# http://rafinajjah.blogspot.com/2012/08/resume-statistik-pendidikan.

html RESUME STATISTIK PENDIDIKAN DAFTAR ISI
Hal

A. B. C. D. E. F. G. H. I.

KATA PENGANTAR...................................................................................................... i DAFTAR ISI.................................................................................................................... ii BAB 2 MASALAH DISTRIBUSI FREKUENSI........................................................... 1 PENGANTAR......................................................................................................... 1 PENGERTIAN VARIABEL...................................................................................... 3 PENGERTIAN FREKUENSI.................................................................................... 3 PENGERTIAN DISTRIBUSI FREKUENSI................................................................ 3 TABEL DISTRIBUSI FREKUENSI ( PENGERTIAN DAN MACAMNYA )................ 4 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI.............................................. 5
GRAFIK SEBAGAI ALAT PENGGAMBARAN DISTRIBUSI FREKUENSI..................... CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK ............. POLIGON ( POLYGON FREQUENCY )................................................................ CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK HISTOGRAM (HISTOGRAM FREQUENCY )............................................................................ 7 SOAL - SOAL UNTUK LATIHAN ...................................................................... 6 7

7

J.

7

A. B. C.

A. B. C.

BAB 3 MASALAH RATA – RATA ( AVERAGE ) ................................................ 8 PENGANTAR..................................................................................................... PENGERTIAN RATA – RATA............................................................................. UKURAN RATA – RATA DAN MACAMNYA........................................................ BAB 4 MASALAH PENYEBARAN DATA.......................................................... 13 PENGANTAR..................................................................................................
PENGERTIAN UKURAN PENYEBARAN DATA.................................................. MACAM – MACAM UKURAN PENYEBARAN DATA........................................

8 8 9

13 14 14

BAB 5 MASALAH HUBUNGAN ANTARVARIABEL ( TEKNIK ANALISIS KORELASIONAL ) ..................................................................................................

17 17 17 18 19

A. PENGERTIANKORELASI................................................................................... B. C. D. ARAH KORELASI............................................................................................ PETA KORELASI.............................................................................................. ANGKA KORELASI..........................................................................................

E. F. G.

TEKNIK ANALISIS KORELASIONAL, PENGERTIAN, TUUAN, DAN PENGGOLONGAN TEKNIK KORELASI PRODUCT MOMENT............................................................. TEKNIK KORELASI TATA JENJANG ( TEKNIK KORELASI RANK ORDER = RANK ORDER CORRELATION = RANK DIFFERENCE CORRELATION........................................ 24

20

22

H. I. J.

TEKNIK KORELASI PHI ( PHI COEFFICIENT CORRELATION ) ............................. TEKNIK KORELASI KOEFISIEN KONTINGENSI................................................... TEKNIK KORELASI POIN BISERIAL....................................................................

25 25 26

BAB 6 MASALAH PERBEDAAN ANTAR – VARIABEL ( TEKNIK ANALISIS KOMPRASIONAL ) ............................................................................................ 27 A. PENGERTIAN KOMPARASI.............................................................................. B. PENGERTIAN PENELITIAN KOMPARASI.......................................................... C. PENGERTIAN TEKNIK ANALISIS KOMPARASIONAL......................................
D. TEKNIK ANALISISKOMPRASIONAL DAN PENGGOLONGANYA..........................

27 28 28
28

BAB 2 MASALAH DISTRIBUSI FREKUENSI A. PENGANTAR Setiap kali kita melakukan kegiatan pengumpulan data statistik, maka pada umumnya kegiatan tesebut akan menghasilkan kumpulan data angka yang kadaannya tidak teratur, bersrak dan masih, meupakan bahan keteangan yang sifatnya kasara dan mentah. Dikatakan “ kasar” dan “ mentah” sebab kumpulan angka dengan kondisi seperti yang disebutkan di atas belum dapat memberikan informasi secara ringkas dan jelas mengenai ciri atau sifat yang dimiliki oleh kumpulan angka tesebut. Oleh kerena itu, agar data angka yang telah berhasil dihimpun itu „ dapat berbicara” dan dapat memberikan informasi yang berarti, diperlkan adanya tidak lanjut atau langkah tertentu. Tidak terlepas hubungannya engan pernyataan di atas, maka salah saty tugas dri statistik sebagai ilmu pengetahuan adalah menyajikan atau mendeskripsikan data angka yang telah berhasil dihimpun itu secara teratur, ringkas, mudah dimengerti, hingga dengan secara jelas dapat memberikan gambaran ynag tepat mengenai ciri atau sifat yang terkandung di dalam data angka tersebut. Dengan diketahui ciri atau sifat yang terkandung dalam kumpulan data angka itu berarti kumpulan data angkat tadi telah “ dapat berbicara “ dan karenanya kita berhasil memproleh informasi – informasi yang berguna, sejalan dengan maksud dan tujuan pengumpulan data. Sebuah contoh yang dikemukakan berikut ini kiranya akan memperjelas uraian di atas. Dari sejumlah 80 orang mahasiswa tingkat II fakultas tarbiyah IAIN sunan kalijaga yogyakarta, berhasil dihimpun data berupa nilai hasil ujian utama semester i tahun akademik 1984/1985 dalam mata kuliah statistik pendidikan, sebagai berikut : 60 55 60 67 67 67 55 55 60 55 69 55 60 80 70 70 80 80 60 55 67 55 60 69 69 69 69 69 60 55 79 79 60 75 65 65 75 80 60 80 65 67 60 75 65 65 75 80 60 80 70 67 60 75 65 65 75 80 60 80 55 67 60 75 70 70 75 80 60 80 80 67 60 75 80 80 75 80 60 80

7. “ frekuensi” mengandung pengertian . Tidak dapat disangkal bahwa dari kumpulan data angka di atas. angka ( bilangan ) yang menunjukan seberapa kali suatu variabel ( yang dilambangkan dengan angka – angka itu ) berulang dalam dertan angka tersebut : atau berapa kalikah suatu variabel ( yang dilambangkan dengan angka itu ) muncul dalam deretang angka tersebut. tindakan pertama yang harus kita lakukan adalah : menghitung frekuensi yang dimiliki oleh tiap . “ distribusi frekuensi” kurang lebih mengandung pengertian suatu keadaan yang menggambarkan bagaimana frekuensi dari gejala atau variabel yang dilambangkan dengan angka itu. C. atau terpencar. telah tersalur. misalnya bahwa “ sebagian kecil dari mahasiswa tersebut nilainya kurang dari 60” atau bahwa mahasiswa yang dapat mencapai nilai diatas 60 banyak sekali “ gambaran yang kasar atau masih bersifat mentah itu pun diperoleh dengan cara meneliti satu – persatu dari dretan angka yang terdiri dari 80 buah angka itu. PENGERTIAN FREKUENSI Kata “ frekuensi” yang dalam bahasa inggrisnya adalah frequency berarti : “ kekerapan” “ kekeringan” atau “ jarang – kerapnya” dalam statistik. seperti : Berapa banyak mahasiswa yang memiliki nilai tertinggi dalam ujian semester tersebut ? Berapa banyak mahasiswa yang memiliki nilai terendah ? Berapa banyak mahasiswa yang memperoleh nilai di atas 60 ? Berapa banyak mahasiswa yang nilainya kurang dari 60 ? Berapa banyak mahasiswa yang nilainya berkisar antara 60 – 69 ? Berapa banyak mahasiswa yang nilainya berkisar antara 70 – 79 ? Berapa banyak mahasiswa yang memperoleh nilai yang sama ? Dan sebagainya. B.1. 4. . nilai – nilai hasil ujian semester dari sejumlah 80 orang mahasiswa itu kita sebut variabel. Areabel pada dasarnya bersifat kualitatif namun dilambangkan dengan angka.tiap nilai yang berada dalam deretan nilai – nilai tersebut. 2. namun gambaran yang kita proleh itu pada hakikatnya masih besifat kasar. 6. terbagi. PENGERTIAN DISTRIBUSI FREKUENSI Distribusi ( distribusi bahasa inggris ) berarti “ penyaluran” pembagian atau pencaran jadi distribusi frekuensi dapat diberi arti “ penyaluran fekuensi “ pembagian frekuensi atau pencaran frekuensi “ dalam statistik. PENGERTIAN VARIABEL Kata “ variabel” berasal dari bahasa inggris variable dengan arti :”ubuhan” faktor tak tetap atau gejala yang dapat diubah – ubah dalam contoh yang telah disebutkan dimuka. Dapat kita saksikan dan kita rasakan bersama bahwa data yang berupa kumpulan nilai hasil ujian semester dari 80 orang mahasiswa itu masih sangat sulit bagi kita untuk dapat menjawab dengan cepat pertayaan yang muncul di balik kumpulan data angka itu. 3. 5. dan dengan jalan menghitung frekuensi yang dimiliki oleh tiap – tiap nilai itu maka lebih lanjut akan dapat kita ketahui distribusi frekuensi dari nilai – nilai hasil ujian semester yang berhasil di capai oleh 80 orang mahasiswa tadi. sehingga memakan waktu cukup lama ? Untuk dapat menjawab butir – butir pertanyaan seperti telah dikemukakan di atas. kita dapat memperoleh gambaran mengenai hasil ujian yang dicapai oleh 80 orang mahasiswa tersebut. D.

selalu ditambah kan.E. dimana angka – angka tersebut dikelompokan ( dalam tiap unit terdapat sekelompok angka ) Contoh : Distribusi Frekuensi tentang usia dari sejumlah 50 orang guru agama islam yang bertugas pada sekolah dasar negeri. baik dari bawah ke atas maupun dari atas kebawah. Usia Frekuensi (f) 50 – 54 6 45 – 49 7 40 – 44 10 35 – 39 12 30 – 34 8 25 – 29 7 Total 50 = N c. Contoh : . Pengertian Tabel Distribusi Frekuensi Dan Macamnya Dalam dunia statistik kita mengenal berbagai macam tabel distribusi frekuensi : namun dalam buku ini hanya dikemukakan sebagian saja : a. Tabel Distribusi Frekuensi Kumulatif Dimaksud dengan tabel Distribusi Frekuensi kumuatif ialah salah satu jenis tabel statistik yang didalamnya disajikan frekuensi yang dihitung terus meningkat atau . Tabel Distribusi Frekuensi Data Kelompok Adalah salah satu jenis tabel statistik yang didlamnya disajikan pencaran frekuensi dari data angka. TABEL DISTRIBUSI FREKUENSI ( PENGERTIAN DAN MACAMNYA ) 1. 2. Nilai ( Frekuensi X) (f) 8 6 7 9 6 19 5 6 Total 40 = N b. Pengertian Tabel Distribusi Frekuensi Apa yang dimaksud dengan “ tabel” tidak lain adalah : alat penyajian data statistik yang berbentuk ( dituangkan dalam bentuk ) kolom dan bujur. Tabel Distribusi Frekuensi Data Tunggal Adalah salah satu jenis tabel statistik yang didalamnya disajikan frekuensi dari data angka : angka yang ada itu tidak dikelompokan ( ungrouped data ) Contoh Tabel Distribusi Frekuensi nilai hasil THB dalam bidang studi pendidkan moral pancasila dari 40 orang siswa MTsN.

Jadi dalam penyajian data angka melalui grafik. GRAFIK SEBAGAI ALAT PENGGAMBARAN DISTRIBUSI FREKUENSI 1. gambar. Cara Membuat Tabel Distribusi Frekuensi Data Tunggal Contoh pembuatan Tabel Distribusi Frekuensi Data Tunggal yang sama skornya berfrekuensi 1 misalnya dari 10 orang mahasiswa yang menempuh ujian ulangan secara lisan dalam mata kuliah statistik pendidikan diperoleh nilai sebagai berikut : No Nama Nilai 1 Syamsudin 65 2 Rafei 80 3 Ramli 70 4 Baihaki 65 5 Hanafi 50 6 Samsuri 55 7 Ramlan 80 2. Sub judul grafik d. Cara Membuat Tabel Distribusi Frekuensi Data Kelompok 5 6 7 8 9 2 7 8 5 4 3 6 9 5 3 4 5 9 4 3 10 7 8 2 3 8 7 9 5 6 7 8 G. Bagian – bagian utama grafik Sebuah grafik yang lengkap pada umumnya terdiri dari 13 bagian. maupun lambang.Distribusi Frekuensi Kumulatif Usia 50 Orang Guru Agama Islam Yang Bertugas Pada Sekolah Dasar Negeri Usia f Fk(b) Fk(a) 50 – 54 6 50 = N 6 45 – 49 7 44 13 40 – 44 10 37 23 35 – 39 12 27 35 30 – 34 8 15 43 25 – 29 7 7 50 = N Total 50 = N - F. Angka skala grafik . CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI 1. dengan kata lain angka itu divisualisasikan. Judul grafik c. 2. Nomor grafik b. Unit skala grafik e. gambar atau lambang tertentu. Pengertian grafik Grafik tidak lain adalah alat penyajian daa statistik yang tertuang dalam bentuk lukisan. angka itu dituliskan dalam bentuk lukisan garis. Ketiga belas bagian dimaksud adalah : a. baik lukisan garis.

1. telah berhasil kita susun dan kita ataur . k. 2. dalam rangka memperoleh gambaran yang ringkas dan jelas tentang ciri atau sifat yang dimiliki oleh data yang sedang kita jadikan saran penelitian itu. terlebih dahulu perlu dipahami bahwa grafik poligon dapat dibedakan menjadi dua macam 1. m. i. 1. PENGANTAR Cara yang kita tempuh dalam menyajikan dan menggambarkan distribusi frekuensi data kuantatif yang sedang kita teliti yaitu dengan jalan membuat berbagai macam tabel distribusi frekuensi dan grafik seperti telah dikemukakan pada bab II setidak – tidaknya telah dapat membantu dari kita selaku seorang peneliti. h. Tanda skala grafik Ordinat atau ordinal atau sumbu vertikal Koordinat ( garis – garis pertolongan = garis kisi – kisi ) Abscis ( sumbu horisontal = sumbu mendatar = garis nol = garis awal = garis mula ) Titik nol ( titik awal ) Lukisan grafik ( gambar grafik ) Kunci grafik ( keterangan grafik ) Sumber grafik ( sumber data ) H. l. grafik histogram juga dapat dibedakan menjadi dua macam yaitu . CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK POLIGON ( POLYGON FREQUENCY ) Sebuah dikemukakan tentang cara melukiskan distribusi frekuensi dalam bentuk grafik poligon.f.SOAL UNTUK LATIHAN Jelaskan apa yang dimaksud dengan frekuensi ? Jelaskan pula pengertian dan tabel distribusi fekuensi ? Jelaskan langkah yang sebaiknya ditempuh dalam membuat tabel distribusi fekuensi data tunggal Apa yang dimaksud dengan frekuensi kumulatif ? Apa yang dimaksud dengan frekuensi relatif ? Sebutkan langkah yang perlu ditempuh dalam rangka penyajian daa statistik melalui polygon frekuensi ? Terangkan apa yang dimaksud dengan histrogram frekuensi ? Langkah apa sajakah yang perlu ditempuh dalam rangka melukiskan data statistik memalui histrogram frekuensi ? Sebutkan dan lukiskan sehingga menjadi jelas tentang bagian – bagian utama dari sebuah grafik BAB 3 MASALAH RATA – RATA ( AVERAGE ) A. j. 7. dengan bantuan alat penyajian dan pelukisan data berupa tabel dan grafik. 3. 5. 9. 8. Grafik poligon data tunggal. SOAL . Gafik poligon data kelompok I. 4. Contoh cara melukiskan distribusi frekuensi dalam bentuk grafik histogram data tunggal 2.kenyataan telah membuktikan bahwa data kuantatif hasil penelitian yang masih berupa angka kasar ( rew score ) dengan serba ketidak aturan itu. Contoh cara melukiskan distribusi frekuensi dalam bentuk grafik histogram data kelompok J. 6. CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK GRAFIK HISTOGRAM (HISTOGRAM FREQUENCY ) Seperti halnya grafik poligon. g. dan 2.

1. Cara mencari mean Mencari mean dapat dilakukan dengan berbagai macam cara . hngga dengan secara cepat dan menarik telah dapat memberikan informasi menenai pengertian atau makna yang terkandung di dalamnya B. dibagi dengan banyaknya angka ( bilangan ) yang ada. rata – rata itu mempunyai beberapa bentuk atau macam : masing – masing dengan arti yang berbeda berhubungan dengan itu.demikian rupa. Seperti telah kita maklumi bersama. Satu buah nilai dengan fungsi seperti yang telah dikemukakan di atas itulah yang dalam dunia statistik kita kenal dengan istilah rata – rata atau harga rata – rata atau ukuran rata – rata. dalam bahasa inggris nilai rata – rata itung dikenal dengan istilah aritbmetic mean. dalam buku ini istilah yang akan dipakai pada dasarnya adalah mean. tergantung dari data yang akan dicari mena-nya itu. Nilai rata – rata hitung ( mean ) Seperti telah dikemuka terdehulu. Dari uraian diatas secara singkat dapat dikemukakan bahwa apa yang dimaksud dengan rata – rata itu tidak lain adalah : tiap bilangan yang dapat dipakai sebagai wakil dari renteran nilai rata – rata itu wujudkan hanyalah satu bilangan saja . apabila kita berhadapan dengan ekumpulan data yang berupa angka. Adapun macam – macam “rata – rata” atau “ ukuran rata – rata” yang dimiliki oleh statistik sebagai ilmu pengetahuan ialah : 1. apabila dalam menganalisis data statistik kita gunakan istilah “ rata – rata” kita harus dapat menyatakan dengan tegas dan jelas “ rata – rata‟ kita harus dpat menyatakan dengan tegas dan jelas “ rata – rata “ macam atau jenis manakah yang kita maksudkan itu. Untuk ringkas kata. dibagi dengan banyaknya angka ( bilangan ) tersebut. nilai ebtanas murni ( NEM ) Nilai Rapor. Mencari mena untuk data tunggal ada dua macam cara yang dapat digunakan untuk mencari mean dari data tunggal ( data yang tidak dikelompokan ) yaitu : a. UKURAN RATA – RATA DAN MACAMNYA Dalam statistik. Pengertian mean Secara singkat pengertian tentang mean dapat dikemukakan sebagai berikut : Mean dari kelompok ( sederatan ) angka 9 bilangan ) adlah jumlah dari keseluruhan angka ( bilangan ) yang ada. Nilai Ijazah Atau Nilai STTB dan lain sebainya. b. misalnya nilai hasil tes seleksi. Cara mencari mena dari data tunggal di mana sebagian atau seluruh skornya berfrekuensi lebih dari satu 2. atau sering disingkat dengan mean saja. a. PENGERTIAN RATA – RATA Istilah “ rata – rata” dalam kehidupan kita sehari – hari sebenarnya merupakan istilah yang tiap kali kita jumpai dan bahkan sering kita gunakan karena itu istilah yang asing bagi kita. namun dengan satu bilangan itu akan dapat tercrmin gambaran secara umum mengenai kumpulan atau deretan bahan keterangan yang berupa angka atau bilangan itu : C. Cara mencari mean dari data tunggal yang seluruh skornya berfrekuensi satu. Cara mencari mena untuk data kelompok . yaitu satu nilai yang kita pandang representatif dapat mencerminkan gambaran secara umum mengenai keadaan nilai tesebut. maka pada umumnya kita menjadi tetarik untuk mengetahi satu buah nilai yang dapat kita anggap mewakili kumpulan nilai yang ada dihadapan kita itu. b.

maka rumus yang digunakan adalah sebagai berikut : Penggunaan mean Sebagai salah satu ukuran rata – rata. akan kita kenai ukuran – ukuran statistik selain mean. Mean = median = modus b. a. maka dalam dunia statistik. Cara mencari modus untuk data kelompok 3. Bahwa dalam penganalisisan data selanjutnya. mean kita gunakan apabila kita berhadapan dengan kenyataan seperti dikemukakan berikut ini : Bahwa data statistik yang kita hadapi merupakan data yang distribusi frekuensi bersifat normal atau semetris stidak – tidaknya mendekati normal. b. Modus a. Saling hubungan antara mean – median dan modus Dalam keadaan khususnya – yaitu dalam keadaan distribusi frekuensi data yang kita selidiki bersifat normal ( simetris ) maka akan kita temui keadaan sebagai berikut : a. deviasi standar. semua kelompokan data data 9 interval ) yang ada terlebih dahulu dicari nilai tengah atau midpoint. Bahwa dalam kegiatan analisis data. Quartile Istilah quartile atau “ kuartil” dalam kehidupan kita sehari – hari lebih dikenal dengan istilah kuartal . Pengertian modus Ukuran rata – rata ketiga yang kita pelajari disini adalah modus atau metode. Mencari mean data kelompok dengan menggunakan metode panjang Pada perhitungan mean yang menggunakan metode panjang. d. 3. yaitu metode panjang dan metode singkat. Setelah itu. Dari data yang sedang kita teliti ( kita cari modusnya ) kita hanya ingin mengetahui ciri khasnya saja.nya. misalnya : deviasi rata – rata. decile dan percentile sebagai ukuran penentuan letak nilai selain median Dalam pemicaraan tentang median telah dikemukakan bahwa selain dikenal sebagai nilai rata – rata pertengahan atau nilai rata – rata letak atau ukuran rata – rata letak. Quartile. Kelemahan mean Seperti telah dikemukakan pada awal pembicaraan tentang mean. Cara mencari modus 1. 1.mean dikenal sebagai ukuran rata – rata yang menduduki tempat paling penting jika dibandingkan dengan ukuran rata – rata lainnya. 3. korelasi dan sebagainya. Untuk data kelompokan mean daat diperoleh dengan menggunakan dua metode. Cara mencari modus untuk data tunggal 2. terhadap data yang sedang kita hadapi atau kita teliti itu. Modus = 3 median – 2 men 5. 1. tia midpoint diperkalikan dengan frekuensi yang dimiliki oleh masing – masing interval yang bersangkutan Mencari mean data kelompok dengan menggunakan metode singkat : Rumus yang digunakan Jika dalam perhitungan mean digunaka metode. kita menhendaki kadar kemantapan atau kadar kepercayaan yang setinggi mungkin. c. seperti akan diemukakan dalam pembicaraan pada bab – bab berikut ini. 2. yang umumnya dilambangkan dengan mo b. 4.a.

diakar pangkatkan benyaknya bilangan itu sendiri Cara menghitung nilai rata – rata ukur Misalnya hasil pengukuran yang dilakukan terhadap 3 subjek menunjukan angka – angka sebagai berikut . .b. B. 6. dalam rangka membuat angka itu menjadi “ berbicara “atau memberikan pengertian dan makna tertentu. oleh karena itu. sedikit banyak telah dapat membantu seorang statistisi ( pekerja statistik ) atau seorang peneliti dlam rangka mengenal dan mengetahui ciri atau sifat yang terkandung dalam sekumpulan bahan keterangan (data 0 yang berupa angka. hanya dengan membuat tabel distribusi frekuensi dan grafik saja sebenarnya masih amat terbataslah hal – hal yang dapat diungkap oleh peneliti.27 dan 125. 8. perlu menempuh cara lain sebagai kelanjutan dari pembuatan tabel distyribusi frekuensi dan grafik itu. PENGANTAR Pada bagian awal dari bab iii telah dikemukakan. akan banyak diantara kita yang mungkin tidak akan memerlukan atau menggunakan sama sekali. sebab penyajian data dalam bentuk tabel distribusi frekuensi dan grafik itu. yang masing – masig sebesar 1/10N Percentile Percentile atau persintel yang biasa dilambangkan P. adalah titik atau nilai yang membagi suatu distribusi data menjadi seratus bagian yang sama besar. GM dari ketiga bilangan c. Karena itu persentil sering disebut “ ukuran per – ratus – an” Nilai rata – rata ukur ( geometric mean ) Nilai rata – rata ukur atau geometric mean biasanya diberi lambangGM. agar tujuan “ membuat angka itu berbicara dan bermakna “ dapat dicapai dengan sebaik – baiknya. A. BAB 4 MASALAH PENYEBARAN DATA A. bahwa penyajian data statistik dalam berbagai bentuk tabel distribusi frekuensi dan grafik. Namun. Decile Decile atau desil adalah : titik atau skor atau nilai yang membagi seluruh distribusi frekuensi dari data yang kita selidiki ke dalam 10 bagian yang sama besar. Pengertian nilai rata – rata ukur nilai rata – rata ukur di sekelompok bilangan ialah : hasil perkalian bilangan tersebut. jarang sekali digunakan dalam lapangan psychopbysica. Sebenarnya nilai rata – rata. bagi seorang peneliti sebenarnya barulah merupakan pintu gerbang pertama di dalam bagi seorang peneliti yang ingin melakukan penganalisisan data statistik dengan secara lebih mendalam.

dikenal. meskipun kedua kelompok siswa yang berbeda sekolah asalnya itu sama – sama memiliki nilai rata – rata sebesar 50. mempunyai perbedaan kualitas hasil belajar yang penting. yaitu : 1. Misalnya mean dari nilai hasil tes bidang studi bahasa arab dari dua kelompok siswa madrasahaliyah yang masing – masing bebeda sekolah adanya ( kelompok 1 bersekolah asal dari SMP dan kelompok 2 bersekolah asal MTs ) adalah sama. Range yang biasa diberi lambang R – adalah salah satu ukuran statistik yang menunjukan jarak penyebaran antara skor ( nilai ) yang terendah ( lowest score ) sampai skor ( nilai ) yang tinggi ( highest score ) dengan singkat. C. Range Ukuran penyebaran data yang pertama . kiranya tidak terlalu sulit untuk memberikan batasan tentang ukuran penyebarn data itu. berbagai macam ukuran statistic yang dapat. yakni . atau homogenitas data. apabila kemudian dapat kita ketahui bahawa nilai tes bahasa arab yang dicapai oleh para siswa ang bersekolagh asal dari MTs tersebar anatara 40 samapai dengan 60. a.tama diperkenalkan sebagai ukuran penyebaran data yang paling sederhana. 1. beberapa macam ukuran penyebaran data. PENGERTIAN UKURAN PENYEBARAN DATA Bertitik tolak dari uraian di atas. yaitu 50 memang ditilikbesarnya mean. Pengertian range Range – yang biasa diberi lambing R – adalah salah satu ukuran statistic yang menunjukan jaak penyebaran antara skor ( nilai ) yang terendah ( lowest score ) sampai skor ( nilai ) yang tertinggi ( higbest score 0 dengan singkat dapat dirumuskan R=H–L R = range yang kita cari H = Skor atau nilai yang tertinggi ( higbest score 0 L = Skor atau nilai yang terendah ( lowest score ) . yang karena itu juga sering disebut sebagai ukuran penyebaran data yang paling kasar. B. MACAM – MACAM UKURAN PENYEBARAN DATA Dalam dunia statistic. Akan tetapi. maka kita akan segera tahu bahwa ternyata kedua kelompok siswa itu.atau stabilitas data. akan tetapi penyebaran atau pemencaran nilainya tidaklah sama. Cobalah kita perhatikan kurva berikut : Dari kurva di atas dapat kita ketahui. yaitu : kedua kelompok siswa itu sama – sama memiliki nalai rata – rata sebesar 50. kedua kelompok siswa madrasah aliyah itu memiliki kualitas hasil belajar yang „ sama‟ alasannya cukup jelas. dari ukuran yang paling sederhana ( kasar ) sampai dengan ukuran yang dipandang memiliki kadar ketelitian yang tinggi.Contoh . atau variasi data.

Deveasi standar Diatas telah dikemukakan bahwa deviasi rata – rata sebagai salah satu ukuran variabilitas data ditilik dari segi matematika memiliki kelemahan yang sangat mendasar karena menganggap sama antara deviasi yang bertanda “ plus “ dengan deviasi yang bertanda “ minus” d.nya kita akan lebih cendrung untuk menganggap bahwa mean yang kita peroleh itu sifatnya meragukan. jika seluruh devisiasi kita jumlahkan. Devisiasi rata – rata Seperti terlihat pada tabel di atas. c. Pengertian deviasi Dalam statitik. d. Karena jumlah devesiasi akan selalu sama dengan nol. dari nilai rata – rata hitungannya b. maka kalau devesiasi itu kita gunakan sebagai ukuran untuk mengetahui variabilitas data tidak akan ada gunanya sama sekali. Cara mencari range Selain itu. hasilnya pasti sama dengan nol. Kegunaan deviasi rata –rata dan deviasi standar . berdasarkan pada range kita juga dapat mengatakan bahwa kian kecil range dari suatu distribusi data. Kebaikan dan kelemahan range Kebaikan range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang sedang kita hadapi adapun kelemahan range akan sangat tergantung kepada nilai – nilai ekstrimnya. Pengguna range Kebaikan range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang sedang kita hadapi. kian cendrung bagi diri kita untuk menganggap bahwa mean yang kita peroleh merupakan wakil yang presentatif data yang bersangkutan sebaliknya kian besar range. c. Pengertian devesiasi rata – rata Dari pembicaraan di atas sebenarnya sudah cukup tergambar apa sebenarnya yang dimaksud dengan devesiasi rata – rata itu. Dengan kata lain. besar kecilnya range akan sangat ditentukan oleh nilai terendah dannilai tertinggi yang terdapat dalam distribusi data. dengan demikian range sifatnya sangat labil dan kurang teliti. yang dimaksud dengan devisiasi ialah selisih atau simpangan dari masing – masing skor atau interval. Deviasi a. 2.b.

Yaitu . 253 atau 1. BAB 5 MASALAH HUBUNGAN ANTARVARIABEL ( TEKNIK ANALISIS KORELASIONAL ) A. 2.dan pembicaraan tentang devesiasi pun hanaya dibatsi pada devisiasi rata – rata dan divesiasi standar. e. Untuk mengubah raw score ( skor mentah ) ke dalam nilai standar sekala 5 atau nilai huruf A – B – C – D – dan F 3. Jika deviasi rata – rata atau deviasi standar makin besar variabilitas datanya atau semakin kurang homogen. Untuk menetapkan nilai batas lulus aktual ( minimun passsing level atau passing grade ) dimana patokan yang digunakan untuk keperluan tersebut. Ukuran penyebaran relative Ditilik segi relevinsinya. Catatan tambahan tentang penggunaan lebih lanjut dari mean dan deviasi standar dalam dunia pendidikan Sebagai catatan tambahan perlu kiranya dikemukakan di sini bahwa mean dan deviasi standar sebagai dua buah ukuran statistik yang dipandang memiliki reliabilitas yang tinggi. Variance 4. Dengan mengetahui besar – kecilnya deviasi rata – rata dan deviasi standar. Dapat disebutkan disini misalnya : 1. Sebaliknya. Bahwa besarnya deviasi rata – rata ( AD ) adalah sekitar 0. maka dalam pembicaraan lebih lanjut hanya akan dikemukakan dua jenis ukuran saja.3 kali dari deviasi rata – rata. Saling hubungan antara deviasi rata – rata dan deviasi standar AD= 0. khususnya dalam rangk evaluasi hasil belajar anak didik. Range dan 2. 1. apabila deviasi rata – rata atau deviasi standar kecil. Deveasi.253 AD Artinya : f. kita akan dapat mengetahui pula bagaiamana variabilitas dan homogenitas data yang sedang kita selidiki.Baik deviasi rata – rata maupun deviasi standar keduannya berguna sebagai ukuran untuk mengetahui homogenitas data.798 SD: sedangkan SD= 1.798 atau 0. dapat dn sering digunakan dalam dunia pendidikan.8 kali dari deviasi standar Bahwa besarnya deviasi rata – rata ( AD ) adalah sekitar 1. data yang sedang kita teliti itu makin dekat kepada sifat homogenitas. PENGERTIANKORELASI .

apabila variabel X mengalami kenaikan atau pertambahan. Jika korelasi antara variabel X dan vareabel Y merupakan korelasi positif tertinggi. atau korelasi negatif sempurna. kimia. biologi. kenaikan harga bahan bakar minyak ( BBM ) diikuti dengan kenaikan ongkos ankutan sebaliknya jaka harga BMM rendah. sedangkan hubungan antarlebih dari dua variabel disebut multivariate correlation. yang dikenal dengan nama peta korelasi. maka ongkos angkutan pun murah 9 rendah ). berjalan paralel . Dalam dunia pendidikan misalnya. B. atau korelasi positif sempurna.1 ) 2. maka pencaran titik yang terdapat pada peta korelasi apabila dihubungkan antara satu dengan yang lain.Kata “ korelasi” berasal dari bahasa inggris correlation. dapat kita amati melalui sebuah peta atau diagam. Disebut korelasi positif. akan diikuti pula dengan kenaikan atau pertambaan pada variabel Y : atau sebaliknya penurunan atau pengurangan pada variabel X akan diikuti pula dengan penurunan atau pengurangan pada varibel Y. Jadi. maka pencaran titik yang terdapat pada peta korelasi apabila dihubungkan antara satu dengan yaing lain. C. dapat dibedakan menjadi dua macam. atau korelasi negatif tertinggi. akan membentuk satu buah garis lurus yang condong ke arah kanan. akan membentuk satu buah garis lurus yang condong kearah kiri ( lihat gambar 5. yaitu hubungan yang sifatnya berlawanan arah. dan sebagainya. PETA KORELASI Arah hubungan variabel yang kita cari korelasi. Ciri yang terkandung dalam peta korelasi itu adalah : 1. tedapat korelasi positif antaranilai hasil belajar matematika dan nilai hasil belajar fisika. “ hubungan” atau “ saling hubungan” atau “ hubungan timbal balik” Dalam ilmu statistik istilah”korelasi” diberi pengertian sebagai hubungan antardua variabel atau lebih” Hubungan antardua variabel dikenal dengan istilah : bivariat correlation. Hubungan yang bersifat searah diberi nama korelasi positif. sedang hubungan yang sifatnya berlawanan arah disebut korelasi negatif. jika dua variabel ( atau lebih ) yang berkorelasi. Dalam bahasa indonesai sering diterjemahkan dengan .2 ) . Contoh . artinya bahwa hubungan antar dua variabel ( atau lebih ) itu menunjukan arah yang sama. ARAH KORELASI Hubungan antar variabel itu jika ditilik dari segi arahnya. Jika korelasi antara variabel X dan variabel Y merupakan korelasi negatif maksimal. ( diagram 5.

( Diagram 5.rendah.1 ) Y 101 2 3 4 5 6 7 8 9 10 9- 8765432101 0 2 3 4 5 6 7 8 9 1 . ANGKA KORELASI Tinggi .D. kuat – lemah atau besar kecil suatu korelasi dapat diketahui dengan melihat besar – kecilnya suatu angka ( koefisien ) yang disebut angka indeks korelasi atau coefficient of correlation.

. PENGERTIAN. Pengertiannya Teknik analisis korelasi ialah teknik analisis statistik mengenai hubungan antardua variabel atau lebih.( Gambar 5. DAN PENGGOLONGAN 1. TEKNIK ANALISIS KORELASIONAL. TUUAN.2 ) Y 101 2 3 4 5 6 7 8 9 10 9- 876543210- 1 2 3 4 5 6 7 8 9 10 E.

3. yaitu teknik korelasi yang tersebut pada nomor 1 sampai dengan 5 . Dalam buku ini hanya akan dikemukakan lima jenis teknik korelasi dari 10 macam teknik korelasi yang telah disebutkan di atas. yaitu : a. Teknik korelasinal tata jenjang 3. Teknik korelasinal produk momen 2. Teknik korelasinal biserial 7. c. apakah memang benar antara variabel yang satu dan variabel yang lain terdapat hubungan atau korelasi. Penggolongannya Teknik analisis korlasional dapat dibdakan menjadi dua golongan yaitu teknik analisis korelasional bivariat dan teknik analisis korelasional multivariat. Teknik korelasinal kontingensi 5. Teknik korelasinal tetrakorik Penggunaan teknik korelasi tersebut di atas akan sangat tergantung kepada jenis data statistik yang akan dicari korelasinya. Teknik the widespread correlation 10. cukupan. Teknik korelasinal kendall tau 8. di samping pertimbangan atau alasan tertentu yang harus dipenuhi. Ingin memperoleh kejelasan dan kepastian ( secara matematik ) apakah hubungan antar variabel itu merupakan hubungan yang berarti atau menyakinkan ( signifikan ) ataukah hubungan yang tidak berarti atau tidk meyakinkan.2. ataukah lemah. Ingin menjawab pertanyaan apakah hubungan antar variabel itu ( jika memang ada ubungannya ) termasuk hubungan yang kuat. Cara mencari korelasi pada teknik analisis korelasional bivariat Sebagaimana dikemukakan oleh borg dan gall dalam bukunya educational research terdapat 10 macam teknik perhitungan korelasi yang termasuk dalam teknik analisis korelasional bivariat yaitu : 1. Teknik korelasinal rasio 9. 4. Teknik korelasinal poin biserial 6. b. Tujuannya Teknik analisis korelasional memiliki tiga macam tujuan. Teknik korelasinal koefisien phi 4. Ingin mencari bukti 9 berlandasan pada data yang ada ).

atau setidak – tidaknya mendekati homogen 3. Dengan cara memperhitungkan skor – skor aslinya atau ukuran – ukuran kasarnya 4. yang pada teknik korelasi product moment diberi lambang “r” ( sering disebut”r” product moment ) 4. 2. Variabel yang kita korelasikan berbentuk gejala atau data yang bersifat kontinu 2.F. Dengan cara memperhitungkan selisih dviasi dan variabel yan dikerolesasikan. Dengan cara memperhitung mean 9 yaitu mencari nalia rata – rata hitung dari variabel yang dicari korelasinya ) 5. Dengan cara menghitung deviasi standarnya lebih dahulu 2. terhadap meannya 6. Cara membrikan intrprestasi terhadap anka indeks korelasi “r” product moment Terhadap angka indeks korelasi yang telah diperoleh dari perhitungan ( proses komputasi ) kita dapat memberikan interpretasi atau penafsiran tertentu. Penggunaannya Teknik korelasi product moment kita pergunakan apabila kita berhadapan dengan keyataan berikut ini : 1. 5. Cara mencari angka indeks korelasi product moment Ada berapa macam cara yang dapat dipergunakan untuk mencari angka indeks korelasi produk moment yaitu : 1. Pengertiannya Product moment correlation – atau lengkapnya product of the moment correlation – adalah salah satu teknik untuk mencari korelasi antar dua variabel yang kerap kali digunakan. Sampel yang diteliti mempunyai sifat homogen. Dengan cara yang lebih tingkat. yaitu tanpa menghitung deviasi standarnya 3. Dalam hubungan ini ada dua macam cara dapat kita tempuh yaitu : . TEKNIK KORELASI PRODUCT MOMENT 1. Regresinya merupakan regresi linear 3. Lambangnya Kuat lemah atau tinggi rendahnya korelasi antardua variabel yang sudah kita teliti dapat diketahui dengan melihat besar kecilnya angka indeks korelasi. Dengan cara memperhitungkan selisih dari masing – masing skor aslinya atau angka kasarnya.

TEKNIK KORELASI TATA JENJANG ( TEKNIK KORELASI RANK ORDER = RANK ORDER CORRELATION = RANK DIFFERENCE CORRELATION ) 1.5 5. Interpretasi terhadap angka indeks korelasi “r” product moment itu dilakukan dengan secara kasar atau dengan sederhana 2. Seperti terlihat pada tabel 5.6 Mean nilai STTB di SLTA (y) 7. sebaiknya jangan digunakan teknik korelasi ini .5 5.8 7.1 TABEL 5. 6.1. Contoh cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi “r” product moment Misalkan dalam suatu penelitian yang dimaksud untuk mengetahui apakah secara signifikasi terdapat korelasi positif antara nilai hasil belajar para mahasiswa difakultas ( variabel X ) dan nilai hasil belajar mereka pada waktu berada disekolah lanjutan tingkat atas ( variabel Y ) dalam penelitian mana telah ditetapkan sebagai sampel sejumlah 20 orang mahasiswa ( N kurang dari 30 ) telah berhasil dihimpun data berapa mean : nilai mean dari nilai hasil belajar meeka pada ujian akhir sekolah lanjutan tingkat atas ( sebagaimana tercantum dalam STTB ).6 6. Pengertian Teknik korelasi tata jenjang dalam dunia statistik dikenal sebagai teknik analisis koelasional yag paling sederhana jika dibandingkan dengan teknik analisis korelasinal lainnya.6 6. dan mean dari nilai STTB mereka di SLTA No urut Nama mhs A D V W E Mean nilai hasil ujian semester di fakultas ( x) 6.2 6.9 7. Interpretasi itu diberikan dengan terlebih dahulu berkonsultasi. Penggunaannya Teknik analisis korelasinal tata jenjang ini dapat efektif digunakan apabila subjek yang dijadikan sampel dalam penelitian lebih dari sembilan tetapi kurang dari tiga puluh dengan kata lain : N antara 10 – 29 karena itu apabila N sama dengan atau lebih dari 30.4 6. 2.9 1 2 3 4 5 G.1 mean nilai hasil belajar dari sejumlah 5 orang mahasiswa pada ujian semester di fakultas.

yang tidak terdapat urutan yang kembar. Contoh cara mencari ( menghitung ) angka indeks korelasi phi a. c. Cara mencari angka indeks korelasi phi dengan mendasarkan dari pada frekuensi dari masing – masing sel. Contoh cara mencari menghitung dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang Ada tiga macam cara mencari ( menghitung ) Rho. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang. H. korelasi antar dua variabel yang kita selidiki korelasinya.yaitu a. lulus – tidak lulus.00 4. variabel yang dikoelasikan itu adalah variabel diskrit murni . atau tingi rendahnya. misalnya : laki – laki – perempuan. b. Pengertiannya Teknik korelasi phi adalah salah satu teknik analisis korelasional yang dipergunakan apabila data yang dikoelasikan adalah data yang benar – benar dikotomik ( terpisah atau dipisahkan secara tajam ) dengan istilah lain . hidup – mati. .00 sampai dengan + 1. menjadi pengurus organisasi – tidak menjadi pengurus organisasi mengikuti bimbingan tes – tidak mengikuti bimbingan tes maka variabel tersebut terlebih dahulu harus diubah menjadi variabel diskrit. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang. phi merupakan product momen correlation. TEKNIK KORELASI PHI ( PHI COEFFICIENT CORRELATION ) 1. 2. Lambangya Besar kecilnya kuat lemahnya. Lambangnya Pada teknik korelasi tata jenjang ini angka indeks korelasinya dilambangkan dengan huruf P ( baca Rho ) seperti halnya rxy maka angka indeks korelasi P ini besarnya berkisar antara 0. pada teknik korelasi phi ini. Cara memberikan interpretasi terhadap angka indeks korelasi tata jenjang Untuk memberikan interpretasi terhadap angka indeks korelasi tata jenjang.3. yang tidak terdapat urutan yang kembar dua. 4. Cara memberikan interpretasi terhadap angka indeks korelasi phi ( o ) Pada dasanya. terlebih dahulu kita rumuskan hipotesis alternatif dan hipotesis nol – nya 5. yang tidak terdapat urutan yang kembar tiga atau lebih dari tiga. Cara mencari ( menghitung ) dan memberikan interpretasi terhadap angka indeks korelasi tata jenjang. ditnjukan oleh besar kecilnya angka indeks korlasi yang dilambangkan dengan huruf o ( phi ) 3.

Cara mencari ( menghitung ) angka indeks korelasi phi dalam keadaan khusus I. Hasil pengumpulan data menunjukan angka sebagaimana tertera pada tabel 5. dapat diketahui dari besar – kecilnya angka indeks korelasi yang disebut coefficient contingency. pada teknik korelasi ini dilambangkan dengan rpbi . Cara mencari ( menghitung ) angka indeks korelasi phi dengan memperhitungkan kai kuadrad d. yang umumnya diberi lambang dengan huruf C atau KK ( singkatan dari koefisien kontingensi. Cara mencari angka indeks korelasi phi dengan mendasarkan dari pada nilai proporsinya c. 4. TEKNIK KORELASI POIN BISERIAL 1. yang dua buah variabel yang dikorelasikan adalah berbentuk kategori atau merupakan gejala ordinal.19 Tabel 5.19 data mengenai semangat berolah raga dan kegairahan belajar dari sejumlah 200 oang subjek Semangat besar Sedang kecil Jumlah Berolah raga Gairah belajar Besar 18 12 10 40 Sedang 4 43 33 110 Kurang 10 10 30 50 Jumlah 62 65 73 200=N J. tinggi – rendah.) 3. Pegertian Dan Penggunanya Teknik korelasi point biserial ( point biserial correlation ) adalah salah satu teknik analisis korelasional bivariat yang biasa dipergunakan untuk mencari korelasi antara dua variabel Variabel 1 berbentuk variabel kontinum ( misalnya : skor hasil tes ) sedangkan Varibel 2 berbentuk variabel diskrit murni ( misalnya betul atau salahnyacalon dalam menjawab butir – butir soal tes ) 2. atau besar – kecilnya korelasi antar dua variabel yang sedang kita selidiki korelasinya. Pengertiannya Teknik korelasi koefisien kontingensi adalah salah satu teknik analisis korelasional bivariat. TEKNIK KORELASI KOEFISIEN KONTINGENSI 1. Lambangnya Kuat lemah. Lambangnya Angka indeks korelasi yang menunjukan keeratan hubungan antara variabel yang satu dengan variabel yang lain. Sejumlah 200 orang subjek ditetapkan sebagai sampel penelitian. apakah terdapat korelasi positif yang signifikan antara semangat berolah – raga dan kegairahan belajar.b. Cara memberikan interpretasi terhadap angka indeks korelasi kontingensi Pemberian interpretasi terhadap angka indeks korelasi kontingensi C atau KK itu adalah dengan jalan terlebih dahulu menubah harga C menjadi phi. 2. Contoh cara mencari ( menghitung ) angka indeks korelasi kontingensi Misalkan akan diteliti.

apakah perbedaan itu merupakan perbedaan yang berarti atau menyakinkan ( signifikan ) ataukah bahwa perbedaan itu hanyalah secara kebetulan saja ( by chance ) D. Kata compare. ternyata secara signifikan memang berkorelasi. tentang prosedur kerja. comparative dan comverasion. yaitu : salah satu teknik analisis kuantitatif atau salah satu teknik analisis statistik yang dapat digunakan untuk menguji hipotesis mengenai ada tidaknya perbedaan antarvariabel yang sedag diteliti. sedangkan tastee yang menjawab salah diberi skor nol BAB 6 MASALAH PERBEDAAN ANTAR – VARIABEL ( TEKNIK ANALISIS KOMPRASIONAL ) A. Jika perbedaan itu memang ada. Ny. terhadap suatu ide atau suatu prosuder kerja. C. grup atau negara terhadap kasus. PENGERTIAN PENELITIAN KOMPARASI Berbicara entang pengertian penelitian komprasi Dr. Echols dan hassan shadily dalam kamus inggris – indonesia B. maka dapat diberikan pengertian tentang teknik analisis komparasional. comparability – comprable. Dapat juga dilaksanakan dengan maksud untuk membandingkan kesamaan pandangan dan perubahan pandangan orang. Cara memberikan interpretasi terhadap angka indeks poin beserial Untuk memberikan interpretasi terhadap rpbi kita pergunakan tabel nilai “r” product moment. TEKNIK ANALISISKOMPRASIONAL DAN PENGGOLONGANYA Dalam menguji perbedaan antarvariabel yang sedang diteliti. PENGERTIAN TEKNIK ANALISIS KOMPARASIONAL Bertitik tolak dari pengertian tentang komparasi dan pengertian tentang penelitian komperasi seperti telah dikemukakan diatas. Contoh cara mencari ( menhitung ) angka indeks korelasi poin biserial Sebagai salah satu contoh. kritik terhadap orang. misalnya dalam suatu peneitian yang antara lain bertujuan untuk menuji validitas soal yang telah dikeluarkan dalam tes ( bila soal yang dikeluarkan dalam tes tersebut berbentuk tes obkjektif ) sejumlah 10 orang calon dicapai oleh tastee yang menjawab butis soal dengan betul diberi skor 1. atau terhadap ide. terhadap pristiwa. jika rpbi lebih kecil daripada r tabel berarti tidak ada korelasi yang signifikan 4. kelompok. PENGERTIAN KOMPARASI Sebelum membicarakan tentang pengertian “ teknik analisis komprasional “ terlebih dahulu akan diketengahkan pengertian tentang istilah “ komprasional” jika kita memeriksa kamus bahasa inggris. compra artinya “bandingan” atau “tara” comparability mengandung arti “ sifat bisa diperbandingkan /disamakan comparative artinya yang bertalian dengan perbandingan atau pembandingan demikianlah seperti dikemukakan oleh john M. Aswarni sudjud berjudul “ beberapa pemikiran tentang penelitian komprasi” menjelaskan bahwa penelitian komparasi pada pokoknya adalah penelitian yang berusaha untuk menemukan persamaan dan perbedaan tentang benda. mungkin saja variabelnya dua buah dan mungkin pula lebih dari dua buah. dengan terlebih dahulu mencari df-nya ( df – N – nr ) jika rpbi yang kita peroleh dalam perhitungan ternyata sama dengan atau lebih besar daripada r tabel maka kita dapat mengambil kesimpulan bahwa kedua variabel yang sedangkita cari korelasinya. . tentang orang. Suharsimi arikunto dalam bukunya prosedur penelitian : suatu pendekatan praktik ( 1983 ) sambil mengutip pidato pengukuhan Dra.3. akan kita jumpai isitlah compare. tentang ide.

disebut teknikanalisis komprasiona bivariat ( misalnya : apakah terdapat perbedaan sikap keagamaan yang signifikan antara remaja yang berdomisili di lingkungan masyarakat agraris dan remaja yang berdomisili di lingkungan masyarakat industri ? .Teknik analisis komprasional dengan variabel yang diperbandingkan hanya dua buah saja.