Statistik adalah suatu cara / metode untuk mengumpulkan data, analisis, menafsirkan
(umum).
Statistik terbagi menjadi 2 macam, yaitu Statistik Deskriptif dan Statistik Inferensial /
Induktif.
Statistik
Deskriptif,
menggambarkan,
tidak
bermaksud
mengambil
kesimpulan.
Fungsinya untuk menyajikan data (tabel, diagram, grafik). Hasil tidak dapat
digeneralisasikan. Tidak membutuhkan sampel (seandainya menggunakan sampel,
-
maka
tidak
boleh
menggunakan
Statistik
Parametrik,
hanya
bisa
menggunakan Statistik Non Parametrik. Faktor yang paling penting adalah 1, 2 dan 3.
Contoh Statistik Parametrik adalah uji Korelasi Pearsons Product Moment (Analisis
-
Regresi Sederhana).
Statistik Non Parametrik merupakan prosedur pengambilan kesimpulan statistik yang
tidak didasarkan pada asumsi parametrik. Statistik Non Parametrik kadang-kadang
disebut juga statistik bebas sebaran (distributuion free). Maksudnya kelompok model
analisis ini tidak dikaitkan dengan bentuk sebaran dalam populasi. Contohnya adalah uji
Korelasi Rank Spearman.
VARIABEL PENELITIAN.
Variabel Penelitian merupakan atribut yang berupa gejala-gejala yang menjadi fokus peneliti
untuk diamati. Contoh variabel psikologis antara lain Motivasi Berprestasi, Kecemasan,
Intelegensi, dll. Jenis-jenis variabel adalah Variabel Independen (Variabel Bebas), Veriabel
Dependen (Variabel Terikat), Variabel Moderator, Variabel Intervening dan Variabel Kontrol.
HIPOTESIS PENELITIAN.
-
Kata hipotesis berasal dari kata Yunani hupo yang berarti di bawah, kurang atau
lemah. Sedangkan thesis berarti teori atau proposisi / pernyataan yang disajikan
sebagai bukti. Sehingga hipotesis dapat diartikan sebagai pernyataan yang masih
Hipotesis Korelasional.
Hipotesis menurut Negasi / Afirmatif : Hipotesis Null (Ho), Hipotesis Penelitian /
Populasi adalah keseluruhan wilayah penelitian sebagai daerah generalisasi dari hasil
Probability Sampling.
Probability Sampling terbagi menjadi Simple Random Sampling, Proportionate Stratified
Random Sampling, Disproportionate Stratified Random Sampling, Cluster Random
STATISTIK DESKRIPTIF.
-
Tabel Distribusi Frekuensi dengan Tally, Distribusi Frekuensi, Daftar Distribusi Frekuensi
Relatif, Tabel Distribusi Frekuensi Relatif Kumulatif (kurang dari).
PENGUKURAN GEJALA PUSAT.
Untuk Data Tunggal, cara penghitungannya :
-
Mean (
) = Nilai rata-rata =
Ukuran penempatan data adalah Median (Md), Kuartil (K), Desil (Ds) dan Persentil (Ps).
Mean (
)=
Median (Md) = Bb + P
Keterangan
Bb = Batas Bawah Kelas Median
= Jumlah Subjek
Jf
Modus (Mo) = Bb + P
Keterangan
Bb = Batas Bawah Kelas Modus
P
Persentil (Ps), data dibagi 100 bagian (Persentil Ps1, Ps2, Ps3, ..., Ps99)
Data Tunggal
1. Kuartil (K) = K1 = (n + 1)
K2 =
2.
K3 =
n =
Desil (Ds) = Ds1
= Ds2
= Ds3
(n + 1) = (n + 1)
(n + 1)
jumlah data / jumlah subjek
= 1/10 (n + 1)
= 2/10 (n + 1)
= 3/10 (n + 1), .................. s/d .......
= Ds9 = 9/10 (n + 1)
3.
Varians (
/ S)
/ S).
1.
Varians =
Simpangan Baku =
DATA TUNGGAL
2. Rumus Data Populasi.
Varians =
Simpangan Baku =
DATA KELOMPOK
1.
Varians = S
2.
Varians
Simpangan Baku =
Simpangan Baku =
S=
Sub menu Frequency berfungsi untuk membuat tabel Frekuensi. Dalam pembuatan
tabel Frekuensi ada 3 hal penting, yaitu Statistics, Chart dan Format.
Sub menu Descriptives berfungsi untuk menyajikan data secara numerik. Statistik
Deskriptif meliputi beberapa bahasan antara lain pengukuran kecenderungan terpusat
(Central Tendency), Pengukuran Dispersi.
Sub menu Explore akan membantu mengeksplorasi data. Prosedur eksplorasi data
memungkinkan untuk mengetahui tampilan data, identifikasi data, deskripsi data,
pengujian asumsi, perbedaan karakteristik antara sub populasi yaitu group dalam suatu
case. Eksplorasi data dapat membantu memberi arahan di dalam memilih teknik
statistik yang akan diimplementasikan pada analisis data yang dikehendaki.
STATISTIK 2
UJI HIPOTESIS.
Langkah-langkah Uji Hipotesis, yaitu :
1.
Merumuskan Ho.
2.
3.
4.
5.
Taraf
Laporan
Statistik
Signifikansi
Komputer
So > St
So St
So < St
0,01 ( 1 % )
0,05 ( 5 % )
0,05 ( 5 % )
< 0,01
0,05
> 0,05
Kesimpulan
Formal
Informal
Ho
Ha
Sangat Signifikan
x
Signifikan
x
Tidak Signifikan
St
Ho
Ha
= Ditolak
= Diterima
UJI KORELASIONAL.
-
Teknik Uji Korelasional digunakan untuk menguji ada tidaknya hubungan / korelasi
antara dua variabel atau lebih. Pengujian dilakukan pada sampel penelitian untuk
Berikut adalah tabel pedoman pemilihan Teknik Korelasi dalam pengujian hipotesis
korelasional :
Macam Data
Nominal
Ordinal
Interval / Ratio
Ganda)
-
Untuk penjelasan selanjutnya mohon untuk melihat tabel pedoman pemilihan Teknik
Korelasi dalam pengujian hipotesis korelasional di atas.
rxy =
N = Jumlah subjek
X = Variabel bebas
Y = Variabel tergantung
(dependent / criterium), dimana salah satu variabel bebasnya dikendalikan / dibuat tetap.
Rumusnya :
Rumus 1
ryx -x
1
ryx ryx rx x
1
1 2
Rumus 2
ryx -x
2
ryx ryx . rx x
2
1 2
Keterangan :
ryx -x
ryx -x
ryx
ryx
rx x
1 2
Rumus Uji t :
t=
ro
Keterangan :
ro
R=
Keterangan :
ryx
ryx
rx x
1 2
Seperti yang telah dijelaskan pada pedoman pemilihan Teknik Korelasi dalam pengujian
Hipotesis Korelasional di atas, statistik Non Parametrik digunakan untuk menguji
hipotesis Korelasional yang meliputi Korelasi Kontingensi, Korelasi Spearman Rank dan
(3) Data berasal dari populasi yang bebas distribusi (tidak perlu berdistribusi normal).
Rumus Korelasi Spearman Rank :
=1-
6d
n (n - 1)
Keterangan :
(rho) = koefisien korelasi Spearman Rank
d
Teknik ini digunakan untuk menguji ada tidaknya perbedaan diantara dua kelompok
Dalam
uji
komparatif,
Teknik
Statistik
Parametrik
terutama
digunakan
untuk
menganalisis data interval / ratio dan memenuhi syarat uji asumsi yaitu berdistribusi
-
tAB
xA xB
tAB
xA xB
xA - ( xA)
xB - ( xB)
+
NA
NB
NA + NB
(NA + NB 2)
(NA) (NB)
(x1)
n1
(x2)
n2
(xm)
nm
(xtot)
N
MKdal = JKdal
N-m
(6) F Hitung (disingkat Fh)
Fh = MKant
MKdal
Selanjutnya db atau df (derajat kebebasan / degree of freedom) untuk masing-masing
sumber variansi adalah :
Antar Kelompok, db = m 1
Dalam Kelompok, db = N m
Total, db = N 1
Keterangan :
N = jumlah seluruh anggota sampel
M = jumlah kelompok
k = kelompok
n = jumlah masing-masing kelompok
(2)
(xtot) _ (xtot)
nk
(3)
(xbaris) _ (xtot)
Nbaris
(4)
dimana
JKbag = (xbag 1)
(xbag 2)
nbag 1 + nbag 2 + ....... +
(5)
(6)
(7)
(8)
(9)
(10)
db kolom = k 1
db baris = b 1
db interaksi = dkk x dkb
db dalam = N k . b
db total = N 1
(xn)
nbag n -
(xtot)
N
(fo fe)
fe
Keterangan :
x = Chi Kuadrat / Chi Square
fo = Frekuensi yang diobservasi (observed)
fe =
fo
jumlah variabel fo
ANALISIS REGRESI.
-
Pemahaman Analisis Regresi tidak dapat dilepaskan dari pemahaman akan Analisis
Korelasi, karena setiap Analisis Regresi pasti ada Analisis Korelasinya. Namun Analisis
yang tidak memiliki hubungan kausal / sebab akibat atau hubungan fungsional.
Analisis Regresi dilakukan bila hubungan dua variabel berupa hubungan kausal /
fungsional.
Penentuan apakah kedua variabel memiliki hubungan kausal atau tidak didasarkan
Apabila dalam Analisis Regresi jumlah variabel bebas / variabel terikatnya lebih dari
satu maka disebut Analisis Regresi Ganda (Multiple Regression). Tetapi jika variabel
bebas / variabel terikatnya hanya satu maka disebut Analisis Regresi Sederhana
(Simple Regression).
Analisis Regresi Sederhana / Simple Regression didasarkan pada hubungan kausal
atau fungsional antara satu variabel bebas (X) dengan satu variabel tergantung (Y).
Persamaan Garis Regresi Linier dengan satu prediktor (Analisis Regresi Sederhana /
Simple Regression) adalah Y = bX + a.
Keterangan :
Y = Nilai Y (kriterium) yang diprediksikan
a = Harga Y bila X = 0 (harga konstan)
b = Angka arah atau koefisien regresi yang menunjukkan angka peningkatan
atau pun penurunan variabel tergantung (Y) yang didasarkan pada
= Y = a + b1X1 + b2X2
n Prediktor
= Y = a + b1X1 + ....... + bnXn
Untuk keterangan sama dengan keterangan Persamaan Garis Regresi Sederhana
diatas.
Untuk menentukan besarnya koefisien korelasi antara prediktor secara bersama-sama
dengan kriterium, dapat menggunakan rumus Koefisien Korelasi Ganda (R) berikut :
Dua Prediktor = Ry(1,2) =
b1x1y + b2x2y
y
b1x1y + b2x2y + b3x3y
y
n Prediktor
= Ry(1,2,...,n) =
y
-
dengan 100 %.
Sedangkan Uji Signifikansinya dilakukan dengan rumus
Fh = R ( N m 1 )
m ( 1 - R )
Keterangan :
Fh = F Observasi / hitung
R = Koefisien Determinasi
N = Jumlah Subjek
M = Jumlah Prediktor