STATISTIKA

Pengantar stastitika pendidikan

DEFINISI

Secara terminologi ada yang membedakan antara istilah “STATISTIK” dan “STATISTIKA”. Definisi kedua istilah tersebut diberikan berdasar beberapa tinjauan

  1. Statistik sebagai data

Kumpulan atau deretan angka bilangan yang menunjukkan keterangan mengenai catatan kegiatan hidup tertentu.

Contoh: statistik penduduk, statistik perdagangan, statistik pendidikan, dsb.

  1. Statistik sebagai perstatistikan

Menurut UU no 7 Th. 1960, statistik sebagai kegiatan mencakup 4 macam kegiatan; 1) pengumpulan data, 2) penyusunan data, 3) pelaporan data, 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, 4) analisa data statistik.

  1. Statistik sebagai metode

Metode statistik adalah cara-cara tertentu yang ditempuh untuk 1) mengumpulan data, 2) menyusun data, 3) melaporkan data, 4) menganalisa data yang berupa sekumpulan bahan keterangan angka-angka untuk mendapatkan pengertian dan makna tertentu.

PERSOALAN DASAR STATISTIK

Ada 3 (tiga) permasalahan yang menjadi ruang lingkup pebahasan statistik (Hananto Sigit, 1996)

  1. Permasalahan tentang rata-rata (averange)
  2. Permasalahan tentang pemencaran dan penyebaran (variability/dispersion)
  3. Permasalahan tentang saling hubungan (correlation)

Statistik pendidikan

Statistik pendidikan adalah ilmu pengetahuan yang mempelajari dan mengembangkan prinsip-prinsip, metode dan prosedur yang digunakan dalam mengumpulkan, menyusun, menyajikan dan menganalisa data yang  berkaitan dengan pendidikan untuk membuat kesimpulan, pekiraan serta ramalan secara ilmiah.

Fungsi statistik dalam pendidikan adalah sebagai “ALAT BANTU” untuk :

  1. Mendapatkan gambaran umum atau khusus tentang suatu gejala, keadaan atu peristiwa.
  2. Mengikuti perkembangan/pasang surut tentang gejala, keadaan atau peristiwa tersrbut dari waktu ke waktu.
  3. Melakukan pengujian-pengujian (mis: apakah gejala yang satu berbeda dengan gejala lain)
  4. Mengetahui apakah ada hubungan antara gejala satu dengan gejala lainnya.
  5. Menyusun laporan yang berupa data kuantitatif secara teratur, ringkas dan jelas.
  6. Menarik kesimpulan secara logis, mengambil keputusan, dan memperkirakan serta meramalkan hal-hal yang mungkin bisa terjadi di masa mendatang.

DATA STATISTIK

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 sutatu penelitian yang bersifat agresiatif dan mencerminkan suatu kegiatan dalam bidang atau laporan tertentu (sudjono, 1987)

Ciri penelitian yang bersifat agregatif:

  1. Penelitian boleh hanya mengenai satu individu saja, tetapi pencatataannya harus lebih dari satu kali.

Contoh:

CIRI PENELITIAN YANG BERSIFAT AGREGATIF

Tukul arwana adalah siswa SMA 1 Plosokandang (1 orang individu). Terhadap diri Tukul arwana dilakukan pencatatan tentang nilai hasil belajar Bahasa Inggrisnya mulai semester 1 sampai semester 6 dengan hasil berupa data angka sebagai berikut:

Semester

Nilai

Angka-angka ini telah menunjukkan ciri tentang perkembangan prestasi belajar thukul dalam bahasa ingris dari waktu ke waktu.Walaupun data hanya mengenai SATU INDIVIDU, pencatatannya LEBIH DARI SATU KALLI.

I

7

II

8

III

7.5

IV

8

V

9

VI

9

  1. Penelitian atau pencatatan boleh HANYA SATU KALI, tetapi individu yang diteliti HARUS LEBIH DARI SATU.

Contoh:

Hasil pencatatan nilai sumatif Bahasa inggris dari 10 orang siswa SMA 1 Plosokandang sbb:

No

Nama

Nilai

Walaupun data diperoleh HANYA DARI SATU KALI PENCATATAN, jumlah yang diteliti LEBIH DARI SATU INDIVIDU

1

Arifin

7

2

Siska

6

3

Rudi

5

4

Giono

8

5

Santi

9

6

Nina

8

7

Brodin

7

8

Emi

6

9

Dian

7

10

Indro

8

KLASIFIKASI DATA STATISTIK

Klasifikasi data statistik dapat dilakukan berdasarkan beberapa kriteria:

BERDASARKAN SIFAT DATA

  1. DATA KONTINYU: data statistik yang angka-angkanya merupakan deretan angka yang sambung-menyambung (kontinum). Hasil dari pengukuran dalam bentuk pecahan atau desimal.

Contoh:

  • Data statistik tentang tinggi badan (dalam centimeter): 150 – 150,1 – 150,2 – 150,3 – 150,4 – 150,5 dsb
  • Data statistik tentang berat badan (dalam kilogram): 40 – 40,1 – 40,2 – 40,3 – 40,4 – 40,5 dsb
  1. DATA DISKRIT: data statistik yang angka-angkanya tidak mungkin dalam bentuk pecahan. Bukan hasil dari pengukuran tapi hasil dari penghitungan.

Contoh:

  1. Data statistik tentang jumlah anggota keluarga: 1 – 2 – 3 – 4 – 5 – 6 dsb
  2. Data statistik tentang jumlah buku diperpustakaan: 10 – 15 – 20 – 50 – 100 dsb

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

Kelas

Jenis kelamin

Jumlah

Laki-laki

Perempuan

III

50

34

84

II

48

44

92

I

72

52

124

Jumlah

170

130

300

  1. DATA ORDINAL:  data statistik yang cara menyusun angkanya didasarkan pada URUTAN KEDUDUKAN. Disebut juga: DATA URUTAN/DATA RANGKING.

Tabel 2. Skor hasil penilaian juri lomba puisi

No urut

No. undian

Nama

Skor

Rangking

1

031

Badrun

451*

4#

2

115

Eni

497*

2#

3

083

Sinta

427*

5#

4

024

Brodin

568*

1#

5

156

Yulianti

485*

3#

Ket: (*)= data interval. (#) = data ordinal

  1. 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 kelima orang finalis itu mempunyai perbedaan urutan kedudukan yang sama (masing-masing selisih perbedaannya 1), namun tidak mesti menunjukkan perbedaan skor yang sama.

Selisih skor Juara I dan II        = 568 – 497 = 71

Selisih skor Juara II dan III      = 497 – 485 = 12

Selisih skor Juara III dan IV    = 485 – 451 = 34

Selisih skor Juara IV dan V     = 451 – 427 = 24

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 jurusan bahasa inggris STKIP pada masa kuliah statistik adalah sbb.

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

Masing-masing angka ini merupakan satu unit kesatuan, berdiri sendiri dan tidak dikelompokkan.

  1. DATA BERKELOMPOK: data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka. Disebut juga : GROUPED DATA.

Contoh:

Data nilai mid-semester pada data tunggal diatas dikelompokkan sbb:

Nilai:

80 – 84

75 – 79

70 – 74

65 – 69

60 – 64

Dst

Dalam kelompok nilai: 80 – 84 terdapat nilai: 80, 81, 82, 83, 84.

BERDASARKAN SUMBER DATA:

  1. DATA PRIMER: data statistik yang diperoleh/bersumber dari tangan pertama (first hand data)

Contoh:

Data jumlah alumni jurusan bahasa inggris STKIP yang bersumber dari bagian kemahasiswaan dan alumni STKIP.

  1. DATA SKUNDER: data statistik yang diperoleh/bersumber dari tangan kedua (second hand data)

Contoh:

Data jumlah alumni jurusan bahasa inggris STKIP yang bersumber dari koran jawa pos radar tulungagung.

BERDASARKAN WAKTU PENGUMPULAN DATA:

  1. DATA SEKETIKA (cross section data): data statistik yang mencerminkan keadaan pada satu waktu saja (at a point of time)

Contoh:

Data statistik tentang jumlah dose jurusan bahasa inggris STKIP pada tahun akademik 2009/2010 (hanya satu tahun saja)

  1. DATA URUTAN WAKTU (time series data): data statistik yang mencerminkan keadaan atau perkembangan dari waktu ke waktu secara berurutan. Disebut juga: HISTORICAL DATA

Contoh:

Data statistik tentang jumlah dosen jurusan bahasa inggris STKIP mulai tahun akademik 2004/2005 sampai dengan 2009/2010.

SIFAT DATA STATISTIK

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/nilai semu (relative value) dari sebuah bilangan adalah nilai yang ditunjukkan oleh angka atau bilangan itu sendiri. Jadi, nilai relatif dari angka 5 adalah  5, nilai relatif 27 adalah 27. Nilai relatif disebut juga nilai semu

Nilai nyata/sebenarnya (true value) dari sebuah bilangan adalah daerah tertentu dalam suatu deretan angka yang diwakili oleh nilai relatif. Jadi,

  • Nilai nyata dari angka 5 adalah: 5 ± 0,5. Jadi, nilali 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.
  1. Data statistik mempunyai batas bawah/atas relatif dan batas bawah/atas nyata.

Cintoh:

a)      Bilangan: 40 – 44

Batas nyata:

  • B. bawah nyata: 40 – 0,5 = 39,5
  • B atas nyata: 44 + 0,5 = 44,5

Angka 39,5 – 44,5 disebut sebagai nilai nyata dari angka 40 – 44.

b)      Bilangan: 50

  • B. bawah nyata: 50 – 0,5 = 49,5
  • B. atas nyata: 50 + 0,5 = 50,5
  • Nilai nyata: 49,5 – 50,5
  1. Dari data statistic yang terbentuk data tunggal dan data kelompok (grouped data), memiliki nilai tengah/titik tengah (mid point). Yang dimaksud nilai tengah dari sederetan angka adalah bilangan yang terletak ditengah-tengah deretan bilangan tersebut.

Contoh:

  1. Deretan bilangan: 5 6 7 8 9 = nilai tengahnya adalah 7
  2. Data kelompokan: 50 – 54 nilai tengahnya = (50 + 54) : 2 = 52 deretan bilangannya: 50 51 52 53 54.
  3. Data kelompokan: 75 – 80, nilai tengahnya = (75 + 80) : 2 = 77,5. Deretan bilangannya: 75 76 77 78 79 80.
  4. Data statistic sebagai data angka dalam proses perhitungannya tidak menggunakan system pecahan, melainkan menggunakan system decimal.
  5. Data statistic sebagai data angka dalam proses perhitungannya menggunakan sistim pembulatan angka tertentu (biasanya sampai dengan tiga angka dibelakang koma).

CONTOH DATA STATISTIK PENDIDIKAN

Dalam dunia pendidikan kita dapat menjumpai beragam data yang dapat kita analisa dengan menggunakan statistic. Contoh:

  1. Data statistic terkait dengan prestasi belajar. Missal: nilai siswa, skor test IQ, skor tes kepribadian, skor tes penjurusan, skor tes ujian masuk, dsb.
  2. Data statistic terkait dengan keadaan anak didik. Missal: 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 statistic terkait dengan guru/staf pengajar dan karyawan dsb.
  4. Data statistic dengan anggaran pendapatan dan belanja.
  5. Data statistic terkait dengan bidang perlengkapan
  6. Data statistic terkait dengan perpustakaan
  7. Data statistic terkait dengan angka presensi siswa, guru dan karyawan.

PENGUMPULAN DATA STATISTIK PENDIDIKAN

  1. Prinsip mengumpulan data statistic pendidikan

Prinsip rumus dalam pengumpulan data statistic pendidikan adalah: “dengan waktu, tenaga, biay dan alat yang sehemat mungkin dapat dihimpun data yang lengkap, tepat dan dapat dipercaya.

  • Lengkapnya data. Kata ‘lengkap’ disini bukan berarti mengumpulkan data sebanyak-banyaknya, tetapi bagaimana supaya volume data sebagaimana direncanakan  dapat diraih, tidak ada data yang tercecer atau terlupakan untuk dihimpun sehingga mengakibatkan kesulitan menganalisa.
  • Ketepatan data. Data yang dihimpun hendaknya tepat dalam pengertian tepat mengenai: jenis data, waktu pengumpulannya, kegunaan atau relevansinya, dan alat untuk pengumpulan datanya.
  • Kebenaran data. Data yang dihimpun hendaknya valid dan reliable. Selain datanya tidak palsu/dipalsukan, juga bersumber dari pihak yang berkompeten untuk memberikan data.
  1. Cara pengumpulan data statistic pendidikan

–          Dilihat dari luasnya atau besarnya elemen yang menjadi obyek kegiatan statistic, pengumpulan data dapat dilakukan melalui 2 (dua) cara: sensus dan sampling.

  1. Sensus adalah cara pengumpulan data dengan jalan mencatat atau meneliti seluruh elemen (complete enumeration) yang menjadi sasaran penelitian tanpa perkecualian. Kumpulan seluruh elemen ini lazim disebut sebagai populasi. Jadi, obyek penelitian sensus adalah populasi.
  2. Sampling adalah cara pengumpulan data dengan jalan mencatat atau meneliti sebagian kecil (sampel) dari seluruh elemen yang menjadi sasaran penelitian. Dari cara sampling ini diperoleh nilai karakteristik perkiraan (estimated value) dari nilai karakteristik populasi yang sesungguhnya melalui pengambilan sampel yang representative.

–          Dilihat dari bentuk pelaksanaan kegiata, pengumpulan data statistic pendidikan dapat berupa:

  1. Pengamatan mendalam
  2. Wawancara mendalam
  3. Angket/kuesioner
  4. Study documenter
  5. Tes
  6. Alat pengumpulan data statistic pendidikan

Alat pengumpulan data statistic pendidikan dapat berupa:

  1. Daftar atau daftar check (check list)
  2. Skala bertingkat (rating scale)
  3. Pedoman wawancara (interview guide)
  4. Kusioner
  5. Item tes

SKALA PENGUKURAN

  1. Nominal: bilangan yang diberikan pada suatu obyek hanya sebagai lambang untuk membedakan obyek satu dengn yang lain.

Contoh:

Jenis kelamin   : Pria (1), wanita (0)

Pekerjaan         : petani (1), wiraswasta (2), PNS (3), TNI (4) lainnya (5)

Hukum arimatik: “==”

  1. Ordinal: bilangan yang diberikan pada suatu objek selain sebagai lambang namun juga memiliki makna peringkat.

Contoh:

Tingkat pendidikan : SD (1), SMP (2), SMA (3), Diploma (4), sarjana (5)

Penilaian psikologis: tidak setuju (1), netral (2), setuju (3), sangat tidak penting (1), tidak penting (2), biasa (3), penting (4), sangat penting (5)

Hukum aritmatik : “=”, “<”, “>”

  1. Interval: bilangan yang diberikan pada suatu obyek selain sebagai lambang, memiliki makna peringkat juga memiliki makna jarak interval yang tetap.

Contoh:

Suhu ruang (-100C s.d. 330C)

Ukuran lensa (-4 s.d. +4)

Hukum aritmatik : “=”, “<”, “>”, “+”, “-“

  1. Rasio: bilangan yang diberikan pada suatu objek selain sebagai lambang, memiliki makna peringkat, memiliki makna jarak interval yang tetap juga memiliki nilai nol mutlak.

Contoh:

Harga saham: Rp. 1200,-/lembar

Lama pemutaran iklan : 2menit

Hasil panen padi: 1,7 ton

Hukum aritmatik: “=”, “<”, “>”, “+”, “-“, “X”, “/”

BEBERAPA KONSEP DASAR

  1. POPULASI

Populasi adalah keseluruhan nilai yang mungkin, hasil pengukuran maupun penghitungan, kualitatif maupun kuantitatif mengenai karakteristik tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin dipelajari sifat-sifatnya.

Contoh:

Seluruh mahasiswa STKIP PGRI, jika mahasiswa tersebut dijadika objek penelitian.

Populasi diklasifikasikan menjadi:

  1. Populasi terbatas – populasi tak terbatas (terhingga)
  2. Populasi homogin – populasi hiterogen
  3. SAMPEL

Sampel adalah bagian dari populasi yang mempunyai cirri-ciri atau keadaan tertentu yang akan diteliti (ridwan, 2010)

Sampling adalah istilah yang mengacu pada teknik/cara pengumpulan data dengan jalan mencatat atau meneliti sebagian kecil (sampel) dari seluruh elemen yang menjadi sasaran penelitian.

Probability sampling

  1. Simple random sampling adalah cara pengambilan sampel dari anggota populasi degan cara acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi tersebut.

Cara ini dilakukan bila anggota populasi dianggap homogeny

Contoh:

  • Sejumlah guru b. inggris yang mengikuti penataran KBK di Kab. Tulungagung
  • Sejumlah mahasiswa STKIP semester 5 yang mengambil MK speaking 5
  1. Propor tionate stratified random sampling adalah cara pengambilan sampel dari anggota populasi dengan cara acak dan berstrata (tingkatan) secara proposional.

Cara ini dilakukan bila anggota populasi dianggap hererogen (tidak sejenis)

Contoh:

Jumlah anggota DPR dari partai besar pemenang pemilu 1999

  1. PDIP = 153 orang
  2. Golkar = 120 orang
  3. PPP = 58 orang
  4. PKS = 51 orang
  5. Partai reformasi = 41 orang

Dari jumlah tersebut diambil sampel yang proporsinya sama dengan kursi di DPR.

  1. Disproportionate stratified random sampling adalah cara pengambilan sampel dari anggota populasi dengan cara acak dan berstrata (tingkatan) tetapi sebagian ada yang tidak proporsional pembagiannya.

Cara ini dilakukan bila anggota populasi dianggap heterogen (tidak sejenis)

Contoh:

Jumlah pegawai STKIP

  1. Ketua =1 orang
  2. Pembantu ketua = 3 orang
  3. Kepala biro = 2 orang
  4. Kepala unit = 2 orang
  5. Dosen = 70 orang
  6. Karyawan = 30 orang

Dari jumlah tersebut, ketua (1), PK (3), karo (2), kanit (2) diambil sebagai sampel karena terlalu sedikit bila dibandin dengan bagian lain.

  1. Area sampling (sampling daereah/wilayah) adalah cara pengambilan sampel yang dianggap mewakili setiap daerah/wilayah geografis yang ada.

Contoh:

Peneliti akan melihat pelaksanaan imunsasi vit. A diseluruh wilayah Indonesia (30 provinsi) yang berbeda-beda kondisinya, maka, peneliti mengambil sampel dari provinsi, provinsi terdiri dari kabupaten, kabupaten terdiri dari kecamatan, kecamatan terdiri dari desa, desa terdiri dari RW, RW terdiri dari RT, RT terdiri dari keluarga-keluarga yang akan mendapat imunisasi.

Teknik pengambilan klaster mula-mula diambil secara acak dari tiap provinsi. Kemudian, dari provinsi sampel diambil acak kabupaten sampel, dari kabupaten sampel diambil acak kecamatan sampel, demikian seterrusnya sampai kepada desa sampel, RW, RT dan keluarga-keluarga yang akan mendapat imunisasi.

Teknik ini merupakan teknik sampling yang tidak member peluang yang sama pada setiap anggota populasi untuk dijadikan anggota sampel.

  • Sampling sistematis adalah cara pengambilan sampel dari anggota populasi yang didasarkan pada urutan anggota populasi setelah diberi nomor urut atau anggota ampel dambil dari populasi pada jarak interval waktu, ruang dengan urutan yang seragam.
  • Sampling kuota adalah cara pengambilan sampel dari anggota populasi yang mempunyai cirri-ciri tertentu sampai jumlah sampel yang dikehendaki tercapai, atau  pengambilan sampel yang didasarkan pertimbangan tertentu oleh peneliti.

Contoh:

Dalam penelitian tentang prestasi kerja 150 orang  pegawai eselon III yang dilakukan oleh sebuah tim peneliti 5 orang. Tiap anggota tim peneliti dapat memperoleh jatah sampel secara bebas yang sesuai dengan cirri-ciri dan prosedur yang ditentukan.

  • Sampling aksidental adalah cara pengambilan sampel dari anggota populasi yang didasarkan pada factor spontanitas, artinya siapa saja yang punya karakteristik sesuai dengan keperluan penelitian yang secara tidak sengaja bertemu dengan peneliti dijadikan sampel (responden)
  • Purposive sampling adalah cara pengambilan sampel dari anggota populasi yang didasarkan pada pertimbangan tertentu atau penentuan sampel untuk tujuan tertentu. Teknik ini cocok untuk studi kasus dimana aspek dari kasus tunggal yang representative diamati dan dianalisis.
  • Sampling jenuh adalah cara pengambilan sampel apabila semua anggota populasi dijadikan sampel. Istilah lain dari teknik ini adalah SENSUS. Teknik ini cocok bila jumlah sampel kurang dari 30 orang.
  • Snowball sampling adalah cara pengambilan sampel apabila semua anggota populasi yang semula berjumlah kecil kemudian anggota sampel (responden) mengajak teman-temannya untuk dijadikan sampel demikian seterusny sehingga jumlah sampel semakin membengkak jumlahnya.
  1. VARIABEL

Variable (varable-ing) bermakna “ubahan”, “factor tak tetap”, atau “gejala yang dapat diuah-ubah”. Variable pada dasarnya bersifat kualitatif namun dilambangkan dengan angka. Dalam contoh-contoh dimuka, nilai-nilai (skor) siswa yang dijadikan obyek penelitian kita sebut sebagai variable.

  1. Variable diskrit adalah variable yang selalu memiliki nilai bulat dalam bilangan asli, tidak berbentuk pecahan atau variable yang tidak mengambil seluruh nilai dalam sebuah interval. Data yang dinyatakan dalam bentuk variable diskrit desebut data diskrit.
  2. Variable kontinu adalah variable yang selalu memiliki nilai sembarang, baik berupa nilai bulat atau pecahan diantara dua nilai tertentu atau variable yang mengambil seluruh nilai dalam sebuah interval. Data yang dinyatakan dalam bentuk variable kontinu disebut data kontinu.
  3. PEMBULATAN DATA

Dalam pengumpulan data dan analisis data, seringkali diperlukan pembulatan terhadap bilangan. Pembulatan ini bermanfaat untuk meminimalisir kesalahan pembulatan kumulatif dalam menganalisis data yang jumlahnya banyak.

Caranya:

Pembulatan biasanya dilakukan sampai tiga buah angka dibelakang tanda decimal:

  1. Bila setelah tiga angka dibelakang koma tanda decimal terdapat bilangan ≤ 50, maka bilangan tersebut dianggap 0 (nol) dan ditambahkan pada bilangan deretan belakang sendiri (angka ketiga dibelakang koma)
  2. Bila setelah tiga angka dibelakang koma tanda decimal terdapat bilangan ≥ 51, maka bilangan tersebut dianggap 1 (satu) dan ditambahkan pada bilangan deretan belakang sendiri (angka ketiga dibelakang koma)

Contoh:

  1. 0,1134892 dibulatkan menjadi 0,113
  2. 0,8105071 dibulatkan menjadi 0,810
  3. 0,2915167 dibulatkan menjadi 0,292
  4. 0,5109865 dibulatkan menjadi 0,511

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s