ANALISIS PERBANDINGAN A.

PENDAHULUAN Dalam statistika, dikenal istilah analisis perbandingan, maksudnya melakukan perbandingan rata-rata dari suatu kelompok data dengan kelompok data yang lain. Hal ini dilakukan untuk melihat apakah ada perbedaan yang signifikan dari rata-rata suatu kelompok data dengan kelompok lain, sehingga dapat disimpulkan bahwa kelompok data tersebut lebih baik atau tidak dari yang lainnya. Dalam melakukan analisis perbandingan, yang sangat penting untuk diingat adalah bahwa variabel data-data tersebut terdistribusi secara normal, maksudnya adalah jarak antara data-data (standar deviasi) kurang lebih sama. Ini ditandai dengan bentuk kurva yang kurang lebih simetris atau seimbang, bila dilihat dengan menjalankan program SPSS. Hal lain yang harus diperhatikan adalah bahwa data-data yang akan diperbandingkan memiliki sifat homogen.

Gambar 1. Contoh kurva data yang terdistribusi secara normal Analisis perbandingan rata-rata dalam statistika terbagi menjadi lima bagian, antara lain: - Perbandingan rata-rata (Means) - One-Sample T Test - Independent-Samples T Test - One-Way Anova - Pair-Samples T Test

B. INDEPENDENT-SAMPLES T TEST Independent-samples T Test memperbandingkan data-data yang sifatnya sama, namun tidak terkait satu sama lain atau dapat berdiri sendiri. Contoh kasus: Manajer riset TV A ingin mengetahui apakah terdapat perbedaan frekuensi menonton televisi pada stasiun TV untuk kelompok usia 13-19 tahun di kota Jakarta dan Bogor. Diambil sampel 60 orang secara acak dan diminta keterangan tentang frekuensi menonton TV A (dalam jam) selama seminggu. Pertama-tama yang harus dilakukan adalah pembuatan hipotesis awal (H0) dan hipotesis tandingan (H1). - H0 = Tidak terdapat perbedaan yang nyata antara rata-rata frekuensi menonton televisi A dari responden yang berusia 13-19 tahun yang berdomisili di kota Bogor dan Jakarta. - H1 = Terdapat perbedaan yang nyata antara rata-rata frekuensi menonton televisi A dari responden yang berusia 13-19 tahun yang berdomisili di kota Bogor dan Jakarta. Selanjutnya menentukan tingkat keyakinan hipotesis, misalnya 95%. Kemudian menyiapkan tabel-tabel yang telah berisi data-data yang dibutuhkan dalam perbandingan ini.

Gambar 2. Tabel data (independent-samples T Test) dalam bentuk Excel Selanjutnya dengan meng-copy nilai-nilai yang tertulis dalam tabel tersebut dan di-paste ke jendela program SPSS.

Gambar 3. Hasil paste data-data ke jendela program SPSS. Setelah itu, pada jendela program SPSS, klik tab variable view dan mengubah namanama kolom sesuai dengan yang terlihat pada jendela program Excel, dalam hal ini nama variabelnya adalah frekuensi dan kota. Langkah selanjutnya adalah mengklik kolom value pada variable view, dan mengisi value labels sesuai nomor-nomor dan nama-nama kota yang dimaksudkan dan klik add.

Gambar 4. Jendela value labels Kemudian pada toolbar di jendela program SPSS, klik analyze, compare means lalu klik independent-samples T Test (seperti terlihat pada gambar 5).

Gambar 5. Menjalankan toolbar independent-samples T Test Langkah berikutnya adalah memasukkan variabel-variabel yang ada sesuai kelompoknya, dalam hal ini frekuensi dimasukkan ke test variables dan kota dimasukkan ke kelompok grouping variable. Lalu klik define group untuk menentukan grup beserta nomor urutnya masing-masing.

Gambar 6. Pengelompokan variabel Bila diperlukan, dapat pula mengklik tombol options untuk menentukan tingkat keyakinan hipotesis, yang dalam hal ini adalah 95%. Kemudian klik OK.

Gambar 7. Hasil analisis independent-samples T Test Seperti yang terlihat pada gambar di atas, tingkat signifikansi (sig.) yang didapatkan adalah 0,003. Sedangkan tingkat keyakinan hipotesis yang telah ditentukan adalah 95%, atau sisanya yaitu 5% (0,05). Karena tingkat signifikansi data lebih rendah daripada tingkat keyakinan hipotesis (0,05), maka hipotesis awal (H0) ditolak, dan hipotesis tandingan (H1) diterima. Jadi dapat disimpulkan bahwa: Terdapat perbedaan yang nyata antara rata-rata frekuensi menonton televisi A dari responden yang berusia 13-19 tahun yang berdomisili di kota Bogor dan Jakarta. C. PAIRED-SAMPLES T TEST Paired-samples T Test memperbandingkan rata-rata kelompok sampel data yang berbeda namun memiliki keterkaitan satu sama lain. Analisis data dengan metode ini pada dasarnya bertujuan untuk mengetahui apakah terdapat perubahan (peningkatan atau penurunan) data. Contoh kasus: Manajer pemasaran pusat perbelanjaan A ingin mengetahui, apakah terdapat perbedaan rata-rata kedatangan pengunjung ke suatu pusat perbelanjaan antara tahun 2005 dan 2006? Pertama-tama yang harus dilakukan adalah pembuatan hipotesis awal (H0) dan hipotesis tandingan (H1).

H0 = Tidak terdapat perbedaan yang signifikan rata-rata kedatangan pengunjung ke pusat perbelanjaan A antara tahun 2005 dan 2006. H1 = Terdapat perbedaan yang signifikan rata-rata kedatangan pengunjung ke pusat perbelanjaan A antara tahun 2005 dan 2006 Langkah selanjutnya menentukan tingkat keyakinan hipotesis, dalam hal ini ditentukan 95%. Sebagai kriteria uji, bila nilai signifikansi (atau biasa disebut juga p-value) yang dihasilkan lebih rendah dari 5% atau 0,05, maka hipotesis H0 ditolak. Langkah-langkah selanjutnya sama dengan metode independent-samples T Test. Setelah nilai-nilai data dimasukkan ke kolom-kolom data view di jendela program SPSS, lalu memberi nama-nama kolom pada variable vew (dalam hal ini nama kolom-kolom adalah tahun 2005 dan tahun 2006). Kemudian pada toolbar di jendela program SPSS, klik analyze, compare means lalu klik paired-samples T Test (seperti terlihat pada gambar 8).

Gambar 8. Menjalankan toolbar paired-samples T Test Berikutnya adalah memasukkan variabel-variabel yang akan dibandingkan ke kotak sebelah kiri. Setelah itu mengklik options untuk memasukkan nilai tingkat keyakinan hipotesis, yaitu sebesar 95%, lalu klik OK.

Gambar 9. Menu paired-samples T Test Setelah itu akan muncul jendela output. Pada jendela tersebut dapat terlihat hasil analisis data tahun 2005 dan tahun 2006.

Gambar 10. Hasil analisis paired-samples T Test Seperti yang terlihat pada jendela output, nilai signifikansi (sig.) yang dihasilkan adalah 0,017. Karena nilai signifikansi atau p-value lebih rendah dari tingkat keyakinan hipotesis (0,05), maka hipotesis H0 ditolak. Kesimpulannya adalah bahwa terdapat perbedaan yang signifikan rata-rata kedatangan pengunjung ke pusat perbelanjaan A antara tahun 2005 dan 2006.

D. ONE-WAY ANOVA Analisis one-way ANOVA digunakan untuk memperbandingkan rata-rata dari tiga kelompok data atau lebih. Hal yang harus diingat dalam analisis ini adalah bahwa variasi data-data dari tiga kelompok tersebut homogen. Untuk menguji apakah variasi data tersebut homogen dapat dilakukan Levenes homogeneity-of-variance test. Contoh kasus: Perusahaan ingin membandingkan rata-rata penjualan minuman kaleng merek A di tiga daerah penjualan, yaitu Bandung, Bogor, dan Jakarta. Apakah terdapat perbedaan yang signifikan terhadap rata-rata penjualan di tiga daerah penjualan tersebut? Langkah pertama adalah menentukan hipotesis nol dan hipotesis tandingannya. Ho = Tidak terdapat signifikan antara rata-rata penjualan minuman kaleng merek A di antara kota Bandung, Bogor, dan Jakarta. H1 = Terdapat perbedaan yang signifikan antara rata-rata penjualan minuman kaleng merek A di antara kota Bandung, Bogor dan Jakarta. Langkah-langkah selanjutnya sama dengan metode independent-samples T Test dan paired-samples T Test. Setelah nilai-nilai data dimasukkan ke kolom-kolom data view di jendela program SPSS, lalu memberi nama-nama kolom pada variable vew (dalam hal ini nama kolom-kolom adalah penjualan dan kota). Kemudian pada toolbar di jendela program SPSS, klik analyze, compare means lalu klik one-way ANOVA (seperti terlihat pada gambar 11).

Gambar 11. Menjalankan toolbar one-way ANOVA

Langkah berikutnya adalah memasukkan variabel-variabel yang ada sesuai kelompoknya, dalam hal ini frekuensi dimasukkan ke test variables dan kota dimasukkan ke kelompok grouping variable. Lalu klik define group untuk menentukan grup beserta nomor urutnya masing-masing.

gambar 12. Menu analisis one-way ANOVA Lalu klik post hoc dan beri tanda centang pada LSD dan Bonferroni, kemudian klik continue. Setelah itu klik options dan beri tanda centang pada pilihan-pilihan metode statistik yang akan digunakan, yaitu descriptive dan homogeneity of variance test, lalu klik continue kemudian OK.

Gambar 13. Menu options one-way ANOVA

Maka akan muncul jendela output pada layar yang memperlihatkan hasil analisis perbandingan dari data-data yang telah dikelompokkan tadi.

Gambar 14. Hasil analisis one-way ANOVA (1)

Gambar 15. Hasil analisis one-way ANOVA (2) Pada tabel homogeneity of variance test, terlihat bahwa nilai signifikansi yang didapatkan adalah sebesar 0,053 atau lebih besar dari tingkat keyakinan hipotesis (0,05), maka dapat disimpulkan bahwa variasi data dari kelompok-kelompok tersebut sifatnya homogen.

Seperti yang terlihat pada jendela output, nilai signifikansi (sig.) yang dihasilkan analisis ANOVA adalah 0,001. Karena nilai signifikansi atau p-value lebih rendah dari tingkat keyakinan hipotesis (0,05), maka hipotesis H0 ditolak. Dapat pula dilihat pada tabel post hoc yang menunjukkan bahwa angka signifikansi yang melebihi 0,05 hanya terdapat pada analisis perbandingan antara kota Bogor - Kota Jakarta dan Kota Jakarta - Kota Bogor (masing-masing bernilai 0,150 menurut LSD dan 0,451 menurut Bonferroni. Kesimpulannya adalah bahwa Terdapat perbedaan yang signifikan antara rata-rata penjualan minuman kaleng merek A di antara kota Bandung, Bogor dan Jakarta.