A. PENDAHULUANA.1 DEFINISISecara terminologi ada yang membedakan
antara istilah STATISTIK dan STATISTIKA. Definisi kedua istilah
tersebut diberikan berdasar beberapa tinjauan :
1. Statistik sbg data: Kumpulan atau deretan angka atau bilangan
yang menunjukkan keterangan mengenai cabang kegiatan hidup
tertentu. Contoh: Statistik penduduk, statistik pertanian,
statistik perdagangan, statistik pendidikan dsb. 2. Statistik sbg
kegiatan perstatistikan: Menurut UU no. 7 Th. 1960, statistik
sebagai kegiatan mencakup 4 macam kegiatan: 1) pengumpulan data, 2)
penyusunan data, 3) pelaporan data, dan 4) analisa data.
Terkait dengan pengertian statistik sebagai kegiatan ini,
istilah BIRO PUSAT STATISTIK mempunyai pengertian sebagai sebuah
biro pada tingkat pusat yang mempunyai kegiatan pokok yang mencakup
4 macam kegiatan: 1) pengumpulan data, 2) penyusunan data, 3)
pelaporan data, dan 4) analisa data statistik. 3. Statistik sbg
metode: Metode statistik adalah cara-cara tertentu yang ditempuh
untuk: 1) mengumpulkan data, 2) menyusun data, 3) melaporkan data,
dan 4) menganalisa data yang berupa sekumpulan bahan keterangan
angkaangka untuk mendapatkan pengertian dan makna tertentu.
4. Statistik sbg Ilmu: Ilmu statistik adalah ilmu pengetahuan
yang merupakan cabang dari matematika terapan yang membahas dan
mengembangkan prinsip, metode, dan prosedur untuk: 1) mengumpulkan
data angka, 2) menyusun data angka, 3) melaporkan data angka, 4)
menganalisa data, dan 5) menarik kesimpulan, membuat perkiraan
(estimasi), dan penyusunan ramalan (prediksi) secara ilmiah.
Statistik sebagai ilmu pengetahuan ini disebut sebagai
STATISTIKA (Statistics).
Menurut Sudjana dalam Ridwan dan Sunarta (2007 : 4) Statistika
(statistic) adalah ilmu yang terdiri dari theory dan metode yang
merupakan cabang dari metematika terapan dan membicarakan tentang
bagaimana mengumpulkan data, mengolah, dan menyajikan data,
bagaimana menarik kesimpulan data, bagaimana menarik kesimpulan
dari hasil analisis, bagaimana menentukan keputusan dalam
batas-batas resiko tertentu berdasarkan strategi yang ada. Secara
garis besar dalam memahami dan mempelajari statistik ada 4 langkah
yang perlu diperhatikan, yaitu : 1. Apa yang dimaksud dengan
statistic? (THEORY) 2. Mengapa menggunakan statistik? (THE REASON)
3. Misalnya : karena kuantitatif, karena experiment, karena untuk
menguji hipotesis. 4. Bagaimana menggunakan dan menerapkan
statistik? 5. Contoh statistik?
A.2 KLASIFIKASI STATISTIKBerdasarkan tingkat pekerjaannya,
Statistik sebagai ilmu pengetahuan dibedakan menjadi: 1. Statistik
Deskriptif: Statistik yang digunakan untuk menghimpun, menyusun,
mengolah, menganalisa dan menyajikan data angka agar dapat
memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu
gejala, peristiwa atau keadaan Istilah lain: Statistik Deduktif,
Statistik Sederhana, Descriptive Statistics. 2. Statistik
Inferensial: Statistik yang digunakan sebagai alat untuk menarik
kesimpulan yang bersifat umum dari sekumpulan data, menyusun atau
membuat prediksi/ ramalan, melakukan penaksiran (estimasi) dan
sebagainya. Istilah lain: Statistik Induktif, Statistik Lanjut,
Statistik Mendalam, Inferential Statistics.
A.2 KLASIFIKASI STATISTIK
Statistik Induktif dibedakan menjadi dua yaitu : 1. Statistika
Parametrik: Statistik parametris terutama digunakan untuk
menganalisis data interval atau data rasio yang diambil dari
populasi yang berdistribusi normal. 2. Statistika Nonparametrik
(distribution-free statistics for use with nominal / ordinal data):
Statistik non parametris terutama digunakan untuk menganalisis data
nominal dan ordinal pada populasi yang bebas distribusi sehingga
tidak harus normal.
Data
kualitatif
Jenis Data
kuantitatif
Nominal Ordinal
Nominal Ordinal
DATA TERBAGI ATAS : Data Kualitatif Data Kuantitatif Data
Nominal : Data yang dinyatakan dalam bentuk bukan angka. : Data
yang dinyatakan dalam bentuk angka : Data yang diperoleh dengan
cara kategorisasi/klasifikasi Ciri : - Posisi data setara Tidak
bisa dilakukan operasi matematika ( x, :, +, - ) Contoh : Jenis
kelamin, jenis pekerjaan Data Ordinal : Data yang diperoleh dengan
cara kategorisasi/klasifikasi, tetapi diantara data tersebut
terdapat hubungan Ciri : - Posisi data tidak setara Tidak bisa
dilakukan operasi matematika ( x, :, +, - ) Contoh : kepuasan
kerja, motivasi
Data Interval : Data yang diperoleh dengan cara pengukuran,
dimana jarak diantara 2 titik skala
sudah diketahui Ciri : - Tidak ada kategorisasi -Bisa dilakukan
operasi Matematika Contoh : Temperatur yang diukur berdasarkan oC
dan oF, sistem kalender Data rasio : Data yang diperoleh dengan
cara pengukuran, jarak antara 2 titik skala sudah
diketahui dan mempunyai titik 0 absolut. Ciri : - Tidak ada
kategorisasi -Bisa dilakukan operasi Matematika
Contoh : Gaji, skor ujian, jumlah buku.
Prosedur pengolahan data A. Parameter 1. Statistik
parametrik
2. Statistik non parametrikB. Jumlah variabel 1. Analisis
Univariat : hanya ada satu pengukuran / variabel untuk n sampel /
beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian
akademik 2. Analisis Multivariat : dua / lebih pengukuran (
variabel ) untuk n sampel dimana
analisis antar variabel dilakukan bersamaan.Contoh : Pengaruh
motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor
latar belakang pendidikan orang tua, faktor sosial ekonomi.
Mulai Statistik nonParametrik Nominal Jenis data
IntervalRasio
Ordinal
Statistik Parametrik
Analisis Univariat
satu
Jumlah Variabel
dua/ lebih
Analisis Multivariat
CIRI DATA STATISTIK : Data mentah statistik adalah berupa
angka-angka atau bilangan. Namun TIDAK SEMUA DATA ANGKA atau
bilangan dapat disebut sebagai data statistik. Data berupa
angka-angka atau bilangan tersebut dapat dikategorikan sebagai data
statistik bila menunjukkan ciri dari suatu penelitian yg bersifat
agregatif dan mencerminkan suatu kegiatan dlm bidang atau lapangan
tertentu (Sudijono, 1987). Ciri penelitian yg bersifat Agregatif :
1. Penelitian boleh hanya mengenai satu individu saja, tetapi
pencatatannya harus lebih dari satu kali. Contoh : Paijo adalah
siswa SMA 1 Kediri tahun pelajaran 2009/2010 (1 orang individu).
Terhadap diri Paijo dilakukan pencatatan ttg nilai hasil belajar B.
Inggrisnya mulai semester 1 sampai semester 6 dgn hasil berupa data
angka sebagai berikut: Angka-angka ini telah menunjukkan ciri
tentang perkembangan prestasi belajar Paijo dalam B. Inggris dari
waktu ke waktu. Semester I II III IV V VI Nilai 7 8 7,5 8 9 9
Angka-angka ini telah menunjukkan ciri tentang perkembangan
prestasi belajar Pijo dalam B. Inggris dari waktu ke waktu.
Walaupun data hanya mengenai SATU INDIVIDU, pencatatannya LEBIH
DARI SATU KALI.
2. Penelitian atau pencatatan boleh HANYA SATU KALI, tetapi
individu yang diteliti HARUS LEBIH DARI SATU. Contoh: Hasil
pencatatan nilai sumatif B. Inggris dari 10 orang siswa SMA 1
Kediri tahun pelajaran 2009/2010 No. 1. 2. 3. 4. 5. 6. 7. 8. 9.
Siska Rudi Giono Santi Nina Brodin Emi Dian Nama Arifin Nilai 7 6 5
8 9 8 7 6 7 Walaupun data diperoleh hanya dari satu kali
pencatatan, jumlah yg diteliti lebih dari satu individu.
10.
Indro
8
B.2 Klasifikasi Data StatistikKlasifikasi data statistik dapat
dilakukan berdasarkan beberapa kriteria: A. Berdasarkan Sifat Data:
1. Data Kontinyu: data statistik yang angka-angkanya merupakan
deretan angka yang sambung-menyambung (kontinum).Contoh:
1.
Data statistik ttg tinggi badan (dlm centimeter): 150 150,1
150,2 150,3 150,4 150,5 dsb.
2. Data statistik ttg berat badan (dlm kilogram): 40 40,1 40,2
40,3 40,4 40,5 dsb
2. Data Diskrit: data statistik yang angka-angkanya tidak
mungkin dalam bentuk pecahan.Contoh:1. Data statistik ttg jumlah
anggota keluarga: 1 2 3 4 -5 6 dsb. 2. Data statistik ttg jumlah
buku di perpustakaan: 10 15 20 50 100 dsb
B.2 Klasifikasi Data StatistikB. Berdasarkan Cara Menyusun
Angkanya: 1. Data Nominal: data statistik yang cara menyusun
angkanya didasarkan pada penggolongan atau klasifikasi tertentu.
Disebut juga: Data Hitungan, karena diperoleh dengan cara
MENGHITUNG. Contoh:Tabel 1. Jumlah siswa SMAN 1 Plosokandang Tahun
Ajaran 2009/2010
Jenis Kelamin
Jenis kelamin Klasifikasi
Kelas III II
Laki-laki50 48 72 170
Perempuan34 44 52 130
Jumlah 84 92 124 300
Tingkatan
I Jumlah
B.2 Klasifikasi Data Statistik
2. Data Ordinal: data statistik yang cara menyusun angkanya
didasarkan pada urutan kedudukan. Disebut juga: Data Urutan.
Tabel 2. Skor Hasil Penilaian Juri Lomba PuisiNo. Urut 1. 2. 3.
No. Undian 031 115 083 Nama Badrun Eni Sinta Skor 451 497 427
Ranking 4 2 5
Data Ordinal
4.5.
024156
BrodinYuliati
568485
13
Data Interval
B.2 Klasifikasi Data Statistik
3. Data Interval: data statistik dimana terdapat jarak yang sama
diantara hal-hal yang sedang diteliti atau dipersoalkan. Note: Dari
Tabel 2 tersebut, kita tahu bahwa walaupun ke lima orang finalis
itu mempunyai perbedaan urutan kedudukan yang sama (masingmasing
selisih perbedaannya 1), namun tidak mesti menunjukkan perbedaan
skor yang sama. Selisih skor Juara I & II Selisih skor Juara II
& III Selisih skor Juara III & IV Selisih skor Juara IV
& V = 568 497 = 497 485 = 485 451 = 451 427 = 71 = 12 = 34 =
24
B.2 Klasifikasi Data StatistikC. Berdasarkan Cara Menyajikannya:
1. Data Tunggal: data statistik yang masing-masing angkanya
merupakan SATU UNIT. Dengan kata lain, angka-angkanya tidak
dikelompok-kelompokkan. Disebut juga: Ungrouped Data. Contoh: Data
nilai mid-semester 40 orang mahasiswa Jur. B. Inggris UNP pada mata
kuliah statistik adalah sbb: 40 82 73 30 71 55 46 57 54 65 73 62 67
45 58 68 59 63 61 48 84 74 80 35 46 58 59 39 51 44 84 55 60 75 76
53 57 45 48 60
Masing-masing angka ini merupakan satu unit kesatuan, berdiri
sendiri dan tidak dikelompokkan
B.2 Klasifikasi Data StatistikC. Berdasarkan Cara Menyajikannya:
2. Data Berkelompok: data statistik yang tiap-tiap unitnya terdiri
dari sekelompok angka. Disebut juga: Grouped Data. Contoh: Data
nilai midsemester pada data tunggal diatas dikelompokkan sbb:Nilai
: 80 - 84
75 - 7970 - 74 65 - 69 60 - 64 dst
Dalam kelompok nilai: 80 84 terdapat nilai: 80, 81, 82, 83,
84.
D. Berdasarkan Sumber Data: 1. Data Primer: data statistik yang
diperoleh / bersumber dari tangan pertama ( first hand data)
Contoh: Data jumlah alumni jur b. Inggris UNP yang bersumber dari
Bagian Kemahasiswaan dan Alumni UNP 2. Data Sekunder : data
statistik yang diperloleh / bersumber dari tangan kedua (
second-hand data) Contoh: Data jumlah alumni jur b. Inggris UNP
yang bersumber dari koran Jawa Pos Radar Kediri
E. Berdasarkan Waktu Pengumpulan Data : 1. Data seketika (Cross
Section Data): data statistik yang mencerminkan keadaan pada satu
saja (at a point time) Contoh: Data statistik tentang jumlah dosen
jur b. Inggris UNP pada tahunakademik 2009/2010 (hanya satu tahun
saja) 2. Data Ururan Waktu (Time Series Data): data statisik yang
mencerminkan keadaan atau perkembangan dari waktu ke waktu secara
berurutan. Disebut juga : Histritical Data Contoh: Data statistik
tentang jumlah dosen jur b. Inggris UNP mulai tahun akademik
2004/2005 sampai dengan 2009/2010
Data statistik adalah data yang berwujud angka- angka. Sebagai
data angka, data-data ini mempunyai beberapa sifat tertentu: 1.
Data statistik mempunyai Nilai Relatif dan Nilai Nyata. Nilai
Relatif ( Relative Value) dari sebuah bilangan adalah nilai yang
ditunujukkakn oleh angka atau bilangan itu sendiri. Jadi, nilai
relatif dari angka 5 adaah 5, nilai relatif 27 adaah 27. nilai
relatif disebut juga : Nilai Semu. Nilai Nyata / Sebenarnya ( True
Value) darisebuah bilangan adalah daerah tertentu dalam suatu
deretan angka yang diwakili oleh Nilai Relatif. Jadi, Nilai nyata
dari angka 5 adalah : 5+-0,5. jadi, nilai nyata dari 5 adalah angka
antara 4,5 5,5 Nilai nyata dari angka 17,5 adalah : 17,5+-0,05.
jadi, nilai nyata dari 17,5 adalah angka antara 17,45 17,55. Nilai
nyata dari angka 17,58 adalah: 17,58 +- 0,005. jadi, nilai nyata
dari 17,58 adalah angka antara 17,575 17,585.
2. Data statistik mempunya Batas Bawah / Batas Atas Nyata
Contoh: a) Bilangan 40- 44 Batas NyataB . Batas Nyata : 40- 0,5
=39,5 B . Atas Nyata : 44 + 0,5 = 44,5
b) Bilangan : 50 B. Batas Nyata B . Atas Nyata Nilai Nyata
: 50 0,5 = 49,5 : 50 + 0,5 = 50,5 : 49,5 50,5
3. Data statistik yang berbentuk data tunggal dan data kelompok
( gruoped dat), memiliki Nilai Tengah/ Titik Tengah ( Mid point).
Yang dimaksud Nilai Tengah dari sederetan angka adalah bilangan
yang terletak di tengah tengah deretan bilangan tersebut. Contoh:
a. Deretan bilangan: 5 6 7 8 9 b. Data kelompokan : 50 54, nilai
tengahnya = (50 + 54) : 2= 52 Deretan bilangannya : 50 51 52 53 54.
c. Data kelompokan: 75 80, nilai tengahnya = ( 75 + 80) : 2= 77,5
Deretan bilangannya : 75 76 77 78 79 80.
4. Data statistik sebagai data nagka dalam proses perhtungannya
tidak menggunakan sistim pecahan, melainkan menggunakan sistim
desimal. 5. Data statistik sebagai data angka dalam proses
perhitungannya menggunakan sistim pembulatan angka tertentu (
biasanya sampai dengan tiga angka di belakang koma).
Dalam dunia pendidikan kita dapat menjumpai beragam data yang
dapat kita analisa dengan menggunakan satistik. Contoh : 1. Data
statistik terkait dengan prestasi belajar. Misal: Nilai siswa, Skor
tes IQ, Skor tes kepribadian, Skor tes penjurusan, Skor tes ujian
masuk dsb. 2. Data statistik terkait degan keadaan anak didik.
Misal : Jumlah siswa dari tahun ke tahun, Jumlah siswa dilihat dari
berbagai segi ( kelas, jurusan, jenis kelamin, sekolah asal, agama,
status pekerjaan ortu dsb. 3. Data statistik terkait dengan guru/
staf pengajar dan karyawan dsb. 4. Data statistik terkait dengan
anggaran pendapatan dan belanja. 5. Data statistik terkait dengan
bidang perlengkapan. 6. Data statistik terkait dengan perpustakaan.
7. Data statistik terkait dengan angka presensi siswa, guru, dan
data karyawan.
Yaitu penyusunan data dalam suatu tabel dengan memperhatikan
masing-masing nilai interval. Variabel adalah suatu data yang
nilainya berubah-ubah atau konsep yang memiliki pengertian lebih
dari satu, misalnya, jenis kelamin, tempat tinggal, berat badan,
kecerdasan. Ada dua macam distribusi frekuensi yaitu distribusi
nilai tunggal dan distribusi nilai kelompok.
CONTOH : Hasil nilai matematika dari 40 orang siswa disebuah SMP
sebagai berikut : 7666576577 7479654889 6555476688 4699876666
Tabel distribusi frekuensi
NILAI9 8 7 6 5 4
JARI-JARI FREKUEN SI IIII 4 6 8 12 6 4
V. CARA MEMBUAT INTERVAL KELASCONTOH : Hasil pengukuran berat
badan 50 siswa SMA :68 63 66 53 60 60 65 67 66 71 72 70 57 73 60 68
53 60 60 61 60 60 56 61 61 73 69 71 62 60 67 57 62 55 59 62 62 62
66 70 64 65 64 65 66
Xt = 73 Xr = 53 R = 73 53 = 20 + 1 = 21 L=3 J= = 21 3
=7
Xt: Nilai Tertinggi Xr: Nilai Terendah J: Jumlah Interval
(banyaknya interval pada satu tabel)
Tabel 3. Statistik Distribusi Frekuensi Interval 71 73 68 70 65
67 62 64 59 61 56 58 53 - 55 Frekuensi 5 7 12 8 11 4 3 % 10 14 24
16 22 8 6
Tabel 4. Frekuensi KumulatifInterval 71 73 68 70 65 67 62 64 59
61 56 58 53 55 Frekuensi 5 7 12 8 11 4 3 Fkb 50 45 38 26 18 7 3 Fka
5 12 24 32 43 47 50 Fkb Presentase 100 90 76 52 36 14 6
Perhitungan Presentasi : 3 / 50 X 100% = 6% Fkb : Freikuensi
Kumulatif dari bawah. Fka : Frekuensi Kumulatif dari atas. Fkb % :
Frekuensi Kumulatif dari bawah dalam presentase.
PengukurantendensisentralA. Mean Disingkat M adalahnilai
rata-rata yang diperolehdengancaramenjumlahkanseluruhnilai,
kemudiandibagidenganbanyakindividu. Rumus M =
a. Mencarinilai rata-rata ( M ) dari data tunggal Tabel I.
Hasilpengumpulan data ataskekuatanototlengansiswakelas 4
SDNMojoroto 2 Kediri tahunpelajaran2008/2009 X F Fx Keterangan : 9
4 36 X= Nilai 8 6 48 F= Frequensi siswa 7 8 56 6 12 72 = Jumlah5 4
6 4 40 30 16 256
b. Mencari nilai rata-rata ( M ) dari tabel data
berkelompokInterval 71-73 68-70 65-67 62-64 59-61 56-58 53-55
Jumlah F 5 7 12 8 11 4 3 70 X 72 69 66 63 60 57 54 Fx 360 1173 792
1197 600 228 162 4512Keterangan : F= Jumlah Siswa X= Nilai tengah =
Jumlah
jadi : M= M= 4512 = 64, 70
46 ( data berkelompok )
B. Median = nilai tengah Contoh ada nilai 6, 7, 8, 5, 4, 9, 10
diurutkan
Apabila data sudahditabulasikan, maka median menggunakanrumus :
Md =Bb + ( )I Keterangan : Bb = Batas bawah interval yang
mengandung median N = Jumlahfrekuensi ( subject ) Fkb =
Frekuensikumulatif di bawah interval yang mengandung median Fd =
Frekuensipada interval yang mengandung median I = Lebarkelas (
nilaisetiap interval )Interval 71-73 68-70 65-67 62-64 59-61 56-58
F 5 17 12 19 10 4 Fkb 70 65 48 36 17 7 N = 35, Fkb = 17, I=3
Makanilai medium adalah : Md = 61,5 + (3517 19 18
1 2
Bb = 61,5 Fd = 19
)3
= 61,5 + ( 19 ) 3 = 61,5 + 19 = 64,3454
53-55Jumlah
370
3
= 61,5 + 2,84
C. Modus = nilai yang sering muncul Tabel tunggalX 10 9 8 7 6 F
2 4 5 2 3
Keterangan : X = nilai F = frekuensi Mo = 8
Tabel kelompokInterval 71-73 68-70 65-67 62-64 59-61 56-58 53-55
F 5 17 12 19 10 4 3
Apabila distribusi normal, maka Mo bisa dicari dengan rumus sbb
: Mo = 3Md-2M = 3.64,34 2. 64, 46 = 193, 02 128, 92 = 64,1
VIII. Pengukurannilaivariabel 1. Range ( R )
Adalahjarakpengukuran/jangkauan yang
diperolehdenganmencariselisihnilaitertinggidannilaiterendah. Rumus
: R = Xt Xr Makin besar R nya, makin heterogen kelas = 90 40
tersebut = 50
2. Standard deviasi ( SD ) Disebutsimpanganbaku. Standard
deviasiadalahakardarijumlahdurasideviasidibagibanyaknyaindividu.
Deviasiadalahpenyimpangannilai-nilaiindividuterhadap mean ( M ) SD
=X 10 9 8 7 6 40
x 2 1 0 -1 -2 0 x2 4 1 0 1 4 10
SD = =
10 5
M=
= 2 = 1,414
40 = 5
=8
a. Mencari SD dari tabel tunggalX 9 8 7 6 5 4 F 4 6 8 12 6 4 40
Fx 36 48 56 72 30 16 258 Fx2 324 384 392 432 150 64 1746 Cara
mancari Fx2 : F. X2 = 4. 81 = 324 1746 40 2 ) 258 2 ) 40
SD = =
( (
= 43,65 6,45 = 43,65 41,60 = 2,05 = 4,31
b. Mencari SD dari tabel berkelompokInterval 71-73 68-70 65-67
62-64 59-61 56-58 53-55 Jumlah F 5 7 12 8 11 4 3 70 X 72 69 66 63
60 57 54 Fx 360 1173 792 1197 600 228 162 4512 Fx2 25920 80937
52272 75411 36000 12996 8748 292.284
SD =
= = 4175,486 64, 457 = 4175,486 4154,705 = 20,781 = 4, 568
2 ( ) 292.284 4512 ( 70 ) 70
UJIPERCOBAAN Ujit dignakanuntukmengetahuiapakah 2 kelompok
sample mempunyaiperbedaan yang significance. Ada 2 macamuji t : 1.
Ujit untuk sample-sample bebas 2. Ujit untuk sample-sample
berhubungan Uji t untuk sample-sample bebas Rumus: t = Keterangan:
t = nilai c yang dicari Mx= m kelompok x My= m kelompok y SDbm =
standartkesalahanuntukkesalahan mean. SDbm SDmx SDm = + =
standartkesalahan mean untukkelompok x = 1
Dengan demikian langkah-langkah analisisnya sebagai berikut : 1.
Untuk masing masing kelompok dihitung a. N b. M c. SD d. SDm 2.
Menghitung SDbm 3. Menghtung nilai t 4. Membadingkan nilai t hasil
perhitungan tersebut dengan nilai t pada tabel statistik (t teori)
5. Mengambil keputusan dengan pedoman sebagai berikut : a. Jika t
hitung t tabel, taraf significance 1% maka sangat significance,
akibatnya Ho ditolak b. Jika t hitung t tabel, taraf significance
5% maka significance, akibatnya Ho ditolak c. Jika t hitung t
tabel, taraf significance 5% maka tidak significance, akibatnya Ho
diterima ( gagal ditolak ). Catatan : Ha = hipotesis alternatif
kerja Hipotesis yang menyatakan ada tautan antara variabel yang
satu dengan yang lain ( hipotesis yang menyatakan adanya perbedaan
hubungan variabel satu dengan yang lain. ) Ho = hipotesis nilai nol
yang diuji proses hipotesis yang menyatakan tidak adanya tautan
antara variabel yang satu dengan yang lain. Hipotesis yang
menyatakan tidak adanya perbedaan hubungan variabel satu dengan
yang lain.
Contoh penggunaan uji t dalam penelitian : 1. Permasalahan
Adanya perbedaan prestasi olahraga cabang atletik antara sekolah
yang memiliki fasilitas yang lengkap dan sekolah yang fasilitas
tidak lengkap di daerah Kabupaten Kediri.2. Hypotesis Karena
hipotesis akan diuji dengan statistik, maka dirumuskan Ho sebagai
berikut : Ho tidak ada perbedaan prestasi olahraga cabang atletik
antara sekolah yang memiliki fasiltas yang lengkap dan sekolah yang
fasilitas tidak lengkap di daerah Kabupaten Kediri. 3. Data Setelah
dilakukan perhitungan dari 2 kelompok diperoleh : Kelompok SD yang
fasilitasnya lengkap ( X ) N = 10 M = 8,0 SD = 1, 48 Kelompok SD
yang fasilitasnya tidak lengakp ( Y ) N = 10 M = 6,3 SD = 1,35
D. Analisis SDmx =1,48 101
=
1
SDmy =1,35 101 1,35 9 1,35 3
=
1
= =1,48 3
1,48 9
= =
= 0, 49
= 0, 45
SDbm = + = 0, 49 + 0,45 = 0,24 + 0,20 = 0,4426 = 0, 665 t=Mx
My
= 0,665 = 0,665 = 2, 556 ( t hitung )
86,3
1,7
E. Penafsiran hasil analisis / pengujian hipotesis Mencari nilai
t tabel Db ( derajat kebebasan ) ( Nx + Ny ) 2 = ( 10 + 10 ) 2 = 20
2 = 18 Dengan db = 18, t tabel 1% taraf significant = 2,878,
Sedangkan yang 5% = 2,101 Dengan demikian alternatif yang tepat
adalah = t hitung ( 2, 556 ), lebih besar t tabel taraf significant
% = 2,101 maka significant dan akibatnya Ho ditolak. F. Kesimpulan
Karena Ho ditolak, maka Ha diterima, sehingga dapat disimpulkan :
ada perbedaan prestasi olahraga cabang atletik antara sekolah yang
memiliki fasilitas yang lengkap dan sekolah yang fasilitas tidak
lengkap di daerah Kabupaten Kediri.
2. Uji T untuk Sample Sample Berhubungan.Amatan ulang, teknik
ini dipergunakan untuk penelitian EKSPERIMEN. Ada 2pelaksanaanya
:1.
Mengambil 2 kelompok sample yang berpasang pasangan, artinya 2
kelompok tersebut mempunyai kemampuan yang sama kemudian 2 kelompok
tersebut diberi perlakuan (TREATMENT) yang berbeda setelah melalui
proses yang relatif cukup, maka dilakukan tes untuk kedua kelompok
tersebut. Hasil tes dibandingkan dengan hasil UJI INI.
2.
Mengambil 1 kelompok sample diperlakukan tertentu, diberi tes
awal (pretest), setelah diberi perlakuan tertentu diberi tes lagi
(post-test). Hasil tes awal dibandingkan tes akhir dengan
menggunakan UJI t INI.
Rumus
Keterangan : Mk = Mean kelompok kontrol. Me = Mean kelompok
eksperimen. b2 = Jumlah deviasi dari mean perbedaan. N = Jumlah
pasangan sample.
Contoh Penggunaan Rumus1. PermasalahanAdakah pengaruh
peningkatan gizi anak terhadap prestasi lari cepat 100 meter di SMP
PGRI Kediri Kelas VII Tahun
Ajaran 2010 / 2011.2. Hipotesis (Dugaan Sementara / Jawaban
Sementara) Tidak ada pengaruh peningkatan gizi anak terhadap
prestasi lari cepat 100 meter di SMP PGRI Kediri Kelas VII Tahun
Ajaran 2010 / 2011.
Pelaksanaan Penelitian Peneliti membagi siswa menjadi 2 kelompok
berpasang pasangan. Kelompok ke 1 diberi latihan dengan fasilitas
biasa, kelompok ke 2 diberi perlakuan luar biasa (setiap pagi
diberi minum susu, waktu istirahat, latihan diberi makanan makanan
bergizi). Hasil tes dari 2 kelompok tersebut setelah beberapa waktu
( 1 bulan) sebagai berikut :
Pasangan Subyek 1 2 3 4 5 6 7
Kelompok Kontrol 10.2 11.5 9.9 12.8 11.6 12.5 11.1
Kelompok Eksperimen 10.00 10.8 10.8 11.3 11.3 11.5 11.9
89 10
13.313.1 13.0
12.812.4 12.8
t test bentuk eksperimen.Tabel kerja untuk mencari nilai t
antara kelompok kontrol dengan kelompok eksperimen. N 1 2 3 4 5 6 7
8 9 10 K 10.2 11.5 9.9 12.8 11.6 12.5 11.1 13.3 13.1 13.0 119 E
10.00 10.8 10.8 11.3 11.3 11.5 11.9 12.8 12.4 12.8 115 B 0,2 0,7
-0,9 1,5 0,3 1,0 -0,8 0,5 0,7 0,2 4 b -0,2 0,3 -1,3 1,1 -0,1 0,6
-1,2 0,7 0,3 -0,2 0 b2 0,04 0,09 1,69 1,21 0,01 0,36 1,44 0,49 0,09
0,04 5,46B = 10.2 10.00 = 0,2 Nb = B = 4 = 0,4 N 10 b = B Nb = 0,2
0,4 = -0,2 Mencari Mk = K = 119 = 11,9 N 10 Me = E = 115 = 11,5 N
10 MB = B = 4 = 0,4 N Mk Me t = b2 N (N 1) = 10 11,9 11,5 5,46 10
(10 1) = 0,4 = 5,46 90 0,4 0,0607 = 0,4 0,25 = 1,624 (t hitung)
3. Pengujian HipotesisDengan db = 10 1 = 9 untuk taraf
significance 1% = 3,250 dan 5% = 2,262. Jadi, t hitung t tabel,
maka significance akibatnya Ho
diterima.4. Kesimpulan Karena Ho diterima, maka Ha ditolak,
sehingga dapat disimpulkan
tidak ada pengaruh peningkatan gizi anak terhadap prestasi
laricepat 100 meter di SMP PGRI Kediri Kelas VII Tahun Ajaran 2010
/2011.