STATISTIK DESKRIPTIF
PENDAHULUAN
Jika seseorang melakukan suatu penelitian mereka akan memperoleh data. Kebanyakan data yang mereka peroleh dikumpulkan dalam bentuk angka. Metode-metode deskriftif dipergunakan untuk mengorganisasikan dan meringkas data numeric tersebut. Beberapa bentuk penyajian data numeric terseut diperlukan untuk bantuan interpretasi dan mendapatkan informasi dari data tersebut. Statistik deskriftif berkenaan dengan bagaimana mentabulasi data, presentasinya kedalam bentuk-bentuk grafik atau gambar-gambar serta perhitungan-perhitungan pengukuran deskriftif tersebut. Dengan melakukan perhitungan deskriftif tersebut akan dapat diketahui cirri-ciri khusus dari data itu. Mengingat hal tersebut dalam tulisan ini akan disajikan sebagian data deskriftif khusus mengenai Quartil, Desil dan Persentil
A. KUARTIL (Quartile)
Kuartil adalah suatu titik yang menunjukkan sekian perempat frekuensi dibagian bawah dan sekian perempat lainnya dibagian atas distribusi. Pada hakekatnya kuartil adalah sama dengan 25 % frekuensi. Jadi kuartil ke 1 dan diberi kode Q1 adalah suatu titik yang membatasi 25% frekuensi dibagian bawah distribusi dan 75% frekuensi dibagian atas distribusi.
Contoh: Dari suatu penelitian diperoleh data Umur Wanita Pengusaha Kota Mataram NTB Tahun 2003
Tabel 1: Distribusi Umur Wanita Pengusaha Kota Mataram NTB Tahun 2003
Umur (Tahun) | Frekunsi (f) | Frekuensi Kumulatif (Cf) |
70 – 79 | 2 | 120 |
60 – 69 | 4 | 118 |
50 – 59 | 27 | 114 |
40 – 49 | 52 | 87 |
30 – 39 | 29 | 35 |
20 - 29 | 6 | 6 |
| N = 120 | |
Untuk data yang telah disajikan dalam bentuyk tabel frekuensi digunakan rumus sebagai berikut:
= Batas bawah nyata dari klas yang mengandung nilai Kuartil Pertama
= Frekuensi kumulatif sebelum batas bawah klas yang mengandung nilai Kuartil Pertama
= Frekuensi dari kelas yang mengandung nilai Kuartil Pertama
= Luas klas (interval) dari klas yang mengandung nilkai Kuartil Pertama
Berdasarkan tabel diatas maka nilai Q1 adalah;
Q1 = 29,5 + ( 30 – 6 ) 10
29
= 29,5 + 240
29
= 29,5 + 8,28
= 37,78
Q2 = 39,5 + ( 60 – 35 ) 10
52
= 39,5 + 250
52
= 39,5 + 4,81
= 44,31
B. Desil (Decile)
Desil adalah suatu titik yang menunjukkan sekian puluh persden frekuensi dibagian bawah dan sekian puluh persen lainnya ada dibagian atas
Untuk data yang telah disajikan dalam bentuk tabel frekuensi digunakan rumus sebagai berikut:
Dimana
= Batas bawah nyata dari klas yang mengandung nilai D1
C = Frekuensi kumulatif sebelum batas bawah klas yang mengandung nilai D1
= Frekuensi dari kelas yang mengandung nilai D1
= Luas klas (interval) dari klas yang mengandung nilai D1
Berdasarkan tabel diatas maka nilai D1 adalah;
D1 = 29,5 + ( 12 – 6 ) 10
29
= 29,5 + 60
29
= 29,5 + 2,07
= 31,57
D5 = 39,5 + ( 60 – 35 ) 10
52
= 39,5 + 250
52
= 39,5 + 4,81
= 44,31 sama dengan nilai Q2
C. Persentil (Percentile)
Persentil adalah suatu titik yang menunjukkan sekian prosen dibagian bawah distribusi dan sekian prosen dibagian atas distribusi. Misalnya P10 berarti pada titik itu menunjukkan 10% frekuensi terletak dibaagian bawah dan 90% terletak dibagian atasnya dengan demiakian P10 sama dengan D1
= Batas bawah nyata dari klas yang mengandung nilai P1
C = Frekuensi kumulatif sebelum batas bawah klas yang mengandung nilai P1
= Frekuensi dari kelas yang mengandung nilai P1
i = Luas klas (interval) dari klas yang mengandung nilkai P1
Berdasarkan tabel diatas maka nilai P1 adalah;
P1 = 19,5 + ( 1,2 – 0 ) 10
6
= 19,5 + 12
6
= 19,5 + 2,0
= 21,5
P25 = 29,5 + ( 30 – 6 ) 10
29
= 29,5 + 240
29
= 29,5 + 8,28
= 37,78 sama dengan nilai Q1
P50 = 3,5 + ( 60 – 35 ) 10
52
= 3,5 + 250
52
= 3,5 + 4,81
= 44,31 (sama dengan nilai Q2 dan D5)
Interval kelas
Variabel X1:
- Rentang Nilai =218 – 121= 97
- Banyaknya Kelas (BK) = 1 + 3,3 log 239=8,85=9 kelas
- Nilai panjang kelas (1)
I=R/BK=97/9=10,7≈11
- Tabel
Kelas Interval | Titik Tengah (X) | frekuensi (f) | (fk) |
121 - 131 | 126 | 4 | 4 |
132 -142 | 137 | 5 | 9 |
143 -153 | 148 | 13 | 22 |
154 -164 | 159 | 23 | 45 |
165- 175 | 170 | 79 | 124 |
176 - 186 | 181 | 56 | 180 |
187 - 197 | 192 | 38 | 218 |
198 - 208 | 203 | 14 | 232 |
209 - 219 | 214 | 7 | 239 |
Jumlah | - | 239 | - |
Variabel X2:
- Rentang Nilai =285 – 187= 98
- Banyaknya Kelas (BK) = 1 + 3,3 log 239=8,85=9 kelas
- Nilai panjang kelas (i)
i=R/BK=98/9≈11
- Tabel
Kelas Interval | Titik Tengah (X) | frekuensi (f) | (fk) |
187-197 | 192 | 6 | 6 |
198-208 | 203 | 8 | 14 |
209-219 | 214 | 30 | 44 |
220-230 | 225 | 38 | 82 |
231-241 | 236 | 71 | 153 |
242-252 | 247 | 47 | 200 |
253-263 | 258 | 23 | 223 |
264-274 | 269 | 12 | 235 |
275-285 | 270 | 4 | 239 |
Jumlah | - | 239 | - |
Variabel X3:
- Rentang Nilai =188 – 114= 74
- Banyaknya Kelas (BK) = 1 + 3,3 log 239=8,85=9 kelas
- Nilai panjang kelas (i)
i=R/BK=74/9=8,2≈9
- Tabel
Kelas Interval | Titik Tengah (X) | frekuensi (f) | (fk) |
114 – 122 | 118 | 4 | 4 |
123 –131 | 127 | 0 | 4 |
132 –140 | 136 | 23 | 27 |
141–149 | 145 | 44 | 71 |
150– 158 | 154 | 57 | 128 |
159 – 167 | 163 | 63 | 191 |
168-176 | 172 | 33 | 224 |
177-185 | 181 | 13 | 237 |
186-194 | 190 | 2 | 239 |
Jumlah | - | 239 | - |
Variabel Y:
1. Rentang Nilai =3,6-2,0=1,6
- Banyaknya Kelas (BK) = 1 + 3,3 log 239=8,85=9 kelas
- Nilai panjang kelas (1)
I=R/BK=1,6/9=0,18≈0,2
- Tabel
Kelas Interval | Titik Tengah (X) | frekuensi (f) | (fk) |
2,0-2,1 | 2,05 | 5 | 5 |
2,2-2,3 | 2,25 | 8 | 13 |
2,4-2,5 | 2,45 | 36 | 49 |
2,6-2,7 | 2,65 | 55 | 104 |
2,8-2,9 | 2,85 | 72 | 176 |
3,0-3,1 | 3,05 | 33 | 209 |
3,2-3,3 | 3,25 | 22 | 231 |
3,4-3,5 | 3,45 | 7 | 238 |
3,6-3,7 | 3,65 | 1 | 239 |
Jumlah | - | 239 | - |
KORELASI
A. Pegertian
Korelasi adalah salah satu teknik statistik yang digunakan untuk mengetahui hubungan antara dua variabel atau lebih yang sifatnya kuantitatif. Misalnya kita ingin menyelidiki apakah ada hubungan antara jam kerja dengan penghasilan, latar belakang pendidikan orang tua dengan prestasi belajar siswa, antara ekonomi orang tua dengan prestasi belajar siswa, antara moral kerja guru dengan hasil belajar pendidikan agama Islam, antara banyaknya pengunjung dengan jumlah orang yang berbelanja dan lain-lain.
Dua variabel dikatakan berkorelasi apabila perubahan pada variabel yang satu akan diikuti pada perubahan pada variabel yang lain dengn arah yang sama atau dapat juga dengan arah yang berlawanan. Bila dua variabel tersebut dinyatakan dengan dalam X dan Y maka apabila variabel X berubahvariabel Y pun akan berubah dan sebaliknya.
Arah hubungan antara dua variabel (direction of correlation) dapat dibedakan
1. Korelasi positif yaitu apabila kenaikan nilai variabel X selalu disertai dengan kenaikan variabel Y dan sebaliknyaturunnya nilai variabel X akan selalu diikuti oleh turunnya nilai variabel Y.
2. Korelasi negatif yaitu apabila kenaikan variabel X selalu disertai dengan menurunnya nilai variabel Y dan sebaliknya turunnya nilai variabel X akan selalu diikuti naiknya variabel Y
3. Tidak berkorelasi yaitu apabila kenaikan variabel X kadang-kadang disertai naiknya variabel Y atau disertai turunnya nilai variabel Y dan sebaliknya turunnya nilai variabel X kadang-kadang disertai naiknya variabel Y atau turunnya nilai variabel Y. Pada variabel ini hubungannya tidak teratur kadang searah kadang berlawanan arah.
B. Koefesien Korelasi
Biasanya besar kecilnya hubungan dinyatakan dalam bilangan. Bilangan yang menyatakan besar kecilnya itu disebut koefesien korelasi. Koefesien korelasi bergerak diantara 0,000 - + atau diantara 0,000 - -1.000, tergantung kepada arah korelasinya, positif, nihil atau negatif. Bilamana dua variabel mempunyai koefesien korelasi sebesar +1,000 maka disebut korelasi positif sempurna dan bilamana mempunyai koefesien korelasi sebesar –1.000, disebut korelasi negatif sempurna serta mendekati 0 berarti hubungannya lemah atau tidak ada hubungan.
Salah satu syarat dalam penggunaan teknik korelasi adalah bahwa hubungan antara variabel X dan variabel Y adalah hubungan linier. Adapun hubungan tersebut dapat disajikan dalam diagram diagram scater (diagram pencar) dibawah ini.
Y Y Y
X X X
Korelasi Linier Korelasi Linier Korelasi Tak Linier
Positif Negatif
C. Menghitung Koefesien Korelasi
Untuk mengetahui berapa skor besar koefesien korelasi harus dilakukan perhitungan. Adapun untuk menghitung koefesien korelasi ini ada beberapa metode antara lain seperti tabel berikut:
1. Korelasi Product Moment
2. Rank Correlation (Jenjang Spearman)
3. Korelasi Jenjang Kendall
4. Korelasi phi
5. Korelasi Tetrachorik
6. Korelasi Serial
7. Korelasi Point Serial
8. Korelasi Berganda
1. Korelasi Product moment
Contoh: mencari koefesien korelasi antara variabel ekonomi keluarga (X) dan prestasi belajar siswa SMU bidang studi ekonomi (Y).
Adapun rumus yang biasa digunakan sebagai berikut:
Σxy
rxy =
N SDx SDy
Dimana : rxy = koefesien korelasi antara x dan y
xy = produk nilai x kali y
SDx = Standar Deviasi variabel x
SDy = Standar Deviasi variabel y
N = Jumlah subyek yang diteliti
Tabel 01
Sub. | X | Y | x | x2 | y | y2 | xy |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 130 | 20 | -30 | 900 | -8 | 64 | +240 |
2 | 132 | 24 | -28 | 784 | -4 | 16 | +112 |
3 | 152 | 28 | -8 | 64 | 0 | 0 | 0 |
4 | 142 | 23 | -18 | 324 | -5 | 25 | +90 |
5 | 184 | 37 | +24 | 576 | +9 | 81 | +216 |
6 | 190 | 32 | +30 | 900 | +4 | 16 | +120 |
7 | 150 | 25 | -10 | 100 | -3 | 9 | +30 |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
8 | 170 | 23 | +10 | 100 | -5 | 25 | -50 |
9 | 181 | 29 | +21 | 441 | +1 | 1 | +21 |
10 | 164 | 35 | +4 | 16 | +7 | 49 | +28 |
11 | 175 | 32 | +15 | 225 | +4 | 16 | +60 |
12 | 135 | 22 | -25 | 625 | -6 | 36 | +150 |
13 | 147 | 24 | -13 | 169 | -4 | 16 | +52 |
14 | 162 | 26 | +2 | 4 | -2 | 4 | -4 |
15 | 136 | 21 | -24 | 576 | -7 | 49 | +168 |
16 | 178 | 35 | +18 | 324 | +7 | 49 | +126 |
17 | 172 | 30 | +12 | 144 | +2 | 4 | +24 |
18 | 165 | 28 | +5 | 25 | 0 | 0 | 0 |
19 | 160 | 27 | 0 | 0 | -1 | 1 | 0 |
20 | 148 | 25 | -12 | 144 | -3 | 9 | +36 |
21 | 180 | 34 | +20 | 400 | -6 | 36 | +120 |
22 | 149 | 25 | -11 | 121 | -3 | 9 | +33 |
23 | 188 | 26 | +28 | 784 | +8 | 64 | +224 |
24 | 167 | 29 | +7 | 49 | +1 | 1 | +7 |
25 | 162 | 27 | +2 | 4 | -1 | 1 | -2 |
26 | 145 | 23 | -15 | 225 | -5 | 25 | +75 |
27 | 150 | 29 | -10 | 100 | +1 | 1 | -10 |
28 | 160 | 30 | 0 | 0 | +2 | 4 | 0 |
29 | 172 | 31 | +12 | 144 | +3 | 9 | +36 |
30 | 154 | 30 | -6 | 36 | +2 | 4 | -12 |
| 4800 | 840 | 0 | 8304 | 0 | 624 | 1890 |
ΣX 4800
X = = = 160 x = X - X
N 30
ΣY 840
Y = = = 28 y = Y - Y
N 30
SDx = √ Σx2 = √ 8304 = 16,64
N 30
SDy = √ Σy2 = √624 = 4,56
N 30
Σxy 1890
Jadi rxy = = = 0,830
N SDx SDy (30) (1,64) (4,56)
Dengan menggunakan rumus yang kedua:
∑xy
rxy =
√ (Σx2) (Σy2)
1890
=
√ (8304) (624)
= 0,830
Selanjutnya hasil perhitungan dikonsultasikan dengn “r” tabel dengan asumsi rh > rtabel dan rh < rtabel tidak signifikan.
Apabila digunakantaraf signifikansi 5% rtabel = 0,361 dan taraf signifikansi 1% rtabel= 0,463
Karena 0,361 < 0,830 > 0,463 maka kita katakan signifikan baik dites dengan taraf signifikansi 1% maupun 5%.
Contoh lain 02. Nilia kedisiplinan dan prestasi belajar
Responden | X | Y | X2 | Y2 | XY |
A | 5 | 45 | 25 | 2025 | 235 |
B | 4 | 45 | 16 | 2025 | 180 |
C | 3 | 39 | 9 | 1521 | 117 |
D | 5 | 38 | 25 | 1444 | 190 |
E | 3 | 34 | 9 | 1156 | 102 |
F | 2 | 21 | 4 | 441 | 42 |
G | 2 | 26 | 4 | 676 | 52 |
H | 1 | 16 | 1 | 256 | 16 |
I | 4 | 40 | 16 | 1600 | 160 |
J | 3 | 24 | 9 | 576 | 72 |
N = 10 | X=32 | Y=328 | X2=118 | Y2=1170 | XY=1166 |
Kemudian kita menggunakan Rumus Product Moment
N∑XY-(∑X) (∑Y)
rxy =
√{(N∑X2 - (∑X)2 (N∑Y2-(∑Y)2}
rxy = Koefesien korelasi yang dicari
N = Subyek
X = nilai variabel X
Y = nilai variabel Y
XY = Perkalian variabel X dan Y
Selanjutnya angka-angka tersebut kita masukkan ke dalam rumus Product Moment sehingga perhitungan sebagai berikut:
10.1166 – 32.328
rxy =
√(10.118 – 32.32) (10.11720-328.328)
= 0,884
Selanjutnya angka korelasi yang diperoleh ini harus dibandingkan dengan angka kritik tabel korelasi “r”. Lihat tabel r Product Moment. Untuk taraf signifikansi 5% angka kritiknya adalah 0,632.
2. Rank Correlation (Jenjang Spearman)
Korelasi jenjang spearman ini untuk mencari derajat hubungan antara dua variabel yakni variabel bebas (X) dan variabel terikat (Y). Data yang akan dianalisis dengan korelasi jenjang spearman harus mempunyai skala yang memungkinkan untuk dibuat jenjang (rangking) Adapun rumus yang dipakai sebagai berikut:
6Σd2
rs = 1 –
n(n2-1)
Keterangan
rs = Koefesien korelasi jenjang sperman
d = selisih antara angka rangking (jenjang) antara variabel yang satu dengan variabel yang lain
n = banyaknya subyek pemilik nilai
Contoh: Untuk mengetahui apakah nilai matematika ada hubungannya dengan nilai statistika, maka diambil sample 10 mahasiswa yang menempuh kedua mata kuliah tersebut sebagai berikut:
Matematika (X) = 65,40,70,75,55,85,50,80,45,60
Statistika (Y) = 70,45,65,75,50,80,55,85,40,60
Tabel 03
No.Suby | X | Y | Rank X | Rank Y | d | d2 |
1 | 65 | 70 | 5 | 4 | 1 | 1 |
2 | 40 | 45 | 10 | 9 | 1 | 1 |
3 | 70 | 65 | 4 | 5 | -1 | 1 |
4 | 80 | 75 | 2 | 3 | -1 | 1 |
5 | 55 | 50 | 7 | 8 | -1 | 1 |
6 | 85 | 80 | 1 | 2 | -1 | 1 |
7 | 50 | 55 | 8 | 7 | 1 | 1 |
8 | 75 | 85 | 3 | 1 | 2 | 4 |
9 | 45 | 40 | 9 | 10 | -1 | 1 |
10 | 60 | 60 | 6 | 6 | 0 | 0 |
N=10 | | | 55 | 55 | 0 | 12 |
6Σd2
rs = 1 –
n(n2-1)
6(12)
= 1 –
10 (102-1)
72
= 1 –
10 (102-1)
= 1 – 0,07272
= 0,9273
Jika dilakukan pengujian dengan menggunakan taraf kepercayaan 95% dan n = 10-1 = 9 maka rtab 0,683. Bila dipakai asumsi rs > rtab = mempunyai korelasi yang meyakinkan. rs < rtab = tidak signifikan
Karena 0,9273 > 0,683 maka dapat disimpulkan bahwa nilai matematika mempunyai korelasi yang meyakinkan dengan nilai statistik.
Pada peristiwa jenjang kembar akan terjadi rank yang kembar.
Contoh; Dari 5 calon salesmen yang diuji mengenai teknik penjualan kemudian ditugaskan untuk melakukan penjualan. Apakah variabel X menyatakan nilai ujian dan Y menyatakan hasil penjualan, yang masing-masing besarnya adalah:
Tabel 04
No.Suby | X | Y | Rank X | Rank Y | d | d2 |
1 | 6 | 7 | 6 | 4 | 2 | 4 |
2 | 5 | 6 | 9 | 8,5 | -0,5 | 0,25 |
3 | 7 | 8 | 3 | 1 | 2 | 4 |
4 | 6 | 6 | 6 | 8,5 | -2,5 | 6,25 |
5 | 7 | 7 | 3 | 4 | -1 | 1 |
6 | 5 | 6 | 9 | 8,5 | 0,5 | 0,25 |
7 | 8 | 7 | 1 | 4 | -3 | 9 |
8 | 5 | 6 | 9 | 8,5 | -0,5 | 0,25 |
9 | 6 | 7 | 6 | 4 | 2 | 4 |
10 | 7 | 7 | 3 | 4 | -1 | 1 |
| | | | | | 30 |
6Σd2
rs = 1 –
n(n2-1)
6(30)
= 1 –
10 (102-1)
180
= 1 –
10x99
= 1 – 0,818 = 0,18
Jika dilakukan pengujian dengan menggunakan taraf kepercayaan 95% dengan d.f n-1 = 9 maka rtab 0,683. Bila dipakai asumsi rs > rtab = mempunyai korelasi yang meyakinkan. rs < rtab = tidak signifikan
Karena 0,18 < 0,683 maka dapat disimpulkan bahwa nilai matematika mempunyai tidak mempunyai hubungan nilai statistik.
3. Korelasi Jenjang Kendal
Korelasi jenjang Kendal ini mempunyai kegunaan yang hampir sama dengan korelasi jenjang spearman. Misalnya kita ingin mengetahui seberapa jauh penilaian dua orang juri (sebut saja A dan B) terdapat 4 orang peserta (sebut saja PQR da S yang sedang mempergunakan busana muslim.
Juri A menilai bahwa; Juri A menilai bahwa;
P mendapat rangking 1 R mendapat rangking 1
R mendapat rangking 2 P mendapat rangking 2
S mendapat rangking 3 S mendapat rangking 3
Q mendapat rangking 4 Q mendapat rangking 4
Dari data tersebut di atas dapat dicari dengan menggunakan rumus
JNP
τ =
Jumlah Pasangan
Dimana:
τ = (Baca “tau”) merupakan koefesien jenjang kendall
JNP = Jumlah nilai pasangan
Adapun angkah-langkh untuk menghitung korelasi jenjang kendall adalah sebagai berikut:
a. Mengurutkan peserta berdasarkan penilaian salah satu juri berdasarkan rangking misalnya berdasarkan rangking juri B
Tabel 05
Nilai Rangking JURI | ||||
| R | P | S | Q |
A | 2 | 1 | 3 | 4 |
B | 1 | 2 | 3 | 4 |
Maka bersadarkan juri A dapat diketahui pasangan sebagai berikut: RP,RS,RQ,PS,PQ,SQ. Banyaknya psangan ini dapat dicari dengan menggunakan rumus kombinasi yaitu :
n!
nC2 =
2!(n-2)!
4!
4C2 =
2!(4-2!)
4.3.2.1
=
2.1.2.1
= 6 pasangan
b. Berdasarkan pasangan tersebut, kita lihat urutan rangkingnya apakah benar atau salah. Urutan dianggap benar jika dari rangking kecil ke rangking besar dan dianggap salah jika dari rangking besar ke rangking kecil. Jika menurut juri penilaian benar berdasarkan urutan rangking kecil ke besar diberi nilai +1 dan jika penilaian itu salah dari rangking besar kekecil diberi penilaian –1.
Jumlah nilai pasangan (JNP) tersebut adalah ;
RP + RS + QR + PS + PQ + SQ
(-1) + (+1)+ (+1)+ (+1)+ (+1)+ (+1)
c. Dengan menggunakan rumus di atas harga koefesien korelasi jenjang kendall dapat diketahui
JNP
τ =
Jumlah Pasangan
4
τ = = 0,6667
6
Karena τ = 0,6667, maka dapat dikatakan bahwa ada hubungan yang cukup tinggi antara penilaian kedua juri tersebut terhadap keempat pragawati. Jika tanda positif berarti terjadi hubungan yang searah artinya semakin tinggi pemberian rangking oleh juri A semakin tinggi pula pemberian rangking oleh juri B dan sebaliknya.
4. Korelasi Phi
Analisis korelasi ini untuk mencari hubungan antara satu variabel bebas (X) dan satu variabel tergantung (Y) jika data kedua variabel itu bersifat dikotomi atau asli. Adapun rumus yang digunakan sebagai berikut:
Ad-bc
Φ =
Komentar
Posting Komentar