KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas berkat dan

pertolongan-Nya sehingga kami dapat menyelesaikan tugas akhir ini tepat pada waktunya. Pada

kesempatan ini, kami juga ingin mengucapkan terimakasih kepada semua pihak yang telah

membantu peneliti dalam menyelesaikan tugas akhir ini, antara lain:

1. Bapak Edwin J. Solaiman MSc., sebagai dosen Statistik II

2. Teman-teman yang mendukung dan memberikan masukan.

3. Orang tua

Semoga budi baik yang telah diberikan oleh semua pihak mendapat balasan dari Tuhan

Yang Maha Pengasih. Semoga tugas akhir ini dapat bermanfaat bagi pembaca dan pihak-pihak

yang membutuhkan.

Bandung, 12 November 2015

Penulis

i

DAFTAR ISI

HALAMAN JUDUL

KATA PENGANTAR.................................................................................. i

DAFTAR ISI ................................................................................................ ii

BAB I PENDAHULUAN

1.1 LatarBelakang............................................................................... 1

1.2 rumusan masalah.......................................................................... 2

1.3 tujuan penelitian........................................................................... 2

1.4 kegunaan penelitian...................................................................... 3

BAB II TINJAUAN PUSTAKA dan hipotesis

2.1 Perkenalan Dengan Statistik ....................................................... 4

2.2 Pengumpulan dan Pengolahan Data .......................................... 9

2.3 Penyajian Data ............................................................................. 13

2.4 Distribusi Frekuensi ..................................................................... 13

2.5 Ukuran Pemusatan Data ............................................................. 14

2.6 Analisis Regresi dan Korelasi Linear Sederhana ..................... 22

BAB III PEMBAHASAN

3.1 Data Penelitian.............................................................................. 24

3.2 Data Korelasi Kualitatif............................................................... 26

ii

3.3 Grafik............................................................................................. 28

BAB IV PENUTUP

4.1 Kesimpulan.................................................................................... 29

4.2 Saran.............................................................................................. 29

4.3 Kesan.............................................................................................. 30

DAFTAR PUSTAKA ……………………………………………………... 31

BIODATA …………………………………………………………………. 32

iii

BAB I

PENDAHULUAN

1.1 Latar Belakang

       1.  Pengertian Pemanfaatan Waktu Belajar

             Dalam belajar, setiap individu membutuhkan waktu untuk menyerap materi yang akan dipelajari, waktu belajar  adalah waktu yang digunakan siswa untuk belajar yang baik dan tepat sesuai dengan situasi dirinya. Maka waktu dalam belajar perlu disesuaikan khusus untuk lebih efesien dalam pencapaian target belajar. Hal ini perlu adanya pengawasan yang dilakukan oleh orang tua dirumah pada waktu siswa belajar. Menurut Sukardi (1998 : 60) “belajar secara teratur setiap hari dan tidak mengesampingkan waktu semestinya. Dengan belajar yang disiplin dan teratur niscaya akan dapat meningkatkan  prestasi belajarnya”. Keteraturan belajar adalah pangkal utama dari belajar yang baik untuk disiplin pribadi yang tinggi siswa dapat menjahui godaan dan gangguan-gangguan yang mendorong siswa malas  belajar. Dari pendapat di atas penggunaan waktu belajar adalah bertujuan untuk melatih kedisiplinan siswa guna tercapainya pencapaian target dalam belajar yaitu prestasi yang setinggi-tingginya. Sebab siswa kadang-kadang lupa terhadap kewajiban dalam belajar, dengan berbuat teratur setiap hari yang disertai dengan minat, rencana dan tujuan yang jelas tanpa harus mengabaikan atau mengesampingkan waktu istirahat yang semestinya lebih mudah dalam penyerapan materi pelajaran dari pada belajar yang dilakukan secara mendadak.Mahasiswa saat ini cenderung selalu menerima hasil dari pada mencerna salah satu dari mata

kuliah yang diajarkan salah satu dari dosen mereka. Untuk mencapai hasil yang memuaskan,

segala cara dapat dilakukan oleh mahasiswa untuk mendapatkan IPK tertinggi. IPK (Index

Prestasi Kumulatif) sangat tergantung dari hasil belajar yang diraih oleh masing-masing

mahasiswa yang didapat dari semester satu sampai akhir. Sistem belajar adalah salah satu poin

penting untuk mendapatkan IPK tersebut besar ataukah kecil. Semakin efektif sistem belajar,

akan besar pula IPK tersebut yang didapatkan oleh mahasiswa-mahasiswa pada umumnya. Entah

itu di rumah, atau di manapun, sistem belajar para mahasiswa sangat mempengaruhi IP yang

didapat.

1

2

Untuk itu, dari latar belakang di atas, penelitian ini bertujuan untuk mengetahui pengaruh

lama belajar yang mahasiswa Universitas Advent Indonesia tiap harinya terhadap IP yang

didapat pada semester sebelumnya (TA 2014/2015).

5

1.2 Identifikasi Masalah

Pada uraian sebagaimana diterangkan diatas, maka masalah pada penelitian ini dapat

didefenisikan sebagai berikut:

1. Bagaimana lama belajar mahasiswi tiap harinya terhadap IP yang di capai?

2. Bagaimana pencapaian IP?

3. Apakah terdapat pengaruh yang positif dan signifikan antara lama belajar mahasiswa

Unai dengan IP yang dicapai?

1.3 Tujuan Penelitian

Tujuan penelitian ini dilakukan adalah agar dapat diketahui secara ilmiah apakah ada hubungan

antara lama belajar setiap mahasiswa UNAI dengan IP (Indeks Prestasi). Sesuai dengan masalah

yang di rumuskan maka, tujuan operasional penelitian ini adalah untuk mengetahui

1. Bagaimana lama belajar mahasiswi tiap harinya terhadap IP yang dicapai?

2. Bagaimana pencapaian IP?

3. Apakah terdapat hubungan yang positif dan signifikan antara lama belajar mahasiswi

Unai dengan IP yang dicapai?

2

1.4 Metode Penelitian

Penelitian ini dilakukan secara diskriptif teknik korelasionalis pada suatu populasi yang

sekaligus juga menjadi sampel sebagai objek penelitian.Data yang diolah adalah berupa IP yang

dicapai yang diambil melalui wawancara langsung kepada narasumber.

Untuk mengumpulkan data, kami mendesain 2 (dua) instrumen, yaitu kuesioner serta

wawancara dan angket. Kuesioner digunakan untuk menggali informasi dan mengumpulkan data

dari mahasiswa mengenai faktor-faktor yang mereka anggap sebagai faktor yang mempengaruhi

perolehan IP selama melaksanakan perkuliahan, informasi ini kemudian digunakan sebagai dasar

untuk membuat angket pendapat mahasiswa.selain menggunakan kuesioner digunakan juga

metode wawancara untuk memperoleh informasi secara langsung dari mahasiswwa tentang

faktor yang mempengaruhi IP mereka. Sedangkan angket digunakan untuk mengumpulkan data

pendapat mengenai faktor yang mempengaruhi indeks prestasi.

Metode penelitian menggunakan metode kualitatif dan kuantitatif. Metode kualitatif yang

digunakan adalah deskriptif, yaitu menjelaskan dan mengungkap faktor-faktor yang

mempengaruhi indeks prestasi mahasiswa Universitas Advent Indonesia. Data penelitian

dikumpulkan dengan menggunakan angket (kuesioner) yang berisi daftar pertanyaan mengenai

faktor-faktor yang mempengaruhi indeks prestasi yang disusun berdasarkan hasil kuesioner dan

wawancara dengan mahasiswa pada saat pra penelitian.

3

BAB II

TINJAUAN PUSTAKA

2.1 PERKENALAN DENGAN STATISTIK

A. Pengertian Statistik Secara etimologis kata “statistik” berasal dari kata status (bahasa Latin) yang mempunyai

persamaan arti dengan kata state (bahasa Inggris) atau staat(bahasa Belanda), dan yang dalam

bahasa Indonesia diterjemahkan menjadinegara. Pada mulanya, kata “statistik” diartikan sebagai

“kumpulan bahan keterangan (data), baik yang berwujud angka (kuantitatif) maupun yang tidak

berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar bagi

suatu negara. Namun, pada perkembangan selanjutnya, arti kata statistik hanya dibatasi pada “

kumpulan bahan keterangan yang berwujud angka (data kuantitatif)” saja, bahan keterangan

yang tidak berwujud angka (data kualitatif) tidak lagi disebut statistik. Ilmu statistik merupakan

ilmu yang membahas (mempelajari) dan mengembangkan prinsip-prinsip metode dan prosedur

yang ditempuh atau dipergunakan dalam rangka: mengumpulkan data, penyusunan atau

pengaturan data angka, penyajian atau penggambaran data angka, penganalisisan terhadap data

angka, penarikan kesimpulan (conclusion), pembuatan perkiraan (estimation), serta penyusunan

ramalan (prediction) secara ilmiah (dalam hal ini secara matematika atas dasar kumpulan data

angka tersebut).

Statistik dapat didefinisikan sebagai ilmu yang menyangkut pengumpulan, pengolahan,

penyajian, analisis dan interprestasi suatu data yang berbentuk angka-angka (numerik). Definisi

ini dikenal dengan sebutan “statistik deskriptif”. Perkembangan lebih lanjut, statistik sebagai

metode tidak saja hanya meliputi pengumpulan, pengolahan, penyajian, analisis

4

dan interprestasi suatu data yang berbentuk angka-angka (numerik), tetapi juga mengembangkan

prinsip dan metode yang akan membantu penggunanya membuat keputusan untuk menghadapi

ketidakpastian, dengan meramalkan atau membuat suatu taksiran dan membuat suatu kesimpulan

secara umum mengenai keadaan populasinya berdasarkan sampel yang diambil. Statistik

menurut definisi ini disebut “statistik induktif atau statistik inferensial”. (Suyana, 1: 2009)

Pada dasarnya statistik sebagai ilmu pengetahuan memiliki tiga ciri khusus, yaitu:

statistik selalu dengan angka atau bilangan (dalam hal ini adalah data kuantitatif), statistik

bersifat objektif ( dalam hal ini mengandung pengertian bahwa statistik selalu bekerja menurut

apa adanya), dan statistik bersifat universal (dalam hal ini mengandung arti bahwa ruang lingkup

atau ruang gerak dan bidang garapan statistik tidaklah sempit). Anas Sidijono dalam

bukunya Pengantar Statistik Pendidikan mengemukakan ada tiga permasalahn dasar dalam

statistik, yaitu: Permasalahan tentang rata-rata (average), permasalahan tentang pemencaran atau

penyebaran (variability ataudispersion), dan permasalahan tentang saling hubungan (korelasi).

Bagi seorang pendidik profesional, statistik memiliki kegunaan yang cukup besar, sebab

dengan menggunakan statistik sebagai alat bantu, maka berlandaskan pada data eksak itu ia akan

dapat:

a. memperoleh gambaran, baik gambaran secara khusus maupun gambaran secara umum

tentang suatu gejala, keadaan atau peristiwa.

b. mengikuti perkembangan atau pasang surut mengenai gejala, keadaan atau peristiwa

tersebut dari waktu ke waktu.

c. melakukan pengujian, apakah gejala yang satu berbeda dengan gejala yang lain ataukah

tidak. jika terdapat perbedaan apakah perbedaan itu merupakan perbedaan yang berarti

(meyakinkan) ataukah perbedaan itu terjadi hanya secara kebetulan saja.

d. mengetahui, apakah gejala yang satu ada hubungannya dengan gejala yang lain.

e. menyusun laporan yang berupa data kuaitatif dengan teratur, ringkas, dan jelas.

f. menarik kesimpulan secara logis, mengambil keputusan secara tepat dan mantap, serta

dapat memperkirakan atau meramalkan hal-hal yang mungkin terjad dimasa mendatang

dan langkah konkret apa yang kemungkinan perlu dilakukan seorang pendidik.

5

B. Data Statistik Sebagai kumpulan bahan keterangan yang berwujud angka, data statistik

dapat dibedakan dalam beberapa golongan, tergantung dari segi mana pembedaan itu

dilakukan.

1. Penggolongan Data Statistik Berdasarkan Sifatnya

Ditinjau dari segi sifat angkanya, data statistik dapat dibedakan menjadi dua golongan,

yaitu: data kontinyu dan data diskrit. Data kontinyu ialah data statistik yang angka-angkanya

merupakan deretan angka yang sambung-menyambung, sedangkan data diskrit ialah data statisti

yang tidak mungkin berbentuk pecahan.

2. Penggolongan Data Statistik Berdasarkan Cara Menyusun Angkanya

Ditinjau dari segi cara menyusun angkanya, data statistik dapat dibedakan menjadi tiga

macam, yaitu: Data nominal, yaitu data statistik yang cara menyusun angkanya didasarkan atas

penggolongan atau klasifikasi tertentu. Data nominal juga sering disebut data hitungan,

dikatakan demikian karena data angka itu diperoleh dengan cara menghitung. Data ordinal atau

data urutan, yaitu data statistik yang cara menyusun angkanya (ranking). Data interval, yaitu data

statistik dimana terdapat jarak yang sama di antara hal-hal yang sedang diselidiki atau

dipersoalkan.

3. Penggolongan Data Statistik Berdasarkan Bentuk Angkanya

Ditinjau dari segi bentuk angkanya, data statistik dapat dibedakan menjadi dua macam,

yaitu: data tunggal (ungrouped data) dan data kelompokan atau data bergolong (grouped

data). Data tunggal ialah data statistik yang masing-masing angkanya merupakan satu unit,

dengan kata lain data tunggal adalah data statistik yang angka-angkanya tidak di kelompokkan.

Contoh:

Data berupa nilai hasil ulangan semester 40 orang siswa SMAN 8 Denpasar dalam bidang Ilmu

Ekonomi adalah sebagai berikut.

40 71 54 67 59 84 46 51 60 75

82 55 65 45 63 74 58 44 76 53

73 46 73 58 61 80 59 84 57 45

30 57 62 68 48 35 39 55 48 60

6

Nilai 40, 71, 54, 67, 59 dan seterusnya itu masing-masing angkanya merupakan satu unit

kesatuan, masing-masing angka tersebut berdiri sendiri serta tidak dikelompokkan. Data

demikian disebut data tunggal.

Data kelompok ialah data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka dan

mempunyai interval. Contoh: data berupa nilai hasil ujian semester 40 orang siswa SMAN 8

Denpasar seperti diatas tetapi angka-angkanya dikelompokkan, misalnya.

Nilai: 80-84

          75-79

          70-74, dan seterusnya.

4. Penggolongan Data Statistik Berdasarkan Sumbernya

Ditinjau dari segi sumbernya, data statistik dapat dibedakan menjadi dua macam, yaitu:

data primer, dan data sekunder. Data primer adalah data statistik yang diperoleh atau bersumber

dari tangan pertama (first hand data). Contoh: data tentang alumni SMAN 8 Denpasar yang

diperoleh dari bagian kesiswaan dan alumni SMAN 8 Denpasar. Data sekunder adalah data

statistik yang diperoleh dari dari tangan kedua (second hand data). Contoh: data tentang alumni

SMAN 8 Denpasar yang diperoleh dari media masa, berita nasional, dan lain sebagainya.

5. Penggolongan Data Statistik Berdasarkan Waktu Pengumpulannya

Ditinjau dari segi waktu pengumpulannya, data statistik dapat dibedakan menjadi dua

golongan, yaitu: data seketika (cross section data) dan data urutan waktu (time series data). Data

seketika ialah data statistik yang mencerminkan keadaan pada satu waktu saja (at a point of

time). Contoh: data statistik tentang jumlah guru di sebuah sekolah dalam tahun ajaran

2011/2012. Data urutan waktu ialah data statistik yang mencerminkan keadaan atau

perkembangan mengenai suatu hal, dari satu waktu ke waktu yang lain secara berurutan. Data

urutan waktu juga sering dikenal dengan istilahhistorical data. Contoh: data statistik tentang

jumlah guru disebuah sekolah mulai tahun 2006/2007 sampai dengan tahun ajaran 2011/2012.

7

C. Sifat dan data statistik

Sebagai data angka, data statistik beberapa sifat tertentu, antara lain:

1)      Data statistik memiliki nilai relatif (relative value) atau nilai semu. Nilai relatif dari suatu

angka atau bilangan adalah nilai yang ditunjukkan oleh angka atau bilangan itu sendiri. Contoh:

nilai relatif dari 5 adalah bilangan 5 itu sendiri.

2)   Data statistik memiliki nilai nyata (true value) atau nilai sebenarnya. Nilai nyata dari suatu angka

adalah daerah tertentu dalam suatu deretan angka yang diwakili oleh nilai relatif. Contoh: nilai

nyata dari angka 5 adalah daerah antara (5-0,5) sampai dengan (5+0,5). Jadi nilai nyata dari

angka 5 adalah daerah antara 4,5 - 5,5.

3)      Data statistik memiliki Batas Bawah Relatif, Batas Atas Relatif, Batas Bawah Nyata, dan Batas

Atas Nyata. Contoh: bilangan 40 – 44. Bilangan 40 itu disebut batas bawah relatif dan bilangan

44 disebut batas atas relatif. Batas bawah nyatanya adalah 40-0,5 = 39,5 sedangkan batas atas

nyatanya adalah 44+0.5 = 44,50. Selanjutnya, bilangan 40-44 itu disebut Nlai Relatif, sedangkan

39,5-44,5 disebut Nilai Nyata. Batas bawah nyata sering dikenal dengan istilah lower limit yang

biasa dilambangkan dengan huruf l (L kecil), sedangkan batas atas nyata sering dikenal dengan

istilah upper limit dengan lambang u (U kecil).

4)      Data statistik yang berbentuk data kelompok memiliki nilai tengah atau titik tengah (midpoint).

Nilai tengah yaitu bilangan yang terletak ditengah-tengah deretan bilangan tersebut. Contoh: data

kelompok 50-54 nilai tengahnya= (50+54) : 2 = 52, sebab 52 adalah bilangan yang terletak

ditengah-tengah deretan bilangan 50, 51, 52, 53, 54.

5)      Data statistik sebagai data angka dalam proses perhitungannya tidak menggunakan sistem

pecahan, melainkan menggunakan sistem desimal (sistem perpuluhan). Contoh: pecahan 3/8

harus diubah menjadi 0,375.

6)  Data statistik sebagai data angka dalam proses perhitungannya menggunakan sistem pembulatan

angka tertentu. Dalam hal ini, perlu dikemukakan bahawa walaupun dalam pembulatan angka

yang terletak di belakang tanda desimal tidak selalu sama, namun pada dasarnya pembulatan

tersebut dilakukan sampai dengan tiga buah angka di belakang tanda desimal. Contoh:

0,1134892 dibulatkan menjadi 0,113; 0,8105071 dibulatkan menjadi 0,810 atau 0,81; 0,2915167

dibulatkan menjadi 0,292; 0,5109865 dibulatkan menjadi 0,511 dan seterusnya.

8

2.2 PENGUMPULAN DAN PENGOLAHAN DATA

Metode Pengumpulan data, Pengolahan dan Analisis Data

PENGERTIAN INSTRUMEN PENELITIAN

Adalah suatu alat yang digunakan untuk mengukur fenomena alam maupun sosial yang

diamati.

Adalah alat atau fasilitas yang digunakan oleh peneliti dalam mengumpulkan data agar

pekerjaannya lebih mudah dan hasilnya lebih baik.

Adalah alat yang digunakan dalam melakukan pengukuran dalam hal ini untuk mengumpulkan

data pada suatu penelitian

Hubungan antara instrumen penelitian dan metode penelitian

Metode:

1. Tes tertulis

2. Tes lisan

3. Angket

4. Wawancara

5. Pengamatan

6. Dokumentasi

7. Inventori

Instrumen:

1. Soal tes

2. Rambu-rambu pertanyaan

9

3. angket., skala bertingkat

4. Pedoman wawancara, ceklis

5. Ceklis

6. Ceklis, kerangka sistematika, data hasil analisis

7. inventori, angket dengan alasan sistematis

Skala pengukuran

Skala pengukuran merupakan kesepakatan yang digunakan sebagai acuan untuk menentukan

panjang pendeknya interval yang ada dalam alat ukur

Jenis-jenis skala pengukuran berdasarkan sifatnya:

1. Skala nominal, yaitu skala yang diberikan pada obyek/kategori yang sifatnya hanya sekedar

label/kode saja. (dikolom 1 “No”)

2. Skala ordinal, yaitu skala yang diberikan pada obyek/kategori yang sifatnya menyatakan

tingkat dengan jarak/ rentang yang tidak harus sama. (dikolom “kls dan juara ke”)

3. Skala interval, yaitu skala yang diberikan pada obyek/kategori yang sifatnya menyatakan

tingkat dengan jarak/rentang yang harus sama, namun tidak terdapat titik nol absolute. (dikolom

“nilai”)

4. Skala rasio, yaitu skala yang diberikan pada obyek/kategori yang sifatnya menghimpun semua

sifat dari ketiga skala lainnya dan dilengkapi dengan titik nol absolute. (dikolom”hadiah”)

Kaidah pokok pengukuran:

1. Objektivitas : pengukuran yang dilakukan benar-benar terbebas dari bias (menghasilkan data

apa adanya)

10

2. Validitas: pengukuran yang dilakukan benar-benar mengukur apa yang memang dikehendaki

untuk diukur.

3. Reliabilitas; data yang benar-benar mencerminkan nilai yang sesungguhnya dari variabel yang

diukur.

Kesalahan pengukuran:

1. Kesalahan sistematis: kesalahan yang terjadi karena faktor alat dan pengukuran itu sendiri.

2. Kesalahan sampling ; kesalahan hasil pengukuran yang terjadi karena sampling pengukuran

yang dilakukan tidak representatif.

Menghindari kesalahan sistematis terhadap alat & terhadap pengukuran sendiri:

1. Dipilih alat yang sudah dibakukan

2. Dilakukan peneraan lebih dulu

3. Dilakukan uji coba untuk mengetahui validitas dan reliabilitas

4. Bagi pengukur perlu adanya altihan-latihan

5. Satu pengukuran dilakukan berulang

6. Pencatatan dilakukan dengan cermat

7. Lingkungan atau suasana saat pengukuran sedapat mungkin sama.

METODE PENGUMPULAN DATA

1. Metode observasi

2. Metode questionnaire

11

3. Metode interview

4. Metode dokumentasi

5. Metode eksperiment

6. Metode test

Bentuk-bentuk analisa data:

1. Analisa kuantitatif, adalah analisis yang mempergunakan alat analisis bersifat kuantitatif.

2. Analisis kualitatif, adalah analisis yang tidak menggunakan model matematik, model statistik

dan ekonometrik atau model-model tertentu lainnya.

Tipe Data Statistika

1.Kualitatif

– NOMINAL

Hanya ciri, tidak ada beda (kesamaan), tidak ada urutan, tidak

ada titik nol yang mutlak

Contoh: gender, jenis pekerjaan, hobi, merek dll

– ORDINAL

Ada beda, ada urutan, tidak ada titik nol mutlak

Contoh: tingkat kesukaan, tingkat pendidikan, dll

2. Kuantitatif

– INTERVAL

Ada jarak, tidak ada titik nol mutlak

Contoh: suhu, ipk, iq dll

12

– RASIO

Data bersifat angka yang sesungguhnya (titik nol mutlak) dan dapat dibandingkan contoh

pendapatan,jarak,penghasilan dll.

2.3 PENYAJIAN DATA

Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil penelitian yang

telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan yang diinginkan.Data

yang disajikan harus sederhanaan jelas agar mudau dibaca.Penyajian data juga dimaksudkan agar

para pengamatd dapat dengan  mudah memahami apa yang kita ajikan untuk selanjutnya

dilakukan penilaian atau perbandingan dan lain lain.

Dibawah ini beberapa jenis penyajian data sebagai berikut:

a. Penyajian Data dalam Bentuk Tabel

b. Penyajian Data dalam Bentuk Diagramc. Diagram Garis

2.4 DISTRIBUSI FREKUENSI

Distribusi Frekuensi adalah pengelompokkan data ke dalam beberapa kategori yang

menunjukkan banyaknya data dalam setiap kategori, dan setiap data tidak dapat dimasukkan ke

dalam dua atau lebih kategori. Distribusi frekuensi adalah susunan data dalam bentuk tunggal

atau kelompok menurut kelas-kelas tertentu dalam sebuah daftar.

Istilah-istilah Dalam Distribusi Frekuensi:

1.Kelas

13

Adalah penggolongan data yang dibatasi oleh nilai terendah dan nilai tertinggi dalam suatu

kelas.

2.Interval..Kelas

Lebar dari sebuah kelas dan dihitung dari perbedaan antara kedua tepi kelasnya.

3. Batas..Kelas..(class..limit)

Nilai batas tiap kelas dalam sebuah distribusi frekuensi dan dipergunakan sebagai

pedoman guna memasukkan angka-angka hasil observasi ke dalam kelas-kelas yang

sesuai.

4. Batas Kelas Bawah (lower class limit) adalah angka pada kolom kelas yang

letaknya disebelah kiri.

5. Batas Kelas Atas (upper class limit) adalah angka pada kolom kelas yang letaknya

disebelah kanan.

6. Tepi Kelas (class boundaries/true limits) : 1. Tepi Kelas Bawah (lower class bounderis)

Batas kelas pertama yang benar-benar dimiliki oleh distribusi frekuensi tersebut, yaitu

batas kelas bawah dikurangi 1digit dibelakang koma. 2. Tepi Kelas Bawah (upper class

bounderis)

Batas kelas kedua yang benar-benar dimiliki oleh distribusi frekuensi tersebut, yaitu batas

kelas atas ditambah 1digit dibelakang koma.

7. Tepi atas = batas atas + 0,5

8. Tepi bawah = batas bawah – 0,5

9. Lebar kelas

10. Lebar kelas = tepi atas – tepi bawah

11. Mid Point (titik tengah) : Rata-rata dari kedua batas kelasnya/kelas limitnya. Titik tengah

= 1/2 (batas atas + batas bawah)

2.5 UKURAN PEMUSATAN DATA

A.    Ukuran Pemusatan Data Tunggal

14

Ukuran pemusatan data digunakan  agar data yang diperoleh mudah untuk dibaca dan dipahami.

Ukuran pemusatan data terdiri atas mean, median, dan modus.

1.      Rata rata

Mean dari sekumpulan data adalah jumlah seluruh data dibagi banyaknya data. Dengan

mengetahui mean suatu data, maka variasi data yang lain akan mudah diperkirakan.

Rumus mean : 

Contoh :

Nilai ulangan matematika Anto pada semster 1 adalah 6, 8, 5, 7, 9, dan 7. Maka meannya adalah:

Misalkan sekumpulan data terdiri atas nilai X1, X2, X3 … Xn dan memiliki frekuensi f1, f2, f3,

… fn maka mean dapat dicari dengan rumus :

Contoh :

Tentukan mean dari data berikut !

6, 5, 6, 7, 8, 9, 5, 6, 8, 9, 9, 6, 7, 4, 5, 8, 7, 4, 8, 5

Jawab :

Data diatas akan lebih mudah dikerjakan bila disajikan dalam tabel frekuensi.

15

Tabel frekuensi :

1.      Median

Median adalah nilai tengah dari sekupulan data yang telah diurutkan dari terkecil ke terbesar.

Median dipengaruhi oleh jumlah data, jika jumlah dta ganjil maka mediannya adalah nilai tengah

dari data yang telah diurutkan, dan jika jumlah data genap maka mediannya adalah mean dari

dua bilangan yang ditengah setelh data diurutkan.

Contoh 1 :

Tentukan median dari data berikut!

3, 5, 4, 6, 8, 7, 3

Jawab :

Jumlah data = 7 (ganjil)

Data diurutkan akan menjadi seperti berikut:

3, 3, 4, 5, 6, 7, 8

Nilai 5 ada ditengah data yang telah diurutkan, maka 5 merupakan median.

Contoh 2 :

Tentukan median dari data berikut !

9, 6, 5, 4, 3, 7, 8, 5

Jawab :

16

Jumlah data = 8 (genap)

Data diurutkan akan menjadi seperti berikut :

3, 4, 5, 5, 6, 7, 8, 9

nilai 5 dan 6 ada ditengah data yang telah diurutkan, maka mediannya adalah 5 + 6 / 2 = 5,5

2.      Modus

Modus adalah nilai data yang paling sering muncul atau nilai data yang frekuensinya paling

banyak, modus dinotasikan dengan Mo.

Contoh :

Tentukan modus dari data berikut !

4, 8, 7, 4, 6, 3, 6, 8, 6, 3

Jawab :

Data yang paling sering muncul adalah 6, maka Mo = 6

A.    Ukuran Pemusatan Data Kelompok

Data berkelompok merupakan data yang disajikan dalam bentuk kelas-kelas interval. Untuk

menghitung ukuran pemusatan data berkelompok, agak berbeda dari cara menghitung ukuran

pemusatan data tunggal. Untuk lebih jelasnya perhatikan uraian berikut:

1.      Rata-rata

Untuk mencari rata-rata data berkelompok, caranya ada tiga, yaitu cara biasa, cara rataan

sementara dan cara coding.

Menghitung rata-rata data berkelompok dengan cara biasa

Mengapa disebut cara biasa? Karena prinsipnya sama saja dengan menghitung nilai rataan untuk

data tunggal. Rumus yang digunakan yaitu:

17

Keterangan:

fi = frekuensi kelas ke i

xi = titik tengah kelas ke i

Untuk lebih jelasnya, perhatikan contoh berikut:

Tabel di bawah ini merupakan nilai ulangan matematika kelas XI IPA.

Tentukan rata-rata dari data di atas!

Jawab:

Untuk menghitung rata-rata data pada contoh soal di atas, terlebih dahulu kita siapkan tabel

berikut

18

Sesudah tabel tersebut lengkap, selanjutnya kita masukkan nilai-nilai yang kita perlukan ke

dalam rumus di atas. sehingga rata-rata nilai dari data tersebut adalah:

Yang diperlukan hanya ketekunan dan ketelitian. Biasanya kita sering terjebak dalam hal

perhitungan di tabelnya saja, sehingga berdampak ke hasil akhir yang salah. Namun, jika kita

merasa kesulitan dengan angka-angka yang sangat besar, untuk menghitung nilai rata-rata data

berkelompok dapat juga menggunakan cara kedua, yaitu memakai rataan sementara.

Menghitung rata-rata data berkelompok dengan menggunakan rataan sementara

Cara ini disebut cara rataan sementara karena kita terlebih dahulu menentukan nilai titik tengah

yang akan kita asumsikan sebagai rataan sementara. Rumus untuk menentukan nilai rata-rata

data berkelompok dengan menggunakan rataan semetara adalah:

Agar lebih jelas, nilai rataan data di atas dapat dihitung dengan menggunakan rataan sementara.

Perhatikan tabel berikut!

Pada tabel di atas, titik tengah kelas interval ketiga di beri warna merah, karena saya menentukan

rataan sementaranya 65,5, sehingga saya beri tanda warna merah. Nah, setelah kita melengkapi

19

tabel tersebut, selajutnya tinggal menuangkan angka-angka yang dibutuhkan ke dalam rumus

rataan sementara.

Menghitung rata-rata data berkelompok dengan cara coding

Sama dengan menggunakan simpangan rata-rata sementara, sebelum menghitung rata-rata

dengan cara coding, kita juga harus menetapkan rata-rata sementara. Namun rata-rata sementara

yang kita tetapkan harus sama dengan salah satu nilai tengah salah satu kelas interval.

Contoh:

Sebanyak 21 orang pekerja dijadikan sampel dan dihitung tinggi badannya. Data tinggi badan

dibuat dalam bentuk kelas-kelas interval. Hasil pengukuran tinggi badan adalah sebagai berikut.

Hitunglah rata-rata tinggi badan pekerja dengan menggunakan cara koding!

Penyelesaian:

Misalkan kita menetapkan rata-rata sementara adalah nilai tengah kelas keempat, yaitu 168.

Dengan begitu kita bisa membuat tabel dan pengkodean seperti di bawah ini.

20

Pengkodean dimulai dari angka 0 untuk kelas interval dimana rata-rata sementara ditetapkan.

Kemudian dengan kelas sebelumnya berturut-turut menjadi angka negatif (-1, -2, -3 dan

seterusnya) menjauhi kelas rata-rata sementara. Berikutnya dengan kelas sesudahnya berturut-

turut pengkodeannya menjadi angka positif (1,2 3 dan seterusnya) menjauhi kelas rata-rata

sementara tersebut.

Dari tabel di atas diperoleh:

Hasil rata-rata hitung menggunakan coding adalah sebagai berikut.

1.      Median

Mendengar kata median, pasti kita semua sudah tahu, yang di maksud adalah nilai tengah data.

Tapi tidak cukup di tengah-tengah saja, untuk menetukan median, datanya harus diurutkan

terlebih dahulu dari yang terkecil ke yang terbesar. Kecuali datanya sudah tersaji dalam bentuk

tabel, karena biasanya data dalam tabel sudah terurut dari yang kecil ke yang besar. Untuk data

yang tersaji dalam bentuk tabel distribusi frekuensi berkelompok, rumus mencari mediannya

sebagai berikut:

21

Sebelum menggunakan rumus tersebut, kita harus menentukan letak median terlebih dahulu.

Median terletak di setengah dari banyak data. Setelah mengetahui letak median, gunakan rumus

di atas untuk menentukan nilai mediannya.

2.      Modus

Modus adalah data yang sering muncul atau mempunyai frekuensi paling banyak. Sebuah data

bisa saja tidak mempunyai modus ketika semua data muncul dengan frekuensi yang sama atau

bahkan bisa jadi sebuah data mempunya modus lebih dari satu.

Untuk data yang di sajikan dalam bentuk tabel distribusi frekuensi berkelompok, kita dapat

dengan mudah menentukan letak modus dengan cara melihat kelas interval yang mempunyai

frekuensi paling besar. Untuk menentukan nilainya, gunakan rumus di bawah ini!

2.6 ANALISIS REGRESI & KORELASI LINIER SEDERHANA

Analisis Korelasi : metode statistik yang digunakan untuk menentukan kuat tidaknya (derajat)

hubungan linier  antara 2  variable atau lebih.

Analisa korelasi sederhana, meneliti hubungan dan bagaimana eratnya itu, tanpa melihat bentuk

hubungan. Jika kenaikan didalam suatu variable diikuti dengan kenaikan variable yang lain,maka

22

dapat dikatakan bahwa kedua variable tersebut mempunyai “korelasi” yang positif. Tetapi jika

kenaikan didalam suatu variable diikuti penurunan variable yang lain maka kedua variable

tersebut mempunyai korelasi negatif. Jika tidak ada perubahan pada suatu variable, meskipun

variable yang lain mengalami perubahan, maka kedua variable tersebut, tidak mempunyai

hubungan (uncorrelated).

 Regresi adalah alat ukur untuk mengukur hubungan antar variable.

Korelasi adalah merupakan alat untuk mengukur kekuatan (kuat / tidaknya) hubungan

antar variable.terdapat 3 jenis korelasi :

1. Korelasi Positif

           Adalah korelasi dari 2 varriable yaitu apabila variable yang satu miningkat / menurun

maka yang lainnya juga akan ikut meningkat / menurun.

     2.  Korelasi Negatif

           Adalah korelasi dari 2 variable yaitu apabila variable yang satu menurun / meningkat

maka yang lainya akan cenderung akan ikut menurun / meningkat.

     3.  Tidak Ada Korelasi

          Adalah korelasi dari 2 variable yang tidak menunjukan hubungan. Variable adalah besaran

yang bisa berubah-ubah. Variable terikat adalah variable yang dipengaruhi oleh variable lain.

Variable bebas adalah variable yang tidak dipengaruhi oleh variable lain.

Koefisien korelasi adalah bilangan yang digunakan untuk mengukur keeratan hubungan

antar variable (kuat / lemah / tidak adaa) simbol (KK) -1<= kk <= 1

23

Koefisien korelasi rank spearman adalah indeks / angka yang digunakan untuk mengukur

keeratan hubungan antar 2 variable yang datanya berbentuk data ordinal (data bertingkat /

rangking)

24

BAB III

PEMBAHASAN

3.1 Data penelitian

Penelitian ini menggunakan data berupa pencapaian Indeks Prestasi (IP) karena sering belajar setiap harinya dengan wawancara langsung kepada setiap narasumber. Data penelitian telah di kumpulkan sebanyak 30 mahasiswi dari berbagai fakultas. Dengan cara mendata IP yang dicapai dari hasil wawacara langsung, hasil rekapitulasi data adalah sebagai berikut:

No NamaLama belajar

IP Semester 3

1 Sarah 4 3,85

2 tasya 2 3,63

3 Yuwaninda 2 3,48

4 augustina 1 3,53

5 Melisa 1 3,06

6 Desi 1 3,28

7 nia 2 3,70

8 Jennifer 3 3,42

9 Putri 2 3,44

10 agnes 2 3,83

11 tini 1 3,08

12 Despak 3 3,80

13 gladys

14 Ka yunita 2 3,76

15 Celi

24

16 Derena

17 kristin

18 syeni

19 karo

20 evelyn

21 ocha

22 jennifer

23 Sarah j

24 willa

25 sheryl

26 debi

27 marta

28 yeni

29 gege

30 Icang

25

No NAMA Lama

belajar

Indeks

Prestasi

0,5 – 1 jam 1 – 2 jam 2 – 3 jam 3 – 4 jam

1 Arniya ✓ 3.40

2 Shany ✓ 3.00

3 Agnes ✓ 3.25

4 Gaby ✓ 2.95

5 Jesica ✓ 3.10

6 Yuliana ✓ 3.00

7 Natalia ✓ 3.35

8 Sartika ✓ 3.25

9 Arina ✓ 2.93

10 Maya ✓ 3.00

11 Yemima ✓ 3.45

12 Zein ✓ 3.40

13 Yoke ✓ 2.97

25

Data mentah korelasi data kuantitatif dengan IP termasuk “Sangat Baik” 3.51 – 4.00 :

NO NAMA

Lama

belajar

Indeks

prestasi

0,5 – 1 jam 1 – 2 jam 2 – 3 jam 3 – 4 jam

1 Intan ✓ 3.55

2 Anggi ✓ 3.51

3 Theresia ✓ 3.78

4 Rosa ✓ 3.64

5 Pamela ✓ 3.85

6 Yustika ✓ 3.60

7 Christine ✓ 3.53

8 Chika ✓ 3.51

9 Melisa ✓ 3.54

10 Yanti ✓ 3.89

3.2 Data Korelasi Kualitatif

Untuk mengetahui apakah ada hubungan yang kuat antara lama belajar mahasiswa Unai dengan indeks prestasi yang dicapai, maka kami melakukan penelitian.

Lama belajar

0,5-1 jam 1-2 jam 2-3 jam 3-4 jam

Indeks prestasi (1) (2) (3) (4) Y

26

Cukup baik 5 2 7

Baik 6 7 13

Sangat baik 4 6 10

X 5 8 13 4 30

∑ 1.1= ¿ . nj

n ¿7 .530

=¿ 1.167 ∑ 2.1 = ¿ . nj

n ¿13. 530

=¿ 2.167

∑ 1.2 = ¿ . nj

n ¿7 .830

=¿ 1.867 ∑ 2.2 = ¿ . nj

n ¿13. 830

=¿ 3.467

∑ 1.3 = ¿ . nj

n ¿7 .1330

=¿ 3.033 ∑ 2.3 = ¿ . nj

n ¿13. 13

30=¿ 5.633

∑ 1.4= ¿ . nj

n ¿7 .430

=¿ 0.933 ∑ 2.4 = ¿ . nj

n ¿13. 4

30=¿ 1.733

∑ 3.1 = ¿ . nj

n ¿10. 530 = 1.667

∑ 3.2 = ¿ . nj

n ¿10. 830 = 2.667

∑ 3.3 = ¿ . nj

n ¿10. 13

30 = 1.333

∑ 3.4 = ¿ . nj

n ¿10. 430 = 2.000

FORMULA : Χ2=∑i=1

P

❑∑i= j

q

❑( fij−eijeij )

2

27

Χ2= ( 5−1.1671.167 )

2

+ ( 2−1.8671.867 )

2

+ ( 0−0.0330.033 )

2

+ ( 0−0.9330.933 )

2

+ ( 0−2.1672.167 )

2

+

( 6−3.4673.467 )

2

+

( 7−5.6335.633 )

2

+ ( 0−1.7331.733 )

2

+ ( 0−1.6771.677 )

2

+ ( 0−2.6672.667 )

2

+ ( 4−1.3331.333 )

2

+

( 6−2.0002.000 )

2

= 10.78788 + 0.038156 + (-0.32971) + (-1.07181) + (-0.46147) + 0.210731 + 0.043081 +

(- 0.57703) + (-0.59988) + (-0.37495) + 1.500938 + 1.997085

= 11.16301

FORMULA :

Сϲ = √ X2

X2+n

= √ 11.1630111.16301❑+30

= 0.52

Batas Atas = √ r−1r

= √ 3−13

= √ 23

= √0.67

= 0.82

Perbandingan nilai perbandingan Сϲ dengan batas atas (0.52 / 0.82) = 0.63. Karena 0.63 > 0.50, maka maka hubungan antara lama belajar mahasiswa Unai terhadap IP yang dicapai dapat dikatakan cukup kuat. Di mana apabila mahasiswa belajar semakin lama dan dengan sungguh-sungguh, maka IP mereka akan semakin tinggi. Dan akan semakin tinggi lagi apabila mahasiswa mengawalinya dengan doa terlebih dahulu sebelum mereka belajar.

28

3.3 Grafik

0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

-1

-0.5

0

0.5

1

1.5

Chart TitleSeries2 Series4 Series6 Series8

29

BAB IV

PENUTUP

4.1 Kesimpulan

Korelasi merupakan hubungan antara dua kejadian di mana kejadian yang satu dapat

mempengaruhi eksistensi kejadian yang lain. Misalnya kejadian X mempengaruhi kejadian Y.

Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variable X yang sudah

diketahui dapat dipergunakan untuk memperkirakan/menaksir atau meramalkan Y. Ramalan

pada dasarnya merupakan perkiraan/taksiran mengenai terjadinya suatu kejadian (nilai suatu

variabel) untuk waktu yang akan datang. Variable yang nilainya akan diramalkan disebut

variable tidak bebas (dependent variable), sedangkan variabel C yang nilainya dipergunakan

untuk meramalkan nilai Y disebut variable bebas (independent variable) atau variable peramal

(predictor) atau seringkali disebut variable yang menerangkan (explanatory).

Jadi berdasarkan data analisis korelasi yang telah kami lakukan, dapat disimpulkan

bahwa hubungan antara lama belajar mahasiswi Unai yang tinggal di asrama Esther Extention

lantai 3 terhadap indeks prestasi yang dicapai dikatakan cukup kuat.

4.2 Saran

Bagi seorang mahasiswa hendaknya memahami uji korelasi dalam statistika. Karena

dengan mempelajari uji korelasi tersebut akan mempermudah mahasiswa dalam mengetahui

pengaruh atau hubungan variabel X dan Y.

29

29

4.3 Kesan

Selama mengikuti mata pelajaran Statistik I dari Sir Soelaiman, kami merasa lebih

mengerti tentang apa yang diajarkan oleh Sir Soelaiman, begitu menarik dan lebih memahami

bahan-bahan yang diberikan Sir Soelaiman kepada kami.

Selain itu, Sir Soelaiman mengajarkan keseimbangan antara fisik, mental, dan rohani di

dalam kelas. Tidak semua dosen mengajarkan hal yang sama kepada mahasiswa/mahasiswi nya,

maka dari itu kami sangat senang dan bangga mempunyai dosen seperti Sir Soelaiman.

30

DAFTAR PUSTAKA

Supranto J. (2008). Statistik Edisi Ketujuh Teori dan Aplikasi, Jakarta: Erlangga

http://www.kk.mercubuana.ac.id/elearning/files_modul/11017-2-411173847888.pdf

31

BIODATA

Nama: Mauren Yunis Simanjuntak

Tempat/tgl lahir: Sangata, 4 Juni 1995

Agama: Kristen Advent

Jenis Kelamin: Perempuan

Alamat: Asrama Esther Extention Lt.3 No.031

Jurusan: Akuntansi

Hobi: Menyanyi, membaca

Nama : Novella Seleste Simanjuntak

Tempat/tgl lahir: Hutapardomuan, 3 November 1995

32

Agama : Kristen Advent

Jenis Kelamin: Perempuan

Alamat: Asrama Esther Extention Lt.3 No.031

Jurusan: Akuntansi

Hobi:Menyanyi, Main badminton

33