Welcome to My Blog!

Assalamulaikum Wr.Wb
Follow Me
SOAL
1.DEFINISI STATISTIKA
2.JENIS-JENIS PENGAMBILAN SAMPEL
3.JENIS-JENIS PENGUKURAN SKALA
4.NOTASI SIGMA DENGAN VARIABEL Y
5.DEFINISI DISTRIBUSI FREKUENSI DAN CARA PEMBUATAN
6.MENCARI DISTRIBUSI FREKUENSI DAN HISTOGRAM DENGAN MS.EXCEL
baiklah saya akan menjawab pertanyaan dari soal – soal diatas :
STATISTIKA
1.Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara pengumpulan dan penyusunan data, pengolahan data, dan penganalisisan data, serta penyajian data berdasarkan kumpulan dan analisis data yang dilakukan. Salah satu ilmu yang mendasari dalam mempelajari statistika adalah peluang atau probabilitas. Berdasarkan kegiatannya, statistika dikelompokkan menjadi dua macam, yaitu Statistika deskriptif (statistika deduktif) dan statistika inferensi (statistika induktif).
1
Pengertian statistik adalah hasil-hasil pengolahan dan analisis data. Statistik dapat berupa mean, modus, median, dan sebagainya. Statistik dapat digunakan untuk menyatakan kesimpulan data berbentuk bilangan yang disusun dalam bentuk tabel atau diagram yang menggambarkan karakteristik data.
2. Teknik sampling pada dasarnya dapat dikelompokan menjadi dua yaitu Probability Sampling dan Non-probabilty Sampling. Probability sampling merupakan cara pengambilan sampel yang dilakukan secara acak, sehingga seluruh anggota populasi memiliki peluang yang sama untuk terpilih menjadi sampel. Sedangkan, Non-Probability Sampling merupakan cara pengambilan sampel yang tidak memberikan peluang yang sama kepada anggota populasi untuk dipilih sebagai sampel. Berikut ini akan dijelaskan mengenai jenis-jenis dari Probability Sampling dan Non-Probability Sampling. Secara mendasar, Probability Sampling meliputi, Simple Random Sampling, Proportionate Stratified Random Sampling, Disproportionate Stratified RandomSampling, dan Cluster Random Sampling.
Probability Sampling
Probability Sampling Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Syarat utama probability sampling dilakukan adalah sample diambil dari populasi yang homogen. Ramdom sampilng atau dalam bahasa Indonesia disebut juga Rambang hedaknya memebrikan gambaran bahwa distribusi data pada populasi akan berlaku secara sembarang pada setiap anggota dari populasi. Teknik ini meliputi, simple random sampling, proportionate stratified random sampling, disproportionate stratified random, sampling area (cluster) sampling (sampling menurut daerah).
a.      Simple Random Sampling
Dikatakan simple (sederhana) karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara demikian dilakukan bila anggota populasi dianggap homogen atau memiliki kesamaan. Dengan demikian, anggota populasi yang dipilih akan mampu mewakili kondisi populasi.
b. Proportionate Stratified Random Sampling Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara proporsional.
c.Disproportionate stratified random Sampling
Teknik ini umumnya digunakan untuk menentukan jumlah sampel, dengan kondisi populasi berstrata namun kurang proporsional.
d. Cluster Sampling (Area Sampling)
Teknik sampling ini digunakan untuk menentukan sampel bila obyek yang akan diteliti atau sumber data sangat luas. Untuk menentukan penduduk mana yang akan dijadikan sumber data, maka pengambilan sampelnya berdasarkan daerah populasi yang ditetapkan.
Nonprobability Sampling  adalah teknik yang sampling yang diambil dengan tujuan dan maksud tertentu oleh peneliti. Tujuan ini muncul bisa disebabkan oleh masalah penelitian, sehingga teknik non probability sampling tidak dapat dilakukan generalisasi kesimpulan terhadap populasi. Non-probability sampling meliputi, sampling sistematis, sampling kuota, sampling insidental, purposive sampling, sampling jenuh, dan snowball sampling.
a. Sampling Sistematis Sampling Sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Kemudian, pengambilan sampel dapat dilakukan dengan nomor mengambil nomor berdasarkan kelipatan dari bilangan tertentu, nomor genap atau ganjil saja.
b. Sampling Kuota Sampling Kuota adalah teknik untuk penentuan sampel dari populasi yang mempunyai ciri-ciri tertentu sehingga jumlah (kuota) yang diinginkan terpenuhi.
c. Sampling Insidental Sampling Insidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan/insidental bertemu dengan peneliti di awal dapat digunakan sebagai sampel, namun tetap dengan syarat apabila orang yang ditemui tersebut kebetulan ditemui itu sesuai sebagai sumber data.
d. Sampling Purposive Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan tertentu. Misalnya akan melakukan penelitian terhadap cara guru biologi mengajar di suatu wilayah, maka sampel sumber datanya adalah guru biologi. Namun, sampel ini lebih cocok digunakan untuk penelitian kualitatif yang tidak melakukan generalisasi.
e. Sampling Jenuh Sampling Jenuh merupakan teknik penentuan sampel apabila semua anggota populasi digunakan sebagai sampel. Hal ini dilakukan apabila jumlah populasi relatif kecil, seperti kurang dari 30 orang, atau penelitian yang ingin membuat generalisasi dengan kesalahan yang sangat kecil. Istilah lain sampel jenuh adalah sensus, dimana semua anggota populasi dijadikan sampel.
f. Snowball Sampling Snowball sampling merupakan teknik penentuan sampel yang pada awalnya berjumlah kecil kecil, kemudian membesar, sebagaimana analogi bola salju. Dalam penentuan sampel, pertama-tama dipilih satu atau dua orang, tetapi karena dengan dua orang ini belum merasa lengkap terhadap data yang diberikan, maka peneliti mencari orang lain yang dipandang lebih tahu dan dapat melengkapi data yang diberikan oleh dua orang sebelumnya. Begitu seterusnya, sehingga jumlah sampel semakin banyak.
3.Skala adalah perbandingan antar kategori sebuah objek yang diberi bobot nilai berbeda. Jenis-jenis skala pengukuran adalah nominal, ordinal, interval dan rasio.
Jenis skala berbeda menyebabkan karakteristik data berbeda sehingga berkaitan dengan metode statistik yang digunakan untuk menganalisis data. Dalam statistik ada 4 jenis-jenis skala yaitu nominal, ordinal, interval dan rasio.
SKALA NOMINAL (SKALA LABEL)
Skala ini menempatkan angka sebagai atribut objek. Tidak memiliki efek evaluatif karena hanya menempatkan angka ke dalam kategori tanpa struktur, tidak memiliki peringkat dan tidak ada jarak.
Contoh Data Variabel :
Ya = 1 dan Tidak = 0
Pria = 1 dan Wanita = 0
Hitam = 1, Abu-abu = 2, Putih = 2
Analisis Statistik :
Angka tidak bermakna matematika. Analisis statistik yang dapat digunakan berada dalam kelompok non-parametrik yaitu frekuensi dan tabulasi silang dengan Chi-square.
SKALA ORDINAL (SKALA PERINGKAT)
Skala ordinal memiliki peringkat, tapi tidak ada jarak posisional objektif antar angka karena angka yang tercipta bersifat relatif subjektif. Skala ini menjadi dasar dalam Skala Likert.
Contoh Data Variabel :
Sangat Tidak Setuju = 1
Tidak Setuju = 2
Tidak Tahu = 3
Setuju = 4
Sangat Setuju = 5
Pendek = 1
Sedang = 2
Tinggi = 3
Tidak enak = 1
Ragu-ragu = 2
Enak = 3
Analisis Statistik :
Angka 1 lebih rendah dari angka 2 dalam peringkat, tapi tidak bisa dilakukan operasi matematika. Data ordinal menggunakan statistik non-parametrik mencakup frekuensi, median dan modus, Spearman rank-order correlation dan analisis varian.
SKALA INTERVAL (SKALA JARAK)
Skala interval adalah skala ordinal yang memiliki poin jarak objektif dalam keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masing-masing angka.
Contoh Data Variabel :
Umur 20-30 tahun = 1
Umur 31-40 tahun = 2
Umur 41-50 tahun = 3
Suhu 0-50 Celsius = 1
Suhu 51-100 Celsius = 2
Suhu 101-150 Celsius = 3
Analisis Statistik :
Angka 3 berarti lebih tua atau lebih panas dari angka 2 setara dengan angka 2 terhadap angka 1, bisa operasi penjumlahan dan pengurangan. Statistik parametrik yaitu deviasi mean dan standar, korelasi r, regresi, analisis varian dan analisis faktor ditambah berbagai multivariat.
SKALA RASIO (SKALA MUTLAK)
Skala rasio adalah skala interval yang memiliki nol mutlak.
Contoh Data Variabel :
0 tahun, 1 tahun, 2 tahun, 3 tahun, ….. dst.
….. -3C, -2C, -1C, 0C, 1C, 2C, 3C, ….. dst.
….. 0,71m ….. 5,38m ….. 12,42m ….. dst.
Analisis Statistik :
Berlaku semua operasi matematika. Analisis statistik sama dengan skala interval.
Jawaban dari contoh soal diatas :

5.Pengertian Distribusi Frekuensi
3.jpg
Data yang telah diperoleh dari suatu penelitian yang masih berupa data acak yang dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke dalam kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut distribusi frekuensi atau tabel frekuensi. Distribusi frekuensi adalah susunan data menurut kelas interval tertentu atau menurut kategori tertentu dalam sebuah daftar (Hasan, 2001).
Pedoman pembuatan tabel distribusi frekuensi:
A. Tentukan jangkauan: R = xmaks – xmin (yaitu data terbesar dikurangi data terkecil)
B. Tentukan banyaknya kelas-kelas interval. Banyaknya kelas ini sebaiknya antara 5 hingga 20. Salah satu pedoman yang biasa digunakan untuk menentukan banyaknya kelas adalah aturan Sturgess: k = 1 + 3,3 log n, dengan k adalah banyaknya kelas interval dan n adalah banyaknya data.
C. Pilih kelas-kelas interval dengan ukuran (lebar kelas) yang sama, apabila memungkinkan. Lebar kelas ini adalah 4.png Pembulatan terhadap c adalah pembulatan ke atas dan tingkat ketelitiannya dibuat sama dengan tingkat ketelitian data semula; jika data semula bilangan bulat, c pun harus bilangan bulat; jika data semula hingga 1 tempat desimal, c pun hingga 1 tempat desimal, demikian seterusnya. Jika lebar kelas yang sama tidak dimungkinkan atau tidak diharapkan *), gunakan kelas-kelas interval dengan ukuran berbeda.                                                                                                                                          D.Ketika menentukan kelas interval, upayakan sedapat mungkin agar titik tengah kelas berimpit dengan data aktual. Ini untuk mengurangi grouping error.
Upayakan sedapat mungkin agar batas-batas kelas tidak berimpit dengan data aktual.
*) Bisa jadi dengan lebar kelas yang telah dihitung, ternyata ada kelas yang frekuensinya nol (tidak ada data yang masuk dalam kelas tertentu); ini suatu contoh lebar kelas yang tidak diharapkan.
Contoh: Diketahui data berikut, mengenai besarnya pengeluaran tahunan yang dihabiskan untuk mengiklankan produk-produk sejenis beberapa perusahaan yang sedang diteliti, dalam satuan juta rupiah.
1.png
Langkah 1: (Menghitung range)
Data terbesar adalah Xmax = 307 dan data terkecil adalah Xmin = 242 sehingga R = 307 – 242 = 65
Langkah 2: (Menentukan banyaknya kelas interval)
Banyaknya data adalah n = 40. Seandainya digunakan aturan Sturgess, banyaknya kelas adalah k = 1 + 3,3 log 40 ≈ 6,287. Banyaknya kelas harus merupakan bilangan bulat, sehingga kita bulatkan banyaknya kelas menjadi 7 (pembulatan ke atas).
Langkah 3: (Menentukan lebar kelas interval)
Dengan menggunakan R = 65 dan k = 7 yang telah diperoleh pada langkah-langkah sebelumnya, kita hitung lebar kelas 5.png Tingkat ketelitian lebar kelas ini harus sama dengan tingkat ketelitian data semula, dan pembulatannya ke atas. Karena data semua merupakan bilangan bulat, lebar kelas pun harus bilangan bulat, sehingga kita tetapkan c = 10.
Selanjutnya, kita buat tabel distribusi frekuensi sebagai berikut:
6. Distribusi Frekuensi Dan Histogram
ini adalah contoh data mentah yang akan saya gunakan dalam pembuatan distribusi frekuensi dan histogram.

lalu Data Mentah dan Bin Range nya sudah saya tentukan dari awal agar nanti tabel distribusi frekuensinya rapih. dalam pembuatan distribusi frekuensi dan histogram, kita menggunakan data analysis yang disediakan MS Excel hingga hasilnya seperti gambar di bawah ini.

SUMBER :