Pertemuan 1 · Bab 1 · Statistika 2 Satuan Kredit Semester · Diploma Empat Manajemen Proyek Konstruksi

Data, Populasi, Sampel, Variabel, dan Skala Pengukuran

Pertemuan 1 membangun fondasi seluruh analisis Statistika. Fokusnya bukan menghafal istilah, tetapi memahami siapa yang diteliti, apa yang dicatat, bagaimana data dikelompokkan, dan bagaimana struktur itu disiapkan di IBM SPSS Statistics.

Populasi & Sampel Variabel Jenis Data Skala Pengukuran Variable View Data View 340 menit Formatif 0%

Target Rencana Pembelajaran Semester: mahasiswa mampu mengidentifikasi populasi, sampel, parameter, statistik, variabel, jenis data, dan skala pengukuran serta membangun struktur dasar dataset pada Variable View dan Data View pada perangkat lunak IBM SPSS Statistics. Indikator: klasifikasi ≥80% benar dan struktur dataset IBM SPSS Statistics tepat.

Sinkronisasi Rencana Pembelajaran Semester

Kemampuan Akhir yang Direncanakan: Mengidentifikasi populasi, sampel, variabel, jenis data, dan skala pengukuran.
Waktu: TM 100 + PT 120 + BM 120 = 340 menit
Penilaian: Formatif 0%
Referensi RPS: 1,2,3,4

Tujuan belajar Pertemuan 1

Pertemuan 1 memiliki 5 tujuan utama. Klik salah satu tujuan untuk langsung menuju materi yang membahasnya.

1
Menentukan populasi, sampel, dan unit observasi. 2
Mengidentifikasi variabel dan jenis data. 3
Menentukan skala pengukuran dengan benar. 4
Menyiapkan Variable View, Data View, dan kamus data. 5
Menerapkan seluruh konsep pada dataset Manajemen Proyek Konstruksi sederhana.

Cara belajar: selesaikan Tujuan Pembelajaran 1 → Tujuan Pembelajaran 5 secara berurutan. Anda tidak perlu menghafal seluruh isi sekaligus. Setiap blok materi memiliki contoh, latihan, dan tombol kembali ke daftar tujuan.

Cara belajar Pertemuan 1 agar tetap ringan

Materi Pertemuan 1 cukup luas, tetapi Anda tidak perlu membacanya sekaligus. Selesaikan satu tujuan pembelajaran, lihat contoh, kerjakan latihan, lalu kembali ke daftar tujuan.

Baca tujuan. Ketahui kemampuan yang harus dicapai.

Pahami penjelasan inti. Fokus pada alasan, bukan menghafal istilah.

Lihat contoh Manajemen Proyek Konstruksi. Hubungkan konsep dengan data proyek.

Kerjakan latihan. Pastikan Anda dapat mengambil keputusan sendiri.

Kembali ke daftar tujuan. Lanjutkan setelah konsep sebelumnya cukup jelas.

Siklus belajar Pertemuan 1: konsep → contoh dataset kecil → IBM SPSS Statistics → interpretasi.

Peta materi Pertemuan 1

Tujuan Pembelajaran 1 · Populasi & Sampel Tujuan Pembelajaran 2 · Variabel & Jenis Data Tujuan Pembelajaran 3 · Skala Pengukuran Tujuan Pembelajaran 4 · IBM SPSS Statistics & Kamus data Tujuan Pembelajaran 5 · Penerapan Manajemen Proyek Konstruksi

Masalah → Populasi → Sampel → Variabel → Skala → IBM SPSS Statistics → Analisis

Urutan ini menjadi fondasi Pertemuan 2–Pertemuan 16.

TUJUAN PEMBELAJARAN 1

Menentukan populasi, sampel, dan unit observasi

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono · Santoso

Sebelum mengumpulkan data, kita harus mengetahui siapa atau apa yang menjadi sasaran kesimpulan. Dari sinilah populasi, sampel, dan unit observasi ditentukan.

1.1 Mulai dari masalah proyek

Masalah: manajer proyek ingin mengetahui apakah produktivitas pekerjaan pasangan bata telah mencapai target.

Sasaran: pekerja/tim pada pekerjaan pasangan bata.
Populasi: seluruh unit yang ingin diberi kesimpulan.
Sampel: unit yang benar-benar diamati.
Unit observasi: satu pekerja/tim pada satu periode pengamatan.

1.2 Populasi dan sampel

Populasi adalah seluruh unit yang menjadi sasaran kesimpulan.

Sampel adalah sebagian unit dari populasi yang benar-benar diamati.

1.3 Unit observasi: satu baris mewakili apa?

Pertanyaan	Unit observasi	Satu baris mewakili
Produktivitas pekerja	Pekerja	Satu pekerja
Durasi aktivitas	Aktivitas	Satu aktivitas
Deviasi biaya proyek	Proyek	Satu proyek

1.4 Parameter dan statistik: dua istilah yang harus dibedakan

Setelah membedakan populasi dan sampel, kita perlu membedakan ukuran yang berasal dari keduanya. Parameter menggambarkan populasi, sedangkan statistik dihitung dari sampel.

Konsep	Sumber	Contoh Manajemen Proyek Konstruksi
Parameter	Populasi	mean durasi seluruh 180 aktivitas proyek
Statistik	Sampel	mean durasi 30 aktivitas yang diamati

Mengapa penting? Statistik sampel dipakai untuk mempelajari atau mengestimasi parameter populasi. Teknik memilih sampel yang lebih formal akan diperdalam pada Pertemuan 7.

1.5 Kesalahan berpikir yang sering terjadi

“File berisi 30 baris, jadi populasinya 30.” Belum tentu; populasi ditentukan oleh sasaran kesimpulan.
“Semua unit yang mudah ditemui adalah sampel yang baik.” Tidak selalu; cara sampling memengaruhi generalisasi.
“Satu baris boleh berubah makna.” Tidak; level observasi harus konsisten.

1.6 Contoh terarah — populasi, sampel, parameter, statistik

Proyek memiliki 180 aktivitas. Sebanyak 30 aktivitas dipilih untuk dianalisis.

Populasi: 180 aktivitas.

Sampel: 30 aktivitas.

Unit observasi: satu aktivitas.

Latihan Tujuan Pembelajaran 1

Perusahaan memiliki 75 proyek aktif dan memilih 12 proyek untuk dianalisis deviasi biayanya. Tentukan populasi, sampel, dan unit observasi.

Jawaban: populasi = 75 proyek; sampel = 12 proyek; unit observasi = satu proyek.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 2

Mengidentifikasi variabel dan jenis data

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono · Santoso

Setelah mengetahui satu baris mewakili apa, langkah berikutnya adalah menentukan karakteristik apa yang dicatat dari setiap kasus. Karakteristik inilah yang disebut variabel.

2.1 Identifier dan variabel analitik

Identifier hanya membedakan kasus, misalnya A01, A02, atau nomor pekerja. Identifier penting untuk pelacakan, tetapi biasanya tidak dianalisis sebagai besaran numerik.

identitas unik 103 tidak berarti “lebih besar” daripada identitas unik 101. Jangan menghitung mean dari nomor identitas unik.

2.2 Variabel kategorik dan numerik

Jenis	Ciri	Contoh Manajemen Proyek Konstruksi
Kategorik	menunjukkan kelompok/kelas	metode kerja, jenis proyek
Numerik	menunjukkan kuantitas	durasi, biaya, produktivitas

2.3 Diskrit dan kontinu

Jenis	Cara diperoleh	Contoh
Diskrit	hasil hitungan	jumlah pekerja
Kontinu	hasil pengukuran	durasi, panjang, produktivitas

2.4 Definisi operasional

Nama variabel harus menjelaskan apa yang sebenarnya diukur. Misalnya “kinerja” terlalu luas; “produktivitas pasangan bata (m²/hari)” jauh lebih operasional.

Variabel	Jenis	Catatan
Metode kerja	Kategorik	kategori
Jumlah pekerja	Numerik diskrit	hasil hitungan
Durasi	Numerik kontinu	hasil pengukuran

Latihan Tujuan Pembelajaran 2

Klasifikasikan: jenis proyek, jumlah pekerja, durasi pekerjaan.

Jawaban: jenis proyek = kategorik; jumlah pekerja = numerik diskrit; durasi = numerik kontinu.

2.5 Variabel harus memiliki definisi operasional

Nama variabel belum cukup. Mahasiswa perlu menjelaskan bagaimana variabel diukur. Misalnya “produktivitas” dapat berarti m² pasangan bata per jam, m³ beton per hari, atau volume pekerjaan per orang-hari.

Nama umum	Definisi operasional yang lebih baik
Produktivitas	luas pasangan bata selesai per jam kerja efektif (m²/jam)
Durasi	waktu aktual dari mulai sampai selesai aktivitas (hari)
Biaya	biaya aktual aktivitas pada saat cut-off laporan (Rp)

2.6 Angka tidak selalu berarti data numerik analitik

Kode 1=Konvensional dan 2=Prefabrikasi tetap data kategorik. Nomor pekerja 101–130 juga tetap identifier. Yang menentukan jenis data adalah makna, bukan bentuk digit.

Audit cepat: tanyakan “apakah selisih dan operasi aritmetika pada angka ini mempunyai makna?” Jika tidak, angka tersebut mungkin hanya kode kategori atau identifier.

2.7 Hubungan dengan materi berikutnya

Klasifikasi pada Pertemuan 1 menentukan ringkasan yang masuk akal pada Pertemuan 2–Pertemuan 4. Variabel kategorik biasanya diringkas dengan frekuensi/persentase, sedangkan variabel numerik dapat diringkas dengan ukuran pemusatan dan penyebaran.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 3

Menentukan skala pengukuran dengan benar

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono · Santoso

Skala pengukuran menjelaskan makna nilai dan menentukan operasi statistik yang masuk akal. Jangan menentukan skala hanya dari tampilan angkanya.

3.1 Nominal

Kategori tanpa urutan, misalnya jenis proyek atau metode kerja.

3.2 Ordinal

Kategori memiliki urutan, tetapi jarak antar kategori tidak harus sama, misalnya risiko rendah–sedang–tinggi.

3.3 Interval

Jarak antar nilai bermakna, tetapi nol tidak menunjukkan ketiadaan absolut. Contoh: suhu °C.

3.4 Rasio

Jarak bermakna dan memiliki nol absolut. Contoh: durasi, biaya, volume, produktivitas.

Skala	Ciri	Contoh Manajemen Proyek Konstruksi	IBM SPSS Statistics
Nominal	kategori tanpa urutan	jenis proyek	Nominal
Ordinal	kategori berurutan	tingkat risiko	Ordinal
Interval	jarak bermakna; nol tidak absolut	suhu °C	Scale
Rasio	jarak bermakna; nol absolut	durasi, biaya	Scale

Format angka ≠ skala pengukuran

3.5 Mengapa skala penting?

Kode 1=Konvensional dan 2=Prefab tetap nominal. Menghitung mean kode tersebut tidak menjawab “rata-rata metode”. Sebaliknya, durasi dapat dirata-ratakan karena merupakan data numerik rasio.

Latihan Tujuan Pembelajaran 3

Tentukan skala: jenis proyek, tingkat risiko, suhu °C, durasi hari.

Jawaban: nominal, ordinal, interval, rasio.

3.6 Cara cepat menentukan skala

Hanya nama kelompok? → Nominal.

Ada urutan kategori? → Ordinal.

Selisih antar nilai bermakna? → Interval atau Rasio.

Nol berarti ketiadaan besaran? → Rasio; jika tidak → Interval.

3.7 Kasus yang sering membingungkan

Variabel	Skala	Alasan
Skor risiko 1,2,3	Ordinal	angka menunjukkan urutan kategori
Tahun kalender	Interval	selisih bermakna; nol bukan ketiadaan waktu
Durasi proyek (hari)	Rasio	nol berarti tidak ada durasi
Kode lokasi 1,2,3	Nominal	angka hanya label lokasi

Hubungan dengan IBM SPSS Statistics: tentukan skala konseptual dahulu. IBM SPSS Statistics kemudian memetakannya menjadi Nominal, Ordinal, atau Scale.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 4

Menyiapkan Variable View, Data View, dan kamus data

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono · Santoso

Setelah variabel dan skala benar, barulah struktur data disiapkan di IBM SPSS Statistics. Prinsipnya: definisikan variabel terlebih dahulu, baru masukkan datanya.

4.1 Kamus data

Name	Label	Values/Unit	Skala	IBM SPSS Statistics
id	Identitas Unik Aktivitas	A01, A02, ...	Identifier	Nominal
metode	Metode Kerja	1=Prefab; 2=Konvensional	Nominal	Nominal
risiko	Tingkat Risiko	1=Rendah; 2=Sedang; 3=Tinggi	Ordinal	Ordinal
durasi	Durasi Aktual	hari	Rasio	Scale
produktivitas	Produktivitas	m²/hari	Rasio	Scale

4.2 Variable View

Kolom	Fungsi
Name	nama teknis variabel
Type / Decimals	format penyimpanan/tampilan
Label	deskripsi lengkap
Values	label untuk kode kategori
Missing	kode missing khusus bila digunakan
Measure	Nominal, Ordinal, atau Scale

4.3 Data View

1 baris = 1 kasus | 1 kolom = 1 variabel

gunakan satuan yang konsisten;
gunakan coding kategori yang konsisten;
jangan mencampur dua informasi dalam satu sel;
bedakan nilai 0 yang valid dari missing;
pertahankan identifier unik.

4.4 Visual: Variable View → Data View

Alat cek pemetaan skala → IBM SPSS Statistics

Skala

Latihan Tujuan Pembelajaran 4

Durasi proyek memiliki skala rasio. Measure apa yang dipilih di IBM SPSS Statistics?

Jawaban: Scale.

4.5 Urutan aman membuat file IBM SPSS Statistics

Susun kamus data. Tetapkan nama, label, unit, coding, missing, dan skala.

Isi Variable View. Definisikan variabel sebelum memasukkan data.

Periksa Value Labels. Pastikan kode kategori tidak tertukar.

Periksa Measure. Harus konsisten dengan skala konseptual.

Isi Data View. Satu kasus per baris.

Audit awal. Cari coding tidak sah, satuan berbeda, atau sel tidak konsisten.

4.6 Contoh Variable View sederhana

Name	Type	Label	Values	Decimals	Measure
id	String	Identitas Unik Aktivitas	-	-	Nominal
metode	Numeric	Metode Kerja	1=Prefab; 2=Konvensional	0	Nominal
risiko	Numeric	Tingkat Risiko	1=Rendah; 2=Sedang; 3=Tinggi	0	Ordinal
durasi	Numeric	Durasi Aktual (hari)	-	2	Scale

4.7 Kesalahan IBM SPSS Statistics yang harus dicegah sejak Pertemuan 1

nama variabel berbeda antara kamus data dan IBM SPSS Statistics;
Measure=Scale diberikan pada kode kategori;
satuan hari dan jam bercampur dalam satu kolom;
0 dipakai sebagai missing padahal 0 adalah nilai valid;
satuan ditulis di sel numerik, misalnya “12 hari”;
kasus dijadikan kolom padahal seharusnya menjadi baris.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 5

Menerapkan seluruh konsep pada dataset Manajemen Proyek Konstruksi sederhana

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono · Santoso

Tahap terakhir adalah menggabungkan Tujuan Pembelajaran 1–Tujuan Pembelajaran 4. Mahasiswa harus mampu berpindah dari masalah proyek sampai dataset yang siap digunakan untuk analisis Pertemuan 2.

5.1 Studi kasus

Sebuah kontraktor mengamati 24 pekerjaan dinding. Dicatat: identitas unik observasi, metode kerja, tingkat risiko, jumlah pekerja, durasi efektif, volume pekerjaan, dan produktivitas.

5.2 Urutan penyelesaian

Tentukan populasi dan sampel.

Tentukan unit observasi.

Pisahkan identifier dari variabel analitik.

Klasifikasikan jenis data.

Tentukan skala pengukuran.

Tentukan satuan dan coding.

Susun kamus data.

Isi Variable View.

Isi Data View.

Audit struktur sebelum analisis.

5.3 Audit cepat

Pertanyaan	Harus dapat dijawab
Satu baris mewakili apa?	unit observasi jelas
Apa arti setiap kolom?	label/definisi operasional jelas
Apa jenis dan skalanya?	kategorik/numerik + Nominal / Ordinal / Interval / Rasio jelas
Apa satuan/kodenya?	konsisten
Bagaimana missing?	tidak tercampur dengan nilai valid

Latihan integrasi Tujuan Pembelajaran 5

Buat kamus data untuk minimal 6 variabel dari kasus di atas dan tentukan Measure IBM SPSS Statistics setiap variabel.

Kriteria jawaban: identifier dipisahkan; metode nominal; risiko ordinal; jumlah pekerja rasio/Scale; durasi rasio/Scale; produktivitas rasio/Scale; satuan dan coding jelas.

5.4 Evidence yang harus dihasilkan

populasi, sampel, dan unit observasi;
tabel klasifikasi variabel;
penetapan skala dan IBM SPSS Statistics Measure;
kamus data;
Variable View;
Data View dengan contoh kasus;
alasan singkat untuk setiap keputusan penting.

5.5 Indikator ketercapaian Pertemuan 1

Sesuai Rencana Pembelajaran Semester: minimal 80% klasifikasi benar dan struktur dataset IBM SPSS Statistics tepat. Jadi Pertemuan 1 menilai ketepatan keputusan, bukan banyaknya definisi yang dihafal.

↑ Kembali ke Tujuan Belajar

Rangkuman Pertemuan 1

Tujuan Pembelajaran 1–Tujuan Pembelajaran 2

Siapa/apa yang diamati?
Populasi → sampel → unit observasi → variabel.

Tujuan Pembelajaran 3

Apa arti nilainya?
Nominal → ordinal → interval → rasio.

Tujuan Pembelajaran 4

Bagaimana data disiapkan?
Kamus data → Variable View → Data View.

Tujuan Pembelajaran 5

Apakah dataset siap?
Audit struktur → siap untuk Pertemuan 2.

Kalimat kunci Pertemuan 1: jangan mulai menghitung sebelum mengetahui siapa yang diamati, apa variabelnya, apa skalanya, dan bagaimana datanya disusun.

Beban kegiatan Pertemuan 1

Tatap muka / terbimbing	100 menit
Penugasan terstruktur	120 menit
Belajar mandiri	120 menit
Total	340 menit
Penilaian	Formatif 0%

Halaman materi tidak mengunci pembagian menit per jenis kegiatan. Distribusi kegiatan mengikuti Rencana Pembelajaran Semester yang berlaku dan rancangan pengajaran dosen.

Latihan formatif Pertemuan 1

Penugasan Terstruktur

Ambil satu contoh dataset proyek sederhana. Tentukan populasi, sampel, unit observasi, minimal 6 variabel, jenis data, skala, satuan/value labels, dan Measure IBM SPSS Statistics. Susun menjadi kamus data.

Belajar Mandiri

Buat peta konsep: masalah → populasi → sampel → variabel → skala → kamus data → IBM SPSS Statistics.

Checklist penguasaan Pertemuan 1

0 dari 5 tujuan tercapai 0%

Tujuan Pembelajaran 1 — Saya dapat menentukan populasi, sampel, dan unit observasi. Tujuan Pembelajaran 2 — Saya dapat mengidentifikasi variabel dan jenis data. Tujuan Pembelajaran 3 — Saya dapat menentukan skala pengukuran. Tujuan Pembelajaran 4 — Saya dapat menyiapkan kamus data, Variable View, dan Data View. Tujuan Pembelajaran 5 — Saya dapat menerapkan seluruh konsep pada dataset Manajemen Proyek Konstruksi sederhana.

Checklist ini tersimpan pada browser/perangkat dan bukan progres atau nilai resmi sistem pembelajaran.

Catatan Penyelarasan

Materi dan penilaian pada halaman ini menggunakan struktur canonical semester yang telah diharmonisasi. Acuan kurikulum final adalah Rencana Pembelajaran Semester yang berlaku; nomor versi tidak ditampilkan pada halaman materi agar tidak menjadi usang ketika dokumen diperbarui.

Daftar Pustaka Pertemuan 1

Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Sugiyono. (2019). Statistika untuk Penelitian. Bandung: Alfabeta.
Santoso, S. (2018). Menguasai Statistik dengan SPSS 25. Jakarta: Elex Media Komputindo.

Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.

↑ Kembali ke bagian utama

Jembatan ke Pertemuan 2

Pertemuan 2 dimulai setelah struktur data Pertemuan 1 benar. Materi berikutnya membahas distribusi frekuensi, tabel, bar chart, histogram, dan boxplot.

Data Terstruktur → Ringkasan → Tabel → Visualisasi → Interpretasi

↑ Lihat kembali Tujuan Belajar Pertemuan 1