Materi Pembelajaran: statistik non parametrik, uji chi kuadrat, koefisien Spearman RankAlokasi WaktU2 x tatap muka perkuliahan (@ 3 x 50 menit)
STANDAR KOMPETENSI Mampu menerapkan konsep statistik dalam aplikasi bisnis. KOMPETENSI DASAR Memahami statistik non parametrik, uji chi kuadrat dan koefisien spearman rank. INDIKATOR Kognitif a. Mahasiswa dapat menjelaskan statistik non parametrik. b. Mahasiswa dapat menghitung uji chi kuadrat. c. Mahasiswa dapat menghitung koefisien Spearman Rank. d. Mahasiswa dapat menganalisa statistik non parametrik. e. Mahasiswa dapat menganalisa uji chi kuadrat. f. Mahasiswa dapat menganalisa koefisien Spearman Rank. Psikomotor a. Mahasiswa dapat menjelaskan statistik non parametrik secara lisan di depan kelas. b. Mahasiswa dapat menghitung uji chi kuadrat secara tertulis di depan kelas. c. Mahasiswa dapat menghitung koefisien Spearman Rank secara tertulis di depan kelas. d. Mahasiswa dapat menganalisa statistik non parametrik secara tertulis di depan kelas. e. Mahasiswa dapat menganalisa uji chi kuadrat secara tertulis di depan kelas. f. Mahasiswa dapat menganalisa koefisien Spearman Rank secara tertulis di depan kelas. Afektif a. Mengembangkan perilaku karakter, meliputi: jujur, peduli, dan tanggungjawab. b. Mengembangkan keterampilan sosial, meliputi: menjadi pendengar yang baik, berpendapat, dan bertanya. Materi Pembelajaran statistik non parametrik, uji chi kuadrat, koefisien Spearman Rank Alokasi Waktu 2 x tatap muka perkuliahan (@ 3 x 50 menit) Model Pembelajaran Model: Pembelajaran langsung Metode Presentasi/ceramah, diskusi, dan kuis.
79
tatistik terbagi menjadi dua bagian yaitu statistik deskriptif dan statistik Inferensia/ Induktif. Inferensia/ Induktif terbagi menjadi du bagian yaitu
Statistik Parametri dan statistik nonparametrik. Pada bahasan ini kita akan membahas tentang statistik nonparametrik. Statistik NONPARAMETRIK adalah analisis yang tidak menggunakan parameter-parameter dan tidak mensyaratkan data harus berdistribusi normal. Pada analisis statistik parametrik menggunakan parameter-parameter seperti mean, deviasi standar, variansi. Statistik NONPARAMETRIK digunakan untuk menganalisis data yang bersekala nominal dan ordinal dari populasi yang bebas distribusi (tidak harus berdistribusi normal). Dalam banyak hal terkadang ditemui permasalahan, yaitu tidak semua data yang dianalisa berskala nominal dan ordinal, tetapi merupakan campuran antara ordial dan rasio, atau nominal dan ordinal atau rasio. Dalam hal ini maka yang diapai sebagai acuan adalah derajad data yang lebih rendah. Misalnya akan danalisa korelasi antara data ordinal dan data rasio, maka metode yang dipergunakan adalah data yang derajad lebih rendah yaitu data ordinal, dan metode yang dipilih adalah non parametrik. Sebagai gambaran dalam mengambil keputusan, metode apakah yang akan dipergunakan, berikut ini dibuatkan gambar diagram sebagai pedoman dalam penggunaan statistik non parametrik.
80
Start
DATA NOMINAL/ORDINAL
Tipe Data
INTERVAL / RASIO
JUMLAH DATA
BESAR , DATA>30
Bisa pakai uji t jika distribusi populasi pasti normal
STATISTIK PARAMETRIK
Gambar 5.1. Penggunaan Metode Non Parametrik Sumber: singgih santoso 2004, hal 7
Sehingga Metode analisis NONPARAMETRIK menjadi metode analisis alternatif apabila salah satu atau keseluruhan persyaratan pada analisis parametrik tidak
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
81
terpenuhi, misalnya
normalitas data,
tertentu. pada bab ini akan dibahas dua metode analisis non parametrik yaitu : 1. Analisis Chi Square 2. Korelasi Rank Spearman
Soal Latihan : 1. Dalam Statistik inferensial dikenal dengan statistik Non Parametrik, jelaskan dengan singkat apakah yang dimaksud dengan statistik non parametrik dan berikan penjelasan mengapa seseorang menggunakan metode statistik non parametrik? 2. Dalam sebuah penelitian di dalam sebuah perusahaan, seorang peneliti mengambil berbagai data untuk bahan penelitiannya. diantara data yang diambil adalah sebagai berikut: a. Data hasil Test Masuk b. Data Pendidikan terakhir c. Data Umur d. Data status Pernikahan e. Data Motivasi Kerja f. Data Prestasi Kerja
Berdasarkan data-data
parametri data manakah yang dapat dipergunakan? dan jelaskan mengapa dipilh data tersebut?
Tugas: Membuat kelompok dengan jumlah antara 5 s/d 10 mahasiswa, dan indentifikasikan bersama sekelompokmu 10 data yang dapat dipergunakan untuk uji nonparametrik? dan berikan penjelasan megapa data tersebut dipergunakan?
82
1.2.
CHI SQUARE ANALISIS (GOODNESS OF FIT TEST) Chi kuadrat (X2; baca "kai kuadrat") atau sering disebut dengan goodness of fit
test. Merupakan alat uji statistik yang digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua atau lebih kelas bila data berbentuk nominal dan sampelnya besar. Chi Square adalah analisis untuk mengetahui apakah distribusi data seragam atau tidak, Uji ini juga disebut uji keselarasan atau goodness of fit test. Chi kuadrat merupakan salah satu teknik statistik yang memudahkan peneliti menilai kemungkinan memperoleh perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang diharapkan dalam kategori-kategori tertentu akibat dari kesalahan sampling. Persamaan untuk menghitung nilai chi kuadrat adalah sebagai berikut:
dimana, X2 fo fh = Chi Kuadrat = Frekuensi sampel (frekuensi yang diperoleh dari hasil observasi sampel = Frekuensi harapan (frekuensi yang diharapkan dalam sampel sebagai pencerminan frekuensi yang diharapkan dalam populasi). Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan untuk menguji hipotesis komparatif 2 sampel atau 2 variabel yang berskala nominal. Pada modul ini pembahasan dan perhitungan menggunakan tiga metode yaitu, 1. Metode menghitung nilai chi square dengan persamaan chi square 2. Metode perhitungan SPSS dengan tabel Frekuensi 3. Metode peritungan SPSS dengan tabel data
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
83
Contoh 1 : Data dalam Tabel frekuensi Chi kuadrat untuk mengetahui apakah terdapat perbedaan suara yang signifikan diantara calon pada pemilihan Gubernur BEM fakultas Ekonomi Universitas Narotama periode tahun 2012 s/d 2014. terdapat tiga calon Gubernur Fakultas Ekonomi dengan perolehan suara sebagai berikut:
Nama Calon
Jumlah Suara 85 40 35 65
2. Mencari fh
= Frekuensi harapan
maka fh = 56.25
3. Mencari chi kuadrat untuk memudahkan pembayaran digunakan tabel penolong : CALON
David Setyo Eko Venda Total
fo
85 40 35 65 225
(fo-fh)2 826.5625 264.0625 451.5625 76.5625 14.69444 4.694444 8.027778 1.361111 28.7778
84
dengan tabel penolong diatas maka didapatkan nilai untuk chi kuadrat (x2) adalah sebesar 28,78 4. Mencari Chi Kuadrat tabel dari data diatas diketahui bahwa jumlah calon = 5 dan jumlah variabel =2 maka dk untuk data tersebut adalah : dengan menggunakan alfa = 5% (0,05) , didapatkan Chi kuadrat tabel (X2 tabel ) adalah 7.8147
Tabel Chi Kuadrat , untuk alfa 5% dan alfa 10%
dk 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 5. Pengambilan Keputusan
5% 3.8415 5.9915 7.8147 9.4877 11.0705 12.5916 14.0671 15.5073 16.919 18.307 19.6751 21.0261 22.362 23.6848 24.9958 26.2962 27.5871 28.8693 30.1435 31.4104
10% 2.71 4.61 6.25 7.78 9.24 10.64 12.02 13.36 14.68 15.99 17.28 18.55 19.81 21.06 22.31 23.54 24.77 25.99 27.2 28.41
Cara pengambilan keputusan adalah 1. Jika X2 hitung > X2 tabel, maka terjadi perbedaan perolehan suara 2. Jika X2 hitung < X2 tabel, maka tidak ada perbedaan perolehan suara
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
85
3. berdasarkan hasil diatas maka Jika X2 hitung > X2 tabel, yaitu 28,78 > 7.8147, maka dapat diambil kesimpulan bahwa terdapat perbedaan yang signifikan dalam perolehan suara kelima calo tersebut diatas
Perhitungan dengan SPSS Langkah langkah 1. Buka data view pada SPSS 2. Masukan data perolehan suara diatas pada sheet data view 3. Berikan identitas variabel pada variabel view 4. Proses Weight Cases pada variabel calon, dimaksudkan bahwa agar nilai dari nama calon mengacu pada jumlah suara. a. Buka menu Data pilih Weight Cases , pada weight cases by, pilih variabel Jumlah , pilih Ok 5. Proses Uji Chi Kuadrat a. Pada menu Data view, pilih menu Analize b. Pilih variabel Nama Calon c. Abaikan yang lainnya dan d. pilih Ok Tampilan Hasil SPSS
NamaCalon Observed N david setyo eko venda Total 85 40 35 65 225 Expected N 56.3 56.3 56.3 56.3 Residual 28.8 -16.3 -21.3 8.8
86
Test Statistics NamaCalon Chi-square df Asymp. Sig. a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 56.3. 28.778
a
3 .000
berdasarkan hasil di atas, dapat diketahui bahwa hasil kedua perhitungan adalah mendekati sama, yaitu 28,78 dan 28,778.
Contoh 2 : Data dalam Tabel Data Sebagaimana dalam contoh 1, jika data belum diolah dalam bentuk tabel frekuensi, maka Untuk Data yang belum diolah dalam bentuk tabel Frekuensi, masih dalam bentuk tabel data. Langkah yang dilakukan adalah sebagai berikut: Langkah langkah 1. Buka data view pada SPSS 2. Masukan data perolehan suara diatas pada sheet data view Pada variabel view, pada value diisi dengan nilai nama calon.yaitu 1 untuk david,2 untuk eko, dst Berikan identitas value variabel pada variabel view, 1= david 2 = Setyo 3 = Eko 4 = Venda
87
3. Proses Uji Chi Kuadrat a. Pada menu Data view, pilih menu Analize b. pilih Non Parametric Test c. Pilih Legacy Dialog d. Pilih Chi square ... Tampil dialog Box uji chi square e. pada Test Variable Test Pilih Data Calon a. Abaikan yang lainnya dan f. pilih Ok
Calon Observed N David Setyo Eko Venda Total 85 40 35 65 225 Expected N 56.3 56.3 56.3 56.3 Residual 28.8 -16.3 -21.3 8.8
Test Statistics Calon Chi-square zZ mmmzmM<> 0020zzxsdcyd dsyfgf fddff df Asymp. Sig. .000 28.778 3
a
Dari hasil diatas data diketahui bahwa hasil metode pertama dan metode yang kedua adalah sama.
88
Kesimpulan: 1. Perhitungan nilai Chi square dengan tiga metode yaitu Metode menghitung nilai chi square dengan persamaan chi square, Metode perhitungan SPSS dengan tabel Frekuensi dan Metode peritungan SPSS dengan tabel data mendapatakan hasil yang sama yaitu 28, 778, atau 28,78. 2. Nila chi tabel pada alfa 5% atau 0,05 adalah sebesar 7.8147, yang berarti bahwa perolehan suara calon Gubernur BEM Universitas Narotama adalah berbeda secara signifikan untuk 4 calon
89
Soal dan Tugas 1. Uji Chi Square sering disebut juga dengan goodness of fit test, jelaskanlah hubungan istilah tersebut dengan frekuensi harapan (fh) dari sebuah sampel penelitian? 2. Seseorang yang akan melukakan uji Chi Square, melakukan beberapa tahapan yaitu : a. Mengumpulkan data b. Membuat Tabel Data c. Membuat Tabel Frekuensi d. Menghitung Frekuensi Harapan e. Menghitung Chi Kuadrat f. Menghitung Chi Tabel
g. Membuat Analisa Keputusan Dari uraian diatas, jika seseorang akan menghitung dengan menggunakan persamaan, langkah apakah yang belum disebutkan? dan uraiakanlah langkah untuk mencari Chi tabel? 3. Tugas, Carilah data tentang kesukaan teman-temanmu mahasiswa sebanyak 35 data dan buatlah perhitungan dan analisa uji chi kuadratnya?
Referensi : 1. Nanang Martono, 2010, Statistik Sosial Teori dan aplikasi Program SPSS, Yogyakarta, Gava Media 2. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT Gramedia
90
dimana pada kolom data calon, nilai 1,2,3,4 adalah nilai kode untuk masing-masing calon yaitu, 1= david 2 = Setyo 3 = Eko 4 = Venda Data tersebut dimasukan dalam data view spss
91
92
93
3 .000
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 56.3.
94
1.4.
eori Korelasi ini dikemukakan oleh Carl Spearman. Nilai korelasi ini disimbolkan dengan " " (dibaca: rho) atau dengan simbul rs. Korelasi Spearman digunakan pada
data yang berskala ordinal semuanya atau sebagian data adalah ordinal. untuk itu sebelum dilakukan pengolahan data, data yang akan dianalisis perlu disusun dalam Tbentuk ranking. Sehingga Korelasi Spearman merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif dua variabel bila datanya berskala ordinal (ranking). Pada pengukuran korelasi untuk dua data yang nominal, bisa dengan metode Cramer, Lambda dan sebagainya. Namun jika data yang yang diteliti tidak semuanya nominal, maka penggunaan metode-metode tersebut tidaklah tepat. Untuk data dengan tipe Ordinal yaitu data mempunyai urutan atau rangking,
seperti sikap suka, Cukup Suka. Tidak Suka, peringkat 1,2,3 dst), ukuran korelasi yang digunakan bisa berupa Korelasi Spearman, Kendall, Somers, Gamma dan sebagainya. Pada suatu kasus, jika salah satu satu variabel mempunyai tipe ordinal dan yan lainnya data Rasio, maka diambil penggunaan metode dengan data yang lebih rendah derajatnya, pada kasus ini maka yang digunakan adalah korelasi Spearman. Hal ini sama jika akan dilakukan uji korelasi antara variabel bertipe nominal dengan ordinal, maka akan dipakai ukuran korelasi nominal, yaitu menggunakan uji korelasi Cramer, Lambda dan lainnya. Nilai Korelasi Spearman berada di antara -1 < < 1. Bila nilai = 0, berarti tidak
ada korelasi atau tidak ada hubungan antara variabel independen dan dependen. Nilai = +1 berarti terdapat hubungan yang positif antara variabel independen dan = -1 berarti terdapat hubungan yang negatif antara variabel
dependen. Nilai
independen dan dependen. Dengan kata lain, tanda "+" dan "-" menunjukkan arah hubungan di antara variabel yang sedang dioperasionalkan.
95
Uji signifikansi Spearman menggunakan Uji Z karena distribusinya mendekati distribusi normal. Kekuatan hubungan antar variabel ditunjukkan melalui nilai korelasi. Berikut adalah tabel nilai korelasi beserta makna nilai tersebut:
Tabel , Makna Nilai Korelasi Spearman
Makna Sangat rendah / sangat lemah Rendah / lemah Sedang Tinggi / kuat Sangat tinggi/sangat kuat
dimana:
96
Bila hitung > tabel, maka H1 diterima. Bila hitung < tabel, maka H0 diterima.
(
Mengambil kesimpulan:
Bila Z hitung > Z tabel, maka hubungan x dan y adalah signifikan. Bila Z hitung < Z tabel, maka hubungan x dan y adalah tidak signifikan.
Contoh: Pada contoh kasus berikut ini mengg unakan kombinasi antara data ordinal dan data rasio. Diadakan penelitian hubungan antara skor Test, Prestasi Kerja, dan absensi pegawai sebuah perusahaan. digunakan metode rank spearman untuk mengukur hubungan antara variabel tersebut: Data hasil penelitian sebagaimana berikut ini:
97
Tabel Data
No Pegawai 1 2 3 4 5 6 7 8
Test Prestasi No Test Prestasi Pegawai Pegawai Pegawai Pegawai Pegawai 90.00 86.00 84.00 91.00 85.00 72.00 50.00 80.00 95.00 90.00 88.00 97.00 91.00 77.00 70.00 76.00 9 10 11 12 13 14 15 75.00 82.00 83.00 95.00 93.00 87.00 96.00 82.00 82.00 86.00 96.00 94.00 89.00 98.00
Penyelesaian: 1. Uraian Data Pada kasus ini jenis data yang dipergunakan adalah kombinasi antara data ordinal dan data rasio yaitu : Variabel Test Prestasi Kerja Absensi Jenis Data Ordinal Ordinal Rasio
Variabel Test, Prestasi dan Motivasi adalah data ordinal, dengan penilaian skor 100, skor 0 , sangat jelek dan skor 100 sangat bagus. Dalam data ordinal perbedaan skor adalah perbedaan peringkat, bukan suatu penambahan atau kelipatan jumlah. Sebagai contoh, jika prestasi kerja pekerja ke 1 mempunyai skor 30 dan prestasi pekerja ke 2 mempunyai skor 60, maka tidak bisa dikatakan pekerja 2 berprestasi dua kali lebih bagus dari pekerja ke 1, tetapi dapat dikatakan bahwa pekerja 2 lebih bagus prestasinya dibandingkan pekerja 1. Data variabel Absen adalah data rasio, yang berarti bahwa angka 4 berarti seorang pekerja benar-benar 4 kali tidak masuk bekerja dalam sebulan.
Agus Sukoco Santirianingrum Soebandhi
98
2. Persamaan , digunakan persamaan adalah dimana : rs di n : Korelasi rank spearman : selisih ranking data ke i : jumlah data
3. Hubungan antara Test dan Prestasi Kerja Pegawai Tabel Pembantu berdasrkan persamaan diatas, maka untuk memudahkan dibuatkan tabel pembantu sebagai berikut:
Tabel Pembantu:
perhitungan maka
No Pegawai 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Test Pegawai
Prestasi Pegawai
Rank Test
Rank Prestasi
di
di
90.00 86.00 84.00 91.00 85.00 72.00 50.00 80.00 75.00 82.00 83.00 95.00 93.00 87.00 96.00
95.00 90.00 88.00 97.00 91.00 77.00 70.00 76.00 82.00 82.00 86.00 96.00 94.00 89.00 98.00
11 9 7 12 8 2 1 4 3 5 6 14 13 10 15
12 9 7 14 10 3 1 2 4.5 4.5 6 13 11 8 15
-1 0 0 -2 -2 -1 0 2 -1.5 0.5 0 1 2 2 0
99
Rangking Data untuk Test mempunyai mulai dari 1 s/d 11, dan tidak ada skor yang nilainya sama. Rangking Data untuk Prestasi mempunyai mulai dari 1 s/d 11, tetapi ada skor yang nilainya sama yaitu skor 75 ada 2 buah, maka rangking yang diberikan adalah (4+5)/2 = 4,5.
maka
jadi korelasi antara test pegawai dan prestasi kerja pegawai adalah
sebesar
Kerja .954
**
1.000
.000 15 1.000
100
coba perhatikan bahwa hasil perhitungan point 3 hasilnya sama dengan hasil Uji SPSS, rs = 0,954
Uji Penafsiran Keeratan Hubungan Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Test dan Prestasi Kerja. pengujian dilakukan dengan dilakukan dengan uji Z. Dasar pengambilan keputusan: Dengan membandingkan z hitung dengan z tabel: Jika z hitung < z tabel, maka Ho diterima Jika z hitung > z tabel. maka Ho ditolak
Dengan melihat angka probabilitas. dengan ketentuan: Probabilitas > 0.05 maka Ho diterima Probabilitas < 0.05 maka Ho ditolak Keputusan: Dengan membandingkan / hitung dengan z label:
NB: Untuk n (jumlah sampel) di atas 10. bisa menggunakan uji z. Mencari z hitung: dengan r = 0,954 dan n = 15. didapat z hitung:
maka Z hitung adalah Mencari z tabel: Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah standar dari SPSS), Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2.
menghasilkan 2,5%.
101
Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%= 47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan kolom atas 0,06 maka menjadi 1,96 Kesimpulan: Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut: 1. Koefisien korelasi rs = 0.954 , bahwa korelasi dua variabel adalah sangat kuat 2. Nilai Zhitung = > dari Zi tabel 1,96, maka H0 ditolak, bahwa
terdapat hubungan yang nyata antara test pegawai dan prestasi kerja pegawai, artinya bahwa jika test pegawai baik maka prestasi kerja pegawai tersebut cenderung baik, dan juga sebaliknya.
4. Hubungan antara Prestasi Pegawai dan Absen Pegawai Dalam hal ini permasalahan yang dihadapi adalah ntuk mengetahui apakah ada hubungan yang signifikan antara prestasi kerja pegawi dan tingkat kehadirannya. Dugaannya adalah bahwa pegawi yang prestasinya tinggi maka kehadirannya bagus, atau dengan kata lain bahwa hubungan prestasi dan absen pegawai adalah hubungan negatif. Persamaan :
dan
102
Tabel Pembantu :
No Pekerja 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 JUMLAH
Prestasi 95 90 88 97 91 77 70 76 82 83 86 96 94 89 98
Absen 6 5 5 6 4 4 4 7 5 7 7 4 4 6 3
Rank Prestasi 12 9 7 14 10 3 1 2 4 5 6 13 11 8 15
Rank Absen 11 8 8 11 4 4 4 14 8 14 14 4 4 11 1
di 1 1 -1 3 6 -1 -3 -12 -4 -9 -8 9 7 -3 14
Penyelesaian: Menghitung Tx/Ty dalam menghitung TX/Ty yang perlu dilakukan adalah mencari rangking yang sama pada masing-masing variabel: Variabel Prestasi : tidak ada rangking yang sama Tx=0 Variabel Absen : terdapat beberapa data yang rangking nya sama ranking 4 ada 5 , maka t =5 ranking 5 ada 3 , maka t =3 ranking 6 ada 3 , maka t =3 ranking 7 ada 3 , maka t =3 Menghitung Ty
103
Menghitung
dan
= 280
Menghitung
104
dari kedua cara perhitungan tersebut didapatkan bahwa korelasi yang diperoleh adalah sama.
Uji Penafsiran Keeratan Hubungan Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Prestasi Kerja dan Absen Pegawai . pengujian dilakukan dengan dilakukan dengan uji Z. Dasar pengambilan keputusan: Dengan membandingkan z hitung dengan z tabel: Jika z hitung < z tabel, maka Ho diterima Jika z hitung > z tabel. maka Ho ditolak
Dengan melihat angka probabilitas. dengan ketentuan: Probabilitas > 0.05 maka Ho diterima Probabilitas < 0.05 maka Ho ditolak Keputusan: Dengan membandingkan / hitung dengan z label:
105
Mencari z tabel: Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah standar dari SPSS), Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2. menghasilkan 2,5%. Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%= 47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan kolom atas 0,06 maka menjadi 1,96, Z tabel adalah = 1,96 Kesimpulan: Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut: 1. Koefisien korelasi rs = -.283, bahwa korelasi dua variabel adalah sangat lemah 2. Nilai Zhitung = dari Z tabel 1,96, maka H0 diterima bahwa tidak
terdapat hubungan yang nyata antara Prestasi pegawai dan absen pegawai, artinya bahwa jika prestasi kerja pegawai tersebut tidak cenderung absennya buruk, dan juga sebaliknya.
106
DAFTAR PUSTAKA
Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka Cipta. Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta: LP3ES. Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia. Levin, dkk. 1991. Statistics for Managemen. New Jersey: Prentice Hall, 1991 Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka. Rasyid, Harun A. 2000. Statistik. UNIVERSITAS PADJAJARAN, BANDUNG. Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia. Walpole, Ronald E. 1992. PengantarStatistik. edisi terjemahan. Jakata: PT Gramedia. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT Gramedia
107
: :
Jawablah pertanyaan di bawah ini dengan sebaik-baiknya! Buatlah data nilai mata kuliah statistik kelas masing-masing mempunyai 20
mahasiswa dengan rentang 6 sampai dengan 9. a. Analisa data yang telah Anda buat dengan uji chi kuadrat! Jelaskan kesimpulan yang Anda peroleh! b. Hitunglah koefisien Spearman Rank data yang telah Anda buat! Jelaskan kesimpulan yang Anda peroleh!
LP: Kognitif
: :
Jawablah pertanyaan-pertanyaan berikut ini dengan singkat dan benar! 1. Jelaskan konsep statistik non parametrik! 2. Berdasarkan data di handout/buku modul 5 a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat! b. Hitunglah dan analisa koefisien spearman rank dari data tersebut!
108
LP: Psikomotorik
Jawablah secara lisan di depan kelas: 1. Jelaskan konsep statistik non parametrik! Demonstrasikan di depan kelas: 1. Berdasarkan data di modul 5 a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat! b. Hitunglah dan analisa koefisien spearman rank dari data tersebut!
Lembar Penilaian Nama Mahasiswa NIM No. 1. 2. 3. 4. : : Aspek yang dinilai Kebenaran uraian Kejelasan bahasa Keseriusan Improvisasi Total skor Skor 4 3 2 1
Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang.
109
Petunjuk: Amati untuk setiap perilaku berkarakter berikut ini selama perkuliahan berlangsung.
No. 1. 2. 3. Jujur
Penilaian 4 3 2 1
Peduli Tanggungjawab
Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang.
110
Petunjuk: Amati untuk setiap keterampilan sosial yang dilakukan mahasiswa selama perkuliahan berlangsung.
No. 1. 2. 3.
Rincian Tugas Kinerja (RTK) Menjadi pendengar yang baik Berpendapat Bertanya
Penilaian 4 3 2 1
Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang.
111
LAMPIRAN: Tabel Z
Z 0,0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 Z_0.0 0.5 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.758 0.7881 0.8159 0.8413 0.8643 0.8849 0.9032 0.9192 0.9332 0.9452 0.9554 0.9641 Z_0.01 0.504 0.5438 0.5832 0.6217 0.6591 0.695 0.7291 0.7611 0.791 0.8186 0.8438 0.8665 0.8869 0.9049 0.9207 0.9345 0.9463 0.9564 0.9649 Z_0.02 0.508 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.9066 0.9222 0.9357 0.9474 0.9573 0.9656 Z_0.03 0.512 0.5517 0.591 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.9082 0.9236 0.937 0.9484 0.9582 0.9664 Z_0.04 0.516 0.5557 0.5948 0.6331 0.67 0.7054 0.7389 0.7704 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 Z_0.05 0.5199 0.5596 0.5987 0.6368 0.6736 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.8944 0.9115 0.9265 0.9394 0.9505 0.9599 0.9678 Z_0.06 0.5239 0.5636 0.6026 0.6406 0.6772 0.7123 0.7454 0.7764 0.8051 0.8315 0.8554 0.877 0.8962 0.9131 0.9279 0.9406 0.9515 0.9608 0.9686 Z_0.07 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.834 0.8577 0.879 0.898 0.9147 0.9292 0.9418 0.9525 0.9616 0.9693 Z_0.08 0.5319 0.5714 0.6103 0.648 0.6844 0.719 0.7517 0.7823 0.8106 0.8365 0.8599 0.881 0.8997 0.9162 0.9306 0.9429 0.9535 0.9625 0.9699 Z_0.09 0.5359 0.5753 0.6141 0.6517 0.6879 0.7224 0.7549 0.7852 0.8133 0.8389 0.8621 0.883 0.9015 0.9177 0.9319 0.9441 0.9545 0.9633 0.9706
112
Z_0.0 0.9713 0.9772 0.9821 0.9861 0.9893 0.9918 0.9938 0.9953 0.9965
Z_0.01 0.9719 0.9778 0.9826 0.9864 0.9896 0.992 0.994 0.9955 0.9966
Z_0.02 0.9726 0.9783 0.983 0.9868 0.9898 0.9922 0.9941 0.9956 0.9967
Z_0.03 0.9732 0.9788 0.9834 0.9871 0.9901 0.9925 0.9943 0.9957 0.9968
Z_0.04 0.9738 0.9793 0.9838 0.9875 0.9904 0.9927 0.9945 0.9959 0.9969
Z_0.05 0.9744 0.9798 0.9842 0.9878 0.9906 0.9929 0.9946 0.996 0.997
Z_0.06 0.975 0.9803 0.9846 0.9881 0.9909 0.9931 0.9948 0.9961 0.9971
Z_0.07 0.9756 0.9808 0.985 0.9884 0.9911 0.9932 0.9949 0.9962 0.9972
Z_0.08 0.9761 0.9812 0.9854 0.9887 0.9913 0.9934 0.9951 0.9963 0.9973
Z_0.09 0.9767 0.9817 0.9857 0.989 0.9916 0.9936 0.9952 0.9964 0.9974
113
114
115
116
117
118
119
120