BAB 1

PENDAHULUAN

A. Pentingnya Penulisan CBR

Critical book review bukan sekedar laporan atau tulisan tentang isi sebuah buku,
tetapi lebih menitikberatkan pada evaluasi (penjelasan, interpretasi dan analisis) kita
mengenai keunggulan & kelemahan buku tersebut, apa yang menarik dari buku
tersebut, bagaimana isi buku tersebut bisa mempengaruhi cara berpikir kita &
menambah pemahaman kita terhadap suatu bidang kajian tertentu. Dengan kata lain,
melalui critical book review kita menguji pikiran pengarang/ penulis berdasarkan
sudut pandang kita, berdasarkan pengetahuan & pengalaman yang kita miliki. Maksud
dari penulisan makalah berupa critical book review ini adalah untuk mengembangkan
budaya membaca, berpikir sistematis & kritis, dan mengekspresikan pendapat.

B. Tujuan penulisan CBR

Adapun tujuan dari penulisan Critical book review adalah :
1. Mengulas isi buku Statistika Terapan Untuk Quasi dan Pure Experiment oleh Prof.
Dr. Edi Syahputra, M.Pd, buku Metode Matematika oleh Prof. Dr. Sudjana,
M.A.,M.SC dan Statistika dan Probalitas oleh Dr. Boediono.
2. Mencari dan mengetahui informasi yang ada dalam buku.
3. Melatih diri untuk berpikir kritis dalam mencari informasi yang diberikan oleh buku
utama dan buku pembanding.

C. Manfaat CBR
Adapun manfaat dari penulisan Critical book review adalah :
1. Untuk menyelesaikan tugas pada mata kuliah Statistika Pendidikan Matematika
2. Dimana dengan adanya makalah ini dapat membantu semua kalangan dalam
mempelajari Statistika.

1
D. Identitas Buku yang Direview
Judul : Statistika Terapan Untuk Quasi dan Pure Experiment
Pengarang : Prof. Dr. Edi Syahputra, M.Pd
Penerbit : UNIMED PRESS
Kota Terbit : Medan
Tahun Terbit : 2016
ISBN : 978-602-0888-82-8

2
 BAB 2
RINGKASAN ISI BUKU

A. BAB I Statistika
Statistika adalah ilmu yang mempelajari tentang metode pengumpulan,
pengolahan, panafsiran, serta penarikan kesimpulan dari data yang dikumpulkan/
diperoleh. Statistika dapat dikelompokkan menjadi dua, yaitu Statistika Matematika
dan Statistika Terapan. Dalam statistika matematik penekanannya lebih pada statistika
secara teoritis, sedangkan statistika terapan lebih menekankan pada penggunaan
statistika dalam berbeagai bidang ilmu.
Data dalam statistika adalah suatu himpunan keterangan/ informasi dari
serangkaian pengamatan atau catatan atau observasi atau informasi yang diperoleh
dari hasil percobaan.
Terdapat dua macam bentuk data, yakni data kuantitatif dan data kualitatif, ada juga
yang mengklasifikasikan data sebagai berikut :
a. Data nominal : Data berbentuk kategori dan bersifat kuantitatif,
tidak dapat dibandingkan yang satu dengan yang lain.
b. Data Ordinal : bebentuk kategori dan bersifat kualitatif, sudah
dapat dibandingkan yang satu dengan yang lain.
c. Data Interval : yaitu data kuantitatif berbentuk angka-angka
misalnya 300.
d. Data Rasio : Data Kuantitatif, pada data rasio dapat
diberlakukan operasi matematika, misalnya 300 + 700 ≠
1000 sedangkan 5 + 7 = 12

B. BAB II Penyajian Data

Data statistik dapat disajika dalam berbagai cara, antara lalin dengan table dan
grafik. Penyajian data dengan menggunakan tabel atau menggunakan grafik akan
mempermudah pembaca untuk menginterpretasi data yang disajikan. Diagram berikut
akan memberikan gambaran pada pembaca struktur penyajin data dalam statistika
A. Menggunkan Tabel
Contoh bentuk tabel untuk penyajian data

3
 UMUR MAHASISWA
UNIVERSITS X TAHUN 2015
Cara membuat tabel distribusi frekuensi
Untuk membuat tabel distribusi frekuensi dapat diikut prosedur sebagai
berikut ini
1. Tentukan rentang data, yaitu selisih data besar dan data kecil
2. Tentukan banyak kelas interval
3. Tentukan panjang kelas interval
4. Tentukan ujung bawah kelas interval pertama
B. Menggunakan Diagram
1. Diagram Batang
Dikatakan diagram batang karena bentuknya seperi batang-batang yang
disusun tegak atau mendatar. Tinggi/panjang batang menunjukan
frekuensi/banyaknya data.

Chart Title
BAnyakntya

350

150

-50
17-20 21-24 25-28 29-32 33-36
Umur

Contoh diagram batang Umur Mahasiswa Universitas X tahun 2015

2. Diagram Garis
Diagram yang digunakan untuk menggambarkan keadan yang kontiniu.
Biasanya sumbu horizontal menunjukan skala waktu(biasatahun, bulan,
atau minggu)

Chart Title
25
27
22
24
21 17
18
12 13
15
12
9 6
3 4
6
3
2009 2010 2011 2012 2013 2014 2015 2016

4
 3. Diagram Lingkaran
Diagram linkaran terdiri dari sebuah lingkaran ang di bagi atas sekor-sekor.
Tiap sekor menunjuka banyak data. Luas stiap ekor data tergantung dari
besarnya proposi suatu data terhadap keseluruhan data yang ada.

Hasi Uji Statistik 40 Mahasiswa

Nilai A
5%
13% 20% Nilai B
Nilai C
25%
37% Nilai D
Nilai E

4. Diagram Pastel
Diagram pastel adalah versi bentuk dari diagram lingkaran. Sebenarnya
tidak ada perbedaan yang mendasar antara diagram lingkaran dengan
diagram pastel. Perbedaanya hanya dlam bentuk dimensi. Diagram
lingkaran berdimensi dua sedangkan diagam pastel berdimensi tiga

C. BAB III Ukuran Tendensi Sentral

Ukuran tendensi sentral adalah nilai yang menjadi pusat suatu sebaran. Yang
termasuk ukuran tendensi sentral antara lain adalah :

1. Nilai rata-rata atau Mean x

1.1 Rata-rata hitung data tunggal x 

x i

1.2 Rata-rata hitung data kelompok x 

x f i i

f i

n
1.3 Rata-rata Harmonis Rh 
1 1 1
  ..... 
x1 x2 xn
2. Median (Me)
Median dari sekumpulan bilangan ialah bilangan yang posisinya berada
ditengah-tengah setelah bilangan itu diurutkan. Untuk data dalam tabel
distribusi frekuensi dapat dilakukan dengan menggunkan rumus berikut :

5
 1
N  f sb
Me  Bb  2 i
f me
3. Modus (Mo)
Modus dari sekumpulan bilangan adalah bilangan yang paling sering muncul
atau yang memiliki frekuensi terbanyak. Untuk data dalam tabel distribusi
frekuensi dapat dilakukan dengan menggunakan rumus berikut :
d sb
Mo  Bb  i
d sb  d br

D. BAB IV Ukuran Dispersi

Dispersi adalah tersebarnya data di sekitar rata-rata. Ukuran dispersi ada
beberapa macam antara lain :
1. Rentang atau range atau jangkauan
Rentang atau range atau jangkauan terdiri dari beberapa, yaitu :
1. Rentang antar kuatil (RAK)
2. Deviasi Kuartil (DK)
3. Rentang (10-90) persentil
2. Deviasi rata-rata
Deviasi rata-rata adalah penyimpangan data sekitar rata-rata. Jadi deviasi rata-
rata adalah rata-rata dari seluruh penyimpangan data terhadap rata-ratanya.
3. Deviasi standar
Ukuran penyimpangan data yang paling penting dan paling banyak
penerapannya dalam statistika adalah diviasi standar. Deviasi standar sering
juga disebut juga simpangan baku.

E. BAB V Teori Sampel

Dalam Bab V ini tentang teori sampel menjelaskan bahwa teori sampel
mempelajari hubungan-hubungan yang ada antara satu atau lebih populasi dan
sampel-sampel yang diambil dari populasi tersebut. Lambang yang digunkan untuk
menunjukkan parameter suatu populasi adalah  , sedangkan standar deviasi dari
suatu populasi dilambangkan dengan  . Proporsi dari suatu populasi dilambangkan
dengan P . Ada beberapa cara menarik sampel dari suatu populasi, antara lain ; sampel

6
acak sederhana (SAS), sampel sistematik, sampel berlapis, sampel berkelompok,
distribusi sampling dan distribusi sampling rata-rata.
Sampel acak sederhana disingkat SAS adalah suatu metode pemilihan sampel
yang mana dalam setiap unit dalam populasi diberikan peluang yang sama untuk
terpilih dalam sampel. Sampel sistematik adalah suatu metode penarikan sampel yang
bisa diterima karena peluang bagi setiap unit diketahui dengan pasti dan kita bisa
menghitung sampling error. Sampel berlapis adalah suatu metode dimana elemen-
elemen dalam populasi dibagi-bagi dalam golongan-golongan, dan sebuah sampel acak
sederhana diambil dari setiap golongan, paling sedikit satu elemen dari masing-masing
golongan.

F. BAB VI Pendugaan (Estimasi)

Pendugaan merupakan satu kegiatan menemukan nilai atau selang tertentu
berdsarkan data-data pada sampel. Nilai yang diperoleh ini merupakan nilai yang
digunakan untuk menduga (menaksir) nilai parameter populasi dari mana asal
sampel tersebut diambil. Misalnya :
𝑋̅digunakan untuk menduga ( mengestimasi) μ
S2 digunakan untuk menduga (mengestimasi ) σ2
dan sebagainya
Pendugaan parameter populasi menghendaki keakuratan tertentu , supaya
pendugaan dapat dipertanggung jawabkan perlu dibahas sifat-sifat dari penduga
tersebut.
Sifat – sifat dari penduga (estimator)
1. Penduga tak bias
∑(x−x̅)2 n n n−1
s2 = sebab μs2 = n−1 μ = n−1 . σ2 = σ2 , s2 adalah penduga tak bias
n−1 n

dari σ2
2. Penduga Konsisten
3. Penduga Efesien
Penduga (estimasi) titik dan penduga interval
1. Pendugaan (estimasi) titik
2. Pendugaan (estimasi) interval
3. Derajat Kebebesan

7
 n

∑(x1 − ̅
X)2 adalah n − 1
i=1

4. Selang Kepercayaan (lanjutan) untuk sampel besar n ≥ 30

5. Selang Kepercayaan (lanjutan) untuk sampel kecil n ≤ 30

G. BAB VII Pengujian Hipotesis Statistika

Hipotesis dalam statistika memiliki makna yang sangat luas dan perlu pengujian
secara seksama berbasis data empiris dari sampel.Hipotesis dalam statistika bermaksa
pendugaan yang diungkapkan dengan kalimat pernytaan tentang parameter populasi.
Kalimat pernyataan ini dituliskan dalam simbol-simbol statistika yang sudah baku
digunakan diseluruh dunia. Pada hipotesis statistika dikenal lambang H o dan lambang
H1 atau Ha atau HT.
Beberapa langkah yang harus dilalui ketika akan melakukan prosedur
pengujian hipotesis statistika , yaitu:
1. Tulis dan rumuskan hipotesis nol ( Ho)
2. Rumuskan hipotesis alternatif yang sesuai dengan hipotesis penelitian dan
letakkan pada H1, atau pada Ha , atau pada HT.
3. Tetapkan tingkatsignifikan (α) misalnya α= 5%.
Pugujian signifikan rata-rata populasi
1. Jika varians populasi diketahui ( kasus ini tidak terjadi pada realitas kehidupan,
kecuali pada persoalan rekayasa atau berdasarkan pengalaman sebelumnya).
Apabila populasi berdistribusi normal dengan rata-rata μ dan varians σ2, maka : μ𝑥̅
2
𝜎2 x̅−μx̅ x̅−μ
= μ dan 𝜎 𝑥 = ( populsai besar) dimana n = ukuran sampel berarti Z = = σ
𝑛 σx
√n

Berdistribusi normal.
2. Varians populasi tidak diketahui ( pada umumnya kejadian ini adalah realita)
2 2 2
𝑠2
Untuk populasi besar , kita estimasi 𝜎 𝑥 dengan 𝑠 𝑥 dimana : 𝑠 𝑥 = selanjutnya kita
𝑛
𝑥̅ −𝜇0 𝑥̅ −𝜇
gunakan distribusi t , yaitu : 𝑡 = = 𝑠 dengan derajat kebebasan (n-1) .
𝑆𝑥̅
√𝑛

𝑥̅ −𝜇𝑜
Karena Ho : μ = μ0, maka 𝑡 = 𝑠
√𝑛

8
Pengujian perbedaan dua rata-rata populasi
1. Untuk sampel-sampel yang tidak berkolerasi Pengujian hipotesis untuk sampel-
̅ )2
∑(D−D n ∑(D)2 −(∑ D)2
sampel yang berkolerasi (data-data berpasangan) SD = √ =√ ,
n−1 n(n−1)

∑𝐷
maka rumus diatas dapat ditulis sebagai berikut: 𝑡 =
√(∑ 𝐷 2 −(∑ 𝐷)2 )/(𝑛−1)

H. BAB VIII Analisis Regresi

Analisis regresi adalah suatu kejadian untuk mengekplorasi sifat – sifat dari
hubungan diantara variabel – variabel. Pendugaan parameter regresi linier dapat
dilakukan secara manual atau dengan menggunakan SPSS. Ada dua kelompok analisis
regresi yakni regresi linier dan regresi nonlinier. Regresi linier dibagi dua, yaitu regresi
linier sederhana (terdiri dari satu variabel bebas) dan regresi linier berganda (variabel
bebas lebih dari satu).
 Regresi Linier Sederhana
Persamaan regresi linier sederhana yakni:
𝑌 = 𝛽0 − 𝛽1 𝑥 + 𝜀 dimana Y= Variabel acak
𝛽0 𝑑𝑎𝑛 𝛽1= parameter model
𝜀 = suatu kebenaran yang membuat nilai Y
menyimpang dari garis regresi.
Dalam regresi linier sederhana terdapat nilai-nilai 𝑏0 dan 𝑏1 yang mana nilai-nilai
∑ 𝑋𝑖 ∑ 𝑌𝑖 −𝑛 ∑ 𝑋𝑖 𝑌𝑖
ini merupakan penduga nilai 𝛽0 𝑑𝑎𝑛 𝛽1 . Untuk 𝑏1 = 2 dan untuk nilai
(∑ 𝑋𝑖 )2 −𝑛 ∑ 𝑋𝑖

𝑏0 = 𝑌̅ − 𝑏1 𝑋̅. Untuk mendapatkan suatu persamaan garis linier sederhana

sebagai penduga persamaan garis linier sederhana pada populasi maka
substitusikan nilai 𝑏0 dan 𝑏1 ke persamaan 𝑌̂ = 𝑏0 + 𝑏1 𝑋.
 Analisis Model Regresi Linier Ganda
Untuk regresi linier ganda, kita menggunakan metode Dootlitle untuk
menemukan koefisien persamaan garis linier ganda (lebih dari satu variabel
bebas). Maka, secara umum persamaan garis linier ganda adalah:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝜀𝑖 , 𝑖 = 1,2, … , 𝑛, 𝑛≥𝑘+1
Penggunaan metode Dootlitle adalah untuk mencari koefisien-koefisien
persamaan garis regresi linier baik sederhana maupun ganda.

9
  Ketepatan Garis Regresi

∑(𝑌𝑖 − 𝑌̅)2 = ∑(𝑌

̂𝑖 − 𝑌)2 + ∑(𝑌𝑖 − 𝑌
̂𝑖 )2

𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑖 𝑠𝑒𝑘𝑖𝑡𝑎𝑟 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 =

𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑎𝑘𝑖𝑏𝑎𝑡 𝑟𝑒𝑔𝑟𝑒𝑠𝑖 + 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑖𝑠𝑒𝑘𝑖𝑡𝑎𝑟 𝑟𝑒𝑔𝑟𝑒𝑠𝑖
 Analisis Korelasi
Analisis Korelasi yang dicari adalah derajat tingkat keeratan hubungan
variabel-variabel itu. Derajat tingkat hubungan tersebut dinyatakan dalam
koefisien yang disebut koefisien korelasi dan dilambangkan P (pada populasi)
dan r (pada sampel). Rumus koefisien korelasi pada sampel antara dua variabel
x dan y adalah:
𝑛 ∑𝑛𝑖−1 𝑥𝑖 𝑦𝑖 − ∑𝑛1=1 𝑥𝑖 ∑𝑛𝑖=1 𝑦𝑖
𝑟=
√{𝑛 ∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2 }{𝑛 ∑𝑛𝑖=1 𝑦𝑖 2 − (∑𝑛𝑖=1 𝑦𝑖 )2 }

 Regresi Linier dari y Terhadap x

Persamaan garis liniernya ŷ=𝑎𝑦𝑥 + 𝑏𝑦𝑥 dimana:
𝑛 ∑ 𝑥 2 ∑ 𝑦−∑ 𝑥 ∑ 𝑥𝑦 𝑛 ∑ 𝑥𝑦−∑ 𝑥 ∑ 𝑦
𝑎𝑦𝑥 = dan 𝑏𝑦𝑥 =
𝑛 ∑ 𝑥 2 −(∑ 𝑥)2 𝑛 ∑ 𝑥 2 −(∑ 𝑥)2

 Hubungan Regresi dan Korelasi

Hubungan korelasi antara x dan y, 1 atau -1, maka regresi y terhadap x dan
regresi x terhadap y identik. Dalam hal ini akan terjadi ‘prediksi sempurna“.
Dengan formula: 𝑟 = √𝑏𝑦𝑥 𝑏𝑥𝑦 .
 Interpretasi Koefisien Korelasi
Koefesien korelasi dapat diinterpretasikan sebagai :
1. Nilai r digunakan untuk mengukur “derajat korelasi”
2. Koefesien korelasi bukan suatu proporsi
3. Dalam memprediksi y dengan menggunakan x.

I. BAB IX Analisis Varians Klasifikasi Satu Arah

Dalam Bab IX tentang Analisis Varians Klasifikasi Satu Arah menjelaskan
tentang Pengantar; Notasi untuk Analisis Varians satu arah; Partisi Jumlah Kuadrat;
Pendugaan-pendugaan Varians; Analisis Varians dengan Dua Kelompok Data; Asumsi-
asumsi dasar pada Analisis Varians; dan Perbandingan Korelasi.

10
 Analisis varians atau yang sering disingkat sebagai ANAVA atau ANOVA konsep
dasarnya adalah partisi jumlah kuadrat yang dituangkan oleh teorema berikut: “Jumlah
kuadrat total sama dengan jumlah kuadrat perlakuan dan jumlah kuadrat kesalahan
atau galat”.
Analisis varians bertujuan untuk membandingkan rata-rata dari beberapa
populasi atau jika dikaitkan dengan suatu rancangan eksperimen maka analisis varians
bertujuan untuk menguji signifikansi perbedaan efek dari perlakuan-perlakuan
terhadap variabel terikat. Pada dasarnya, analisis varians merupakan perluasan dari
uji beda mean dari dua populasi. Dengan kata lain analisis varians adalah suatu cara
untuk melihat perbedaan rata-rata sekelompok data melalui pengujian variansinya.
Analisis varians dapat juga melihat pengaruh variabel bebas dan variabel kontrol
terhadap variabel terikat secara terpisah maupun secara bersama-sama.
Rata-rata tiap kelompok dinotasikan 𝑋̅=1, 𝑋̅=2,..., 𝑋̅=k maka 𝑋̅=j adalah rata-rata
∑ 𝑘 ̅
𝑋𝑚
kelompok ke-j dan 𝑋̅ = 𝑚=1𝑘 disebut rata-rata keseluruhan. Jumlah kuadrat deviasi

dari 𝑛𝑖 data (pengamatan) pada kelompok 1 terhadap rata-rata keseluruhan adalah

∑𝑘𝑚=1 𝑋̅𝑚 . Jumlah kuadrat deviasi dari 𝑛𝑗 data pengamatan pada kelompok j terhadap
𝑖=𝑗
rata-rata keseluruhan adalah ∑𝑖=1(𝑥𝑖𝑗 − 𝑋̅)2 . Untuk kelompok 𝑛𝑗 pengamatan, jumlah
kuadrat deviasi terhadap 𝑋̅ adalah ∑𝑘𝑗=1 ∑𝑛𝑖 ̅ 2
𝑖=1(𝑥𝑖𝑗 − 𝑋 ) .

Jumlah kuadrat total terdiri dari jumlah dua bagian yang saling bebas yaitu
jumlah kuadrat dalam kelompok dan jumlah kuadrat antar kelompok. Deviasi dari
suatu data tertentu terhadap rata-rata keseluruhan terdiri dari dua bagian yang
independen yaitu deviasi terhadap rata-rata kelompok dimana data itu terdapat dan
deviasi rata-rata kelompok terhadap rata-rata keseluruhan.
∑𝑘𝑗=1 ∑𝑛𝑖 ̅ 2 𝑘 𝑛𝑖 ̅ 2 𝑘 ̅ ̅ 2
𝑖=1(𝑥𝑖𝑗 − 𝑋 ) = ∑𝑗=1 ∑𝑖=1(𝑥𝑖𝑗 − 𝑋𝑖 ) + ∑𝑗=1 𝑛𝑗(𝑋𝑗 − 𝑋 )

Ket: Suku pertama ruas kiri adalah jumlah kuadrat total. Suku pertama ruas kanan
adalah jumlah kuadrat kelompok. Suku kedua ruas kanan adalah jumlah
kuadrat antar kelompok.
Jika hanya dua kelompok data, maka signifikansi dari perbedaan antara rata-
rata dapat diuji menggunakan uji t atau dengan analisis varians.
→Bila k=2 bisa ditunjukkan bahwa √𝐹 = 𝑡

11
 𝑛(𝑥1 −𝑋̅ )2 +𝑛(𝑥2 −𝑋̅)2
→Bila k=2 dan 𝑛1 = 𝑛2 = 𝑛, pendugaan 𝑆𝑏 2 adalah 𝑆𝑏 2 = , bila k=2,
2−1

pendugaan varians dalam kelompok 𝑆𝜔2 adalah pendugaan tak bias dari 𝑆 2 ,
(𝑋̅1 −𝑋̅2 )2 (𝑋̅1 −𝑋̅2 )2
selanjutnya 𝐹 = 2 dan √𝐹 = = 𝑡. Jadi √𝐹 = 𝑡 atau 𝐹 = 𝑡 2 .
𝑆2( ) 𝑆√ +
1 1
𝑛
𝑛 𝑛

Banyaknya derajat bebas yang berpadan dengan baris adalah R-1. Banyak derajat
∑𝑘𝑗=1 𝑛𝑗 (𝑋̅𝑗 − 𝑋̅)2
2
𝑆𝜔 =
𝑁−𝐾
Jumlah kuadrat dalam kelompok dibagi dengan derajat bebasnya disebut
∑𝑘 ̅ ̅ 2
𝑗=1 𝑛𝑗 (𝑋𝐽 −𝑋 )
sebagai penduga varians antarkelompok, yaitu: 𝑆𝑏 2 = 𝑘−1

Jika hanya dua kelompok data, maka signifikansi dari perbedaan antara rata-
rata dapat diuji menggunakan uji t atau dengan analisis varians.
→ Bila k=2 bisa ditunjukkan bahwa √𝐹 = 𝑡
𝑛(𝑥1 −𝑋̅ )2 +𝑛(𝑥2 −𝑋̅)2
→ Bila k=2 dan 𝑛1 = 𝑛2 = 𝑛, pendugaan 𝑆𝑏 2 adalah 𝑆𝑏 2 = , bila k=2,
2−1

pendugaan varians dalam kelompok 𝑆𝜔2 adalah pendugaan tak bias dari 𝑆 2 ,
(𝑋̅1 −𝑋̅2 )2 (𝑋̅1 −𝑋̅2 )2
selanjutnya 𝐹 = 2 dan √𝐹 = = 𝑡. Jadi √𝐹 = 𝑡 atau 𝐹 = 𝑡 2 .
𝑆2 ( ) 1 1
𝑆√ +
𝑛
𝑛 𝑛

Penggunaan analisis varian membutuhkan asumsi-asumsi tertentu. Karena

analisis varians merupakan perluasan dari uji beda dua rata-rata dari dua populasi,
maka asumsi untuk analisis varians tidak berbeda dengan asumsi pada uji beda rata-
rata dua populasi. Asumsi yang dimaksud adalah: (1) populasi-populasi berdistribusi
normal (sifat normalitas dipenuhi); (2) populasi-populasi bervariasi sama (sifat
homogenitas dipenuhi); (3) sampel dipilih secara acak. Apabila asumsi-asumsi ini
belum dipenuhi dibutuhkan tindakan khusus sebelum kita memutuskan menggunakan
metode statistika lainnya seperti statistika non parametrik. Tindakan khusus tersebut
adalah transformasi data. Penggunaan analisis varians adalah tepat apabila
terpenuhinya asumsi homogenitas varian, kenormalan, dan “additive”. Jika pada suatu
data anggapan-anggapan tersebut jelas tidak dipenuhi, maka digunakan transformasi
sederhana, hasil suatu himpunan nilai transformasi yang lebih sesuai/teliti pada satu
atau lebih anggapan yang cocok menggunakan analisis yang dikehendaki.
Sebuah analisis varians satu arah memerlukan dua variabel, yakni: variabel
bebas dan variabel terikat. Jumlah kuadrat total (𝐽𝑘𝑡𝑜𝑡 ) dibagi dua bagian yakni jumlah

12
kuadrat antar kelompok (𝐽𝑘𝑎𝑛𝑡 ) dan jumlah kuadrat dalam kelompok (𝐽𝑘𝑑𝑎𝑙 ). Untuk
pengujian apakah sebuah perbandingan korelasi berbeda secara signifikan dari 0,
dapat digunakan formula berikut:
𝜂2 𝑦𝑘 /(𝑘 − 1)
𝐹=
(1 − 𝜂2 𝑦𝑘 )/(𝑁 − 𝐾)

J. BAB X Analisis Varians Klasifikasi Dua Arah

Percobaan dengan klasifikasi dua arah dapat ditunjukkan dengan hanya satu
unit sampling dan satu data (pengukuran) untuk masing – masing percobaan. Apabila
jumlah kuadrat masing-masing diatas dibagi oleh derajat bebasnya maka akan
diperoleh empat penduga varians. Jika hanya satu data (pengukuran) dalam
kombinasi baris (R) dan kolom (c) perlakuan percobaan , maka jumlah kuadrat total
(Jk tot) dapat dipartisi menjadi 3 komponen yaitu : JK antar Baris, JK antar kolom dan
JK interaksi.
Struktur tabel analisis varians dua arah
Suber Variasi Db Jumlah Kuadrat Penduga
Varians
Baris R-1 𝑅 JK /db
𝑛𝐶 ∑(𝑋̅𝑟. . −𝑋̅ … )2
𝑟=1

Kolom C-1 𝐶 JK/db

𝑛𝑅 ∑(𝑋̅𝑐. . −𝑋̅ … )2
𝑟=1

Interaksi baris (R-1)(C- 𝑅 𝐶 JK/db

x kolom 1) 𝑛 ∑ ∑(𝑋̅𝑟𝑐. . −𝑋̅𝑟. . −𝑋̅. 𝑐. +𝑋
̅̅̅̅̅
…) 2

𝑟=1 𝑟=1

Dalam sel RC(n-1) 𝑅 𝐶 𝑛 JK/db

∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅𝑟𝑐. )2
𝑟=1 𝑐=1 𝑖=1

total nRC-1 𝑅 𝐶 𝑛

∑ ∑ ∑(𝑋𝑟𝑐𝑖 − 𝑋̅. . . )2
𝑟=1 𝑐=1 𝑖=1

K. BAB XI Analisis Varians Klasifikasi Tiga Arah

Beberapa percobaan ada yang menggunakan analisis varians klasifikasi tiga
arah. Percobaan-percobaan tersebut melibatkan tiga faktor sekaligus. Setiap faktor

13
memuat lebih dari satu kategori. Apabila pada suatu percobaan memuat tiga faktor
sekaligus, faktor pertama memuat 2 kategori, faktor kedua memuat 3 kategori dan
faktor ketiga memuat 4 kategori maka dikatakan percobaan tersebut memiliki ukuran
percobaan 2× 3 × 4 faktorial. Pada percobaan dengan klasifikasi tiga arah dan n data
dalam tiap sel, jumlah kuadrat total dipartisi ke dalam delapan jumlah kuadrat yang
independen. Kedelapan jumlah kuadrat tersebut adalah jumlah kuadrat antar baris,
jumlah kuadrat antar kolom, jumlah kuadrat antar lapisan, jumlah kuadrat antar baris
dan kolom, jumlah kuadrat antar baris dan lapisan, jumlah kuadrat antar kolom dan
lapisan, jumlah kuadrat antar baris, kolom dan lapisan dan jumlah kuadrat dalam sel.
Setiap jumlah kuadrat berpadanan dengan jumlah derajat bebasnya.
Penurunan Rumus Analisis Varians Tiga Arah
Sumber Db Jumlah Kuadrat Penduga
Varians Varians
Baris R-1 𝑅
𝑠𝑟2
𝑛𝐶𝐿 ∑(𝑋̅𝑟 … . − 𝑋.
̅ … )2
𝑟=1

Kolom C-1 𝐶
𝑠𝑐2
̅ 𝑐. . −𝑋.
𝑛𝑅𝐿 ∑(𝑋. ̅ … )2
𝑐=1

Lapisan L-1 𝐿
̅̅̅̅. 𝑙. . −𝑋.
̅ … )2 𝑠𝑙2
𝑛𝐶𝑅 ∑ ∑ (𝑋.
𝑙=1

Interaksi (R-1)(C-1) 𝑅 𝐶
𝑠𝑟2𝑐
̅̅̅̅̅
𝑛𝐿 ∑ ∑(𝑋 ̅̅̅
𝑟𝑐.. − 𝑋𝑟 …
baris x kolom
𝑟−1 𝑐=1

Interaksi (R-1)(L-1) 𝑅 𝐿
𝑠𝑟2𝑙
̅̅̅̅̅
𝑛𝐶 ∑ ∑(𝑋 ̅
𝑟.𝑙.. − 𝑋𝑟 …
baris x lapisan
𝑟=1 𝑙=1
̅̅̅̅. 𝑙. +𝑋.
− 𝑋. ̅ … )2
Interaksi (C-1)(L-1) 𝐶 𝐿 2
𝑠𝑐𝑙
̅̅̅̅̅
𝑛𝑅 ∑ ∑(𝑋. 𝑐𝑙.
kolom x
𝑐=1 𝑙=1
lapisan − 𝑋̅. 𝑐. . −𝑋.
̅̅̅̅. 𝑙. +𝑋.
̅ … )2
Interaksi (R-1)(C- 𝑅 𝐶 𝐿 2
𝑠𝑟𝑐𝑙
𝑛 ∑ ∑ ∑(𝑋̅𝑟𝑐𝑙.
baris x kolom 1)(L-1)
𝑟=1 𝑐=1 𝑙=1
x lapisan − 𝑋̅𝑟𝑐. . −𝑋̅𝑟. 𝑙. −𝑋.
̅ 𝑐𝑙. +𝑋̅𝑟 …
̅ 𝑐. . +𝑋.
+ 𝑋. ̅ 𝑙. −𝑋.
̅ … )2

14
 Dalam sel RCL(n-1) 𝑅 𝐶 𝐿 𝑛
𝑠𝑤2
∑ ∑ ∑ ∑(𝑋𝑟𝑐𝑙𝑖 − 𝑋̅𝑟𝑐𝑙 . )2
𝑟=1 𝑐=1 𝑙=1 𝑖=1

Total nRCL-1 𝑅 𝐶 𝐿 𝑛

∑ ∑ ∑ ∑(𝑋𝑟𝑐𝑙𝑖 − 𝑋̅ … )2
𝑟=1 𝑐=1 𝑙=1 𝑖=1

L. BAB XII Analisis Covarian

Analisis covarian adalah prosedur pengolahan data statistik dengan
persyaratan memiliki variabel pengiring (concomitan variable). Variabel pengiring ini
harus merupakan variabel yang bebas dari perlakuan yang dikenakan pada sampel
percobaan, namun diduga memiliki pengaruh yang besar terhadap hasil pengukuran
variabel respon. Dengan perkataan lain terdapat korelasi yang signifikan antara
variabel pengiring dan variabel respon. Juka korelasi tersebut tidak signifikan atau
variabel pengiring tidak independen dari perlakuan yang dikenakan pada sampel
percobaan maka jumlah kuadrat error pada analisis covarian sama saja dengan jumlah
kuadrar error pada analisis varian. Artinyan pamakaian analisis covarian tidak lebih
baik dibandingkan dengan penggunaan analisis varian. Analisis covarian merupakan
kombinasi dari analisis varians dan analisis regresi. Anailisis covarian membantu
peneliti mereduksi galat (error) yang relatif besar yang sering muncul pada analisis
varians. Galat ini seakan dapat diminimalisir dengan adanya variabel pengirirng pada
analisis covarian. Pada penelitian kependididkan khususnya penelitian berjenis
eksperimen semu (quasi experiment) analisis covarian kerap digunakan. Model
analisis covarian yang sering diterapkan adalah analisis covarian satu faktor dalam
rancangan acak lengkap (RAL), analisis covarian lebih dari satu faktor dalam
rancangan acak kelompok (RAK) dan analisis covarian dalam rancangan bujur sangkar
latin (RBL).
 Analisis covarian satu faktor dalam rancangan acak lengkap (RAL)
Model matematis rancangan acak lengkap: 𝑌𝑖𝑗 = 𝜇 + 𝛼1 + 𝛽(𝑥𝑖𝑗 − 𝑋̅ … ) + 𝜀𝑖𝑗 ,
i=1,2,3,.. dan j=1,2,3,...
 Analisis covarian dua faktor dalam rancangan acak kelompok (RAK)
Model matematis RAL: 𝑌𝑖𝑗𝑘 = 𝜇. . +𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝛾(𝑥𝑖𝑗𝑘 − 𝑋̅ … ) + 𝜀𝑖𝑗𝑘 ,
dengan i=1,2,...,a ; j=1,2,..,b ; k=1,2,3,...,n.

15
M. BAB XIII Soal-Soal dan Jawaban
Pada buku statistika terapan untuk quasi dan pure experiment ini pada Bab XII
diberikan soal-soal serta jawaban terkait pembahasan-pembahasan sebelumnya.

N. BAB XIV Analisis Faktor Konfirmatori

Analisis covarian merupakan kombinasi dari analisis varians dn analisis regresi.
Analisis covarian membantu peneliti mereduksi galat (error) yang relatif besar yang
sering muncul pada analisis varians. Galat ini akan dapat diminimalisir dengan adanya
variabel pengiring pada analisis covarian.
1. Analisis Covarian Satu Faktor dalam Rancangan Acak Lengkap (RAL)
Model matematis analisis covarian satu faktor dalam rancangan acak lengkap
yaitu:
𝑌𝑖𝑗= 𝜇 + 𝛼𝑖 + 𝛽(𝑋𝑖𝑗 − 𝑋̅.. ) + 𝜀𝑖𝑗 ; 𝑖 = 1,2, … , j ; j = 1,2,3, … , nj
2. Analisis Covarian Dua Faktor dalam Rancangan Acak Kelompok (RAK)
Model matematis analisis covarian dua faktor dengan variabel pengiring
(concomitan)tunggal adalah sebagai berikut:
𝑌𝑖𝑗= 𝜇. . +𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝛾(𝑋𝑖𝑗𝑘 − 𝑋̅… )+𝜀𝑖𝑗𝑘 ; 𝑖 = 1,2, … , a ; j = 1,2, … , b; k
= 1,2,3, … , n

O. BAB XV Materi Pendukung

Peluang adalah suatu nilai antara 0 sampai 1 yang menunjukkan kemungkinan
suatu peristiwa akan terjadi.
 Sebuah Eksperimen adalah pengamatan atas beberapa kegiatan atau suatu
pengukuran.
 Sebuah hasil adalah keluaran tertentu dari sebuah eksperimen.
 Suatu kejadian adalah kumpulan satu hasil atau lebih dari sebuah eksperimen.
Beberapa kejadian dikatakan saling bebas jika kemunculan suatu kejadian tidak
memengaruhi kemunculan kejadian yang lainnya.
Aturan penjumlahan mengacu pada gabungan dari beberapa kejadian.
1. Aturan penjumlahan khusus digunakan ketika kejadian-kejadiannya tidak
terikat satu sama lain.

16
 2. Aturan penjumlahan umum digunakan ketika kejadian-kejadiannya terikat satu
sama lain.

3. Aturan komplemen digunakan untuk menentukan peluang suatu kejadian yang

muncul dengan mengurangi peluang ketidakmunculan kejadian tersebut dari
nilai 1.

Aturan perkalian mengacu pada hasil kali dari beberapa kejadian.

1. Aturan perkalian khusus mengacu pada kejadian-kejadian yang saling bebas.

2. Aturan perkalian umum mengacu pada kejadian-kejadian yang tidak saling

bebas.

Peluang bersyarat adalah peluang munculnya suatu kejadian, jika diketahui

suatu kejadian lain telah terjadi.
Teorema Bayes
Metode untuk menghitung peluang dengan syarat ada informasi tambahan
yang diperoleh. Untuk dua kejadian tidak terikat satu sama lain dan membentuk
kumpulan kejadian lengkap.

Aturan untuk menghitung jumlah hasil dari suatu eksperimen

1. Aturan perkalian menyatakan bahwa jika terdapat m cara suatu kejadian dapat
terjadi dan n carasuatu kejadian lain dapat terjadi maka terdapat mn cara untuk
dua kejadian tersebut.

2. Permutasi adalah susunan objek-objek yang dipilih dari sekelompok objek

tertentu yang urutannya penting.

3. Kombinasi adalah susunan objek-objek yang dipilih dari sekelompok objek

tertentu yang urutannya tidak penting.

17
 BAB 3
PEMBAHASAN

A. Pembahasan Isi Buku

a. BAB I Statistika
Statistika menurut buku yang direview adalah ilmu yang mempelajari tenteng
metode pengumpulan, pengolahan, panafsiran, serta penarikan kesimpulan dari data
yang dikumpulkan/diperoleh. Sedangkan menurut Sudjana (2015:3) statistika adalah
pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan dan
penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dari
penganalisisan yang dilakukan. Kemudian menurut Boediono (2002:5) statistika
adalah pengetahuan yang berkaitan dengan metode, Teknik, atau cara untuk
mengumpulkan data, mengolah data, menyajikan data, menganalisis data, dan menarik
kesimpulan atau menginterpretasikan data.
Berdasarkan ketiga pendapat di atas, statistika adalah ilmu yang mempelajari
tentang cara-cara pengumpulan, pengolahan, menganalisis dan penarikan kesimpulan
berdasarkan kumpulan data yang dilakukan.

b. BAB II Penyajian Data

Menurut isi ketiga buku yang direview, yaitu penyajian data dapat disajikan
dalam berbagai cara, yaitu dengan tabel/ daftar dan grafik/ diagram. Cara tabel/daftar
dibagi menjadi daftar baris kolom, daftar kontingensi dan tabel distribusi frekuensi,
sedangkan cara grafik/ diagram dibagi menjadi diagram batang, garis, lambang/
simbol, pastel/ lingkaran, peta/kartogram, dan diagram pencar/ titik.

c. BAB III Ukuran Tendensi Sentral

Pada pembahasan ukuran tendensi sentral ini ketiga buku baik itu buku yang
direview maupun dua buku pembanding menjelaskan hal yang sama yaitu
Mean,Median, Modus :

4. Nilai rata-rata atau Mean x

4.1 Rata-rata hitung data tunggal x 

x i

18
 4.2 Rata-rata hitung data kelompok x 
x f
i i

f i

n
4.3 Rata-rata Harmonis Rh 
1 1 1
  ..... 
x1 x2 xn
5. Median (Me)
Median dari sekumpulan bilangan ialah bilangan yang posisinya berada
ditengah-tengah setelah bilangan itu diurutkan. Untuk data dalam tabel
distribusi frekuensi dapat dilakukan dengan menggunkan rumus berikut :
1
N  f sb
Me  Bb  2 i
f me
6. Modus (Mo)
Modus dari sekumpulan bilangan adalah bilangan yang paling sering muncul
atau yang memiliki frekuensi terbanyak. Untuk data dalam tabel distribusi
frekuensi dapat dilakukan dengan menggunakan rumus berikut :
d sb
Mo  Bb  i
d sb  d br

d. BAB IV Ukuran Dispersi

Menurut isi ketiga buku yang direview, yaitu dispersi adalah tersebarnya data
di sekitar rata-rata.
Ukuran dispersi ada beberapa macam antara lain :
4. Rentang atau range atau jangkauan
Rentang atau range atau jangkauan terdiri dari beberapa, yaitu :
4. Rentang antar kuatil (RAK)
5. Deviasi Kuartil (DK)
6. Rentang (10-90) persentil
5. Deviasi rata-rata
Adalah penyimpangan data sekitar rata-rata. Jadi deviasi rata-rata adalah rata-
rata dari seluruh penyimpangan data terhadap rata-ratanya.
6. Deviasi standar

19
 Ukuran penyimpangan data yang paling penting dan paling banyak
penerapannya dalam statistika adalah diviasi standar. Deviasi standar sering
juga disebut juga simpangan baku.

e. BAB V Teori Sampel

Menurut buku yang direview, ada beberapa cara menarik sampel dari suatu
populasi, antara lain sampel acak sederhana (SAS), sampel sistematik, sampel berlapis,
sampel berkelompok, distribusi sampling dan distribusi sampling rata-rata. Menurut
Sudjana (2015:165) ada dua perlakuan yang di kenal ketika anggota populasi diambil
untuk menjadi sampel, yaitu ketika anggota yang telah diambil untuk dijadikan anggota
sampel disimpan kembali disatukan dengan anggota lainnya dan anggota yang telah
terambil untuk dijadikan anggota sampel tidak disimpan kembali ke dalam populasi.
Dari hal tersebut terdapat 3 cara untuk memperoleh agar sampel yang representative,
yaitu sampling seadanya, sampling pertimbangan atau purposive dan sampling
peluang.
Sedangkan menurut Boediono (2002:367) teknik penarikan sampel pada
dasarnya dapat dikelompokkan menjadi dua, yaitu probability sampling (meliputi
simple random sampling, proportionate stratified random sampling, disproportionate
stratified random sampling, area sampling) dan non probability sampling (meliputi
sampling sistematis, sampling kouta, sampling insidental, purposive sampling,
sampling jenuh, snowball sampling).
Berdasarkan ketiga pendapat di atas, cara menarik sampel dari suatu populasi
dikelompokkan menjadi dua, yaitu probability sampling (meliputi simple random
sampling, proportionate stratified random sampling, disproportionate stratified
random sampling, area sampling) dan non probability sampling (meliputi sampling
sistematis, sampling kouta, sampling insidental, purposive sampling, sampling jenuh,
snowball sampling).

f. BAB VI Pendugaan (Estimasi)

Menurut buku yang direview, pendugaan (estimasi) merupakan suatu kegiatan
menemukan nilai atau selang tertentu berdasarkan data-data pada sampel. Penduga
(estimator) memiliki beberapa sifat yang harus dipenuhi, yaitu :

20
 1. Penduga tak bias
Sebuah statistik disebut penduga (estimator) tak bias, bila rata-rata dari
distribusi sampel statistik sama dengan parameter populasi yang
berkorespondensi dengan statistik tersebut, , dan disebut bias bila sebaliknya.
2. Penduga konsisten
Suatu penduga dikatakan konsisten jika ukuran sampel yang diperbesar, maka
nilai penduga semakin mendekati nilai parameter populasi.
3. Penduga efisiensi
Pendugaan titik dari suatu parameter populasi adalah pendugaan yang
diberikan berupa sebuah bilangan saja. Pendugaan interval dari sebuah suatu
parameter adalah estimasi yang diberikan terletak dalam suatu interval
tertentu.
Sementara menurut dua buku pembanding tidak ada pembahasan tentang
materi tersebut.

g. BAB VII Pengujian Hipotesis Statistika

Menurut buku yang direview, pengujian hipotesis statistika meliputi pengujian
signifikansi rata-rata populasi dan pengujian perbedaan dua rata-rata populasi.
Pengujian signifikansi rata-rata populasi dibagi menjadi dua bagian, yaitu jika varians
populasi diketahui dan jika varians populasi tidak diketahui. Sedangkan pengujian
perbedaan dua rata-rata populasi dibagi menjadi sampel-sampel yang tidak
berkorelasi.
Sedangkan menurut Sudjana (2015:225) pengujian hipotesis statistika dibagi
menjadi beberapa macam, yaitu pengujian rata-rata dua pihak dan satu pihak,
pengujian proporsi dua pihak dan satu pihak, pengujian varians, pengujian kesamaan
dua rata-rata dua pihak dan satu pihak, pengujian kesamaan dua proporsi dua pihak
dan satu pihak, dan pengujian kesamaan dua varians.
Selanjutnya menurut Boediono (2002:440) pengujian hipotesis terbagi dua
yaitu dengan sampel besar dan sampel kecil. Untuk pengujian hipotesi untuk sampel
besar meliputi pengujian parameter rata-rata populasi, pengujian parameter proporsi
populasi, pengujian parameter beda dua rata-rata dari dua populasi, pengujian
parameter beda dua proporsi dari dua populasi. Sedangkan untuk pengujian sampel

21
kecil meliputi pengujian parameter rata-rata dari populasi dimana 𝜎 2 tidak diketahui
dan pengujian parameter beda dua rata-rata dari dua populasi
Berdasarkan ketiga pendapat di atas, pengujian hipotesis statistika meliputi
pengujian hipotesis deskriptif (satu sampel) dan pengujian hipotesis komparatif (dua
sampel atau lebih). Pengujian hipotesis deskriptif dibagi menjadi pengujian rata-rata
dua pihak dan satu pihak, pengujian proporsi dua pihak dan satu pihak, dan pengujian
varians. Sedangkan pengujian hipotesis komparatif pengujian kesamaan dua rata-rata
dua pihak dan satu pihak, pengujian kesamaan dua proporsi dua pihak dan satu pihak,
dan pengujian kesamaan dua varians.

h. BAB VIII Analisis Regresi

Menurut buku yang direview, analisis regresi menjelaskan tentang pendugaan
parameter persamaan garis regresi linier, ketepatan garis regresi, pembacaan makna output
SPSS, analisis korelasi, prediksi dan interpretasi korelasi, regresi linier dari Y terhadap X,
hubungan antara regresi dan korelasi, menginterpretasi koefisien korelasi, dan kesalahan
baku prediksi. Pada pembahasan analisis linier ganda memiliki cara mudah dalam
menyelesaikannya secara manual yaitu dengan menggunakan metode doolitle.
Menurut Sudjana (2015:310), analisis regresi dipisahkan bab nya dengan
analisis korelasi. Pada analisis regresi menjelaskan tentang hubungan fungsional
antara variabel, metoda tangan bebas, metoda kuadrat terkecil untuk regresi linier,
berbagai varians sehubungan dengan regresi linier sederhana, interval kepercayaan
sehubungan dengan regresi linier, menguji hipotesis sehubung dengan regresi linier
sederhana, uji kelinieran regresi, regresi nonlinier, regresi ganda, dan uji regresi linier
ganda. Sedangkan pada analisis korelasi membahas tentang indeks determinan,
korelasi dalam regresi linier, koefisien korelasi untuk data dalam daftar distribusi
frekuensi, distribusi sampling koefisien korelasi, menaksir koefisien korelasi p,
menguji hipotesis p, korelasi ganda dan korelasi parsial, uji koefisien regresi ganda,
korelasi biseri.
Menurut Boediono (2002:170) analisis regresi dan korelasi digabung menjadi
satu bab dalam buku ini dimana analisis regresi menjelaskan tentang regresi linier
sederhana dan analisis korelasi membahas koefisien korelasi.

22
 Berdasarkan pendapat buku diatas, dalam konteks penerapannya, buku yang
direview lebih menjelaskan mengenai aplikasi penerapannya dalam bidang
pendidikan, begitu juga dengan buku pembandingnya, hanya saja didalam buku
pembanding tidak memiliki cara mudah dalam menyelesaikan atau mencari analisis
regresi linier ganda, yaitu dengan menggunakan metode doolitle. Sedangkan untuk
buku pembanding karangan Sudjana tidak hanya menerapkan dalam bidang
pendidikan saja akan tetapi juga membahas penerapan yang terdapat pada contoh
mengenai biologi, kedokteran, farmasi, dll.

i. BAB IX Analisis Varians Klasifikasi Satu Arah

Menurut isi buku yang direview, analisis varians klasifikasi satu arah menjelaskan
tentang Pengantar; Notasi untuk Analisis Varians satu arah; Partisi Jumlah Kuadrat;
Pendugaan-pendugaan Varians; Analisis Varians dengan Dua Kelompok Data; Asumsi-
asumsi dasar pada Analisis Varians; dan Perbandingan Korelasi.
Analisis varians klasifikasi satu arah juga mengkaji tentang analisis varians
klasifikasi satu arah. Analisis varians atau yang sering disingkat sebagai ANAVA atau
ANOVA konsep dasarnya adalah partisi jumlah kuadrat yang dituangkan oleh teorema
berikut: “Jumlah kuadrat total sama dengan jumlah kuadrat perlakuan dan jumlah kuadrat
kesalahan atau galat”.
Penggunaan analisis varian membutuhkan asumsi-asumsi tertentu. Karena analisis
varians merupakan perluasan dari uji beda dua rata-rata dari dua populasi, maka asumsi
untuk analisis varians tidak berbeda dengan asumsi pada uji beda rata-rata dua populasi.
Asumsi yang dimaksud adalah: (1) populasi-populasi berdistribusi normal (sifat normalitas
dipenuhi); (2) populasi-populasi bervariasi sama (sifat homogenitas dipenuhi); (3) sampel
dipilih secara acak. Apabila asumsi-asumsi ini belum dipenuhi dibutuhkan tindakan khusus
sebelum kita memutuskan menggunakan metode statistika lainnya seperti statistika non
parametrik. Tindakan khusus tersebut adalah transformasi data.
Menurut Sudjana (2015:300) Penggunaan analisis varians adalah tepat apabila
terpenuhinya asumsi homogenitas varian, kenormalan, dan “additive”. Jika pada suatu data
anggapan-anggapan tersebut jelas tidak dipenuhi, maka digunakan transformasi sederhana,
hasil suatu himpunan nilai transformasi yang lebih sesuai/teliti pada satu atau lebih anggapan
yang cocok menggunakan analisis yang dikehendaki.

23
 Sementara untuk buku pembanding lainnya tidak ada membahas mengenai
materi analisis varians klasifikasi satu arah.

j. BAB X Analisis Varians Klasifikasi Dua Arah

Menurut isi buku yang direview, percobaan klasifikasi dua arah dapat ditunjukkan
dengan hanya satu unit sampling dan satu data (pengukuran) untuk masing-masing
percobaan. Dengan satu data (pengukuran) untuk masing-masing percobaan maka Jumlah
Kuadrat total  JKtot  dipartisi kedalam tiga komponen yaitu: jumlah kuadrat antar baris,

jumlah kuadrat antar kolom, dan jumlah kuadrat interaksi antara baris dan kolom. Jika lebih
dari satu data (ukuran) pada masing-masing percobaan, maka Jumlah Kuadrat total  JKtot 

dipartisi menjadi empat komponen yaitu: jumlah kuadrat antar baris, jumlah kuadrat antar
kolom, jumlah kuadrat interaksi antara baris dan kolom, dan jumlah kuadrat dalam sel.
Masing-masing jumlah kuadrat perpadanan dengan derajat bebasnya (db). Apabila jumlah
kuadrat masing-masing di atas dibagi oleh derajat bebasnya maka akan diperoleh empat
penduga varians. Penduga-penduga varians ini digunakan untuk menguji signifikansi dari
perbedaan antara rata-rata baris, perbedaan antara rata-rata kolom, dan pengaruh interaksi
antara baris dan kolom.
Jika hanya satu data (pengukuran) dalam kombinasi baris (R) dan kolom (C)
perlakuan percobaan, maka jumlah kuadrat total  JKtot  dapat dipartisi menjadi tiga

komponen yaitu: JK antar baris, JK antar kolom, dan JK interaksi antara baris dan kolom.
Sementara menurut dua buku pembanding tidak ada pembahasan tentang
materi tersebut.

k. BAB XI Analisis Varians Klasifikasi Tiga Arah

Menurut isi buku yang direview, beberapa percobaan ada yang menggunakan
analisis varians klasifikasi tiga arah. Percobaan-percobaan tersebut melibatkan tiga faktor
sekaligus dan setiap faktor memuat lebih dari satu kategori. Pada percobaan dengan
klasifikasi tiga arah dan n data dalam tiap sel, jumlah kuadrat total dipartisi kedalam delapan
jumlah kuadrat yang independen. Kedelapan jumlah kuadrat tersebut adalah jumlah kuadrat
antar baris, jumlah kuadrat antar kolom, jumlah kuadrat antar lapisan (ketiganya disebut
jumlah kuadrat pengaruh utama), jumlah kuadrat antar baris dan kolom, jumlah kuadrat antar
baris dan lapisan, jumlah kuadrat antar kolom dan lapisan, jumlah kuadrat antar baris,

24
kolom, dan lapisan (keempatnya disebut jumlah kuadrat interaksi), dan jumlah kuadrat
dalam sel. Setiap jumlah kuadrat berpadanan dengan jumlah derajat bebasnya.
Sebagaimana pada analisis varians klasifikasi satu arah dan klasifikasi dua arah,
penurunan formula yang terdapat dalam tabel analisis varians diperoleh dari identitas
matematika yang dirancang sebelumnya yang mengarah pada partisi jumlah kuadrat total
menjadi jumlah kuadrat antar baris, jumlah kuadrat antar kolom, dan seterusnya.
Sementara menurut dua buku pembanding tidak ada pembahasan tentang
materi tersebut.
l. BAB XII Analisis Covarian
Menurut isi buku yang direview, analisis covarian adalah prosedur pengolahan
data statistik dengan persyaratan memiliki variabel pengiring (concomitan variable).
Variabel pengiring ini harus merupakan variabel yang bebas dari perlakuan yang
dikenakan pada sampel percobaan, namun diduga memiliki pengaruh yang besar
terhadap hasil pengukuran variabel respon. Dengan perkataan lain terdapat korelasi
yang signifikan antara variabel pengiring dan variabel respon. Juka korelasi tersebut
tidak signifikan atau variabel pengiring tidak independen dari perlakuan yang
dikenakan pada sampel percobaan maka jumlah kuadrat error pada analisis covarian
sama saja dengan jumlah kuadrar error pada analisis varian. Artinyan pamakaian
analisis covarian tidak lebih baik dibandingkan dengan penggunaan analisis varian.
Analisis covarian merupakan kombinasi dari analisis varians dan analisis regresi.
Anailisis covarian membantu peneliti mereduksi galat (error) yang relatif besar yang
sering muncul pada analisis varians. Galat ini seakan dapat diminimalisir dengan
adanya variabel pengirirng pada analisis covarian. Pada penelitian kependididkan
khususnya penelitian berjenis eksperimen semu (quasi experiment) analisis covarian
kerap digunakan. Model analisis covarian yang sering diterapkan adalah analisis
covarian satu faktor dalam rancangan acak lengkap (RAL), analisis covarian lebih dari
satu faktor dalam rancangan acak kelompok (RAK) dan analisis covarian dalam
rancangan bujur sangkar latin (RBL).
Sementara menurut dua buku pembanding tidak ada pembahasan tentang
materi tersebut.

25
 m. BAB XIII Soal-Soal dan Jawaban
Pada buku statistika terapan untuk quasi dan pure experiment ini pada Bab XII
diberikan soal-soal serta jawaban terkait pembahasan-pembahasan sebelumnya.

n. BAB XIV Analisis Faktor Konfirmatori

Menurut isi buku yang direview, anailis faktor awalnya dikembangkan untuk
mengakomodasi penelitian-penelitian perilaku dan penelitian-penelitian sosial. Pada
penelitian perilaku dan penilitian-penelitian sosial variabel yang akan diukur pada
umumnya sulit di observasi langsung. Namun demikian variabel itu dapat diobservasi
melalui indikator-indikatornya misalnya variabel bakat, sikap, kinerja, kecemasan,
image, inovasi hanya dapatn diukur melalui indikator-indikatornya. Analisis faktor
merupakan salah satu teknik yang dikembangkan untuk mengukur variabel-variabel
ini. Analisis faktor dapat di klasifikasikan atas dua bagian yaitu analisis faktor
eksploratori dan analisis faktor konfirmatori. Pada analisis faktor eksploratori teori
yang mendasarinya tidak diketahui. Data yang digunakan untuk membantu
mengungkapkan atau mengidentifikasi struktur dari model itu. Analisis faktor
eksploratoridipandang sebagai suatu teknik untuk membantu dalam membangun
teori. Disisi lain dalam analisis faktor konfirmatori ketepatan struktur model
didasarkan pada teori yang telah dihipotesiskan sebelumnya. Ada dua tujuan utama
dari analisis faktor konfirmatori yaitu (1) menduga parameter dari model faktor yang
dihipotesiskan berdasarkan sampel matriks covarian yang diberikan (2) menguji
ketepatan dari model faktor yang dihipotesiskan.
Sementara menurut dua buku pembanding tidak ada pembahasan tentang
materi tersebut.

o. BAB XV Materi Pendukung

Menurut perbandingan isi buku yang direview dengan ketiga buku pembanding
lainnya, materi pendukung pada bab XV ini terdiri dari teori peluang, yakni: 𝑆 =
{(𝑎𝑛𝑔𝑘𝑎, 𝑎𝑛𝑔𝑘𝑎), (𝑎𝑛𝑔𝑘𝑎, 𝑔𝑎𝑚𝑏𝑎𝑟), (𝑔𝑎𝑚𝑏𝑎𝑟, 𝑔𝑎𝑚𝑏𝑎𝑟)} dimana himpunan S disebut
ruang sampel. Jika A adalah kejadian dimana A≤S maka 0 ≤ 𝑃(𝐴) ≤ 1 dan P(s)=1.
Harapan Matematik (Rata-rata Terboboti)

26
Definisi: Jika X adalah suatu variabel acak, maka harapan matematik E(x) didefinisikan
𝑥: 𝑝(𝑥) > 0 𝑥𝑝 (𝑥) ; 𝑗𝑖𝑘𝑎 𝑥 𝑑𝑖𝑠𝑘𝑟𝑖𝑡
sebagai berikut: 𝐸(𝑥) = {∑ ∞
∫−∞ 𝑥𝑓(𝑥)𝑑(𝑥) ; 𝑗𝑖𝑘𝑎 𝑘𝑜𝑛𝑡𝑖𝑛𝑢.
Pada bab ini juga dibahas mengenai materi pendukung distribusi peluang
teoritis atau probabilitas teoritis dari peristiwa-peristiwa diskrit yakni mulai dari
distribusi binomial, distribusi poisson, distribusi geometrik, distribusi seragam,
distribusi eksponensial, distribusi gamma, dan distribusi normal.
Menurut Sudjana (2015:113) dalam teori peluang ini akan membahas tentang
ukuran atau derajat ketidakpastian sesuatu peristiwa. Dan teori yang akan dikaji dalam
buku ini adalah defenisi peluang, beberapa aturan peluang, ekspektasi, distribusi
binom, distribusi multinom, distribusi hipergeometrik, distribusi poisson, distribusi
normal, distribusi student, distribusi chi kuadrat, distribusi F, dan pengecakan
distribusi normal.
Sementara untuk buku lainnya tidak ada membahas mengenai materi
pendukung khususnya peluang.

B. Kelebihan dan Kekurangan Buku

a. Aspek Tampilan Buku (Face Value)
Berdasarkan dari aspek tampilan buku, buku tersebut memiliki tampilan yang
menarik. Sesuai dengan judul nya mengenai statistik terdapat gambar diagram batang
dan kalkulator yang sangat identik dengan statistika dalam menggambarkan ilmu
hitung. Akan tetapi untuk background kurang menarik untuk dilihat karena gambar
terlihat buram dan warna huruf untuk di bagian “UNTUK QUASI DAN PURE
EXPERIMENT DI BIDANG PENDIDIKAN, BIOLOGI, PERTANIAN, TEKNIK, DLL” kurang
cocok untuk perpaduan dengan bacgroundnya.
b. Aspek Layout dan Tata Letak
Berdasarkan dari aspek layout dan tata letak yang ada pada buku ini, bahwa
untuk setiap point pada BAB materi masih terdapat penulisan point-point dalam bab
yang tidak jelas. Sehingga pembaca sulit untuk mengklasifikasikan point tersebut
masuk pada bagian yang mana. Dan ada baik untuk penulisan rumus dibedakan antara
rumus dan kalimat, sehingga dapat mempermudah pembaca. Dan ada baiknya rumus
utama dari setiap point pembahasan diberikan black box (kotak berwarna hitam) agar

27
pembaca mengetahui setiap rumus penting yang dapat digunakan dalam
mengaplikasikannya.
c. Aspek Isi Buku
Berdasarkan aspek isi buku, secara keseluruhan isi dalam buku ini sudah
mencakup seluruh pembahasan atau ilmu tentang statistika yang akan diterapkan
dalam bidang pendidikan sehingga dapat berguna bagi setiap pembaca untuk dapat
melaksanakan penelitiannya dibidang pendidikan. Dan pembahasan dalam buku ini
juga sudah mencakup analsis varians melalui tiga jalur yang tidak semua buku
memiliki materi tersebut. Sehingga akan mempermudah bagi setiap pembaca yang
ingin melakukan penelitian yang menggunakan analsis variasn tiga jalur. Dan dari buku
pembanding yang saya gunakan tidak memuat beberapa materi yang ada seperti buku
tersebut. Dalam buku ini juga memuat banyak contoh dan soal latihan untuk setiap bab
nya, sehingga dapat mempermudah pembaca untuk langsung mengaplikasikannya.
Buku ini juga memiliki langkah-langkah dalam mengaplikasikannya melalui program
SPSS untuk setiap bab. Berdasarkan hal tersebut, pembaca tidak hanya mampu
menguasi ilmu manual dalam menghitungnya saja akan tetapi pembaca juga mampu
menguasai ilmu teknologi dalam menerapkan statistika melalui program SPSS.
Akan tetapi, buku ini juga memiliki beberapa kelemahan mengenai isi buku
yaitu berkaitan dengan penurunan rumus. Dalam buku ini banyak memberikan
formula-formula penting dalam statistika yang sangat berguna bagi pembaca, akan
tetapi pada saat pembaca memahami penurunannya sedikit mengalami kesulitan,
karena masih banyak formula penurunan yang dipotong sehingga bagi pembaca yang
tidak mengerti, tidak akan memahami maksud dari setiap formula dari isi setiap BAB
buku tersebut. Ada baiknya penulis bisa memberikan penjelasan yang detail mengenai
penurunan formula yang ada di setiap BAB.
d. Aspek Bahasa Buku
Berdasarkan aspek bahasa buku, menurut penulis bahasa buku tersebut masih
ada kata-kata yang sulit dipahami oleh pembaca sehingga mempersulit pembaca untuk
memaknai setiap kalimat dalam memahami materi yang akan dibahas.

28
 BAB IV
PENUTUP

A. Kesimpulan
 Buku Statistika Terapan untuk Quasi dan Pure Experiment yang ditulis oleh
Prof. Dr. Edi Syahputra, M.Pd terdapat pembahasan mengenai estimasi, analisis
varians klasifikasi dua arah, analisis varians klasifikasi tiga arah, analisis
covarian, dan analisis faktor konfirmatori yang dalam hal ini tidak terdapat
satupun dalam pembahasan yang ada di ketiga buku pembanding yang
diajukan.
 Selanjutnya dalam buku Statistika Terapan untuk Quasi dan Pure Experiment
yang ditulis oleh Prof. Dr. Edi Syahputra, M.Pd juga terdapat satu bab yang
berisikan tentang soal-soal dan pembahasan mengenai disiplin dari ilmu
statistika itu sendiri yang dapat membantu para pembacanya dalam memahami
isi materi dan disiplin ilmu statistika itu sendiri yang dalam hal ini juga tidak
terdapat di pembahasan yang ada di ketiga buku pembanding yang diajukan.
 Selanjutnya dalam buku Statistika Terapan untuk Quasi dan Pure Experiment
yang ditulis oleh Prof. Dr. Edi Syahputra, M.Pd juga terdapat pengaplikasian
langsung dengan menggunakan program SPSS yang tidak banyak dijelaskan
pada ketiga buku pembanding yang diajukan.
 Berdasarkan hal tersebut dapat ditarik kesimpulan bahwa Buku Statistika
Terapan untuk Quasi dan Pure Experiment yang ditulis oleh Prof. Dr. Edi
Syahputra, M.Pd secara keseluruhan lebih baik dibandingkan dengan ketiga
buku pembanding lainnya.

B. Rekomendasi
Sebagai bahan referensi tambahan bagi pembaca Buku Statistika Terapan untuk
Quasi dan Pure Experiment yang ditulis oleh Prof. Dr. Edi Syahputra, M.Pd dapat
menjadi salah satu pengantar statistika yang bagus bagi para pembaca yang ingin
melakukan penelitian eksperimen pada bidang pendidikan.

29
 DAFTAR PUSTAKA

Boediono. 2002. Statistika dan Probalitas. Bandung: PT Remaja Rosdakarya Offset

Sudjana. 2015. Metoda Stastistika. Bandung: PT. Tarsito Bandung
Syahputra, Edi. 2016. Statistika Terapan Untuk Quasi dan Pure Experiment. Medan:
Unimed Press

30