STATISTIKA
BISNIS
Konsep Statistika
Parametrik dan Uji t
Fakultas
Ekonomi & Bisnis
Abstract
Program
Studi
Akuntansi
Tatap
Muka
03
Kode MK
Disusun Oleh
84002
Kompetensi
perusahaan untuk membuat keputusan tentang parameter dari populasi tempat data sample
diambil.
Lebih lanjut, statistika inferensia ini dapat dibagi menjadi statistika parametrik dan
statistika nonparametrik.
Statistika parametrik adalah statistika yang di dalam pengolahan datanya menggunakan
parameter yang spesifik seperti rata-rata populasi () atau varians ( 2).
Pengambilan
kesimpulan mengenai parameter tersebut didasarkan pada data yang ada pada sample.
Misalnya, untuk menaksir parameter rata-rata populasi dipakai rata-rata beberapa sample. Ini
membutuhkan persyaratan-persyaratan tertentu. Dengan kata lain, data sampel tersebut harus
memenuhi syarat-syarat tertentu agar absah
kesimpulan mengenai parameter populasi tersebut. Sebaliknya statistika non parametrik tidak
memakai parameter tertentu di dalam pengolahan data untuk tujuan penarikan kesimpulan.
Oleh karena itu, metode ini tidak memerlukan syarat-syarat tertentu dari data sampelnya.
Kita telah membahas mengenai statistik deskriptif, maka pada modul ini akan dibahas
mengenai statistik inferensial. Statistik inferensial itu sendiri bertujuan untuk mengambil
kesimpulankesimpulan (to infer) tentang parameter populasi dengan berdasarkan pada
ukuranukuran yang diperoleh dari data sampel. Secara umum terdapat dua kegiatan yang
dilakukan dalam statistik inferensial yaitu:
1.
2.
sampel.
Menguji (to test), yaitu menaksir suatu hipotesis.
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Dengan statistik inferensial kita dapat menaksir (mengestimasi) dan menguji hipotesis
tentang berbagai ukuran (parameter). Parameter adalah ukuran kuantitatif dalam populasi,
sedangkan ukuran kuantitatif yang serupa di dalam sampel disebut statistik. Dalam melakukan
kegiatan menaksir dan menguji hipotesis tersebut, diperlukan perhitungan-perhitungan terhadap
data hasil pengukuran untuk menentukan ukuranukuran sampel. Dalam analisis data anggota
sampel dikenal dengan istilah satuan analisis (unit of analisis)
Telah dijelaskan sebelumnya bahwa terdapat dua tipe statistik inferensial, yaitu statistik
parametrik dan nonparameterik. Secara garis besar statistik parametrik yaitu statistik yang
digunakan untuk menguji hipotesis yang variabelnya terukur, misal: berapa menit rata-rata
waktu layanan pelanggan di restoran cepat saji X? Variabel waktu layanan pelanggan dapat
diukur dalam menit. Statistik Parametrik banyak digunakan untuk menganalisis data interval dan
rasio. Sedangkan statistik nonparametrik adalah statistik yang digunakan untuk menguji
hipotesis yang variabelnya tidak memiliki kepastian (standar), misal: Berapa besar kepuasan
pelanggan terhadap pelayanan restoran cepat saji X ? Disini variabel kepuasan tidak memiliki
standar pasti. Statistik Parametrik banyak digunakan untuk menganalisis data interval dan rasio.
Statistik nonparametrik banyak digunakan untuk untuk menganalisis data nominal dan ordinal.
Statistik Parametrik
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil
pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari distribusi normal. Distribusi normal dikenal juga dengan istilah Gaussian
Distribution. Distribusi normal mengandung dua parameter, yaitu rata-rata (mean) dan ragam
(varians). Parameter-parameter ini memberikan karakteristik yang unik pada suatu distribusi
berdasarkan
lokasi-nya
(central
tendency).
Berbagai
Statistika Bisnis
Nur Azmi Karim SE,M.Si
metode
statistik
mendasarkan
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi normal. Prinsipprinsip dari distribusi normal adalah:
a.
Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.
b.
Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat mewakili
populasi.
c.
Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu (continuous
probability distribution). Implikasinya, skala pengukuran pun harus kontinyu. Skala
pengukuran yang kontinyu adalah skala rasio dan interval. Kedua skala ini memenuhi
syarat untuk menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik dapat digunakan.
Namun, jika data tidak menyebar normal maka metode statistik nonparametrik dapat digunakan.
Apa yang dapat dilakukan jika data tidak menyebar normal, namun statistik parametrik ingin
tetap digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih dahulu.
Transformasi data perlu dilakukan agar data mengikuti sebaran normal. Transformasi dapat
dilakukan dengan mengubah data ke dalam bentuk logaritma natural, menggunakan operasi
matematik (membagi, menambah, atau mengali dengan bilangan tertentu), dan mengubah
skala data dari nominal menjadi interval.
adalah uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, perancang percobaan
(2-way ANOVA), dan lain-lain.
DISTRIBUSI NORMAL
Salah satu asumsi yang harus dipenuhi dalam statistik parametris adalah data yang
dianalisis harus berdistribusi normal. Dalam banyak hal distribusi normal dapat dipandang
sebagai model atau dasar bagi teori statistika modern. Distribusi normal banyak digunakan
untuk menghampiri distribusi data hasil penelitian. Distribusi normal memegang peranan yang
sangat penting dalam statistik inferensial, yaitu sebagai model distribusi peluang (probaility
distribution).
Tiga alasan yang mendasari tingkat kepentingan distribusi normal pada statistika
inferensial yaitu :
1.
Distribusi normal merupakan model yang baik untuk mendekati frekuensi distribusi
fenomena alam dan sosial jika sampelnya besar. Populasi berbagai perilaku dan
karakteristik alam dan sosial yang berskala interval dan rasio umumnya diasumsikan
berdistribusi Normal.
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
2.
Ada hubungan yang kuat antara besarnya sampel dengan distribusi rata-rata yang
diperoleh dari sampel-sampel acak yang diambil dari suatu populasi yang sama. Semakin
besar sampel, distribusi rata-rata sampel semakin mendekati distribusi normal.
Lebih
jauh, central limit theorem menyatakan bahwa distribusi rata-rata yang diperoleh dari
3.
sampel yang besar cenderung normal walaupun populasi sampel itu diambil tidak normal.
Distribusi normal memberikan penghampiran (aproksimasi) yang baik terhadap distribusi
teoritis lainnya yang pada umumnya lebih sulit digunakan untuk memodelkan distribusi
peluang. Distribusi normal adalah mendefinisikan frekuensi relatif skor x tertentu pada
suatu distribusi bergantung kepada dua parameter ( dan dan dua konstanta ,
dan bilangan dasar sistem logaritma asli , e = 2,7183) . Distribus normal dirumuskan
sebagai berikut:
dimana:
y = Ordinat pada Grafik
x = skor yang diperoleh
= rata-rata populasi
= Simpangan Baku Populasi
= 3,1416 dibulatkan
e = 2,7183 (dibulatkan)
Karakteristik Distribusi Normal
Distribusi normal berbentuk sebuah lonceng (bell-shape) oleh karena itu distribusi normal
sering disebut sebagai bell shape distribution. Sebagai model teoritik distribusi normal memiliki
empat karakteristik yang bersifat komulatif yaitu unimodal, simetrik, identik dan asimtotik.
1.
Unimodal, terdiri dari dua kata yaitu Uni = satu dan modal = modus, distribusi normal
2.
3.
skor yang berada di atas median sama dengan distribusi frekuensi skor di bawah median.
Identik, yaitu nilai modus, median dan rata-rata pada distribusi normal adalah sama.
( modus = median = rata rata)
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
4.
Asimtotik, yaitu kurva distribusi normal tidak akan pernah menyentuh absisnya, yaitu
distribusi normal terbentuk dari perangkat dari skor yang bersifat kontinu dari mulai data
yang tak hingga sampai dengan nilai yang tak hingga pula.
Model Distribusi normal dapat berbeda-beda, hal tersebut tergantung pada nilai
simpangan baku dan rata-rata data. Pada Gambar di bawah berikut distribusi A dan B memiliki
nilai rata-rata () yang sama tetapi memiliki nilai simpangan baku ( ) yang berbeda. Sdangkan
distribusi A dan C memiliki simpangan baku () yang sama tetapi nilai rata-ratanya () berbeda.
Distribusi B dan C memiliki nilai rata-rata dan simpangan baku yang berbeda.
Unimodal
Simetrik
Identik
Asimtotik
Rata-rata nilai = 0
Simpangan Baku nilai = 1
Untuk mendapatkan distribusi normal baku maka perlu untuk mengubah skor X ke dalam
Z=
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Dimana:
Z
= skor baku
Xi
= data ke i
= rata-rata
= simpangan baku
F(x) =
Luas daerah dibawah kurva normal dai 0 s/d z dapat diketahui dengan menggunakan
tabel z, tabel luas dibawah lengkungan normal standar dari 0 ke z, bilangan dalam daftar
menyatakan desimal.
Cara menggunakan tabel z tersebut adalah misalnya untuk mengetahui luas daerah di
bawah kurva normal antara 0 ke z = 1,96. Dengan menggunakan tebel z, dilihat pada kolom 1
dicari nilai z = 1,9 dan pada bari pertama dilihat pada nilai 0,06, pertemuan barisdan kolom
tersebut adalah nilai = 4750, maka berarti luas daerah dibawah kurva normal antara 0 ke z =
1,96 adalah = 0,750.
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Contoh Soal 1:
Suatu populasi berjumlah 1000, data sampel diambil secara acak sebanyak 200 subjek.
Rata-rata sampel = 40 dan simpangan baku = 10, ditanyakan : Berapa persen subjek yang
memperoleh skor antara 0 sampai dengan 55? dengan asumsi bahwa data diambil dari
populasi yang berdistribusi normal.
Penyelesaian:
1.
Mengubah skor 40 dan 55 ke dalam skor baku (skor z) yaitu sebagai berikut:
Z=
X= 40 , z = (40-40)/10 = 0,00
X= 55 , z = (55-40)/10 = 1,50
2.
Melihat tabel z antara z = 0,00 ke z = 1,50; maka pada kolom pertama dilihat pada nilai z
3.
= 1,5, pada baris pertama pada nilai =0, maka didapatkan nilai 4332, atau = 0,4332.
Dengan nilai sebesar 0,4332 maka dapat disimpulkan bahwa jumlah subjek yang
mempunyai skor antara 0 55 adalah 43,32% , jika diterapkan pada populasi maka kurang
lebih ada sekitar 43,32% x 1000 = 433 subjek.
Contoh Soal 2 :Berapa persen subjek yang memperoleh skor diatas 55? dengan asumsi
bahwa data diambil dari populasi yang berdistribusi normal.
Penyelesaian:
Penyelesaian pertanyaan adalah sebagai berikut:
1.
2.
3.
4.
5.
UJI T (T TEST)
Dalam statistik parametrik diperlukan syarat bahwa data yang akan dianalisis harus
berdistribusi normal. Untuk itu perlu dilakukan pengujian normalitas data. Salah satu cara untuk
pengujian normalitas data antara lain dilakukan dengan : t-test.
Hipotesis Satu Sampel
1
3
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Statistik parametrik yang dapat digunakan untuk menguji hipotesis deskriptif bila datanya
interval atau rasio adalah t-test 1 sampel. Terdapat dua macam pengujian hipotesis deskriptif
yaitu dengan uji dua pihak (two tail test) dan uji satu pihak (one tail test). Uji satu pihak ada dua
macam yaitu uji pihak kanan dan uji pihak kiri. Jenis uji mana yang akan digunakan tergantung
pada bunyi kalimat hipotesis. Untuk menguji hipotesis deskriptif (satu sampel) yang datanya
interval atau ratio menggunakan rumus berikut ini.
t=
Di mana:
t
= Simpangan baku
a.
10
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Dalam pengujian hipotesis yang menggunakan uji dua pihak ini berlaku ketentuan, bahwa
bila harga t hitung berada pada daerah diantara t tabel, maka Ho diterima dan Ha ditolak.
Dengan demikian dapat disimpulkan bahwa bila harga t hitung lebih kecil atau sama dengan ()
dari harga t tabel maka Ho diterima dan Ha ditolak. Harga t hitung adalah harga mutlak,
sehingga tidak dilihat (+) atau (-) nya.
b.
11
Statistika Bisnis
Nur Azmi Karim SE,M.Si
t=
Dimana :
= rata- rata sampel 1
= Rata- rata sampel 2
S1 = simpangan bakiu sampel 1
S2 = simpangan baku sampel 2
= varians sampel 1
= varians sampel 2
r = korelasi antara dua sampel
1
3
12
Statistika Bisnis
Nur Azmi Karim SE,M.Si
Daftar Pustaka
1.
2.
3.
4.
1
3
13
Statistika Bisnis
Nur Azmi Karim SE,M.Si