Makalah Metodologi Pendidikan Penelitian Fisika

“Kajian Populasi, Kajian Sampel, Teknik Pengambilan Sampel dan Ukuran Sampel, Penyajian Data(tabel distribusi frekuensi, pie chart, dan grafik), dan Jenis Data”

Nama Kelompok 4 :

1. Nadya Putri (A1C316031)

2. Vivi Charmeilia (A1C316033)

3. Nadia Dio Alvionita (A1C316035)

4. Orin Hidayusa Wiza (A1C316037)

5. Leo Alexandro S (A1C316039)

Dosen Pengampu :

Dwi Agus Kurniawan,S.pd,.M.Pd

Program Studi Pendidikan Fisika

Jurusan Pendidikan Matematika Ilmu Pengetahuan Alam

Fakultas Keguruan dan Ilmu Pendidikan Universitas Jambi

2018

Kata Pengantar

Puji syukur kita panjatkan atas berkat rahmat Allah AWT, karena atas berkat rahmat dan hidayah-Nya, makalah ini dapat kami selesaikan tepat pada waktunya. Shalawat dan salam tak lupa pula kita curahkan kepada junjungan kita Nabi besar Muhammad SAW, Nabi yang membawa umatnya dari zaman kebodohan menuju zaman yang penuh dengan ilmu pengetahuan.

Dalam penyusunan tugas atau materi ini, tidak sedikit hambatan yang kami hadapi. Namun kami menyadari bahwa kelancaran dalam penyusunan materi ini ialah usaha dan kerja keras kami dalam menyelesaikan makalah ini. Walaupun masih ada kekurangan dalam pengerjaan makalah ini.

Oleh karena itu, kami mengucapkan terima kasih kepada dosen pembimbing atau pengampuh mata kuliah yang telah memberikan tugas, petunjuk, kepada kami sehingga kami termotivasi dan dapat menyelesaikan tugas ini. Semoga materi ini dapat bermanfaat dan menjadi sumbangan pemikiran bagi pihak yang membutuhkan, khususnya untuk kami sehingga tujuan yang diharapkan dapat tercapai, Amiin.

Dan tak lupa pula kami meminta maaf jika dalam makalah ini terdapat banyak kesalahan dan kekurangan, karena itu kritik serta saran yang membangun sangat kami harapkan.

Penyusun

DAFTAR ISI

Kata Pengantar...................................................................................................... 2

DAFTAR ISI.......................................................................................................... 3

BAB I PENDAHULUAN

1.1 Latar Belakang ................................................................................................ 1

1.2 Rumusan Masalah ........................................................................................... 2

1.3 Tujuan ............................................................................................................. 2

BAB II PEMBAHASAN

2.1 Kajian Populasi .............................................................................................. 3

2.1.1 Pengertian Populasi ............................................................................... 3

2.1.2 Karakteristik Populasi ........................................................................... 4

2.1.3 Jenis-Jenis Populasi .............................................................................. 5

2.2 Kajian Sampel ................................................................................................. 5

2.2.1 Pengertian Sampel ................................................................................ 5

2.2.2 Cara Menentukan Jumlah Sampel ........................................................ 7

2.2.3 Jenis-Jenis Sampel ................................................................................ 8

2.2.4 Keuntungan Penggunaan Sampel ......................................................... 8

2.3 Teknik Pengambilan Sampel dan Ukuran Sampel .......................................... 9

2.3.1 Teknik Pengambilan Sampel ................................................................ 9

2.3.2 Ukuran Sampel...................................................................................... 15

2.4 Penyajian Data ................................................................................................ 17

2.4.1 Tabel Distribusi Frekuensi .................................................................... 18

2.4.1.1 Tabel Distribusi Frekuensi Relatif .............................................. 23

2.4.1.2 Tabel Distribusi Frekuensi Kumulatif ........................................ 24

2.4.1.3 Hal-hal Khusus pada Tabel Distrubusi Frekuensi ...................... 26

2.4.2 Grafik .................................................................................................... 28

2.4.2.1 Grafik dan Diagram dalam Penyajian Data ................................ 28

2.4.2.2 Histogram dan Poligon Frekuensi ............................................... 28

2.4.2.3 Ogive ........................................................................................... 29

2.4.3 Pie Chart................................................................................................ 31

2.5 Jenis Data ........................................................................................................ 33

2.6 Kajian Kritis .................................................................................................... 36

BAB III PENUTUP

3.1 Kesimpulan ..................................................................................................... 39

3.2 Saran................................................................................................................ 41

DAFTAR PUSTAKA .......................................................................................... 42

iii

BAB I PENDAHULUAN

1.1 Latar Belakang

Penelitian kuantitatif adalah suatu proses menemukan pengetahuan yang menggunakan data berupa angka sebagai alat menganalisis keterangan mengenai apa yang kita ketahui. Penelitian kuantitatif dapat diartikan sebagai penelitian yang berlandaskan pada filsafat positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, teknik pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data menggunakan instrument penelitian, analisis data bersifat statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan.

Dalam penelitian, salah satu bagian dalam langkah-langkah penelitian adalah menentukan populasi dan sampel penelitian. Seorang peneliti dapat menganalisa data keseluruhan objek yang diteliti sebagai kumpulan atau komunitas tertentu. Seorang peneliti juga dapat mengidentifikasi sifat-sifat suatu kumpulan yang menjadi objek penelitian hanya dengan mengamati dan mempelajari sebagian dari kumpulan tersebut. Kemudian, peneliti akan mendapatkan metode atau langkah yang tepat untuk memperoleh keakuratan penelitian dan penganalisaan data terhadap objek

Selain itu, membuat rancangan penelitian juga merupakan langkah penting dalam melakukan penelitian. Rancangan atau desain penelitian bagaikan sebuah peta jalan bagi peneliti yang menuntun serta menentukan arah berlangsungnya proses penelitian secara benar dan tepat sesuai dengan tujuan yang telah ditetapkan. Tanpa desain yang benar seorang peneliti tidak akan dapat melakukan penelitian dengan baik karena yang bersangkutan tidak mempunyai pedoman arah yang jelas.

Dalam menyusun sebuah laporan penelitian, seorang peneliti membutuhkan alat bantu yang digunakan sebagai alat atau instrumen penelitiannya. Serta membutuhkan data-data yang valid guna mendukung hasil dari penelitian peneliti tersebut. Oleh karena itu, seorang peneliti harus mengetahui dan memahami jenis-jenis data dan teknik-teknik pengumpulan data.

Menyusun instrumen pengumpulan data dan penelitian dilakukan setelah peneliti memahami apa yang menjadi variabel penelitiannya. Pada makalah ini akan dijelaskan mengenai sampel, populasi, teknik pengambilan sampel dan penyajian data (tabel distribusi frekuensi, pie chart dan grafik) serta jenis-jenis data. Karena tujuan akhir dari suatu ilmu atau pengetahuan adalah pengembangan dan pengujian teori. Sehingga apa yang diteliti oleh peneliti akan bermanfaat dan mampu mengembangkan serta menguatkan teori-teori yang telah ada sebelumnya.

1.2 Rumusan Masalah

1. Seperti apakah kajian tentang populasi?

2. Seperti apakah kajian tentang sampel?

3. Bagaimana teknik pengambilan sampel dan ukuran sampel?

4. Bagaimana cara penyajian data dengan munggunakan tabel distribusi frekuensi, pie chart dan grafik?

5. Apa sajakah jenis data?

1.3 Tujuan

1. Untuk mengetahui kajian tentang populasi

2. Untuk mengetahui kajian tentang sampel

3. Untuk mengetahui bagaimana teknik pengambilan sampel dan ukuran sampel

4. Untuk mengetahui cara penyajian data dengan menggunakan tabel

distribusi frekuensi, pie chart dan grafik

5. Untuk mengetahui apasaja jenis data

BAB II PEMBAHASAN

2.1 Kajian Populasi

2.1.1 Pengertian Populasi

Penelitian pendidikan dan kurikulum seperti halnya penelitian-penelitian bidang lainnya ditujukan untuk memperoleh kesimpulan tentang kelompok yang besar dalam lingkup wilayah yang luas, tetapi hanya dengan meneliti kelompok kecil dalam daerah yang lebih sempit. Kelompok besar tersebut bisa terdiri atas orang seperti guru, siswa, kepala sekolah, dsb, atau lembaga seperti sekolah, jurusan, fakultas, kantor, dinas, direktorat, dsb., atau organisasi seperti komite sekolah, dewan sekolah, organisasi guru, asosiasi profesi, dsb., atau bisa juga benda-benda seperti bangunan sekolah, fasilitas belajar, media belajar, buku-buku, dll. Lingkup wilayah bisa mencakup seluruh wilayah negara, satu propinsi ataupun satu kota atau kabupaten. Kelompok besar dan wilayah yang menjadi lingkup penelitian kita disebut populasi (Sukmadinata, 2013: 250).

Orang-orang, lembaga, organisasi, benda-benda yang menjadi sasaran penelitian merupakan anggota populasi. Anggota populasi yang terdiri atas orangorang biasa disebut subjek penelitian, tetapi kalau bukan orang disebut objek penelitian. Penelitian tentang suatu objek mungkin diteliti langsung terhadap objeknya, tetapi mungkin juga hanya ditanyakan kepada orang yang mengetahui atau bertanggung jawab terhadap objek tersebut. Orang yang diminta menjelaskan objek yang diteliti disebut responden. Tidak semua anggota dari populasi target diteliti. Penelitian hanya dilakukan terhadap sekelompok anggota populasi yang mewakili populasi. Kelompok kecil yang šecara nyata kita teliti dan tarik kesimpulan dari padanya disebut sampel (Sukmadinata, 2013: 250).

Menurut Jalil (2014:185) Populasi atau universe ialah jumlah keseluruhan dari unit analisa yang ciri-cirinya akan diduga (Singarimbun, 1999). Populasi adalah wilayah generalisasi yang terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2012).

Sampel yang diambil harus harus bisa mewakili keseluruhan populasi yang diteliti, oleh karena itu pemilihan sampel harus diusahakan sedemikian rupa sehingga sampel itu bisa menunjukkan gambaran keadaan keseluruhan populasi, jumlah sampel jangan terlalu sedikit dan menentukannya secara random atau sembarang (Nasution, 2017: 50).

A population is a group of individuals who have the same characteristic. For example, all teachers would make up the population of teachers, and all high school administrators in a school district would comprise the population of administrators. As these examples illustrate, populations can be small or large ( Creswell, 2012 : 142).

Populasi adalah sekelompok individu yang memiliki karakteristik yang sama. Sebagai contoh, semua guru akan membentuk populasi guru, dan semua administrator sekolah menengah disekolah terdiri dari populasi administrator. Seperti ini contoh mengilustrasikan, populasi bisa kecil atau besar (Creswell, 2012: 142).

2.1.2 Karakteristik Populasi

Menurut Yusuf (2014: 146) secara umum dapat dikatakan beberapa karakteristik populasi, yaitu:

a. Merupakan keseluruhan dari unit analisis sesuai dengan informasi yang akan diinginkan.

b. Dapat berupa manusia, hewan, tumbuh-tumbuhan, benda atau objek maupun kejadian yang terdapat dalam suatu area/daerah tertentu yang telah ditetapkan.

c. Merupakan batas (boundary) yang mempunyai sifat tertentu yang memungkinkan peneliti menarik kesimpulan dari keadaan itu.

d. Memberikan pedoman kepada apa atau siapa hasil penelitian itu dapat digeneralisasikan.

2.1.3 Jenis-jenis Populasi

Menurut Yusuf (2014: 148) populasi dapat digolongkan dalam dua jenis, yaitu:

a. Populasi terbatas (definite), yaitu objek penelitian yang dapat dihitung, seperti luas area sawah, jumlah ternak, jumlah murid, dan jumlah mahasiswa.

b. Populasi tak terbatas (indefinite), yaitu objek penelitian yang mempunyai jumlah tak terbatas, atau sulit dihitung jumlahnya; seperti tinta, air, pasir di pantai, padi di sawah, atau beras di gudang.

2.2 Kajian Sampel

2.2.1 Pengertian Sampel

Dalam penelitian, sering digunakan populasi dan sampel. Populasi atau universe adalah keseluruhan objek yang diteliti, baik berupa orang, benda, kejadian, nilai maupun hal-hal yang terjadi. Sedangkan sampel adalah sebagian dari populasi yang akan diselidiki atau dapat juga dikatakan bahwa sampel adalah populasi dalam bentuk mini (miniatur population). Dengan kata lain, jika seluruh anggota populasi diambil semua untuk dijadikan sumber data, maka cara ini disebut sensus, tetapi jika hanya sebagian dari populasi yang dijadikan sumber data, maka cara itu disebut sampel. Persoalannya sekarang adalah bagaimana caranya mengambil sampel yang baik dan benar serta representatif atau dapat mewakili populasi. Istilah "baik" di sini termasuk dapat memberikan batas-batas tentang karakteristik populasi. Memang, sebelum menetapkan sampel, terlebih dahulu menentukan karakteristik populsinya (Arifin, 2011: 215-216).

Istilah sampel berbeda dengan sampling. Sampling adalah cara yang digunakan untuk mengambil sampel dan biasanya mengikuti teknik atau jenis sampling yang digunakan. Misalnya, dari teknik random sampling akan dihasilkan random sample. Manfaat sampling sangat besar, di antaranya dapat menghemat biaya, waktu dan tenaga, dapat memperluas ruang lingkup penelitian, dan dapat meningkatkan ketelitian. Penelitian yang dilakukan terhadap seluruh populasi yang tak terhingga (besar) dapat berakibat ketidaktelitian dari pihak peneliti.

Peneliti mungkin sudah mempunyai kerangka jawaban yang diperoleh dari jawaban atau pengamatan terhadap sampel yang lalu, sehingga ada kecenderungan, sengaja atau tidak sengaja untuk menyamaratakan jawaban atau pengamatannya. Dengan demikian, pengumpulan data semacam itu akan

menyebabkan terjadinya bias (Arifin, 2011: 216).

Hal yang sangat mengganggu dalam pelaksanaan penelitian berkenaan dengan masalah populasi dan sampel, adalah karena adanya kesalahan dalam pemilihan dan penarikan sampel. Kesalahan ini seringkali menimbulkan bias atau penyimpangan. Penelitian yang banyak biasnya atau penyimpangannya bukan saja hasilnya tidak punya arti tetapi juga membahayakan. Kesimpulan yang ditarik dari hasil analisis data yang datanya diperoleh dari sampel yang bias tidak akan menggambarkan keadaan sesungguhnya, kesimpulannya bisa keliru dan menyesatkan (Sukmadinata, 2013: 251-252).

The sample distribution is the link between the measured random samples and the hidden probability that governs the process. For any given homogeneous sample, the true value of the target parameter is measurable, but what the analytical chemist must do is to accurately determine this in the most costeffective way, i.e. the least number of samples (William, 2008: 749).

Distribusi sampel adalah hubungan antara sampel acak dan probabilitas tersembunyi untuk mengatur proses. Untuk sampel yang homogen, nilai sebenarnya dari parameter target terukur, tapi analitik yang harus dilakukan adalah secara akurat menentukan cara paling hemat biaya, yaitu sampel jumlah terkecil (William, 2008: 749).

Dalam pengambilan sampel ada kecenderungan para peneliti memilih sampel yang bersedia diteliti dan mudah dikumpulkan datanya. Kecenderungan ini dapat mengakibatkan bias dalam penelitian karena sampel belum tentu mewakili populasi. Kecenderungan lain adalah kekurang hati-hatian dalam mengambil sampel, asal sudah termasuk ke dalam populasi target, maka langsung diambil sebagai sampel, padahal tidak memiliki karakteristik yang dimaksudkan. Secara lebih lengkap ada beberapa kekeliruan yang mengakibatkan bias dalam penarikan sampel (Sukmadinata, 2013: 252).

In a research study, a sample is a group of individuals, items, or events that represents the characteristics of the larger group from which the sample is drawn. Testing a sample, especially in a quantitative study, can allow the researcher to make inferences about the performance of the larger group, which is known as the population . The process of selecting a sample is known as sampling (Gay, 2012: 129).

Dalam sebuah studi penelitian, sampel adalah sekelompok individu, barang, atau kejadian untuk mewakili karakteristik kelompok yang lebih besar dari sampel yang diambil. Menguji sampel, terutama dalam studi kuantitatif, dapat memungkinkan peneliti untuk membuat kesimpulan tentang kinerja kelompok yang lebih besar, yang dikenal sebagai populasi. Proses pemilihan sampel dikenal sebagai sampling (Gay, 2012: 129).

2.2.2 Cara Penentuan Jumlah Sampel

Penyelidikan melalui sampel dilakukan dengan beberapa pertimbangan, antara lain karena populasinya tak terhingga (infinite population), artinya keseluruhan objek penelitian itu jumlahnya tak terhingga. Alasan lain adalah walaupun populasinya terhingga (finite population), sensus belum tentu dapat dilakukan, mengingat sempitnya waktu, terbatasnya biaya dan tenaga, serta faktor ekonomis lainnya, sehingga penyelidikan sampel harus dilakukan. Mengenai besar-kecilnya sampel yang harus diambil, sebenarnya tidak ada suatu aturan mutlak berapa persen suatu sampel harus diambil dari populasi. Namun demikian, ada juga para ahli yang memberikan pedoman (Arifin, 2011: 217).

Menurut Silaen dan widiyono (dalam Arikunto (1993:107) bahwa untuk sekadar ancer-ancer jika jumlah populasinya kurang dari 100, lebih baik semua elemen diambil sebagai sampel sehingga penelitiannya merupakan penelitian populasi atau sensus. Selanjutnya, jika jumlah populasinya besar maka jumlah sampel dapat diambil antara 10 s.d. 15 % atau 20 s.d. 25 % atau lebih , tergantung setidak-tidaknya dari:

a. kemampuan peneliti dilihat dari segi waktu, tenaga, dan dana;

b. sempit luasnya wilayah pengamatan dari setiap subpopulasi, karena hal ini menyangkut banyak sedikitnya data; dan

c. besar kecilnya risiko yang ditanggung oleh peneliti. Untuk penelitian yang risikonya besar, tentu saja jika jumlah sampel lebih besar, hasilnya akan lebih baik

2.2.3 Jenis-Jenis Sampel

Menurut Yusuf (2014:153) secara sedarhana sampel dapat diklasilikasikan dalam dua bentuk, yaitu:

a. Sampel random atau probability

b. Sampel non random atau non probability

Pada sampel random setiap individu mempunyai kesempatan yang sama untuk dipilih, dan diambil secara random; diambil sccara random; sedangkan pada sampel non random ada pertimbangan-pertimbangan tertentu yang digariskan terlebih dahulu sebelum diambil sampelnya atau subjek kebetulan atau terdapat di daerah penelitian. Sampel non random biasanya digunakan dalam penelitian kualitatif. Menggunakan sampel random dalam penelitian kuantitatif berarti peneliti berupaya untuk meminimalkan kesalahan karena faktor keletihan darn kebosanan, mengurangi bias dari manusia dengan mengunakan prosedur yang benar dan teknik yang tepat serta memberikan peluang kepada semua anggota populasi untuk diplih menjadi sampel sedangkan dalam sampel non random ada pertimbangan khusus. ada tujuan tertentu dalam sampel penelitannya, baik dilihat dari segi besarrya ukuran sampel, prosedur penetuan dan kualitas respondennya.

2.2.4 Keuntungan Penggunaan Sampel

Menurut Yusuf (2014: 150-151) beberapa keuntungan penggunaan sampel:

a. Biaya menjadi berkurang

Dengan mengambil data dari sebagian populasi, berarti jumlah sumber data yang akan dikumpulkan lebih sedikit dari jumlah populasi. Dengan jumlah yang terbatas berarti pula biaya yang digunakan untuk penyelidikan menjadi berkurang dibandingkan apabila data harus dikumpulkan dari populasi.

b. Lebih cepat dalam pengumpulan dan pengolahan data.

Dengan responden yang lebih sedikit berarti waktu yang digunakan untuk mengumpul data lebih cepat. Selanjutnya jumlah data yang terbatas akan mempercepat pula dalam pengolahan data penelitian. Dengan demikian, secara keseluruhan penggunaan sampel akan memperpendek waktu penelitian dan mempercepat dalam pengolahan data.

c. Lebih akurat.

Makin lama dan makin banyak seseorang mengumpulkan informasi, makin lelah ang bersangkutan. Keadaan itu akan menyebabkan berbagai kesalahan dan mengurangi ketelitian peneliti. Di samping itu, subjektivitas peneliti makin menonjol. Dengan menggunakan sampel, jumlah personal lebih sedikit yang dibutuhkan; peneliti dapat menggunakan tenaga yang lebih tinggi kualitasnya, dan latihan para petugas dapat diberikan lebih intensif sebelum kegiatan pengumpulan data dimulai. Keadaan yang demikian akan memberikan hasil yang lebih baik dan akurat, baik pada waktu pengumpulan data maupun dalam pengolahan data.

d. Lebih luas ruang cakupan penelitian.

Penelitian yang menggunakan sensus (populasi) akan menyebabkan ruang cakupannya (scope) lebih terbatas karena jumlah respondennya lebih banyak, sebaliknya apabila peneliti menggunakan sampel, jumlah responden lebih sedikit dan ruang cakupan dapat bertambah luas

2.3 Teknik Pengambilan Sampel dan Ukuran Sampel

2.3.1 Teknik Pengambilan Sampel

Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau random sampling/probability sampling, dan sampel tidak acak atau nonrandom sampling/nonprobability sampling. Random sampling adalah cara pengambilan sampel yang memberikan kesempatan yang sama untuk di ambil pad setiap elemen populasi. Artinya jika elemen populasinya setiap 100 dana yang akan dijadikan sampel adalah 25, maka setiap elelmen tersebut mempunyai perbandingan 25/100 untuk bisa dipilih menjadi sampel. Nonrandom sampling dan nonprobability sampling adalah setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan sampel. Lima elemen populasi dipilih sebagai sampel karena letaknya dekat dengan rumah peneliti, sedangkan yang lainnya, karena jauh, tidak dipilih; artinya kemungkinannyaadalah 0 (nol).

Dua jenis teknik pengambilan sampel diatas mempunyai tujuan yang berbeda. Jika peneliti ingin hasil penelitiannya bias dijadikan ukuran untuk mengestimasikan populasi ,atau istilahnya adalah melakukan generalisasi, maka seharusnya sampel representative dan diambil secara acak. Namun, jika peneliti tidak mempunyai kemauan melakukan generalisasi hasil penelitian, maka sampel bisa diambil secara acak. Sampel tidak acak biasanya juga diambil jika peneliti tidak mempunyai data pasti tentang ukuran populasi dan informasi lengkap setiap elemen populasi (Deni, 2013 :144).

In probability sampling, the researcher selects individuals from the population who are representative of that population. This is the most rigorous form of sampling quantitative research because the investigator can claim that the sample is representativeof the population and, as such, can make generalizations to the population.Simple Random Sampling The most popular and rigorous form of probability samplingfrom a population is simple random sampling. In simple random sampling, theresearcher selects participants (or units, such as schools) for the sample so that anyindividual has an equal probability of being selected from the population (Creswell,2012: 142-143).

Dalam sampling probabilitas, peneliti memilih individu dari populasi yang mewakili populasi itu. Ini adalah bentuk penelitian kuantitatif kuantitatif yang paling ketat karena peneliti dapat mengklaim bahwa sampel mewakili populasi dan, dengan demikian, dapat membuat generalisasi terhadap populasi. Pengambilan Sampel Acak Sederhana Bentuk yang paling populer dan teliti dari sampling probabilitas dari suatu populasi adalah sederhana sampling acak. Dalam sampling acak sederhana, peneliti memilih peserta (atau unit, seperti sekolah) untuk sampel sehingga setiap individu memiliki kemungkinan yang sama untuk dipilih dari populasi (Creswell, 2012: 142-143).

1. Probability/Random Sampling

Menurut Maslihah (2011:109), Teknik pengambilan sample dengan menggunakan simple random sampling, yaitu metode pemilihan sampel dari suatu populasi dimana setiap anggota populasi mempunyai peluang yang sama sebagai sampel.

Menurut Deni (2013 :145-147), Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak adalah memperoleh atau membuat kerangka sampel atau di kenal dengan nama “sampling frame”. Kerangka sampling adalah daftar yang berikan elemen populasi yang bisa diambil sebagai sampel. Elemen populasi bisa berupa data tentang orang/binatang, tentang kejadian,tentang tempat, atau juga tentang benda.

• Sampel Random Sampling atau Sampel Acak Sederhana

Dalam Sampel Random Sampling, anggota sampel memiliki karakteristik yang sama (homogen) yang diambil dengan cara acak atau menggunakan table bilangan random. Dengan demikian setiapun surpopulasi harus mempunyai kesempatan sama untuk bisa dipilih menjadi sampel.

• Stratified Random Sampling atau Sampel Acak Distraktifkasikan

Stratified Random Sampling, yaitu pengambilan secara acak dan berlapis. Hal ini dilakukan jika populasi terdiri atas beberapa strata dan agar sampelnya juga mencerminkan strata-strata, maka respon dan akan diambil secara acak dari setiap strata tersebut. Misalnya seorang peneliti ingin mengetahui sikap menejernya terhadap satu kebijakan perusahaan. Diamen duga bahwa menejer tinggkat atas cenderung positif sikapnya atas kebijakan perusahaan tadi.

Stratified sampling is a way to guarantee desired representation of relevant subgroups within the sample. In other words, some populations can be subdivided into subgroups, known as strata(one is called a stratum ). Stratified sampling involves strategically selecting participants from each subgroup. When a research goal is to compare the behavior of participants from different subgroups of the population, stratified sampling is the best approach. Proportional stratified sampling is the process of selecting a sample in such a way that identified subgroups in the population are represented in the sample in the same proportion in which they exist in the population. For example, a population of teachers in a district can be divided by class level. If 22% of the teachers in a district are elementary teachers, 33% are middle-school teachers, and 45% are high school teachers, a researcher may want to have a sample with the same proportion in each subgroup and would thus need to select a proportionally stratified sample. Typical variables for proportional stratification include demographic variables such as race, gender, socioeconomic status,and level of education (Gay, 2012 : 133).

Pengambilan sampel terstratifikasi adalah cara untuk menjamin representasi yang diinginkan dari subkelompok yang relevan dalam sampel. Dengan kata lain, beberapa populasi dapat dibagi menjadi subkelompok, yang dikenal sebagai strata (satu disebut strata). Pengambilan sampel terstratifikasi melibatkan pemilihan secara strategis peserta dari masing-masing subkelompok. Ketika tujuan penelitian adalah untuk membandingkan perilaku peserta dari berbagai subkelompok populasi, stratified sampling adalah pendekatan terbaik. Pengambilan sampel stratified proporsional adalah proses pemilihan sampel sedemikian rupa sehingga mengidentifikasi subkelompok dalam populasi diwakili dalam sampel dalam proporsi yang sama di mana mereka ada dalam populasi. Sebagai contoh, populasi guru di suatu kabupaten dapat dibagi berdasarkan tingkat kelas. Jika 22% guru di suatu kabupaten adalah guru sekolah dasar, 33% adalah guru sekolah menengah, dan 45% adalah guru sekolah menengah, peneliti mungkin ingin memiliki sampel dengan proporsi yang sama di setiap subkelompok dan karenanya perlu memilih sampel proporsional bertingkat. Variabel khas untuk stratifikasi proporsional termasuk variabel demografi seperti ras, jenis kelamin, status sosial ekonomi, dan tingkat pendidikan (Gay, 2012: 133).

• Cluster Sampling atau Sampling Gugus

Cluster Sampling atau Sampling Gugus, yaitu pengambilan sampel secara acak dan berumpun. Anggota sampel dalam teknik ini adalah rumpunan-rumpunan, kemudian dari setiap rumpunan diambil rumpunan kecil yang sama. Misalnya, rumpun pertama adalah daerah geografis, maka dari geografis ini diambil rumpun kabupaten kemudian dari rumpun kabupaten diambil rumpun kecamatan dan seterusnya

• Systematic Sampling atau Sampel Sistematis

Systematic Sampling atau Sampel Sistematis merupakan cara pengambilan sampel yang sampel pertamanya ditentukan secara acak, sedangkan sampel berikutnya diambil bedasarkan satu interval tertentu. Dalam Systematic Sampling, responden yang terpilih menjadi sampel merupakan hasil pengambilan secara acak sistematis.

• Area Sampling atau Sampel Wilayah

Teknik ini dipakai ketika penilitian dihadapkan pada situasi bahwa populasi penilitina tersebar di berbagai wilayah. Misalnya, seorang marketing menejer sebuah stasiun televise ingin mengetahui tingkat penerimaan masyarakat Jawa Barat atas sebuah mata tayang, teknik pengambilan sampel dengan area sampling sangat rapat.

2. Nonprobability/Nonrandom Sampling atau Sampel Tidak Acak

In nonprobability sampling, the researcher selects individuals because they are available, convenient, and represent some characteristic the investigator seeks to study. In some situations, you may need to involve participants who volunteer and who agree to be studied. Further, you may not be interested in generalizing fi ndings to a population, but only in describing a small group of participants in a study. It may be appropriate to calculate descriptive statistics on these samples and to compare them with the larger population to make inferences from the sample to the population. Researchers use two popular approaches in

nonprobabilitysampling: convenience and snowball sampling approaches(Creswell,2012:145).

Dalam nonprobability sampling, peneliti memilih individu karena mereka tersedia, nyaman, dan mewakili beberapa karakteristik yang ingin dipelajari oleh peneliti. Dalam beberapa situasi, Anda mungkin perlu melibatkan peserta yang menjadi sukarelawan dan yang setuju untuk dipelajari. Lebih lanjut, Anda mungkin tidak tertarik untuk menggeneralisasi temuan untuk suatu populasi, tetapi hanya dalam menggambarkan sekelompok kecil peserta dalam sebuah penelitian. Mungkin tepat untuk menghitung statistik deskriptif pada sampel ini dan membandingkannya dengan populasi yang lebih besar untuk membuat kesimpulan dari sampel ke populasi. Peneliti menggunakan dua pendekatan populer dalam nonprobability sampling: pendekatan kenyamanan dan snowball sampling (Creswell, 2012: 145).

Menurut Deni (2013:151-153), Jenis sampel ini tidak dipilih secara acak. Tidak semua unsur atau elemen populasi mempunyai kesempatan sama untuk bila dipilih menjadi sampel.

• Convenience Sampling atau sampel yang dipilih dengan pertimbangan kemudahan, adalah teknik penentuan sampel berdasarkan kebetulan saja, anggota populasi yang ditemui peneliti dan bersedia menjadi responden dijadikan sampel . Dalam memilih sampel penelititi tidak mempunyai pertimbangarn lain kecuali berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan orang tadi ada di situ atau kebetulan dia mengenal orang tersebut. Oleh karena itu, ada beberapa penulis menggunakan istilah accidental sampling-tidak disengaja-atau juga captive sample (man-on-the-street). Jenis sampel ini sangat baik jika dimanfaatkan untuk penelitian penjajagan, yang kemudian diikuti oleh penelitian lanjutan.

• Purposive sampling yaitu responden yang terpilih menjadi anggota sampel atas dasar pertimbangan peneliti sendu Misalnya, atas pertimbangan status sosial ekonomi rangka meneliti tingkat kemiskinan, maka sejumlah anggota sampel yang ditetapkan adalah mereka yang taraf ekonomi menengah kebawah. Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu. Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi diperlukan bagi penelitiannya. Dua jenis sarmpel ini dikenal dengan nama judgment dan quota sampling

• Judgment Sampling Pada jenis ini sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling baik untuk dijadikan sampel penelitiannya. Misalnya, untuk memperoleh data tentang bagaimana direncanakan oleh suatu perusahaan, maka manajer produksi merupakan orang yang terbaik untuk bisa memberikan informasi. Jadi, judment sampling umumnya memilih sesuatu atau seseorang menjadi sampel karena mereka mempunya information rich  Quota Sampling merupakan metode penetapan sampel dengan menentukan quota terlebih dahulu pada masing-masing kelompok, sebelum quota masing-masing kelompok terpenuhi penelitian belum dianggap selesai. Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional, tetapi tidak dipilih secara acak melainkan secara kebetulan saja

• Showball Sampling Sampel Bola Salju. Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya. Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti menginginkan lebih banyak lagi, lalu diaminta kepada sampel pertama untuk menunjukkan orang lain yang kira-kira bisadijadikan sampel

2.3.2 Ukuran Sampel

When selecting participants for a study, it is important to determine the size of the samplebyou will need. A general rule of thumb is to select as large a sample as possible from the population. The larger the sample, the less the potential error is that the sample will be different from the population. This difference between the sample estimate and the true population score is called sampling error. If you were to select one sample after another, the average score of each sample would likely differ from the true average score for the entire population. For example, if we could obtain scores from sixth graders across the country about the importance of student–parent relationships, the average score might be a 30 on a 50-point scale. Of course, we cannot study every sixth grader, so instead we obtain a sample from one school district and get an average score of 35 on the scale. The next time we might obtain a score of 33, and the next time a 36, because our sample will change from one school district to another. This means that our average score is fi vepoints, three points, and one point, respectively, away from the “true” population average. This difference between the sample estimate and the true population score is sampling error. Therefore, since you usually cannot know the true population score, it is importantto select as large a sample as possible from the population to minimize sampling error(Creswell,2012:145).

Ketika memilih peserta untuk studi, penting untuk menentukan ukuran samplebyou akan butuhkan. Aturan umum adalah untuk memilih sampel sebanyak mungkin dari populasi. Semakin besar sampel, semakin sedikit potensi kesalahan adalah bahwa sampel akan berbeda dari populasi. Perbedaan antara perkiraan sampel dan skor populasi sebenarnya disebut kesalahan sampling. Jika Anda memilih satu sampel demi satu, skor rata-rata masing-masing sampel kemungkinan akan berbeda dari skor rata-rata yang sebenarnya untuk seluruh populasi. Sebagai contoh, jika kita dapat memperoleh skor dari siswa kelas enam di seluruh negeri tentang pentingnya hubungan siswa-orang tua, skor rata-rata adalah 30 pada skala 50 poin. Tentu saja, kita tidak bisa belajar setiap siswa kelas enam, jadi kita mendapatkan sampel dari satu distrik sekolah dan mendapatkan skor rata-rata 35 pada skala. Lain kali kita dapat memperoleh skor 33, dan waktu berikutnya 36, karena sampel kami akan berubah dari satu distrik sekolah ke distrik lain. Ini berarti bahwa skor rata-rata kami adalah lima poin, tiga poin, dan satu poin, masing-masing, jauh dari rata-rata populasi "benar". Perbedaan antara perkiraan sampel dan skor populasi sebenarnya adalah kesalahan sampling. Oleh karena itu, karena Anda biasanya tidak dapat mengetahui skor populasi sebenarnya, penting untuk memilih sampel sebanyak mungkin dari populasi untuk meminimalkan kesalahan sampling (Creswell, 2012: 145).

Ukuran sampel atau jumlah sampel yang diambil menjadi persoalan yang penting mana kala jenis penelitian yang akan dilakukan adalah penelitian yang menggunakan analisis kuantitatif. Pada penelitian yang menggunakan analisis kualitatif, ukuran 1 sampel bukan menjadi nomor satu karena yang dipentingkan adalah kekayaan informasi. Walaupun jumlahnya sedikit, jika kaya akan informasi, maka sampelnya lebih bermanfaat. Dikaitkan dengan besarnya sampel, selain tingkat kesalahan, ada lagi beberapa faktor lain yang perlu memperoleh pertimbangan, yaitu (1) derajat keseragaman, (2) rencana analisis, (3) biaya, waktu, dan tenaga yang tersedia. Makin tidak seragam sifat atau karakter setiap elemen populasi, makin banyak sampel yang harus diambil. Jika rencana analisisnya mendetail atau terperinci, maka jumlah sampelnya pun harus banyak (Deni, 2013 :142).

2.4 Penyajian Data

Kegiatan pengumpulan data di lapangan akan menghasilkan data angkaangka yang disebut 'data kasar' (raw data). Penyebutan dengan istilah 'data kasar'menunjukkan bahwa data itu belum diolah dengan teknik statistik tertentu. Jadi, data-data itu masih berwujud sebagaimana data itu diperoleh yang biasanya berupa skor. Skor-skor tersebut dapat pula disebut dengan istilah 'skor kasar' (raw score) yang artinya sama dengan 'data kasar' biasanya relatif banyak dan tidak beraturan. Dalam pembuatan laporan penelitian, data termasuk yang harus dilaporkan. Agar dapat memberikan gambaran yang bermakna, data-data itu haruslah disajikan ke dalam tampilan yang sistematis. Ada sejumlah cara yang dapat dipilih untuk menampilkan data hasil pengukuran dalam kerja penelitian. Penyajian data yang mana yang sebaiknya dipilih tergantung jenis data, selera peneliti, dan tujuan penampilan data itu sendiri. Penampilan data yang sistematis merupakan langkah pertama dalam kerja analisis statistik. (Nurgiyantoro,

2015:28)

Menurut Nasution (2017:51) Penyajian data dapat dilakukan dalam bentuk :

1. Tabel data, yaitu penyajian data dalam bentuk kumpulan angka yang disusun menurut kategori tertentu dalam suatu daftar. Dalam tabel, data disusun secara alfabetis, geografis, menurut besarnya angka, historis atau menurut kelas-kelas yang lazim.

2. Grafik data atau diagram data, yaitu penyajian data dalam bentuk gambargambar. Grafik data sebenarnya merupakan penyajian data secara visual dari tabel.

2.4.1 Tabel Distribusi Frekuensi

Distribusi frekuensi merupakan suatu cara penyajian data skor ke dalam bentuk tabel. Skor-skor tersebut diurutkan dari yang tertinggi yang lebih rendah, atau sebaliknya, dan kemudian dihitung frekuensi masing-masing skor atau kelas interval skor-skor. Penyajian data skor ke dalam bentuk tabel distribusi frekuensi tersebut akan memudahkan kita untuk membacanya. Misalnya, dengan mudah mengetahui berapa skor tertinggi, skor terendah, dan skor atau kelas interval skor mana yang paling tinggi frekuensinya, dan sebagainya. Dari tabel itu dapat pula dengan mudah dilanjutkan ke penghitungan-penghitungan yang lain, misalnya penghitunga persentase, tingkat persentil, jumlah skor, kuadrat dan jumlah kuadrat tiap skor, nilai rata-rata, simpangan baku, dan lain-lain yang merupakan informasi dasar tentang hasil pengukuran terhadap subjek penelitian yang bersangkutan. (Nurgiyantoro, 2015:28-29)

Menurut Kadir (2016:29) Tabel distribusi frekuensi merupakan cara penyajian data berdasarkan dalam kelas-kelas interval tertentu. Fungsi penyajian data dengan tabel distribusi frekuensi adalah untuk memudahkan membaca atau mengkomunikasikan sekumpulan data lebih besar. Pengelompokan data berfrekuensi ke dalam kelas kelas interval dapat diurutkan darn data terkecil ke terbesar atau sebaliknya Tabel distribusi frekuensi dapat disusun dalam bentuk distribusi frekuensi relatif. kumulatif, kumulatif-relatif.

A frequency (distribution) table shows the different measurement

categories and the number of observations in each category. Before constructing a frequency table, one should have an idea about the range (minimum and maximum values). The range is divided into arbitrary intervals called “class

interval.” If the class intervals are too many, then there will be no reduction in the

bulkiness of data and minor deviations also become noticeable. On the other hand, if they are very few, then the shape of the distribution itself cannot be determined. Generally, 6–14 intervals are adequate.

The width of the class can be determined by dividing the range of observations by the number of classes. The following are some guidelines

regarding class widths:

It is advisable to have equal class widths. Unequal class widths should be used only when large gaps exist in data.

The class intervals should be mutually exclusive and nonoverlapping.

Open-ended classes at the lower and upper side (e.g., <10, >100) should be avoided.

The frequency distribution table of the resting pulse rate in healthy

individuals is given in Table 1.

It also gives the cumulative and relative frequency that helps to interpret the data more easily.(Manikandan,2011: 54-56)

Tabel frekuensi (distribusi) menunjukkan kategori pengukuran yang berbeda dan jumlah pengamatan dalam setiap kategori. Sebelum membangun tabel frekuensi, seseorang harus memiliki gagasan tentang kisaran (nilai minimum dan maksimum). Rentang ini dibagi menjadi interval arbitrer yang disebut "interval kelas." Jika interval kelas terlalu banyak, maka tidak akan ada pengurangan dalam jumlah besar data dan penyimpangan kecil juga menjadi nyata. Di sisi lain, jika mereka sangat sedikit, maka bentuk distribusi itu sendiri tidak dapat ditentukan. Umumnya, interval 6–14 sudah memadai.

Lebar kelas dapat ditentukan dengan membagi rentang pengamatan dengan jumlah kelas. Berikut ini adalah beberapa panduan mengenai lebar kelas:

Dianjurkan untuk memiliki lebar kelas yang sama. Lebar kelas yang tidak merata hanya boleh digunakan jika ada kesenjangan besar dalam data.

Interval kelas harus saling eksklusif dan tidak tumpang tindih

Kelas terbuka di sisi bawah dan atas (misalnya, <10,> 100) harus

dihindari.

Tabel distribusi frekuensi denyut nadi istirahat pada individu yang sehat diberikan pada Tabel 1.

Ini juga memberikan frekuensi kumulatif dan relatif yang membantu untuk menginterpretasikan data lebih mudah. (Manikandan,2011: 54-56)

According to Shayib (2013:14) The construction of frequency distributions consists of three steps, particularly for quantitative data:

Choosing the classes (intervals, or categories for qualitative data)

Tally the data into these classes

Count the number of items in each class

The first step is the most important step, while the others are purely mechanical and depend on step 1.Designing too few classes would obscure the information in the distribution while, on the other hand,designating too many classes would confuse the reader. Generally speaking, the common sense is the bestguide here. Generally there are some formulas for determining the optimal number of classes, especially for quantitative data, like the following: If the number of classes is to be k, then:

k=√𝑛 or k=1+3,3logn

where n is the sample size, and without any doubt, k will be rounded, down or up, to a whole number.

Certain precautions need to be in place

Each item will go into one and only one class,

The smallest and the largest values fall within the classification.

None of the observations can fall into gaps between successive classes.

Successive classes do not overlap

Menurut Shayib (2013:14) Pembangunan distribusi frekuensi terdiri dari tiga langkah, terutama untuk data kuantitatif:

Memilih kelas (interval, atau kategori untuk data kualitatif)

Menghitung data ke dalam kelas-kelas ini

Hitung jumlah item di setiap kelas

Langkah pertama adalah langkah yang paling penting, sementara yang lain murni mekanis dan bergantung pada langkah 1. Merancang terlalu sedikit kelas akan mengaburkan informasi dalam distribusi sementara, di sisi lain, menugaskan terlalu banyak kelas akan membingungkan pembaca. Secara umum, akal sehat adalah panduan terbaik di sini. Umumnya ada beberapa rumus untuk menentukan jumlah kelas optimal, terutama untuk data kuantitatif, Jika jumlah kelas menjadi k, maka:

k=√n atau k=1+3,3logn

di mana n adalah ukuran sampel, dan tanpa keraguan, k akan dibulatkan, ke bawah atau ke atas, ke bilangan bulat.

Tindakan pencegahan tertentu harus dilakukan

Setiap item akan masuk ke satu dan hanya satu kelas,

Nilai terkecil dan terbesar termasuk dalam klasifikasi.

Tak satu pun dari pengamatan bisa jatuh ke celah di antara kelas-kelas berurutan

Kelas berurutan tidak tumpang tindih

Menurut Kadir (2016:26-27) Contoh 2.1. Misalkan diberikan data hasil tes kemampuan berpikir kritis 75 mahasiswa sebagai berikut.

85 52 55 56 58 60 87 61 88 62 64

65 66 94 67 74 68 68 80 69 70 70

82 71 83 72 72 73 80 85 74 86 75

81 76 82 77 78 78 78 79 75 79 74

80 67 81 81 76 82 76 82 71 84 84 84 69 95 86 75 86 86 86 61 88 62

89 90 91 93 66 48

Untuk mendapatkan deskripsi dari sebaran data pada contoh 2 1, maka skor-skor tersebut dapat disajikan menjadi lebih sederhana dengan distribusi frekuensi dengan langkah-langkah sebagai berikut:

a) Mengurutkan data dari skor terendah hingga skor tertinggi

b) Menentukan rentang atau range (R) yaitu selisith skor tertinggi dan skor terendah atau R=95-48=47

c) Menentukan banyaknya kelas interval, yaitu paling sedikit 5 kelas dan paling banyak 15 kelas atau dapat juga menggunakan aturan Sturgess dengan rumus: Banyaknya Kelas (BK)=1 +3,3 log n, di mana n menyatakan banyaknya data. Untuk contoh 2.1 di atas, banyaknya data adalalh 75 atau n= 75. Dengan demikian BK=1+3,3 log

(75)=1+3,3x1,8751=7,188. Banyaknya data yang diperoleh melalui proses membilang makin ada dua kemungkinan yaitu (BK)=7 atau (BK)=8

d) Panjang kelas (p)=

^{𝑅𝑒𝑛𝑡𝑎𝑛𝑔(𝑅)}, misalkan dipilih (BK)=7 maka panjang

𝐵𝑎𝑛𝑦𝑎𝑘 𝐾𝑒𝑙𝑎𝑠(𝐵𝐾)

kelas kali banyknya kelas dan panjang kelas (p)=

=6,714=7

e) Menetapkan data pertama dengan cara menggunakan data terkecil sebagai batas bawah kelas interval pertama atau data yang lebih kecil dari data terkecil tetapi selisihnya tidak melebihi dari setengah dari panjang kelas.

f) Menyusun kelas interval dalam tabel 2.1 distribusi frekuensi, sebagai berikut:

No	Skor	Turus	Frekuensi Absolut (f)
1. 2. 3. 4. 5. 6. 7.	48-54 55-61 62-68 69-75 76-82 83-89 90-96	II IIII I IIII IIII IIII IIII IIII I IIII IIII IIII IIII I IIII IIII IIII IIII	2 6 10 16 21 15 5
	Jumlah		75

2.4.1.1 Tabel Distribusi Frekuensi Relatif

Menurut Kadir (2016:27-28) Frekuensi absolut pada Tabel 2.1 dapat dibentuk menjadi frekuensi relatif dengan simbol frel atau f ( % ). Perhitungan frekuensi relatif menggunakan rumus atau aturan sebagai

𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑎𝑏𝑠𝑜𝑙𝑢𝑡 berikut : Frekuensi relatif ( frel ) atau) f ( % )=

x 100 % .

𝑛

Dengan cara yang sama frekuensi relatif kelas interval lainnya. Ringkasan hasil perhitungan frekuensi relatif disajikan pada Tabel 2.2

No	Skor	Frekuensi Relatif (%)
1. 2. 3. 4. 5. 6.	48-54 55-61 62-68 69-75 76-82 83-89	2,67 8,00 13,33 21,33 20,00 28,00
7.	90-96	6,67
	Jumlah	100

Penyajian data untuk pelaporan hasil penelitian, dapat disajikan dalam tabel yang lebih sederhara sebagai penggabungan dari tabel distribusi frekuensi absolut dan distribusi frekuensi relatif beserta titik tengahnya.

No.	Skor	Titik Tengah	Frekuensi Absolut (f)	Frekuensi relative(%)
1. 2. 3. 4. 5. 6. 7.	48-54 55-61 62-68 69-75 76-82 83-89 90-96	51 58 65 72 79 86 93	2 6 10 16 21 15 5	2,67 8,00 13,33 21,33 20,00 28,00 6,67
	Jumlah		75	100

Dari tabel distribusi frekuensi di atas,penentuan titik tengah kelas

(tanda kelas), misalnya kelas interval pertama ditentukan dengan cara (48 +54) =51 Titik rengah kelas interval kedua dapat ditentukan dengan menambah tengah titik tengah kelas interval pertama dengan panjang kelas, yaitu 51 +7=58 ketiga 58 + 7=65, dan seterusnya .

2.4.1.2 Tabel Distribusi Frekuensi Kumulatif

Menurut Kadir (2016:27-28) Tabel distribusi kumulatif dibuat dengan menjumlahkan frekuensi pada setiap kelas interval. Frekuensi kumulatif disimbolkan dengan fkum dapat dibedakarı menjadi dua, yaitu frekuensi kumulatif "kurang dari" dan frekuensi kumulatif “sama atau lebih”. Berdasarkan Tabel 2.1 dapat disusun Tabel Distributif Kumulatif sebagaimana disajikan pada tabel berikut:

Tabel 2.4 Distribusi Frekuensi Kumulatif Kurang dari
Skor	Fkum
Kurang dari 48 Kurang dari 55 Kurang dari 62 Kurang dari 69 Kurang dari 76 Kurang dari 83 Kurang dari 90 Kurang dari 97	0 2 8 18 34 55 70 75

Tabel 2.5 Distribusi Frekuensi Kumulatif Sama atau Lebih
Skor	FKum
48 atau lebih 55 atau lebih 62 atau lebih 69 atau lebih 76 atau lebih 83 atau lebih 90 atau lebih 97 atau lebih	75 73 67 57 41 20 5 0

Apabila dikehendaki dapat dibuat tabel distribusi frekuensi kumulatif relatife. Frekuensi kumulatif relatif disingkat fkum ( % ) pada dasarnya adalah distribusi frekuensi kumulatif yang dibuat menjadi frekuensi relatif. Tabel menjadi distribusi frekuensi kumulatif relatif "kurang dari" dan "sama atau lebih disajikan pada tabel berikut:

Tabel 2.6 Distribusi Frekuensi Kumulatif Kurang dari
Skor	Fkum(%)
Kurang dari 48 Kurang dari 55 Kurang dari 62	0,00 2,67 10,67
Kurang dari 69 Kurang dari 76 Kurang dari 83 Kurang dari 90 Kurang dari 97	0,24 45,33 73,33 93,33 100,00

Tabel 2.5 Distribusi Frekuensi Kumulatif Sama atau Lebih
Skor	FKum(%)
48 atau lebih 55 atau lebih 62 atau lebih 69 atau lebih 76 atau lebih 83 atau lebih 90 atau lebih 97 atau lebih	100,00 97,33 89,33 0,76 54,67 26,67 7,67 0,00

2.4.1.3 Hal-hal Khusus pada Tabel Distrubusi Frekuensi

Menurut Kadir (2016:27-28) Dalam menyajikan data dengan distribusi frekeunsi kadang-kadang tidak bisa dihindari adanya sebuah atau beberapa kelas interval yang kosong. Misalnya kasus pada Tabel 2.8 berikut ini.

No.	Skor	Frekuensi
1. 2. 3. 4. 5. 6. 7	30-39 40-49 50-59 60-69 70-79 80-89 90-99	20 0 12 20 14 10 4
	Jumlah	80

Untuk mengatasi agar interval kosong seperti pada tabel di atas, dapat dilakukan dengan mengabungkan kelas-kelas Interval. Pada kasus di atas kelas interval pertama dapat digabungplan dengan kelas interval kedua, yaitu (30-39) dan menjadi (30-49) atau kelas interval kedua (40-49) dapat digabungkan dengan kelas interval ketiga (50-59) sehingga menjadi (40-59). Dengan demikian, kelas interval baru yang terbentuk dari penggabungan tersebut panjangnya berbeda dengan kelas-kelas interval lainnya. Hasil penyesuaian panjang kelas disajikan pada Tabel 2.9 Tabel

2.10 berikut :

Tabel 2.9 Distribusi Frekuensi panjang kelas 30-39
Skor	F
30-39 40-49 50-59 60-69 70-79 80-89 90-99	20 0 12 20 14 10 4
Jumlah	80
Tabel 2.10 Distribusi Frekuensi panjang kelas 40-49
Skor	F
30-39 40-49 50-59 60-69 70-79 80-89 90-99	20 0 12 20 14 10 4
Jumlah	80

2.4.2 Grafik

2.4.2.1 Grafik dan Diagram dalam Penyajian Data

Umumnya kita lebih cepat memahami penomena secara visual darpada membaca data melalui tabel. Penyajian data dengan grafik lebih menarik daripada penyajian data dengan tabel. Hal ini karena, penyajian secara grafis memungkinkan menggambarkan keseluruhan sifat dari data secara visual. Penyajian data dengan grafik atau diagram yang indah dan menarik, disamping memudahkan dalam memahami penomena data juga dapat memotivasi pembaca

terhadap grafik tersebut (Kadir, 2016 : 30)

Grafik atau diagram seringkali digunakan dalam iklan dengan maksud agar konsumen memperoleh kesan yang mendalam terhadap ciri-ciri produk yang diiklankan. Kegiatan produksi lebih mudah dilihat dan dipelajari secara visual bila dinyatakan dalam angka-angka dan digambarkan secara grafis. Peta pengawasan kualitas merupakan alat yang penting dalam melakukan pengawasan produk maupun pengawasan proses produksi. Grafik penjualan suatu perusahaan memberi gambaran yang sederhana dan menarik mengenai perkembangan hasil penjualan yang telah dicapai oleh perusahaan yang bersangkutan. Pada hakekatnya grafik dan tabel seyogyanya digunakan secara bersama-sama. Penyajian data dalam grafik lebih mudah dan menarik dibanding penyajian dengan tabel. Selain itu, grafik dapat melukiskan suatu peristiwa secara lebih mengesankan dan tidak membosankan. Namun demikian, penyajian secara grafis hanyalah bersifat aprosimatif. Angka-angka yang pasti dan rinci tentang suatu peristiwa dimuat dalam tabel. Oleh karena itu, analisis dan interpretasi data umumnya dilakukan terhadap data yang terdapat dalam tabel statistic (Anwar, 2014 : 221)

2.4.2.2 Histogram dan Poligon Frekuensi

Menurut Anwar (2014 : 222) Histogram adalah penyajian data kontinum dengan menggambarkannya dengan batang histogram. Contohnya sebagai berikut:

Sedangkan poligon adalah grafik untuk menggambarkan data dengan menghubungkan titik-titik tengah batang histogram.

Menurut Saiman (2016 : 233) ada beberapa hal yang harus diperhatikan dalam membuat histogram, yaitu:

1) Terdapat dua sumbu, yaitu sumbu mendatar dan sumbu tegak.

2) Skala pada kedua sumbu tidak harus sama.

3) Sumbu tegak memuat frekuensi masing-masing kelas interval.

Sumbu mendatar berisi setiap interval data dari tabel distribusi frekuensi. Untuk setiap kelas interval, pada sumbu mendatar dibatasi oleh tepi atas dan tepi bawah. Pada tepi atas dan tepi bawah ditarik garis ke atas sampai menunjukkan bilangan yang sesuai dengan frekuensi pada sumbu tegak. Selanjutnya kedua ujungnya dihubungkan, sehingga akan terbentuk sebuah batang yang berupa persegi panjang.

4) Karena garis tegak lurus ditarik dari tepi atas dan tepi bawah setiap interval, maka diperoleh gambar persegi panjang- persegi panjang yang saling berimpit pada salah satu sisinya.

5) Lebar setiap batang harus sama antara satu dengan yang lain, termasuk warna atau corak arsirannya.

6) Di bagian atas setiap batang diberikan bilangan yang menunjukkan frekuensi.

2.4.2.3 Ogive

Husin explained other basic things that are used to produce ogive is data. He used two types of data, namely in the form of figures and words. He said the figure is the “number of examples” and sample data in the form of the word is “an excuse”. He gave the example of the Malaysian population by race, gender, and religion. To give an example of data in numerical form, he formed a frequency table with two columns containing a compilation of words and numbers. He labeled first column with the word “goods” which contained the word car and motor. He labelled second column with the words “number of producers” and a

collection of numbers (Hashim and Pa, 2014 : 138).

Husin menjelaskan hal mendasar lainnya yang digunakan untuk menghasilkan ogive adalah data. Ia menggunakan dua jenis data, yaitu dalam bentuk angka dan kata-kata. Dia mengatakan angka itu adalah "jumlah contoh" dan data sampel dalam bentuk kata adalah "alasan". Dia memberi contoh penduduk Malaysia berdasarkan ras, gender, dan agama. Untuk memberikan contoh data dalam bentuk numerik, ia membentuk tabel frekuensi dengan dua kolom yang berisi kompilasi kata dan angka. Dia melabeli kolom pertama dengan kata "barang" yang berisi kata mobil dan motor. Dia memberi label kolom kedua dengan kata-kata "jumlah produsen" dan kumpulan angka (Hashim dan Pa, 2014 : 138).

Menurut Kadir (2106 : 30) ogive adalah grafik yang melukiskan distribusi frekuensi kumulatif. Seperti halnya pada grafik histogram, sumbu horisontal menunjukkan skor dan sumbu vertikal menunjukkan frekuensi. Garis ogive menghubungkan tinggi atau frekuensi berrturut-turut dari batas bawah kelas interval pertama sampai ke frekuensi batas bawah kelas interval pertama sampai ke frekuensi batas bawah kelas terakhir.

According to Shayib (2013 : 17) there are two ways in which frequency distributions can be modified to suit particular needs. One way is to convert a distribution into a percentage distribution by dividing the frequency in each class by the total number of observations, and express it as a percentage, see column 4 in Table 2. This column has what we call the relative frequency column. The other way of modifying a frequency distribution is presenting it as a cumulative relative frequency distribution by adding the relative frequencies as we go down the classes, and this will generate the Ogive line, see Figure 5C.

Menurut Shayib (2013 : 17) ada dua cara di mana distribusi frekuensi dapat dimodifikasi untuk memenuhi kebutuhan tertentu. Salah satunya adalah dengan mengubah distribusi menjadi distribusi persentase dengan membagi frekuensi di setiap kelas dengan jumlah total pengamatan, dan menyatakannya sebagai persentase, lihat kolom 4 pada Tabel 2. Kolom ini memiliki apa yang kita sebut kolom frekuensi relatif. Cara lain untuk memodifikasi distribusi frekuensi adalah menyajikannya sebagai distribusi frekuensi relatif kumulatif dengan menambahkan frekuensi relatif saat kita turun kelas, dan ini akan menghasilkan garis Ogive, lihat Gambar 5C.

2.4.3 Pie Chart

Menurut Anwar (2014 : 222) grafik lingkaran ini menarik, namun memiliki sisi kelemahan dalam hal tujuan untuk perbandingan antara sektor-sektor yang terdapat dalam lingkarannya. Penyajian berbagai data yang besarnya berbeda (ekstrim) dalam diagram yang sama, merupakan suatu prosedur yang meragukan. Mengingat lingkaran terdiri dari 360 derajat, maka 3,6 derajat berarti menggambarkan persentase sebesar 1%. Contohnya sebagai berikut.

Berbeda dengan data nominal, data kontinum tidak dapat dipisahkan lepas satu sama lain secara ekslusif . data kontinum bersambungan dalam sebuah skala yang bersifat kontinum. Data kontinum ini disajika dalam bentuk histogram, polygon, dan kurva.

A pie chart, which is used to represent nominal data (in other words, data classified in different categories), visually represents a distribution of categories. It is generally the most appropriate format for representing information grouped into a small number of categories. It is also used for data that have no other way of being represented aside from a table (i.e. frequency table) (Junyong and Sangseok, 2017: 269).

Bagan pai, yang digunakan untuk merepresentasikan data nominal (dalam lainnya kata-kata, data diklasifikasikan dalam kategori berbeda), secara visual mewakili distribusi kategori. Umumnya ini yang paling tepat format untuk mewakili informasi yang dikelompokkan ke dalam sejumlah kecil kategori. Ini juga digunakan untuk data yang tidak memiliki cara lain untuk diwakili selain dari tabel (yaitu tabel frekuensi) (Junyong dan Sangseok, 2017: 269).

Qualitative data can be summarized by using a bar graph, a pie chart, or a Pareto Chart. The classes here have no boundaries, and no limits. They are the categories that data had been given in, or classified based upon. Frequency, relative frequency, or cumulative relative frequency distributions can be done on qualitative data (Shayib, 2013 : 25).

Data kualitatif dapat diringkas dengan menggunakan grafik batang, diagram lingkaran, atau bagan Pareto. Kelas-kelas di sini tidak memiliki batasan, dan tanpa batas. Mereka adalah kategori yang data telah diberikan, atau diklasifikasikan berdasarkan frekuensi, frekuensi relatif, atau distribusi frekuensi relatif kumulatif bisa dilakukan pada data kualitatif (Shayib, 2013: 25).

2.5 Jenis Data

Dilihat dari segi wujud data, data yang berasal dari subjek penelitian itu sendiri dapat berupa data kuantitatif dan data kualitatif. Data kuantitatif adalah data yang berwujud angka-angka yang diperoleh sebagai hasil pengukuran atau penjumlahan. Data-data kuantitatif inilah yang kemudian biasa diolah dengan teknik statistik. Data kualitatif, di pihak lain, adalah data yang tidak berbentuk angka-angka yang biasanya berupa data verbal yang diperoleh dari pengamatan, wawancara, atau bahan tertulis.

Dari kerja pengumpulan data baik lewat penjumlahan maupun pengukuran, akan diperoleh data-data kuantitatif. Dilihat dari segi jenisnya, data kuantitatif tersebut dapat dibedakan dalam empat macam data yang mempunyai data skala tertentu, yaitu:

1. Data Nominal

Data nominal adalah angka yang berfungsi hanya sebagai pengganti nama atau sebutan suatu gejala. Skala ini disebut juga skala klasifikasi atau kategori, maka disebut juga sebagai data skala kategorial. Ini amerupakan data angka-angka yang dipergunakan untuk mengklasifikasikan suatu benda, sifat, jenis, atau orang. Jadi, angka-angka itu sekedar merupakan lambang pengategorian tentang sesuatu yang dikategorikan.

Misalnya, berdasarkan jenis kelamin, manusia yang dapat dibedakan menjadi pria dan wanita dapat diklasifikasikan kedalam lambing-lambang angka, seperti pria = 1, dan wanita = 2, atau sebaliknya.

2. Data Ordinal

Data ordinal adalah angka yang selain berfungsi sebagai pengganti nama atau sebutan suatu gejala juga menunjukkan bahwa masing-masing gejala mempunyai perbedaan intensitas dan atau tinggi-rendah, namun satuan atau unit perbedaannya tidak ada atau tidak jelas, tidak dapat djelaskan, tidak dapat ditandai, tidak diperhatikan, atau diabaikan. Skala ini juga disebut sebagai skala peringkat. Ia adalah data yang menunjukkan adanya kategori hubungan tingkatan. Hubungan yang biasa dipergunakan adalah kategori-kategori lebih, misalnya lebih besar, lebih tinggi, lebih lebih senang, lebih rajin, dan sebagainya tergantung sifat hubungan yang dikategorikan.

Sebagai contoh misalnya, siswa peringkat I >peringkat II >peringkat III >peringkat IV >, atau dapat juga ditulis: peringkat I/ peringkat II/ peringkat III/ peringkat IV; tingkatan dalam nilai misalnya terdiri dari :sempurna/baik sekali/baik/sedang/kurang/buruk.

3. Data Interval

Data interval adalah data yang mempunya ciri-ciri skala ordinal, namun jarak antara tiap bilangan itu diketahui. Angka-angka pada skala interval bersifat linear dengan jarak yang pasti dan perbedaan-perbedaan dalam skala itu berada dalam hubungan yang sepadan (isomorfis). Dalam skala ordinal, jika jarak antara kategori peringkat baik, sedang, dan kurang itu dilambangkan dengan angka 3, 2, dan 1, sebenarnya perbedaan antara angka 3, 2, dan 1 itu tidak diketahui secara pasti. Sesuatu yang tercakup dalam kategori baik, sebenarnya dapat berkategori baik sekali, baik, dan agak baik, namun masih lebih kurang sedang.

Namun, jika angka 3, 2, dan 1 itu merupakan angka yang berskala interval, rasio perbedaan atau jarak antara 3 dengan 2, dan 2 dengan 1, itu sama, yaitu sama-sama 1. Contoh lain misalnya, jarak antara 50, 60, dan 70 itu sekaligus juga menunjukkan adanya skala ordinal kurang dari (kalau dialik :lebih dari). Di pihak lain, kita juga dapat mengatakan bahwa, misalnya jarak antara 65-74 tidak sama dengan jarak antara 72-86 tidak sama. Data yang berskala interval adalah data yang paling banyak dipergunakan dan diperoleh dalam berbagai kegiatan pengukuran pendidikan.

4. Data Rasio

Data rasio adalah data yang mempunyai ciri-ciri skala interval, namun mempunyai bilangan nol yang absolut (sebenarnya) yang dipergunakan sebagai titik awal perhitungan. Misalnya, ukuran yang berupa panjang (10m, 25m, tetapi dapat 0m), berat (10kg, 10pon, dapat 0kg atau 0pon), dan kerasnya suara (sekiandesible). Hasil pengukuran yang menghasilkan data yang berskala rasio merupakan bilangan yang sebenarnya. Jika ukuran rasio dapat dicapai, semua penghitungan statistik yang dipergunaan dalam data berskala interval dapat pula dipergunakan untuk data berskala rasio.

There are two types of data used in statistical research: qualitative data

and quantitative data. Qualitative data are measurements that cannot be measured on a natural numerical scale. The can only be classified into one or more groups of categories. For instance, brands of shoes cannot be classified on a numerical scale, we can only group them into aggregate categories such as Nike, Adidas, or K-Swiss. Another example of a qualitative variable is an individual’s gender. They are either male or female and there is no ordering or measuring on a numerical scale. You are one or the other. Graphs are very useful in studying qualitative data and the next chapter will introduce graphical techniques that are

useful in studying such data.

Quantitative data are measurements that can be recorded on a naturally occurring scale. Thus, things like the time it takes to run a mile or the amount in dolars that a salesman has earned this year are both examples of quantitative variables (Darius, 2017 : 12).

Menurut Darius (2017: 12), ada dua jenis data yang digunakan dalam penelitian statistik: data kualitatif dan data kuantitatif. Data kualitatif adalah pengukuran yang tidak dapat diukur pada skala numeric alami. Itu hanya dapat diklasifikasikan kedalam satu atau lebih kelompok kategori. Misalnya, merek sepatu tidak dapat diklasifikasikan dalam skala numerik, kami hanya dapat mengelompokkan mereka kedalam kategori agregat seperti Nike, Adidas, atau KSwiss. Contoh lain dari variable kualitatif adalah jenis kelamin individu. Mereka laki-laki atau perempuan dan tidak ada pemesanan atau pengukuran pada skala numerik. Anda satu atau yang lain. Grafik sangat berguna dalam mempelajari data kualitatif dan bab berikutnya akan memperkenalkan teknik grafis yang berguna dalam mempelajari data tersebut.

Data kuantitatif adalah pengukuran yang dapat direkam pada skala yang terjadi secara alami. Dengan demikian, hal-hal seperti waktu yang diperlukan untuk menjalankan satu mil atau jumlah dalam dolars yang diperoleh seorang salesman tahun ini adalah contoh dari variable kuantitatif.

2.6 Kajian Kritis

Dalam penelitian, sering digunakan populasi dan sampel. Salah satu langkah dalam penelitian ilmiah adalah menentukan populasi dan sampel. Populasi adalah segala sesuatu yang meliputi seluruh karakteristik atau sifat yang dimiliki oleh obyek/subyek yang diterapkan untuk dipelajari. Sedangkan sampel adalah sebagian atau wakil dari populasi yang diambil dengan menggunakan caracara tertentu. Sampel dipilih dengan hati-hati sehingga dengan melalui cara demikian peneliti akan dapat melihat karakterisitik total populasi.

Teknik-teknik pengambilan sampel secara umum terbagi menjadi dua teknik pengambilan sampel, Pertama adalah teknik pengambilan sampel secara acak atau Random Sampling dan yang kedua adalah tidak acak atau Non random Sampling. Random sampling merupakan cara pengambilan sampel yang memberikan kesepatan yang sama untuk diambil pada setiap elemen yang sama berarti tidak memandang siapa pun jenis sampelnya, sedangkan Nonrandom merupkan teknik pengambilan sampel tidak acak artinya adalah setiap elemen atau populasi tidak akan ada kemungkinan yang sama untuk di jadikan sampel.

Dalam pembuatan laporan penelitian, data termasuk yang harus dilaporkan. Agar dapat memberikan gambaran yang bermakna, data-data itu haruslah disajikan ke dalam tampilan yang sistematis. Ada sejumlah cara yang dapat dipilih untuk menampilkan data hasil pengukuran dalam kerja penelitian. Penyajian data yang mana yang sebaiknya dipilih tergantung jenis data, selera peneliti, dan tujuan penampilan data itu sendiri. Penyajian data dapat dilakukan dalam bentuk Tabel data dan grafik atau diagram. Dimana salah satu bentuk penyajian data adalah bentuk tabel distribusi frekuensi. Distribusi frekuensi merupakan suatu cara penyajian data skor ke dalam bentuk tabel. Skor-skor tersebut diurutkan dari yang tertinggi yang lebih rendah, atau sebaliknya, dan kemudian dihitung frekuensi masing-masing skor atau kelas interval skor-skor. Tabel distribusi itu sendiri terbagi atas 3 yaitu tabel distribusi kumulatif, relative dan hal-hal khusus pada tabel distrubusi frekuensi

Agar memudahkan kita dalam mengelompokkan atau menganalisis dapat sebuah data, data dapat disajikan ke dalam bentuk tabel. Selain data-data angka juga dapat disajikan ke dalam bentuk grafik dan diagram. Penyajian data ke dalam grafik biasanya akan terlihat lebih menarik karena data-data itu dimuat dalam bentuk visual (gambar). Pada makalah ini macam-macam grafik yang akan dijelaskan yakni grafik histogram, poligon, dan ogive.

Pada grafik histogram atau yang juga bisa disebut bar diagram, yakni grafik yang sering berbentuk segi empat. Dasar dalam membuat grafik ini menggunakan titik tengah, seperti yang telah dijelaskan dari sumber-sumber yang telah dipaparkan sebelumnya. Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi dan disajikan dalam bentuk diagram yang disebut histogram. Sedangkan pada grafik poligon atau yang sering dikenal dengan poligon frekuensi juga sering digunakan dan dipadukan dengan histogram. Karena grafik ini berbentuk garis patah-patah gabungan dari nilai tengah setiap pada setiap puncak-puncak histogram minsalnya.

Pada grafik ogive yakni grafik garis yang dibuat dari data pada tabel frekuensi distributif kumulatif. Ogive pun ada yang naik dan turun yang didapat dari tabel kumulatif lebih dari dan kurang dari. Jika poligon frekuensi kumulatif dihaluskan, diperoleh kurva yang disebut kurva ogive.

Cara lain untuk menyajikan data agar dapat memberikan gambaran yang lebih jelas, ialah dengan cara membuatnya dalam bentuk diagram. Diagram dalam fungsinya seperti yang kita ketahui juga dapat disamakan dengan sebuah gambaran serta uraian-uraian mengenai suatu data yang ingin dianalisis. Penyajian data dalam bentuk diagram terdapat berbagai macam seperti diagram batang, garis, lingkaran, lambang, dan kartogram. Pada makalah ini akan dijelaskan mengenai digram lingkaran (pie chart)

Jika diihat dari bentuk data, data dapat dibagi menjadi dua yaitu data kuantitatif dan data kualitatif. Data kuantitatif berbentuk angka sementara data kualitatif berbenttuk bukan angka karena untuk mendapatkan data kualitatif biasanya didapat dari hasil wawancara dan bahan tertulis. Pada data kuantitatif, ini dibagi menjadi empat bentuk, yaitu, data nominal, data ordinal, data interval, dan data rasio. Dan keempat jenis ini berbeda bentuk untuk setiap jenisnya, dimana data nominal berbentuk angka untuk pengkategoriannya, data ordinal membedakan yang tinggi kerendah, data interval berbicara tentang jarak antar data, dan data rasio mempunyai data angka nol untuk data perhitunganya.

BAB III PENUTUP

3.1 Kesimpulan

Populasi adalah wilayah generalisasi yang terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sedangkan dalam sebuah studi penelitian, sampel adalah sekelompok individu, barang, atau kejadian untuk mewakili karakteristik kelompok yang lebih besar dari sampel yang diambil. Menguji sampel, terutama dalam studi kuantitatif, dapat memungkinkan peneliti untuk membuat kesimpulan tentang kinerja kelompok yang lebih besar, yang dikenal sebagai populasi. Proses pemilihan sampel dikenal sebagai sampling. Sampling adalah cara yang digunakan untuk mengambil sampel dan biasanya mengikuti teknik atau jenis sampling yang digunakan. Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau random sampling/probability sampling, dan sampel tidak acak atau nonrandom sampling/nonprobability sampling. Random sampling adalah cara pengambilan sampel yang memberikan kesempatan yang sama untuk di ambil pad setiap elemen populasi, Nonrandom sampling dan nonprobability sampling adalah setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan sampel.

Dilihat dari segi jenisnya, data kuantitatif tersebut dapat dibedakan dalam empat macam data yang mempunyai data skala tertentu, yaitu data nominal, data ordinal, data interval dan data rasio. Data nominal adalah angka yang berfungsi hanya sebagai pengganti nama atau sebutan suatu gejala. Data ordinal adalah angka yang selain berfungsi sebagai pengganti nama atau sebutan suatu gejala juga menunjukkan bahwa masing-masing gejala mempunyai perbedaan intensitas dan atau tinggi-rendah, namun satuan atau unit perbedaannya tidak ada atau tidak jelas, tidak dapat djelaskan, tidak dapat ditandai, tidak diperhatikan, atau diabaikan. Data interval adalah data yang mempunya ciri-ciri skala ordinal, namun jarak antara tiap bilangan itu diketahui. Data rasio adalah data yang mempunyai ciri-ciri skala interval, namun mempunyai bilangan nol yang absolut (sebenarnya) yang dipergunakan sebagai titik awal perhitungan.

Penyajian data yaitu suatu pembuatan laporan data penelitan agar dapat memberikan gambaran suatu penelitian dengan tampilan yang sistematis. Penyajian data dibagi atas dua yaitu dalam bentuk tabel dan bentuk grafik atau diagram. Tabel data, yaitu penyajian data dalam bentuk kumpulan angka yang disusun menurut kategori tertentu dalam suatu daftar. Dalam tabel, data disusun secara alfabetis, geografis, menurut besarnya angka, historis atau menurut kelaskelas yang lazim. Grafik data atau diagram data, yaitu penyajian data dalam bentuk gambar-gambar. Grafik data sebenarnya merupakan penyajian data secara visual dari tabel.

Pada tabel data, ada yang disebut dengan tabel distribusi frekuensi . Dimana tabel distribusi frekuensi merupakan cara penyajian data berdasarkan dalam kelas-kelas interval tertentu. Fungsi penyajian data dengan tabel distribusi frekuensi adalah untuk memudahkan membaca atau mengkomunikasikan sekumpulan data lebih besar. Tabel distribusi frekuensi dibagi atas 3 yaitu tabel distribusi frekuensi relative, kumulatif dan frekuensi relative-kumulatif.

Pada hakekatnya grafik dan tabel seyogyanya digunakan secara bersamasama. Penyajian data dalam grafik lebih mudah dan menarik dibanding penyajian dengan tabel. Histogram adalah penyajian data kontinum dengan menggambarkannya dengan batang histogram. Sedangkan poligon adalah grafik untuk menggambarkan data dengan menghubungkan titik-titik tengah batang histogram. Ogive adalah grafik yang melukiskan distribusi frekuensi kumulatif. n Pie chart digunakan untuk merepresentasikan data nominal (dalam lainnya katakata, data diklasifikasikan dalam kategori berbeda), secara visual mewakili distribusi kategori. Data kualitatif dapat diringkas dengan menggunakan grafik batang, diagram lingkaran, atau bagan Pareto. Kelas-kelas di sini tidak memiliki batasan, dan tanpa batas. Mereka adalah kategori yang data telah diberikan, atau diklasifikasikan berdasarkan frekuensi, frekuensi relatif, atau distribusi frekuensi relatif kumulatif bisa dilakukan pada data kualitatif

3.2 Saran

Adapun saran yang tim penulis sampaikan adalah agar pembaca dapat menggunakan menyajikan data secara statistic dengan baik dan benar dalam sebuah penilitian dengan mengetahui aspek-aspek tertentu beserta fungsinya, dan akan lebih tepat jika mengikuti tahapan yang ilmiah dan sesuai dengan ppenilitian yang sedang dilakukan. Data yang baik tentu saja harus yang mutakhir, cocok (relevan), dengan masalah penelitian dari sumber yang dapat dipertanggungjawabkan, lengkap akurat, objektif dan konsisten. Pengumpulan data sedapat mungkin di peroleh dari tangan pertama. Data yang baik sangat di perlukan dalam penelitian, sebab bagaimanapun canggihnya suatu analisis data jika tidak di tunjang oleh data yang baik, maka hasilnya kurang dapat di pertanggungjawabkan.

DAFTAR PUSTAKA

Anwar, Herson. (2014). Penyajian Data Penelitian dan Review melalui Teknik

Observasi. Jurnal Manajemen Pendidikan Islam, 2(2)

Arifin, Zainal. 2011. Penelitian Pendidikan. Bandung : PT Remaja Rosdakarya

Creswell, JohnW. (20120. Educational Research Planning, Conducting and evaluating quantitative dan qualitative research. Lincoln: University of

Nebraska

Darius Singpurwalla. 2017. An Overview of Statistical Methods.ISBN-978-87-

403-0542-5

Darmawan, Deni. 2013. Metode Penelitian Kuantitatif. Bandung: PT Remaja Rosdakarya

Gay, L.R. 2012. Educational Research Competencies for Analysis. Florida International University

Hashim, Sharida dan Pa, Nik A.N. (2014). Meaning of an Ogive by Students of Diploma in Accountancy in an Institute of Higher Education. Open Journal of Statistics, Vol.4

Jalil, Sartikah., dkk.( 2014). Kepuasan Kerja Petugas Kesehatan di Rumah Sakit Umum Daerah Kabupaten Majene. Journal Analisis, 3(2) ISSN 2302-6340

Junyong,In and Sangseok, Lee. Statistical Data Presentation. Korean Journal of Anesthesiology, pISSN 2005-6419 eISSN 2005-7563

Kadir. 2016. Statistika Terapan : Konsep, Contoh, dan Analisis Data dengan Program SPSS/Lisrel dalam Penelitian. Jakarta : Rajawali

Manikandan .(2011). Frequency Distribution. Journal of Pharmacology Pharmacotherapeutics.2(1)

Maslihah, Sri. 2011. Studi Tentang Hubungan Dukungan Sosial, Penyesuaian

Sosial Di Lingkungan Sekolah Dan Prestasi Akademik Siswa Smpit Assyfa Boarding School Subang Jawa Barat. Jurnal Psikologi Undip.10(2)

Nasution, Leni Masnidar.(2017). Statistika Deskriptif. Jurnal Hikmah, 14(1) ISSN

1829-8419

Nurgiyanto, Burhan.dkk.2015.Statistik Terapan.Yogyakarta:Gadjah Mada University Press

Saiman. 2016. Analisis Kesulitan Siswa dalam Belajar Statistik Khususnya.

Jurnal Pendidikan Matematika, 5(2)

Shayib, Muhammed A.2013. Applied Statistics.ISBN 978-87-403-0493-0

Silaen, sofar dan widiyono.2013. Metodologi penelitian sosial untuk penulisan skripsi dan tesis. Jakarta : In Media

Sukmadinata, Nana Syaodih. 2013. Metode Penelitian Pendidikan. Bandung : PT Remaja Rosdakarya

William, F Coleman.(2008). Population Versus Sampling Statistics A Spreadsheet Exercise. Journal of Chemical Education, 85 (5)

Yusuf, Muri.2014. Metode Penelitian Kuantitatif, Kualitatif dan Penelitian Gabungan Edisi Pertama. Jakarta : PT Fajar Interpratama Mandiri

Laman

Senin, 02 Desember 2019

Rabu, 22 Mei 2019

Rabu, 15 Mei 2019

Jumat, 07 Desember 2018