HITUNG

HITUNG
NOMINAL
(TIDAK BERBEDA)
NOMINAL
(TIDAK BERBEDA)
JENIS KELAMIN
WAKTU
HARI
WARNA
HITUNG
NOMINAL
(TIDAK BERBEDA)
ORDINAL
(ADA BEDA)
ORDINAL
(ADA BEDA)
YA TIDAK
SANGAT SUKA - SUKA - KURANG SUKA
SANGAT ENAK - ENAK CUKUP ENAK TIDAK ENAK
NILAI BISA BERVARIASI, JARAK HARUS SAMA
HITUNG
NOMINAL
(TIDAK BERBEDA)
ORDINAL
(ADA BEDA)
HITUNG
NOMINAL
(TIDAK BERBEDA)
ORDINAL
(ADA BEDA)
UKUR
UKUR
INTERVAL
TIDAK ABSOLUT
(SUHU, PERSEPSI)
UKUR
INTERVAL
TIDAK ABSOLUT
(SUHU, PERSEPSI)
RASIO
ABSOLUT
(BERAT, TINGGI)
HITUNG
NOMINAL
(TIDAK BERBEDA)
ORDINAL
(ADA BEDA)
UKUR
TIDAK ABSOLUT
(SUHU, PERSEPSI)

TIDAK ABSOLUT
(SUHU, PERSEPSI)
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
NOMINAL / ORDINAL
?
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO ?
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
NORMAL
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
BESAR SAMPEL
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
NORMAL
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
BESAR SAMPEL
STATISTIK
NON-PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
NORMAL
<30
(KECIL)
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
BESAR SAMPEL
STATISTIK
NON-PARAMETRIK
STATISTIK
PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
NORMAL
>30 (BESAR)
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
TIPE DATA
DISTRIBUSI DATA
BESAR SAMPEL
STATISTIK
NON-PARAMETRIK
STATISTIK
PARAMETRIK
NOMINAL / ORDINAL
INTERVAL / RASIO
TIDAK NORMAL
NORMAL
>30 (BESAR)
<30 (KECIL)
Umumnya digunakan pada jenis data nominal
dan ordinal
Dapat digunakan pada populasi yang bebas
distribusi dengan kata lain distribusi normal
atau tidak normal
Dapat digunakan pada jumlah sampel lebih
kecil

Statistik Parametrik : digunakan untuk menguji parameter populasi
melalui statistik , atau menguji ukuran populasi melalui data
sampel.
parameter populasi adalah data yang diperoleh dengan mencatat
semua elemen yang menjadi obyek penelitian dan merupakan nilai
yang sebenarnya (true value).
statistik disini adalah data yang diperoleh dari sampel dan
merupakan nilai perkiraan (estimated value).
Parameter populasi antara lain meliputi : rara-rata (), simpangan
baku (), varians (). Sedangkan statistiknya adalah : rata-rata (x
bar), simpangan baku (s) dan varians (s).
Uji Hipotesis Statistik : ialah pengujian parameter melalui statistik
(data sampel). Oleh karena itu penelitian yang berhipotesis statistik
adalah penelitian yang menggunakan data sampel.
Statistik Non Parametrik : tidak menguji parameter populasi, tetapi
menguji distribusi.

Penggunaan statistik Parametrik dan Non Parametrik tergantung
pada asumsi dan jenis data yang akan dianalisis.
Statistik Parametrik memerlukan terpenuhi banyak asumsi, antara
lain asumsi yang utama adalah data yang dianalisis harus
berdistribusi normal, selanjutnya dalam penggunaan salah satu test
mengharuskan data homogin, dalam regresi harus terpenuhi asumsi
linieritas.
Statistik Non Parametrik tidak menuntut terpenuhi banyak asumsi,
misalnya data yang dianalisis tidak harus berdistribusi normal. Oleh
karena itu statistik non parametrik sering disebut sebagai distribusi
bebas (free distribution)
Statistik Parametrik banyak digunakan untuk menganalisis data
interval dan rasio. Sedangkan Statistik Non Parametrik banyak
digunakan untuk untuk menganalisis data nominal dan ordinal.
Dalam Statistik Parametrik diperlukan syarat bahwa data yang akan dianalisis
harus berdistribusi normal. Untuk itu perlu dilakukan pengujian normalitas
data.
Pengujian normalitas data antara lain dilakukan dengan : t-test
T-test :
1) untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk
interval dan ratio , maka digunakan t-test satu sampel.
2) untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk interval dan ratio, digunakan t-test sampel berpasangan.
t = x - 0
s/n
di mana : t = nilai t yang dihitung , x = rata-rata , 0 =nilai yang
dihipotesiskan
s = simpangan baku sampel , n = jumlah anggota sampel.

Korelasi : menunjukkan adanya hubungan antara dua variabel atau
lebih serta menunjukkan besarnya (kuat/lemahnya) hubungan antara
dua variabel tersebut.
Koefisien Korelasi ( r ) merupakan kriteria untuk mengukur
hubungan antar variabel secara kuantitatif yang nilainya terletak
antara 1 dan 1
r = 1 , hubungan variabel X dan Y adalah sangat kuat dan positif
r = - 1 , hubungan variabel X dan Y adalah sangat lemah dan
negatif
r = 0 , hubungan variabel X dan Y lemah sekali atau tidak ada
hubungan.
Berikut ini adalah rumus Karl Pearson (Product Moment) :
r = n . XY - X . Y .
n.X - (X). n.Y - (Y)
Koefisien Determinasi (Kd) : menunjukkan berapa persen fluktuasi
atau variasi variabel Y yang disebabkan oleh variabel X , dengan
rumus :

Kd = r
Analisis Regresi : suatu proses melakukan estimasi untuk
memperoleh suatu hubungan fungsional antara variabel X dengan
variabel Y.
Analisis Regresi Linear Sederhana : adalah analisis regresi antara
satu variabel X dan satu variabel Y.
Persamaan Regresi Linear Sederhana : Y = a + bX ,
di mana : Y = Nilai Y prediksi , a = Intercept atau nilai Y pada
saat X = 0
b = Slope / kemiringan , X = Independent Variable
(variabel bebas).
Untuk menghitung nilai a dan b digunakan rumus :

b = n(XY) (X) (Y)
n (X) (X)

a = Y - b. X
n n

32
Mencari hubungan antar variabel bila
pengukuran datanya bertipe nominal
Berkaitan dengan
2
(chi-kuadrat)
Rumusnya :

C =


di mana :
2
=

33
2
2

N
h
h
f
f f
2
0
) (
Olah raga
Jenis Profesi

Jumlah Guru Pengawas
Tenis 10 15 25
Sepak
Bola 25 20 45
Catur 5 30 35
Jumlah 40 65 105
34
Menggunakan (chi kuadrat).
Jika
2
>
2
tabel, hipotesis alternatif diterima.
note : dk = (p 1)(q 1)
p : banyaknya kel. sampel
q : banyaknya kategori
35
2
Tingkat pengukuran data ordinal
Data tidak harus berdistribusi normal
Rumusnya ( = rho):

=



dimana : b
i
selisih rank antar sumber
data
36
) 1 (
6
1
2
2

n n
b
i
siswa Juri 1 Juri 2
A 8 9
B 7 6
C 6 7
D 8 7
E 5 5
F 4 5
G 6 5
H 3 4
I 7 8
J 9 8
37
Korelasi nilai Juri 1
dengan nilai Juri 2 ?
Solusi ? ??
Untuk sampel kurang dr 30

Z
h
=



jika z
h
> z tabel ; hipotesis alternatif
diterima
38
1
1
n

Untuk sampel lebih dari 30

t =



jika t > t tabel; hipotesis alternatif diterima
39
2
1
2

n
Tingkat pengukuran data ordinal
Anggota sampel lebih dari 10
Rumusnya :

=


RA : jumlah rangking kel. Atas
RB : jumlah rangking kel. bawah
40
2
) 1 (

N N
RB RA
Menggunakan tabel nilai z

Z =
41
) 1 ( 9
) 5 2 ( 2

N N
N