (%)

84

2/40 x 100 =
5%

59

2/40 x 100 =
5%

82

1/40 x 100 =
2,5 %

58

2/40 x 100 =
5%

80

1/40 x 100 =
2,5 %

57

2/40 x 100 =
5%

76

1/40 x 100 =
2,5 %

55

2/40 x 100 =
5%

75

1/40 x 100 =
2,5 %

54

1/40 x 100 =
2,5 %

74

1/40 x 100 =
2,5 %

53

1/40 x 100 =
2,5 %

73

2/40 x 100 =
5%

51

1/40 x 100 =
2,5 %

71

1/40 x 100 =
2,5 %

48

2/40 x 100 =
5%

68

1/40 x 100 =
2,5 %

46

2/40 x 100 =
5%

 Grafik histogram
Nilai F

Nilai
Nyata

Nilai F

Nilai
Nyata

84

83,5 84,5

59

58,5 59,5

82

81,5
82,5

58

57,5
58,5

80

79,5
80,5

57

56,5
57,5

76

75,5
76,5

55

54,5
55,5

75

74,5
75,5

54

53,5
54,5

74

73,5
74,5

53

52,5
53,5

73

72,5
73,5

51

50,5
51,5

71

70,5
71,5

48

47,5
48,5

68

67,5
68,5

46

45,5
46,5

R = H-L + 1

K = R/i

Keterangan :
R : Range
H: Nilai tertinggi dari
data
L : Niali terendah dari
data
1 : Bilangan konstan
K: Banyak Kelas (10-20)

 DATA KELOMPOKAN
R = H-L + 1

K = R/i

1. Tabel Distribusi Frekuensi

Nilai
80-84
75-79
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34

F
4
2
4
3
5
8
3
6
2
2
1

2. Tabel distribusi frekuensi kumulatif

Nilai

FK
(b)

FK(a)

80-84

40

75-79

36

70-74

34

10

65-69

30

13

60-64

27

18

55-59

22

26

50-54

14

29

45-49

11

35

40-44

37

35-39

39

30-34 1

40

3. Tabel distribusi relatif

Nilai
80-84

P (%)

4/40 x 100 % =
10 %

75-79

2/40 x 100 % =
5%

70-74

4/40 x 100 % =
10 %

65-69

3/40 x 100 % =
7,5 %

60-64

5/40 x 100 % =
12,5 %

55-59

8/40 x 100 % =
20 %

50-54

3/40 x 100 % =
7,5 %

45-49

6/40 x 100 % =
15 %

40-44

2/40 x 100 % =

4. Grafik Poligon
Nilai

Mid
point

80-84

82

75-79

77

70-74

72

65-69

67

60-64

62

55-59

57

50-54

52

45-49

47

40-44

42

35-39

37

30-34 1

32

Midpoint :
= 82

5. Grafik Histogram
Nilai
80-84

75-79

70-74

65-69

60-64

55-59

50-54

45-49

40-44

35-39

30-34 1

Nilai Nyata

MEAN, MEDIAN, MODUS DAN QUARTIL

Data Tunggal
Mean : Jumlah seluruh angka bilangan dibagi
banyak bilangan tersebut
Mx =
Keterangan :
Mx : Median
Fx : Total perkalian frekuensi dan nilai
N : Total Sampel

 Data Tunggal
Nilai F

F kb

F
ka

84

40

82

38

80

37

76

36

75

35

74

34

73

33

71

31

10

68

20

11

67

29

12

65
63

28

13

27

14

62

26

15

61

25

16

 Median : Rata-rata nilai pertengahan

Keterangan :
Md
= Median
L = lower limit ( batas bawah nyata interval kelas yang
mengandung median)
N = Total sampel
Fkb
= Frekuensi kumulatif yang terletak dibawah interval
yang mengandung median
Fka
= Frekuensi kumulatif yang terletak dibawah interval
yang mengandung median
Fi = Frekuensi Asli ( Frekuensi yang mengandung median )

 Data

Kelompok
Mean
Mx =
Median

MODUS DAN QUARTIL

 Kuartil

DEVIASI RATA-RATA DAN DEVIASI STANDAR

 Data Kelompok

1. Asumsi kenormalan dalam analisis suatu data.

Dalam mengananlisis suatu data, kita harus memperhatikan
apakah data itu distribusi normal atau tidak. Untuk menguji data
distribusi normal atai tidak digunakan uji Kalmogrov Smirnov.
Jika

data

berdistribusi

normal

maka

digunakan

uji

statistik

parametik
Untuk data yang terdiri dari 2 kelompok ampel dapat digunakan
independent sample t-test
Untuk data yang terdiri dari lebih 2 kelompok sampel atau lebih
dapat digunakan uji one way anava
Jika data tidak berdistribusi normal maka digunakan uji statistic non
parametik
Untuk data terdiri dari dua kelompok sampel dapat digunakan uji
Man Whitney
Untuk data yang terdiri dari kelompok sampel atau lebih dapat

2. Seorang peneliti melakukan penelitian untuk mengkaji

perbedaan hasil belajar antara kelompok siswa yang di ajar
dengan metode X dan kelompok siswa yang diajar dengan
metode Y.
Data hasil pengamatan dari penelitian tersebut adalah sebagai
berikut :
Metode X
85,73, 36, 47, 52, 75,

Metode Y
24,45, 79, 58,61, 85,

43, 67, 77, 59, 61, 79,

73, 36, 47, 52, 75, 43,

81, 90, 47, 26, 48, 72,

67, 77, 50, 79, 50, 81,

48, 39, 78, 59, 60, 59,

59, 61, 79, 81, 39, 90,

68, 57, 81

47, 26, 48, 72, 78, 59,

68

Analsislah data tersebut dan apa kesimpulan yang anda temukan.

Lampirkan juga hasil olahan SPPSnya.

Langkah langkah untuk menganalisis data tersebut adalah :

1. Uji Normalitas
Kelompok yang menggunakan metode X
: data berdistribusi normal
: data tidak berdistibusi normal
Kriteria pengujian : diterima jika Pvalue
Dari hasil analisis dengan menggunakan SPSS, diperoleh
Pvalue = 0,200 dengan = 0.005
Pvalue = 0,200 0,05 = maka diterima, artinya data
distribusi normal.
Kelompok yang menggunakan meode Y
: data berdistribusi normal
: data tidak berdistibusi normal
Kriteria pengujian : diterima jika Pvalue
Dari hasil analisis dengan menggunakan SPSS, diperoleh
Pvalue = 0,184 dengan = 0,005
Pvalue = 0,148
0,05 = maka diterima, artinya data
distribusi normal.
Jadi dapat disimpulkan bahwa sampel berasal dari
populasi yang berdistribusi normal

2.

Setelah diketahui bahwa data distribusi normal, maka

selanjutnya dilakukan uji statistic. Uji statistic yang digunakan
adalah uji t.
Uji homogenitas variasi
: =
:
Kriteria pengujian : diterima jika Pvalue
Dari data hasil analisis diperoleh nilai Pvalue = 0, 514
Karena Pvalue = 0,514 0,05 = maka diterima artinya
kedua kelompok populasi mempunyai variasi yang
homogen.
Uji kehomogenan rata-rata
:=
:
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh Pvalue = 0,979
Karena Pvalue =0,979 0,05 = maka diterima, artinya
tidak terdapat perbedaan rata-rata hasil belajar dari
kedua kelompok metode yang digunakan.
Kesimpulan : tidak terdapat perbedaan hasil belajar antara

3. Berikut ini adalah data kemampuan berfikir kreatif matematis siswa

untuk level sekolah tinggi, sedang, dan rendah

Level
Level
Level
tinggi
65

Sedang
70
45

55

0
8

75

90

70

60

55

0
6

50

70

75

35

70

5
8

80

75

50

43

75

0
6

55

65

75

65

60

5
9

60

60

80

50

75

0
3

70

50

65

70

65

5
6

60

55

60

85

35

5
6

50

75

75

80

65

0
8

75

80

75

70

Rendah
80
65

Langkah-langkah untu menganalisis data diatas adalah :

1. Uji Normalitas
Kelompok level sekolah tinggi
: data berdistribusi normal
: data tidak berdistribusi normal
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh menggunakan SPSS
diperoleh
Pvalue = 0,052 dengan = 0,005
Pvalue = 0,052 0,05 = maka diterima, artinya data
distribusi normal.
Kelompok level sekolah sedang
: data berdistribusi normal
: data tidak berdistribusi normal
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh menggunakan SPSS
diperoleh
Pvalue = 0,161 dengan = 0,005
Pvalue = 0,161 0,05 = maka diterima, artinya data

Kelompok level sekolah rendah

: data berdistribusi normal
: data tidak berdistribusi normal
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh menggunakan SPSS diperoleh
Pvalue = 0,096 dengan = 0,005
Pvalue = 0,096 0,05 = maka diterima, artinya data distribusi
normal.

Setelah diketahui bahwa data distribusi normal, maka selanjutnya

dilakukan uji statstik. Uji statistik. Uji statistik yang digunakan adalah
uji anova satu arah

a) Uji homogenitas variasi

: =
: ada yang tidak sama
Kriteria pengujian : diterima jika Pvalue
Dari data hasil analisis diperoleh nilai Pvalue = 0, 806
Karena Pvalue = 0,806 0,05 = maka diterima artinya kedua
kelompok populasi mempunyai variasi yang homogen.
b) Uji homogenitas rata-rata
:==
: ada yang tidak sama
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh Pvalue = 0,666
Karena Pvalue = 0,666 0,05 =
Maka = diterima atrinya tidak terdapat perbedaan rata-rata hasil
belajar dari level sekolah tinggi, sekolah rendah, dan sekolah
rendah.
Kesimpulana : tidak terdapat perbedaan kemampuan berfikir
kreatif matematis siswa antara level sekolah tinggi, level sekolah
sedang, level sekolah rendah

4. Penelitian mengenai dampak penggunaan Metode Baru dalam proses

belajar mengajar terhadap peningkatan kemampuan matematis siswa
dilakukan oleh seorang peneliti. Dalam penelitian tesebut, peneliti juga
memperhatikan kemampuan Awal Siswa (tinggi, sedang, dan rendah).
Diperoleh data sebagai berikut :
KAS

Metode Baru
KAS

Metode Konvensional
KAS
KAS
KAS

KAS

renda

seda

Tingg

renda

Seda

ng

ng

0,33

0,35

0,90

0,10

0,03

0,35

0,35

0,20

0,80

0,15

0,08

0,28

0,23

0,28

0,55

0,15

0,10

0,13

0,38

0,20

0,63

0,18

0,13

0,30

0,13

0,20

0,73

0,13

0,15

0,30

0, 28

0,33

0,48

0,08

0,15

0,60

0,18

0,28

0,55

0,10

0,25

0,48

0,10

0,20

0,58

0,13

0,25

0,30

0,25

0,50

0,58

0,13

0,25

0,58

0,30

0,40

0,30

0,10

0,28

0,43

0,35

0,33

0,30

0,13

0,30

0,56

0,30

0,35

0,40

0,28

0,33

0,49

0,18

0,20

0,56

0,50

0,65

tinggi

1. Uji Normalitas

a. Metode
Kelompok metode baru
: data berdistribusi normal
: data tidak berdistribusi normal
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh menggunakan SPSS
diperoleh
Pvalue = 0,000 dengan = 0,005
Pvalue = 0,000 0,05 = maka ditolak artinya data
tidak berdistribusi normal.

Kelompok Metode Konvensional

: data berdistribusi normal
: data tidak berdistribusi normal
Kriteia pengujian diterima jika Pvalue
Data hasil analisis diperoleh menggunakan SPSS
diperoleh
Pvalue = 0,005 dengan = 0,005
Pvalue = 0,005 0,05 = maka ditolak artinya data
tidak berdistribusi normal.

b. Kemampuan matematis siswa

KAS

Rendah

Sedang

Tinggi

P-Value

0,082

0,026

0,200

Karena Pvalue ada yang < = 0,05 dapat disimpulkan bahwa

kelompok sampel tidak berdistribusi normal.
Karena data tidak berdistribusi normal, maka analisis
statistic yang digunakan adalah analisis non parametik.

Data berdasarkan kemampuan awal :

KAS RENDAH
SKOR
R

KAS SEDANG
SKOR
R

KAS TINGGI
SKOR
R

0,08

2,5

0,03

0,13

12

0,1

0,08

2,5

0,28

37,5

0,13

12

0,1

0,3

45,5

0,15

17,5

0,13

12

0,35

57,5

0,18

21

0,15

17,5

0,4

62,5

0,21

28

0,20

25

0,43

64

0,23

29

0,25

31,5

0,48

65,5

0,25

31,5

0,28

37,5

0,49

67

0,28

37,5

0,3

45,5

0,55

70,5

0,3

45,5

0,33

51,5

0,56

72,5

0,33

51,5

0,35

57,5

0,58

75

0,34

54

0,4

62,5

0,6

77

0,35

57,5

0,5

68,5

0,63

78

0,38

61

0,83

82

0,65

79

0,5

68,5

0,73

80

0,80

81

0,90

83

 = = 14, 06

= =9
= = 40,94
2. Hitung
= 5, 06
= 26,88
= 31,94
3. Tentukan Z0,03/6 = Z0,0083 =
2,935
Untuk I = 1 dan j = 2
= Z0,05/6
= 2,395
= 29,26
Untuk I = 1 dan j = 3
= Z0,05/6
= 2,395
= 11,38

Untuk i = 2 dan j = 3
= Z0,05/6
= 2,395
= 11,6
Sehingga
= 5, 06 29,26
= 26,88 11,38
= 31,94 11,6

Dari hasil analisis diatas maka

terdapat
perbedaan
antara
kelompok
pertama
dengan
kelompok ketiga dan kelompok
kedua
dengan
kelompok
ketiga.
Kesimpulan
:
terdapat
perbedaan antara kelompok
kemampuan awal siswa rendah
dengan kelompok kemampuan
awal
siswa
tinggi,
dan
perbedaan antara kelompok

Uji hipotesis Statistik

Uji Kolom ( Metode)

Uji yang digunakan adalah uji Mann

Whitney
:=
:
Jika Pvalue = 0,05, maka H0
diterima
Dari hasil SPPS diperoleh :
Dapat diketahui nilai signifikasinya
adalah 0,02. Karena Pvalue = 0,05
dapat
disimpulkan bahwa
terdapat perbedaan antara kedua
kelompok sampel.

Uji Baris
Uji yang digunakan adalah adalah uji
Kruskal Wallis
H0 : = =
H1: ada yang tidak sama
Jika Pvalue = 0,05, maka H0 diterima
Dari hasil SPPS diperoleh :
Dapat diketahui nilai signifikasinya
adalag 0,0000. Karena Jika Pvalue =
0,05 dapat disimpulkan bahwa
terdapat perbedaan rata-rata
kemampuan matematis siwa anatara
kemampuan rendah, sedang, tinggi.
Untuk menentukan mana kelompok
yang berbeda maka digunakan uji
kruskal wallis lanjutan.

Uji parametrik

Uji non parametrik

Statistika

Statistika adalah ilmu cabang dari matematika.

Statistika deskriptif : pengelompokannya, penyajiannya

Contoh: tabel, grafik, diagram.
Deskriptif:
Nilai paling rendah / tinggi perkelas atau rata-rata
Perilaku
Kecendrungan (dalam beberapa kali ujian kecendrungan dari tidak
tertulis data pada kelas)
Statistika inferensi: pengambilan kesimpulan, analisis data.
Contoh: uji rata-rata, uji regresi

Populasi dan sampel

Populasi: keseluruhan dari objek yang menjadi

pusat perhatian.
Sampel: bagian dari populasi yang mewakili
dan memiliki karakteristik
Parameter yang diuji milik populasi
Ho = 1 = 2

Variabel

Variabel: sesuatu hal yang mempunyai nilai

yang banyak
Nilai terbagi: kuantitatif dan kualitatif
Variabel bebas: model pembelajaran (PBL dan
konvensional)
Variabel terikat: nilai siswa atau hasil belajar

Peluang suatu kejadian

Kejadian: kontinu (fungsi) dan diskrit (titik)
Ruang sampel: Himpunan semu kemungkinan hasil suatu
percobaan
Contoh:
Pada pelemparan koin mata uang
S= {A,G}
A= angka
G= gambar
Pada pelemparan satu dadu
A= {1,2,3,4,5,6}
Urutan mempengaruhi
* dengan menuliskan semua anggotanya:
S= {LLL, LLP, LPP, LPL, PLL, PLP, PPL, PPP}
{3L, 2L1P, 1L2P, 3P}
* Dengan melalui catatan pembangun himpunan / notasi
pembangun himpunan

Kejadian: himpunan bagian dari ruang sampel

S= {X | x 0 }
X= umur barang elektronika
A= barang elektronika
A= { X | 0 x < 7}
B= kejadian mata dadu bilangan prima
B= {3,5,7}

Kejadian sederhana: kejadian sebuah himpunan yang hanya terdiri

dari satu titik sampel
Kejadian majemuk: kejadian yang dapat dinyatakan sebagai
gabungan beberapa kejadian sederhana
Contoh: B= kejadian muncul mata dadu bilangan prima
C= kejadian muncul mata dadu bilangan prima genap
Contoh kejadian majemuk: B= {2,3,5}
C= {2}
Contoh kejadian sederhana:
* pada pelemparan dadu, kejadian munculnya mata dadu 4
* kejadian munculnya mata dadu genap pada pelemparan dadu

Ruang nol
Ruang nol: Himpunan dari ruang sampel yang tidak
memiliki anggota
Ex: munculnya mata dadu 7
Irisan dua kejadian A dan B adalah kejadian yang
mengandung semua unsur persekutuan dari A dan
B dilambangkan dengan A B
Contoh: A: {1,2,3,4,5}
B: {3,4,5,6,7,8}
A B: {3,4,5}

Kejadian saling terpisah

A= genap
B= ganjil
Keduanya saling terpisah / asing


Peluang
suatu kejadian
Peluang suatu kejadian A dilambangkan dengan P(A)
adalah jumlah semua titik-titik sampel dalam A dibagi
dengan banyaknya elemen ruang sampel.
Contoh:
S= {1,2,3,4,5,6} = ~
A= {1,2,3} = n
P(A)=
P(S)=
Jika A adalah ruang nol, maka P(A)=
Maka 0 P(A) 1
P()= 0
P(s) = 1

Peluang

suatu kejadian
Gabungan A dan B
P(A B) = P(A) P(B) P(A B)

Peluang bersyarat
Peluang kejadian A dengan syarat B
P(A | B )=
Peluang lemparan dua mata dadu:
* mata dadu 1: angka 1 A
* mata dadu 2: angka 6 B
P(A)=
P(B)=
P(A B)=
P(A B)=
=
=

Peluang

munculnya mata dadu 11 adalah

genap dengan syaratmunculnya mata dadu 1
adalah 5
P(A)= {2,4,6} =
P(B)=

1. bila A dan B adalah dua kejadian sembarang Maka P(A

B) = P(A) + P(B) P(A B)
2. jika A dan B adalah dua kejadian yang saling terpisah,
maka P(A B) = P(A) + P(B)
Karena A B=
Sehingga P(A B)= P() = 0
Berdasarkan teorema sebelumnya
P(A B) = P(A) + P(B) P(A B)
= P(A) + P(B) 0
= P(A) + P(B)
3. bila A dan A adalah dua kejadian yang saling
berkomplemen, maka P(A) + P(A) = 1
P(Ac ) + P(A) = P(S)
P(A) + P(A ) = P(A
A )
P(A Ac )= P(A) + P(Ac )
= P(S)
= P(S)
=1
=1

Uji parametrik
Berdasarkan pada distribusi normal

Kurva normal
Dist peluang kontinu yang paling penting dalam
statistika adalah distribusi normal.
Definisi bila x adalah peubah acak normal
= 3,14159
e = 2,71828

Beberapa gambar kurva normal

berdasarkan kasus

Sifat sifat kurva normal:
1. modusnya
Titik pada sumbu mendatar yang membuat fungsi mencapai puncak terjadi pada x
=
2. kurvanya setangkup (simetris) terhadap suatu garis tegak yang melalui nilai
tengah
3. kurva mendekati sumbu mendatar secara asimtotik dalam kedua arah bila x
menjauhi nilai tengah
4. luas daerah yang terletak dibawah kurva tetapi diatas sumbu x = 1
Dengan kata lain [x1 < x < x2 ]

X1 = Z1 =

x1

x2

X2 = Z2 =

Z = x-
Z + = x
Sehingga prob (x1 < x < x2 ) = prob (Z1 < Z < Z2 )

Contoh:

Untuk distribusi normal dengan = 50 dan = 10 hitunglah peluang
bahwa x mengambil sebuah nilai antara 45 dan 62
Nilai-nilai Z padanan untuk X1 = 45 dan X2 = 62 adalah Z1 = = - 0,15
dan Z2 = = 1,2 maka prob (45 < x < 62) = prob (- 0,5 < Z < 1,2)

L . Z = 1,2 - L . Z = -0,5 = 0, 8849 0, 3085 = 0,5764

Untuk sebaran normal dengan = 300 dan = 50
Hitunglah peluang bahwa x mengambil sebuah nilai yang lebih besar dari
362
Jawab:
X= 362
Z=
Z=
Z= = 1,24

Prob (x> 362) = prob (Z>1,24)

= 1- prob (Z<1,24)
= 1- 0,8925
= 0,1075

Distribusi

t atau student t
Sangat jarang kita mengetahui varian dari populasi
tempat kita mengambil sampel.
Untuk sampel yang berukuran 30 atau lebih, maka
penduga terbaik untuk varians populasi adalah s2 (varians
sampel)

Maka untuk sampel yang berukuran 30 atau lebih

distribusi dari
masih menyebar menghampiri distribusi normal baku. Jika
ukuran sampel kecil dari 3,0 maka distribusi dari tidak
lagi normal
kita berhadapan dengan suatu statistik baru yanag
dinamakan dengan distribusi t yang nilai- nilainya t=
t= luas sebelah kanan
z= luas sebelah kiri

tentukan probabilitas (-t0,025 < t < t0,05)

jawab:
karena t0,05 memberikan luas daerah sebesar
0.05 disebelah kanannya dan -t0,025
memberikan luas daerah sebesar 0.025
disebelah kirinya, maka luas daerah antara
-t0,025 dan t0,05
1-0.05-0.025=0.925

Uji hipotesis
Yang diuji parameter yang ada pada sampel
Hipotesis statistik
Hipotesis statistik adalah pernyataan atau dugaan
mengenai benar atau salahnya satu atau lebih populasi.
Benar atau salahnya suatu hipotesis tidak akan pernah
diketahui dengan pasti kecuali jika kita menerima
seluruh populasi. Hal ini tidak mungkin kita lakukan, oleh
sebab itu kita memerlukan sampel. Alasan kita
menerima hipotesis karena tidak ada alasan menolak.
Kita menerima hipotesis statistik karena kita tidak punya
atau tidak cukup info (data) untuk menolaknya dan
implikasinya adalah bahwa kita tidak dapat pula
mengatakan bahwa hipotesis statistik tersebut benar.
Kebenarannya hanya sampai ditemukan info baru untuk
menolaknya.

Menolak kesimpulan:
Apabila sampelnya tidak representatif
Instrumen tidak valid
Statistik tidak benar (kesalahan data)
mengolah.

Hipotesis yang dirumuskan dengan harapan akan ditolak

membawa penggunaan istilah hipotesis nd (Ho). Menolak Ho
mengakibatkan penerimaan suatu hipotesis alternatif, yang
dilambangkan dengan Hi.
Ho mengenai parameter populasi selalu dinyatakan sedemikian
rupa, sehingga parameter tersebut tertentu nilainya, misalnya
m=50 sedangkan Hi memungkinkan untuk beberapa nilai,
seperti m > 50. M < 50 atau m # 50
Pengujian hipotesis statistis
bab 1 jawaban dari permasalahan
bab 2 rangkuman dari teori
Kenapa hipotesis yang diuji? Bukan hipotesis riset? Bila
hipotesis riset yang digunakan dan andaikan hipotesis tersebut
diterima. (karena itulah yang diharapkan). Maka penerimaan itu
belum kuat (karena hanya satu dari beberapa penerimaan yang
bisa terjadi).
Hipotesis statistis yang diuji dan itu ditolak , walaupun hanya
satu, maka cukup kuat untuk mengambil keputusan bahwa
perbedaan itu ada.

Galat jenis I dan Galat jenis II

dalam pengujian hipotesis terdapat dua macam galat
atau kekeliruan . kekeliruan pertama adalah menolak
hipotesis nol yang sebenarnya.
contoh :
perhatikan perbedaan kemampuan mat antara siswa
lakidan siswa perempuan. Andaikan dalam kenyataan
kemampuan kedua kelompok itu sama (Ho).
Karena kekeliruan mengambil sampel kemampuan
matematika siswa perempuan menurut sampel yang
terambil bisa lebih rendah dari yang semestinya. Maka
Ho ditolak. Peluang kekeliruan ini disebut .
= beratnya peluang melakukan kesalahan
Ho : 1 : 2
Hi : 1 2
Galat (kekeliruan) jenis Ho terjadi bila peneliti menerima (
tidak menolak ) hipotesis nol yang salah kekeliruan ini
disebut kekeliruan jenis II ().

Dari contoh diatas ia menerima hipotesis nol.

Level signifikan (keberartian) = maks 5% yang ditolerir.

Bila kita memilih = 0,05 artinya kita akan menerima
suatu peluang sebesar 0,05 bahwa hipotesis Nol itu
ditolak dalam hal hipotesis itu benar.
= 0,05 = 5% dari statistik. Rata sampel ada pada
daerah penolakan.
Bilangan i disebut tingkat kepercayaan. Bila = 5%
maka tingkat kepercayaan 95%.

Beberapa sifat penting

galat jenis I dan galat jenis II sedang berhubungan.
Menurunnya peluang yang satu akan meningkatkan
peluang yang lain.
Ukuran wilayah kritis yang berarti juga peluang
melakukan galat jenis I selalu dapat diperkecil
dengan mengubah nilainya kritisnya. Peningkatan
ukuran sampel akan memperkecil dan .
Bila uji satu arah dan uji dua arah
Ho : 1 = 2
Ho : 1 > 2
Ho : 1 2
Ho : 1 < 2

Tes signifikan dua arah

terjadi karena adanya hipotesis alternatif dua arah yaitu
bisa misalkan ada perbedaan keseriusan siswa belajar
matematika pagi dan sore hari , maka kemungkinan
adanya itu adalah sebagai berikut :
1. Pertama keseriusan belajar pagi hari lebih tinggi dari
sore hari, bila demikian terjadi daerah penolakannya
ada diujung kanan.
2. Jika kebalikannya penolakannya diujung kiri
3. Keseriusan siswa belajar matematika pagi tidak sama
dengan sore hari. Daerah penolakaannya ada didua
tempat masing hanya memuat

Uji mengenai rata (nilai tengah)

sebuah olah raga mengembangi jenis batag pinang
sintetik, yang dikatakan mempunyai kekuatan dengan
nilai tengah .
Penggunaan nilai P
nilai p adalah taraf (keberartian) terkecil sehingga
nilai uji statistik yang diamati masih berarti. Jika kita
menggunakan nilai p dalam mengambil keputusan
maka kita tidak perlu menentukan daerah kritis,
karena kita hanya membandingkan nilai p dengan .
Tolak Ho bila nilai p kecil dari atau sama dengan
dan sebaliknya terima nol.