Anda di halaman 1dari 100

TEKNIK ANALISIS KOMPARASIONAL Teknik analisis komparasional adalah salah satu teknik analisis dalam statistik yang digunakan

untuk menguji hipotesis sebagai upaya penerikan kesimpulan dalam penelitian komparasional. Analisis ini juga dapat digunakan untuk menguji ada atau tidaknya perbedaan antar variabel yang sedang diteliti, sehingga diperoleh kesimpulan apakah perbedaan ini cukup berarti (signifikan) atau hanya kebetulan. Dalam pengujian ini, apabila Ho diterima, berarti nilai perbandingan dua sampel atau lebih tersebut dapat digeneralisasikan untuk seluruh populasi dimana sampel-sampel diambil dengan taraf kesalahan tertentu. Terdapat dua model dalam teknik analisis komparasional. Pertama, komparasi antara dua sampel dan kedua komparasi antara lebih dari satu sampel yang sering disebut komparasi k sampel. Beberapa penulis yang lain mengatakan bahwa komparasi antara dua sampel disebut sebagai analisis komparasi bivariat dan komparasi k sampel disebut sebagai analisis komparasi multivariat. Selanjutnya, setiap model komparasional tersebut, sampelnya terbagi lagi menjadi dua yaitu sampel yang berkorelasi (berpasangan) dan sampel tidak berkorelasi (sampel tidak berpasangan) atau sampel independen. Sampel berkorelasi (berpasangan) adalah sampel yang di dalam penelitiannya membandingkan nilai pretest dan posttest atau membandingkan kelompok eksperimen dan kelompok kontrol. Sedangkan sampel tidak berkorelasi (sampel tidak berpasangan) atau sampel independen adalah sampel yang di dalam penelitiannya membandingkan sampel yang tidak berkaitan satu sama lain. Berbagai bentuk komparasi sampel disajikan pada tabel berikut: Tabel Berbagai Bentuk komparasi sampel Dua Sampel (Bivariat) Berpasangan Independen k sampel (multivariat) Berpasangan Independen

Hal lain yang perlu diperhatikan dalam pengujian komparatif dua sampel atau lebih adalah teknik statistik yang digunakan. Ada beberapa teknik statistik yang dapat digunakan dalam analisis ini tergantung pada bentuk komparasi dan jenis datanya. Apabila datanya interval dan rasio maka digunakan statistik parametris dan apabila datanya nominal atau diksrit maka digunakan statistik non parametrik. Berikut adalah jenis-jenis teknik statisti untuk menguji hipotesis komparatif.

Analisis Komparasional

Tabel Jenis Teknik statistik untuk menguji Hipotesis Komparatif Bentuk Komparasi Jenis Data Dua Sampel (Bivariat) Korelasi Independen k Sampel (Multivariat) Korelasi One way anova* Two way anova Fisher Exact Nominal Mc Nemar Chi Quadrat two sample Chi Quadrat for k sample Cochran Q Independen One way anova* Two way anova

Interval / Ratio

t-test* dua sampel

t-test* dua sampel

Chi Quadrat for k sample

Median Test Sign test Ordinal Wilcoxon matched pairs Mann-Whitney (U-test) Kolomogorov Smirnov WaldWolfowidtz A. KOMPARATIF DUA SAMPEL (KOMPARATIF UNTUK BIVARIAT) Terdapat tiga macam hipotesis komparatif dua sampel yaitu: 1. Uji dua pihak Untuk uji dua pihak, bentuk hipotesisnya adalah: Ho: 1 = 2 dan H1: 1 2 2. Uji Pihak kiri Untuk uji pihak kiri, bentuk hipotesisnya adalah: Ho: 1 2 dan H1: 1 < 2 3. Uji Pihak Kanan Untuk uji pihak kiri, bentuk hipotesisnya adalah: Ho: 1 2 dan H1: 1 > 2 Median Extencion Kruskal-walls One way anova

Friedman Two way anova

Analisis Komparasional

1. SAMPEL BERKORELASI (SAMPEL BERPASANGAN) a. Statistik parametrik Untuk pengujian dengan statistik parametrik untuk sampel berkorelasi (berpasangan) hanya satu jenis pengujian yang digunakan yaitu uji t (t-test). Rumusnya adalah sebagai berikut:
(

)(

keterangan: V12 V22 S1 S2 = rata-rata sampel 1 = rata-rata sampel 2 = variansi sampel 1 = variansi sampel 2 = simpangan baku sampel 1 = simpangan baku sampel 2

Contoh: Dilakukan suatu penelitian untuk mengetahui ada atau tidaknya perbedaan hasil belajar kimia 25 orang siswa sebelum dan setelah diberi les tambahan. Hipotesisnya (dua pihak): Ho : Tidak terdapat perbedaan hasil belajar kimia siswa antara sebelum dan setelah diberi les tambahan H1 : Terdapat perbedaan hasil belajar kimia siswa antara sebelum dan setelah diberi les tambahan Adapun nilai hasil belajar kimia 25 orang siswa SMA sebelum dan sesudah diberi les tambahan dapat dilihat pada tabel berikut:

Analisis Komparasional

Tabel 1.3 Nilai Hasil Belajar Kimia 25 Orang Siswa Sebelum dan Sesudah Diberi Les Tambahan
Nilai Hasil Belajar Kimia No. Responden Sebelum 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Rata-Rata Simpangan Baku Varians 75 80 65 70 75 80 65 80 90 75 60 70 75 70 80 65 75 70 80 65 75 80 70 90 70 Sesudah 85 90 75 75 75 90 70 85 95 70 65 75 85 65 95 65 80 80 90 60 75 85 80 95 75

= 74,00

= 79,20

S1 = 7,50 V12 = 56,25

V1 = 10,17 V22 = 103,50

Berdasarkan hasil analisis korelasi antara sebelum dan setelah diberikan les tambahan, maka didapatkan r = 0,866. Jadi nilai t-hitung adalah:

Analisis Komparasional

( )( )

)(

harga t tersebut selanjutnya dibandingkan dengan harga t-tabel. Dengan dk = n1 + n2 2 = 25 + 25 2 = 48. Dengan dk = 48 dan taraf signifikansi 0,05 maka nilai t-tabel = 2,013. Dengan demikian nilai t-hitung lebih kecil dari t-tabel (-4,952 < 2,013). Sehingga Ho ditolak dan H1 diterima. Jadi Terdapat perbedaan hasil belajar kimia siswa antara sebelum dan setelah diberi les tambahan. b. Statistik non parametrik Teknik statistik non parametrik yang digunakan untuk pengujian hipotesis komparatif dua sampel yang berkorelasi adalah Mc Nemar Test, Sign Test, dan Wilcoxon Matched Pairs. 1) Mc Nemar Test Teknik statistik ini digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi bila datanya berbentuk nominal. Test Mc Nemar berdistribusi Chi kuadrat (2), oleh karena itu rumus yang digunakan untuk pengujian hipotesis adalah rumus chi kuadrat. Rumusnya adalah sebagai berikut: Keterangan: fo fh = frekuensi observasi = frekuensi harapan (ekspektasi)

Contoh: 24 orang siswa diwawancarai berkenaan dengan pelaksanaan pameran produk-produk yang berasal dari bahan kimia dalam kehidupan sehari-hari. 9 orang diantaranya menganggap bahwa pameran ada manfaatnya, 8 orang diantaranya mengatakan bahwa ada atau tidaknya

Analisis Komparasional

pelaksanaan pameran sama saja, dan 7 orang tidak berpendapat apa-apa tentang pelaksanaan pameran. Rumusan hipotesis: Ho : tidak terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan frekuensi teoritis H1 : terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan frekuensi teoritis. Untuk menghitung 2 maka ditetapkan terlebih dahulu besarnya tiap-tiap frekuensi teoritis untuk ketiga jenis pendapat siswa tersebut. Karena jumlah respondennya 24 orang maka besarnya frekuensi harapan (teoritis) masing-masing pendapat adalah 8. Tabel 1.4 Persiapan menghitung 2

Pendapat Pameran bermanfaat Ada tidaknya pameran sama saja Tidak ada pendapat

fo 9 8 7

fh 8 8 8 0,125 0 0,125 0,25

Jadi, nilai 2 = 0,25 Untuk penentuan 2 tabel digunakan rumus 2 = 2(1-)(b-1) Keterangan = derajat signifikansi dan b = banyaknya baris Jadi untuk = 0,05 dan b = 3 maka 2 tabel = 2 (1-0,05)(3-1) = 2 (0,95)(2) = 5,99 Kriteria pengujian: Ho diterima apabila 2 hitung < 2 tabel. Karena 0,25 < 5,99 maka Ho diterima. Sehingga tidak terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan frekuens teoritisnya. Artinya, usul untuk mengadakan pameran produk-produk kimia yang berasal dari bahan kimia dalam kehidupa sehari-hari hendaknya dipertimbangkan kembali sehingga semua siswa yang diwawancarai menyatakan persetujuannya tentang pengadaan pameran tersebut.

Analisis Komparasional

2) Uji Sign Test (Uji Tanda) Sign test digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi, bila datanya berbentuk ordinal. Teknik ini dinamakan uji tanda (sign test) karena data yang akan dianalisis dinyatakan dalam bentuk tanda-tanda, yaitu tanda positif dan tanda negatif. Sampel yang digunakan adalah sampel yang berpasangan, misalnya suami-istri, priawanita, pegawai negeri-swasta, dan lain-lain. Tanda positif dan negatif akan dapat diketahui berdasarkan perbedaan nilai antara satu dengan yang lain dalam pasangan itu. Untuk sampel yang kecil 25 pengujian dilakukan dengan menggunakan prinsip binomial dengan P = Q = 0 dimana N = banyak pasangan. Hipotesis nol (Ho) yang diuji adalah: p(XA > XB) = p (XA < XB) = 0,5. Peluang berubah dari XA ke XB = peluang berubah dari XB ke XA = 0,, atau peluang untuk memperoleh beda yang bertanda positif sama dengan peluang untuk memperoleh beda yang negatif. Jadi kalau tanda positif jauh lebih banyak dari tanda negatif atau sebaliknya, maka Ho diterima. XA = nilai setelah ada perlakuan dan XB adalah nilai sebelum ada perlakuan. Ho juga dapat diketahui berdasarkan median dari kelompok yang diobservasi. Bila jarak antara median dengan tanda positif dan negatif sama dengan nol, maka Ho diterima. Jika (XA XB) menunjukkan nilai perbedaan, dan m merupakan median dari perbedaan ini, maka uji tanda dapat digunakan untuk menguji Ho: m = 0 dan Ha: m0 dengan peluang masing masing = 0,5. Jadi Ho p = 0,5 dan Ha p 0,5. Contoh: Dinas pendidikan di suatu daerah ingin mengetahui pengaruh adanya kenaikan insentif guru terhadap kesejahteraan guru . pada penelitian ini dipilih 20 orang guru beserta dengan isterinya secara random. Jadi terdapat 20 pasangan suami isteri. Masing-masing suami dan isteri diberi angket untuk diisi dengan pertanyaan sebagai berikut: Berilah tanda penilaian tingkat kesejahteraan keluarga ibu/bapak sebelum adanya kenaikan dan sesudah kenaikan dana insentif guru dar pemerintah. Rentang nilai 1 s/d 10. Nilai 1 berarti sangat tidak sejahtera dan 10 berarti sangat sejahtera. Nilai sebelum ada kenaikan insentif Nilai sesudah kenaikan insentif Hipotesis penelitiannya adalah: Ho : tidak terdapat perbedaan pengaruh yang signifikan insentif terhadap kesejahteraan keluarga baik suami maupun isteri. = .......................... = ..........................

Analisis Komparasional

H1

: terdapat pengaruh positif dan signifikan kenaikan insentif yang diberikan oleh perusahaan terhadap kesejahteraan keluarga baik menurut suami maupun menurut isteri.

Tabel hasil pengisian angket dari responden adalah sebagai berikut: Tabel 1.5 Data Tingkat Kesejahteraan Keluarga Menurut Isteri Dan Suami
sblm 2 2 4 5 4 2 1 2 1 7 4 5 2 3 6 3 2 3 1 2 Data dari isteri sdh beda 4 2 3 1 6 2 7 2 5 1 4 2 3 2 6 4 6 5 9 2 7 3 9 4 4 2 5 2 9 3 7 4 4 2 8 5 2 1 3 1 Ranking 4 5 4 4 5 4 4 2 1 4 3 2 4 4 3 2 4 1 5 5 sblm 1 4 2 6 2 3 1 2 1 2 4 6 2 2 5 1 4 2 1 2 Data dari suami Sdh beda 6 5 6 2 3 1 7 1 4 2 6 3 4 3 7 5 4 3 3 1 8 4 9 3 7 5 6 4 9 4 6 5 5 1 6 4 3 2 4 2 Ranking 1 4 5 5 4 3 3 1 3 5 2 3 1 2 2 1 5 2 4 4

Tabel 1.6 Peringkat Perubahan Kesejahteraan Keluarga Menurut Pasangan Isteri dan Suami
No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. Rank Perubahan Menurut Isteri Suami 4 5 4 4 5 4 4 2 1 4 3 2 4 4 3 2 4 1 5 5 1 4 5 5 4 3 3 1 3 5 2 3 1 2 2 1 5 2 4 4 4 5 4 4 5 4 4 2 1 4 3 2 4 4 3 2 4 1 5 5 Arah > > < < > > > > < < > < > > > > < < > > 1 4 5 5 4 3 3 1 3 5 2 3 1 2 2 1 5 2 4 4 Tanda + + + + + + + -

Analisis Komparasional

Catatan: N berkurang bila n rank perubahan sama antara isteri dan suami Berdasarkan tabel 1.6 terlihat tanda (+) sebanyak 7 dan tanda (-) sebanyak 13. Pada tabel binomial dengan N =20 (N berkurang biloa tidak terjadi perbedaan, tida ada (+) atau (-), dan p = 7 (tanda yang kecil) diperoleh tabel p = 0,132. Bila taraf kesalahan 0,05 maka harga 0,132 ternyata lebih besar dari 0,05. Dengan demikian Ho diterima dan Ha ditolak. Jadi dapat disimpulkan bahwa tidak terdapat pengaruh yang positif dan signifikan kenaikan insentif terhadap kesejahteraan keluarga baik menurut isteri maupun menurut suami. Untuk sampel yang besar > 25 dapat dilakukan pengujian chi kuadrat yang rumusnya:

Dimana: n1 = banyaknya data positif n2 = banyaknya data negatif contoh: pada contoh berdasarkan tabel 1.6 dapat dihitung dengan menggunakan rumus tersebut:

Untuk membuktikan Ho ditolak atau diterima maka chi kuadrat tersebut dibandingkan dengan chi kuadrat tabel dengan dk = 1. Nilai chi kuadrat tabel dengan dk = 1 dengan taraf signifikansi = 0,05 adalah 3,841. (2,45 < 3,81) dengan demikian Ho diterima dan Ha ditolak. Hasilnya sama dengan perhitungan di atas. 3) Wilcoxon Match Pairs Teknik ini merupakan penyempurnaan dari uji tanda. Kalau dalam uji tanda besarnya selisih nilai angka antara positif dan negatif tidak diperhitungkan, sedangkan dalam uji wilcoxon ini diperhitungkan. Seperti dalam uji tanda, teknik ini digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi bila datanya berbentuk ordinal (berjenjang). Contoh: Dilakukan penelitian untuk menguji pengaruh pengadaan LCD terhadap keefektifan metode mengajar guru. Pengumpulan data terhadap keefektifan metode mengajar guru dilakukan sebelum dan sesudah pengadaan LCD. Data sebelum pengadaan LCD adalah Xa dan sesudah pengadaan adalah Xb.

Analisis Komparasional

Hipotesis: Ho H1 : LCD tidak berpengaruh terhadap efektivitas metode mengajar guru : LCD berpengaruh terhadap efektifitas metode mengajar guru

Adapun data hasil penelitian adalah sebagai berikut:

Tabel Data Efektifitas Metode Mengajar Guru Sebelum dan Sesudah Pengadaan LCD beserta tabel penolong wilcoxon. Sebelum (Xa) 100 98 76 90 87 89 77 92 78 82 Sesudah (Xb) 105 94 78 98 90 85 86 87 80 83 Jumlah Beda Xb - Xa +5 -4 +2 +8 +3 -4 +9 -5 +2 +1 Tanda Jenjang + 7,5 0,0 2,5 9,0 4,0 0,0 10,0 0,0 2,5 1,0 T = 36,5

No. Guru

Jenjang 7,5 5,5 2,5 9,0 4,0 5,5 10,0 7,5 2,5 1,0

0,0 5,5 0,0 0,0 0,0 5,5 0,0 7,5 0,0 0,0 -18,5

1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

Jumlah jenjang terkecil dari hasil perhitungan adalah 18,5 kemudian dibandingkan dengan nilai t tabel. Untuk n = 10 dengan taraf signifikansi 0,05 (uji 2 pihak) nilai t tabel = 8. Dengan demikian 18,5 > 8 maka Ho diterima. Jadi dapat disimpulkan bahwa pengadaan LCD tidak berpengaruh terhadap efektifitas metode pembelajaran guru. Bila sampel pasangan > 25, maka distribusinya akan mendekati distribusi normal maka digunakan uji z dalam pengujiannya yaitu dengan rumus: dimana T = jumlah rangking terkecil untuk contoh diatas jika digunakan rumus tersebut maka: dan Dengan demikian,
10

Analisis Komparasional

= -0,918

harga z tabel untuk -,918 adalah 1,96. Dengan demikian harga z hitung -0,918 lebih kecil dari harga z tabel -1,96 dengan demikian Ho diterima. Jadi pengadaan LCD tidak mempengaruhi keefektifan metode mengajar guru. Hasilnya sama dengan pengujian yang sebelumnya.

2. SAMPEL INDEPENDEN (SAMPEL TIDAK BERPASANGAN) a. Statisik Parametris Pengujian hipotesis dua sampel independen adalah menguji kemampuan generalisasi rata-rata data dua sampel yang tidak berkorelasi. Untuk data yang bersifat statistik parametrik digunakan statistik t-test. Terdapat dua rumus t-test yang dapat digunakan untuk menguji hipotesis komparatif dua sampel independen. Rumus tersebut adalah: a. Separated varians

rumus (1)

b. Polled varians
( )

rumus (2)

petunjuk untuk memilih rumus t-test tersebut adalah: 1. Bila jumlah anggota sampel n1 = n2 dan varians homogen maka rumus (1) dan (2) dapat digunakan dan untuk mencari t tabel dengan menggunakan dk = n1 + n2 2 2. Bila n1 n2 dan varians homogen maka digunakan rumus (2) dan untuk t tabel menggunakan dk = n1 + n2 2 3. Bila n1 = n2 dan varians tidak homogen dapat digunakan rumus (1) dan untuk t tabel dk = n1 1. Atau menggunakan rumus (2) dengan menggunakan dk = n2 1. 4. Bila n1 n2 dan varians tidak homogen maka dapat digunakan rumus (1). Dan harga t tabel ditentukan dengan mnghitung selisih t tabel untuk dk= n1 1 dan dk = n2 1 dibagi dua, dan kemudian ditambahkan dengan harga t terkecil.

11

Analisis Komparasional

Contoh: Dilakukan suatu penelitian untuk mengetahui kecepatan memasuki dinia kerja antara lulusan SMU dengan lulusan SMA. Penelitian ini terdiri dari 22 orang responden SMU dan 18 responden SMK. Hipotesis: Ho : tidak terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara lulusan SMU dengan SMK (Ho: 1=2) H1 : terdapat perbedaan lama menunggu untuk mndapatkan pekerjaan antara lulusan SMU dengan SMK (Ho: 12) Untuk menentukan rumus t-test mana yang digunakan maka terlebih dahulu ditentukan apakah datanya homogen atau tidak. Tabel 1.5 Lama Menunggu Lulusan SMU dan SMK Untuk mendapatkan pekerjaan Lama Menunggu SMU Lama Menunggu SMK dalam tahun Dalam tahun 6 2 3 1 5 3 2 1 5 3 1 2 2 2 3 1 1 3 3 1 2 1 4 1 3 3 4 2 2 1 3 2 1 2 5 1 1 3 1 4 n1 = 22,00 n2 = 18,00 X1 = 2,91 X2 = 1,78 S1 = 1,51 S\2 = 0,81 2 2 S1 = 2,28 S2 = 0,65

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

12

Analisis Komparasional

Setelah dilakukan pengujian homogenitas, didapatkan nilai F hitung = 3,49 dan nilai F tabel = 2,22. Kriteria pengujian homogenitas adalah Ho diterima apabila F hitung lebih kecil atau sama dengan F tabel. Nilai tersebut menunjukkan bahwa Ho diterima atau varians datanya tidak homogen. Dengan demikian diketahui bahwa n1 n2 dan varians data tidak homogen. Jadi digunakan rumus (1). Penyelesaiannya adalah: t

harga t hitung tersebut kemudian dibandingkan dengan t tabel yang dihitung dari selisih harga t tabel untuk dk= n1 1 dan dk = n2 1 dibagi dua, dan kemudian ditambahkan dengan harga t terkecil. N1 = 22, dk = 22-1 = 21, maka t tabel untuk = 0,05 adalah 2,08 N1 = 18, dk = 18-1 = 17, maka t tabel untuk = 0,05 adalah 2,11 Kedua nilai tersebut jika dibagi dua hasilnya adalah 0,015. Dan ditambahkan dengan nilai t tabel terkecil yaitu 2,08. Jadi t tabel pengganti adalah 2,08 + 0,015 = 2,095. Berdasarkan perhitungan tersebut maka t hitung lebih besar daripada t tabel sehingga Ho ditolak dan H1 diterima. Jadi kesimpulannya terdapat perbedaan secara signifikan masa menunggu untuk mendapatkan pekerjaan antara lulusan SMU dan SMK (dalam satuan tahun). Lulusan SMK cenderung lebih cepat mendapatkan pekerjaan.

b. Statistik nonparametris Statistik nonparametris yang digunakan untuk menguji hipotesis komparatif dua sampel independen antara lain adalah 2 Fische Exact Probability (untuk data nominal dan ordinal); Median Test (untuk data ordinal). 1) Chi Kuadrat ( 2) Dua Sampel Chi kuadrat ( 2) digunakan untuk menguji hipotesis komparatif dua sampel bila datanya berbentuk nominal dan sampelnya besar. Cara peritungan dapat menggunakan rumus yang telah ada atau menggunakan tabel kontingensi 2 x 2 (dua baris x dua kolom).

13

Analisis Komparasional

Kelompok Kelompok eksperimen Kelompok kontrol Jumlah

Tingkat Pengaruh Perlakuan Berpengaruh A Tdk berpengaruh b

Jumlah Sampel

a+b

C a+c

d b+d

c+d n

Dengan memperhatikan koreksi Yates, rumus yang dapat digunakan untuk menguji hipotesis adalah:
| |

Contoh: Penelitian dilakukan untuk mengetahui pengaruh diklat terhadap prestasi kerja guru di Kab. Takalar. Kelompok yang diberi diklat sebanyak 80 orang dan tidak diberi diklat sebanyak 70 orang. Setelah diklat berakhir, dan mereka Kembali mengajar, maka dari 80 orang itu yang berprestasi bertambah sebanyak 60 orang dan tidak bertambah sebanyak 20 orang. Selanjutnya dari kelompok yang tidak diberi diklat dari 70 orang itu bertambah 30 orang dan yang tidak bertambah 40 orang. Tujuan utama dari penelitian ini adalah apakah pemberian diklat berpengaruh secara signifikan terhadap prestasi guru. Hipotesis: Ho : diklat tidak berpengaruh terhadap prestasi guru (tidak terdapat perbedaan nilai sebelum dan sesudah diklat) Ha : diklat berpengaruh terhadap prestasi guru (terdapat perbedaan nilai sebelum dan sesudah ada diklat) Ketentuan pengujian adalah sebagai berikut: Tolak Ho jika harga chi quadrat hitung lebih besar atau sama dengan harga chi quadrat tabel, dengan dk = 1 dengan taraf signifikansi tertentu.

14

Analisis Komparasional

Tabel 6.6 Tingkat Prestasi Guru Kelompok Kelompok eksperimen Kelompok Kontrol Jumlah Tingkat Pengaruh Perlakuan Berpengaruh 60 Tdk Berpengaruh 20 Jumlah Sampel

80

30 90

40 60

70 150

Berdasarkan harga pada tabel tersebut, maka harga Chi Quadrat hitung adalah:
| |

Untuk t tabel Dengan taraf signifikansi 0,05 dk =1 maka harga Chi Square = 3,841. Dengan demikian Chi Square hitung lebih besar dari Chi Square tabel. Dengan demikian Ho ditolah dan Ha diterima. Jadi kesimpulannya, terdapat perbedaan hasil prestasi guru sebelum dan setelah diberi diklat.

2) Fisher Exact Probability Test Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel kecil independen bila datanya berbentuk nominal. Untuk sampel yang besar digunakan Chi kuadrat. Untuk memudahkan perhitungan dalam pengujian hipotesis maka data hasil

pengamatan perlu disusun ke dalam tabel kontingensi. Kelompok I II Klasifikasi X A C Jumlah Klasifikasi Y B D Jumlah A+B C+D n

Rumus dasar yang digunakan untuk pengujian Fischer adalah:

15

Analisis Komparasional

Contoh: Disinyalir adanya kecenderungan para birokrat lebih menyukai mobil berwarna gelap, dan para akademisi lebih menyukai warna terang. Untuk membuktikan hal tersebut telah dilakukan pengumpulan data dengan menggunakan sampel yang diambil secara random dari 8 orang birokrat yang diamati, 5 orang bermobil gelap dan 3 orang bermobil terang. Selanjutnya dari 7 orang akademisi yang diamatai 5 orang bermobil warna terang dan 2 orang berwarna gelap. Hipotesis: Ho : Tidak terdapat perbedaan antara birokrat dan akademisi dalam menyukai warna mobil Ha : Terdapat perbedaan antara birokrat dan akademisi dalam menyukai warna mobil Tabel 1.7 Kesukaan Warna Mobil Antara Birokrat dan Akademisi Kelompok Gelap Terang Birokat Akademisi Jumlah 5 2 7 3 5 8

Jumlah 8 7 15

Jadi nilai p hitung adalah:

Bila taraf signifikansi = 0,05 maka ternyata p tersebut 0,82 lebih besar dari 0,05. Ketentuan pengujian, jika p hitung lebih besar dari taraf kesalahan yang ditetapkan, maka Ho diterima dan Ha ditolak. Karena p hitung lebih besar dari maka dapat dinyatakan bahwa tidak ada perbedaan antara birokrat dan akademisi dalam menyenangi warna mobil. 3) Test Median (Median Test) Test median digunakan untuk menguji signifikansi hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal atau nominal. Pengujian didasarkan atas median dari sampel yang diambil secara random. Dengan demikian Ho yang akan diuji berbunyi: Tidak terdapat perbedaan dua kelompok populasi berdasarkan mediannya.

16

Analisis Komparasional

Kalau tes Fisher digunakan untuk sampel kecil, dan test Chi Quadrat digunakan untuk sampel besar, maka test median ini digunakan untuk sampel antara fisher dan Chi Quadrat. Berikut adalah panduannya: 1) Jika n1 + n2 > 40, dapat dipakai Chi Quadrat dengan koreksi kontinuitas Yates 2) Jika n1 + n2 antara 20 -40, dan jika tidak satu selpun memiliki frekuensi yang diharapkan 5, dapat dipakai Chi Quadrat dengan koreksi kontinuitas. Bila f < 5 maka dapat dipakai Fisher. 3) Jika n1 + n2 < 20, Maka digunakan test Fisher Untuk menggunakan test median, maka pertama-tama harus dihitung gabungan dua kelompok (median untuk semua kelompok), selanjutnya dibagi dua, dan dimasukkan ke dalam tabel berikut: Kelompok > Median Gabungan median gabungan Jumlah Keterangan: A B C D = banyaknya kasus dalam kelompok 1 . median gabung = n1 = banyaknya kasus dalam kelompok 2 > median gabung = n2 = banyaknya kasus dalam kelompok 1 median gabung = n1 = banyaknya kasus dalam kelompok 2 median gabung = n2 Kel. 1 A C A + C = n1 Kel. 2 B D B + D = n2 Jumlah A+B C+D n = n1 + n2

Pengujian dapat dilakukan dengan menggunakan rumus Chi Quadrat sebagai berikut: * dk = 1 kriteria pengujian: Ho diterima bila Chi Quadrat hitung tabel Ho ditolak bila Chi Quadrat hitung > tabel Contoh: Dilakukan penelitian untuk mengetahui apakah penghasilan penguusaha berbeda dengan penghasilan guru berdasarkan mediannya. Berdasarkan wawancara terhadap 10 pengusaha dan 9 guru diperoleh data sebagai berikut: +

17

Analisis Komparasional

No.

Tabel Penghasilan Pengusaha dan Guru Pengusaha Guru

1. 50 45 2. 60 50 3. 70 55 4. 70 60 5. 75 65 6. 80 65 7. 90 70 8. 95 80 9. 95 100 10 100 Untuk mengetahui median dari kedua data tersebut maka data tersebut diurutkan dari nilai terkecil hingga terbesar. Dan didapatkan nilai mediannya adalah 70. Dengan demikian maka: A = 6; B = 2, C = 4, D = 7 Harga tersebut dimasukkan dalam tabel berikut untuk memudahkan perhitungan: Jumlah Skor Di atas median gabungan Di bawah median gabungan Jumlah Pengusaha A=6 Guru B=2 Jumlah A+B=8

C=4 10

D=7 9

C + D = 11 19

Nilai chi Square hitung adalah: * +

Harga chi Quadrat tabel untuk dk =1 dan taraf signifikansi 0,05 = 3,841. Karena harga Chi Quadrat hitung lebih kecil dri tabel (0,823 < 3,81) maka Ho diterima. Hal ini berarti tidak terdapat perbedaan secara signifikan antara penghasilan pengusaha dan guru berdasarkan mediannya. 4) Uji Mann Whitney U-test ini digunakan untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal Bila dalam satu pengamatan data berbetuk interval, maka perlu diubah duulu ke dalam bentuk ordinal. Bila data masih berbentuk interval, sebenanya dapat
18

Analisis Komparasional

menggunakan t-test untuk pengujiannya, tetapi bila asumsi t-test tidak dipenuhi (misalnya data harus normal), maka test ini dapat digunakan. Terdapat dua rumus yang digunakan untuk pengujian yaitu: dan

Keterangan: n1 n2 U1 U2 R1 R2 = jumlah sampel 1 = jumlah sampel 2 = jumlah peringkat 1 = jumlh peringkat 2 = jumlah rangking pada sampel n1 = jumlah rangking pada sampel n2

Contoh: Dilakukan penelitian untuk mengetahui pengaruh diterapkannya metode pengajaran yang baru terhadap keefektifan pengajaran guru. Untuk mengetahui hal tersebut dilakukan penelitian dengan menggunakan dua kelompok guru yang masing-masing dipilih secara random. Kelompok A tetap menggunakan metode pengajaran yang lama dan kelompok B dengan metode mengajar baru. Jumlah guru pada kelompok A = 12 orang dan pada kelompok B = 15 orang. hipotesis: Ho : tidak terdapat perbedaan keefektifan mengajar antara guru yang menggunakan metode pengajaran baru dan lama. Ha : terdapat perbedaan keefektifan mengajar antara guru yang menggunakan metode pengajaran baru dan lama. Kefektifan pengajaran guru yang menggunakan metode baru lebih tinggi dibandingkan keefektifan metode pengajaran guru yang lama. Data hasil penelitian adalah sebagai berikut:

19

Analisis Komparasional

Tabel Pengujian dengan U-Test


Kelompok A 1 2 3 4 5 6 7 8 9 10 11 12 Nilai 16 18 10 12 16 14 15 10 12 15 16 11 Peringkat 10 12 1,5 4,5 10 6,0 7,5 1,5 4,5 7,5 10 3,0 Kelompok B 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 R1 = 78 Nilai 19 19 21 25 26 27 23 27 19 19 25 27 23 19 29 Peringkat 15,0 15,0 18,0 21,5 23,0 25,0 19,5 25,0 15,0 15,0 21,5 25,0 19,5 15,0 27,0 R2 = 300

= 180

Harga U2 lebih kecil dari U1 sehingga yang digunakan adalah U2 yang nilainya 0. Sedangkan nilai U tabel untuk n1 = 12 dan n2 = 15 adalah 42. Dengan demikian harga U hitung lebih kecil dari U tabel (0<42). Dengan demikian Ho ditolak dan Ha diterima. Kesimpulannya keefektifan metode mengajar baru berpengaruh terhadap keefektifan pengajaran guru. 5) Test Kolmogorov Smirnov Dua Sampel Test ini digunakan untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal yang telah tersusun pada tabel distribusi kumulatif dengan menggunakan kelas-kelas interval. Rumus yang digunakan adalah sebagai berikut :

20

Analisis Komparasional

Contoh: Dilakukan penelitian untuk membandingkan produktivitas operator mesin CNC ( Computered Numerical Controlled) lulusan SMK mesin dan SMU IPA. Pengamatan dilakukan pada sampel yang dipilih secara random. Untuk lulusan SMK10 orang dan juga untuk lulusan SMU 10 orang. Produkivitas kerja diukur dari tingkat kesalahan kerja selama 4 bulan. Hasilnya terlihat pada tabeltabel frekuensi kumulatif di bawah ini: Tabel Tingkat Kesalahan Kerja Operator Lulusan SMK

No 1 2 3 4

Interval 12 34 56 78

F 7 1 2 0

Kumulatif 7 8 10 10

Tabel Tingkat Kesalahan Kerja Operator Lulusan SMA No 1 2 3 4 Interval 12 34 56 78 F 1 3 3 3 Kumulatif 1 4 7 10

Untuk pengujian dengan Kolmogorov Smirnov, maka kedua tabel tersebut disusun kembali nilai-nilainya ke dalam bentuk proporsional, jadi semuanya dibagi dengan n. Dalam hal ini n1 sama dengan n2 yaitu 10 Tabel Penolong Untk Pengujian Dengan Kolmogorov-Smirnov Kelompok S10 (X) S10 (X) Sn1X Sn2X
21

Kesalahan Kerja 12% 7/10 1/10 6/10 34% 1/10 3/10 2/10 56% 2/10 3/10 1/10 78% 0/10 3/0 3/10

Analisis Komparasional

Berdasarkan perhitungan pada tabel tersebut, terlihat bahwa selisih yang terbesar Sn1X Sn2X = 6/10. Dalam hal ini pembilang (KD)nya = 6. Harga ini selanjutnya dibandingkan dengan harga KD tabel. Bila pengujian hipotesis dengan uji satu pihak, kesalahan dan n= 10, maka harga KD dalam tabel = 6. Karena harga

KD hitung = KD tabel, maka Ho diterima dan Ha ditolak. Kesimpulannya tidak terdapat perbedaan yang signifikan antara produktivitas kerja lulusan SMK dengan SMU. Kriterianya : (KD hitung < KD tabel, maka Ho diterima dan Ha ditolak) 6) Test Run Wald Wolfowitz Test ini digunakn untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal, dan disusun dalam bentuk run. Oleh karena itu, sebelum data dua sampel (n1 + n2) dianalisis maka perlu disusun terlebih dahulu ke dala bentuk rangking, baru kemudian dalam bentuk run. Rumus yang digunakan untuk pengujian ini adalah :

( Bila

)(

angka ganjil, maka persamaan diatas menjadi :

( Dimana

)(

)(

Untuk sampel besar digunakan rumus :


( )

Contoh: Dilakukan penelitian untuk mengetahui adakah perbedaan disiplin kerja antara guru Golongan III dan Golongan IV, yang didasarkan atas keterlambatan masuk dan pulang kantor. Berdasarkan sampel yang dipilih secara random terhadap 10 guru Golongan III dan 10 pegawai Golongan IV, diperoleh jam keterlambatan masuk kantor sebagai berikut :
22 Analisis Komparasional

Tabel. Keterlambatan Masuk Kantor Antara Guru Golongan III dan IV No 1 2 3 4 5 6 7 8 9 10 Pegawai Golongan III 12 12 5 9 15 16 7 14 13 16 Pegawai Golongan IV 17 13 6 4 7 12 13 18 14 9

Hipotesisnya : Ho : Tidak terdapat perbedaan disiplin kerjan antara pegawai Golongan III dan Golongan IV Ha : Terdapat perbedaan disiplin kerja antara pegawai Golongan III dan Golongan IV untuk menghitung jumlah run, dapat digunakan untuk pengujian, maka deskripsi dua kelompok data tersebut disusun secara beruntun yaitu dari kecil ke yang besar : 4 B 5 A 6 B 7 B 7 A 9 A 9 B 12 12 12 B A A

13 13 13 14 14 15 16 16 17 18 A B B B A A A A B B

Jumlah run = 10. Untuk menguji signifikan selanjutnya dibandingkan dengan tabel. Dari tabel terlihat n1 = 10 dan n2 = 10, maka harga run kritisnya = 6 untuk kesalahan 5%. Berdasarkan hal tersebut ternyata run hitung lebih besar dari pada tabel (10 > 6). Karena run hitung lebih besar dari pada tabel, maka Ho doterima dan Ha ditolak. Kesimpulannya tidak terdapat perbedaan disiplin pegawai Golongan III (kelompok A) dan Golongan IV (kelompok B).

23

Analisis Komparasional

Untuk test run ini, kriteria pengujiannya adalah bila run lebih besar atau sama dengan run dari tabel untuk taraf kesalahan tertentu, maka Ho diterima ( hitung > tabel, Ho diterima).

B. KOMPARATIF k-SAMPEL (KOMPARATIF UNTUK MULTIVARIAT) Pengujian komparatif k sampel akan tergantung pada jenis data dan bentuk hubungan antar sampel yang dibedakan. Hubungan sampel dapat dibedakan menjadi dua yaitu: sampel yang berkorelasi/berpasangan (related) dan sampel independen. 1. SAMPEL BERKORELASI Teknik statistik yang digunakan untuk menguji hipotesis sampel berkorelasi meliputi statistik parametrik dan non parametrik. Statistik parametrik meliputi Analisis of Varians (ANOVA) dan statistik non parametris meliputi test Cochran dan Friedman. a. Statistik Parametrik Untuk statistik parametrik digunakan analisis varians. Analisis varians digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila datanya berbentuk interval atau ratio. Satu sampel dalam k kejadian/pengukuran berarti sampel tersebut berpasangan. Satu sampel diberi perlakuan sampai 5 kali, ini berarti sudah 5 sampel berpasangan. Sedangkan k sampel dalam satu kejadian berarti sampel independen (lima sampel yang diberi satu kali perlakuan, adalah merupakan lima sampel independen). Terdapat beberapa jenis analisis varians yaitu: a) Analisis varians klarifikasi tunggal (singgle classification) atau anova satu jalur b) Analisis varians klasifikasi ganda (multiple classification) atau anova dua jalur. Adapun penjelasann dari kedua analisis varians tersebut adalah sebagai berikut: a) Analisis Varians Klasifikasi Tunggal (One Way Classification) atau Analisis Varians Satu Jalur (Anova Satu Jalur) Analisis varians ini digunakan untuk menguji hipotesis komparatif rata-rata k sampel secara serempak (atau 1 kategori). Langkah-langkah pengujiannya adalah: Merumuskan hipotesis Menguji homogenitas Analisis varians (ANAVA) Menguji hipotesis Penggunaan analisis varians dilandasi pada asumsi: 1. Sampel diambil secara random 2. Data berdistribusi normal 3. Varians antar sampel homogen
24 Analisis Komparasional

Langkah-langkah pengujian hipotesis dengan anova satu jalur adalah sebagai berikut: 1. Menghitung Jumlah Kuadrat Total (

2. Menghitung jumlah kadrat antar kelompok

3. Menghitung jumlah kuadrat dalam kelompok (Jkdal) JK dal = Jktot - JKant 4. Menghitung mean kuadrat antar kelompok ( , m adalah banyaknya kelompok 5. Menghitung mean kuadrat dalam kelompok , N adalah jumlah sampel total 6. Menghitung F hitung

7. Membandingkan F hitung dengan F tabel F tabel ditentukan dengan menggunakan dk pembilang (m-1) dan dk penyebut (N-1). Kriteria pengujian: Ho diterima apabila F hitung lebih kecil atau sama dengan F tabel (Fh Ft) H1 diterima apabila F hitung lebih besar dari F tabel (Fh > Ft) 8. Membuat kesimpulan Pengujian hipotesis. Tabel Ringkasan Anova Untuk Menguji Hipotesis k Sampel
SV (Sumber Variasi) dk Jumlah Kuadrat (JK)

MK

Fh

Ft

Keputus an

tot ant dal

N1 m1 N-m

Fh >Ft

Tab F

Ha diteri ma

JKtot - JKant

Contoh: Dilakukan penelitian untuk mengetahui pengaruh pengadaan LCD terhadap tingkat metode mengajar guru. Penelitian menggunakan sampl yang terdiri atas 15 orang guru yang diambil
25

Analisis Komparasional

secara random. Penelitian dilakukan dengan cara mengukur keefektifan mengajar guru sebelum menggunakan alat kerja baru, dan sesudah menggunakan 3 bulan dan 6 bulan. Jadi guru yang digunakan sebagai sampel adalah tetap, dan diulang selama tiga (3) kali. Keefektifan metode pengajaran guru diukur dari jumlah jumlah siswa yang lulus pada ulangan harian. Produktivitas selama tiga periode itu selanjutnya disusun ke dalam tabel dibawah ini Produktivitas sebelum No memakai alat kerja baru (X1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 12 13 10 15 13 14 10 12 13 14 13 10 13 10 15 Produktivitas setelah 3 bulan memaka alat kerja baru (X2) 13 15 12 18 15 17 18 20 14 16 18 16 15 13 16 Produktivitas setelah 6 bulan memakai alat kerja baru (X3) 18 18 14 20 15 19 20 21 18 17 17 19 16 17 14

Hipotesis penelitianya adalah sebagai berikut : Ho : tidak terdapat perbedaan keefektifan metode mengajar guru dengan adanya LCD. (LCD tidak berpengaruh terhadap keefektifan metode mengajar guru) Ha : terdapat perbedaan keefektifan metode mengajar guru dengan adanya LCD. (LCD berpengaruh terhadap keefektifan metode mengajar guru)

26

Analisis Komparasional

PERHITUNGAN ANOVA No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Jml s s2 (X1) 12 13 10 15 13 14 10 12 13 14 13 10 13 10 15 187 (X1)2 144 169 100 225 169 196 10 144 169 196 169 100 169 100 225 2375 12,47 2375 1,77 3,12 (X2) 13 15 12 18 15 17 18 20 14 16 18 16 15 13 16 236 (X2)2 169 225 144 324 225 289 324 400 196 256 324 256 225 169 256 3782 15,73 3782 2,22 4,92 (X3) 18 18 14 20 15 19 20 21 18 17 17 19 16 17 14 263 (X3)2 324 324 196 400 225 361 400 441 324 289 289 361 256 289 196 4675 Xtot 43 46 36 53 43 50 48 53 45 47 48 45 44 40 45 686 (Xtot)2 637 718 440 949 619 846 824 985 689 741 782 689 650 558 677 10832

17,53 4675 2,13 4,55

Dari tabel ini dapat dihitung harga-harga yang diperlukan untuk uji Anova 1. 2.

27

Analisis Komparasional

3. JKdal = JKtot - JKant = 374,3 197,92 = 176,38 4. 5. 6. 7. Dengan dk pembilang = m 1 = 3 1= 2 dk penyebut = N m = 45 3 = 42

diperoleh Ternyata harga lebih besar dari harga . Karena harga

maka Hipotesis Nol (Ho) yang diajukan ditolak dan Ha diterima.


SV Dk JK MK Fh Ft Keputusan

Total antar kelompok dalam kelompok

45 1 2

374,3

98,96

197,92

23,56

3,22

23,56 > 3,22 Ha diterima

42

176,38

4,2

b) Analisis Varians Klasifikasi Ganda (Multiple Classification) atau Anova Dua jalan. Analisis varians klasifikasi ganda/dua jala/tiga jalan dst, merupakan teknik statisik

inferensial parametris yang digunakan untuk menguji hipotesis komparatif lebih dari sua sampel (k sampel) secara serempak nila setiap sampel terdiri atas dua kategori atau lebih. Contoh : terdiri atas tiga kelompok sampel, dimana masing-masing sampel terdiri atas dua kategori, yaitu pria dan wanita. Kategori Data Sampel I 6 7 9 6 5 4 Data Sampel II 5 6 9 5 4 3 Data Sampel III 7 5 4 8 5 3 Sata Sampel IV 9 7 6 5 4 3

Kategori I (Pria)

Kategori II (Wanita)

28

Analisis Komparasional

Dari tabel terlihat bahwa setiap sampel yang digunakan sebagai eksperimen teridir atas dua kategori, yaitu pegawai pria dan wanita. Berdasarkan hal tersebut, maka pengujian hipotesis akan dilakukan dengan Anova Dua Jalan (hanya untuk dua kategori, bila kategori tiga digunakan Anova Tiga Jalan,dst) Dengan adanya dua kategori pada setiap sampel yang digunakan pada penelitian, maka akan terdapat tiga hipotesis nol yang diuji yaitu : Ho1: tidak terdapat perbedaan produktivitas kerja pegawai berdasarkan alat kerja yang baru. Data ini merupakan data kolom yang ke bawah. Ada tiga kolom, yaitu (X1 = X2 = X3) Ho2: tidak terdapat perbedaan produktivitas kerja berdasarkan jenis kelamin. Data ini merupakan data baris (row) yang ke kanan. Ada dua baris, karena kategorinya hanya dua yaitu pria dan wanita Ho3: tidak terdapat interaksi antara alat kerja baru (variabel independen) dengan jenis kelamin dalam hal produktivitas kerja (variabel dependen)/ interaksi kolom dengan baris Interaksi ini terjadi karena adanya kategori dalam setiap sampel. Interkasi merupakan pengaruh variabel independen terhadap salah satu kategori sampel dalam variabel dependen.
Produktivitas Kerja

Gambar. Kemungkinan Terjadinya Interaksi dalam Penggunaan Anova Penjelasan Gambar sebagai berikut : 1) Terjadi interaksi yang signifikasn. Alat kerja baru ternyata hnya meningkatkan produktivitas pegawai pria, dan malah cenderung menurunkan produktivitas kerja pegawai wanita. 2) Tidak terjadi interaksi. Ternyata dengan adanya alat kerja baru dapat meningkatkan secara signifikan produktivitas kerja baik pria maupun wanita. 3) Tidak terjadi interaksi. Alatbaru tidak meningkatkan produktivitas kerja pegawai pris maupun wanita. Tetapi produktivitas kerja pegawai priaselalu lebih tinggi dari wanita. Jadi, yang berpengaruh bukan alatnya, tetapi jenis kelaminnya.

29

Analisis Komparasional

Contoh Penggunaan Anova dua Jalur: Berdasarkan data yang tertera pada tabel dibawah ini dapat diuji Hipotesis Nol (Ho)
Jenis Kelamin Pegawai X1 12 13 10 Kelompok Pegawai Pia 15 13 14 10 12 13 14 Total Bagia n Pria 15 13 15 Kelompok Pegawai Wanita 12 14 10 11 13 14 15 Total Bagian Wanita Jml Total s s2 258 12,0 1,68 2,83 3382 299 14,9 2,13 4,57 4644 333 16,65 2,25 5,08 5641 890 13667 132 1770 141 2092 153 2357 426 6219 225 169 225 144 196 100 121 169 196 225 13 15 16 12 15 14 16 13 14 13 169 225 256 144 225 196 256 196 256 169 16 17 13 14 16 15 17 15 16 14 256 289 169 196 256 225 289 225 256 196 44 45 44 38 45 39 44 41 44 42 650 683 650 484 677 521 666 563 708 617 12 6 161 2 15 8 255 2 18 0 328 4 46 4 744 8 Sampel I sebelum memakai alat kerja baru X12 144 169 100 225 169 196 100 144 169 196 Sampel II Setelah 3 bulan memakai alat kerja baru X2 13 15 12 18 15 17 18 20 14 16 X2
2

Sampel III Setelah 6 bulan memakai alat kerja baru X3 18 18 14 20 15 19 20 21 18 17 X32 324 324 196 400 225 361 400 441 324 289 Xtot 43 46 36 53 43 50 48 53 45 47 Xtot2 637 718 440 949 619 846 824 985 689 741 Total

169 225 144 324 225 289 324 400 196 256

30

Analisis Komparasional

Contoh Penggunaan Anova Dua Jalan: Langkah-langkah dalam penggunaan anova dua jalan sebagai berikut : 1. Menghitung JK total :

2. Menghitung Jumlah Kuadrat Kolom (kolom arah ke bawah), dengan rumus:

3. Menghitung Jumlah Kuadrat Baris (baris arah ke kanan), dengan rumus :

4. Menghitung Jumlah Kuadrat Interaksi, dengan rumus :

5. Menghitung Jumlah Kuadrat Dalam :

6. Menghitung dk untuk :
31 Analisis Komparasional

a.

dk kolom = k 1 dalam hal ini jumlah kolom = 3. Jadi dkk = 3 1 = 2 dk baris = b 1 dalam hal ini jumlah baris = 2 Jadi dkb = 2 1 = 1 dk interaksi = dkk x dkb = 2 x 1 = 2. Atau ( k 1 )( b 1 ) dk dalam = (N k.b) = 60 3.2 = 54 dk total = (N - 1) = 60 1 = 59

b.

c. d. e.

7. Menghitung Mean Kuadrat (MK) : masing-masing JK dibagi dengan dk-nya a. MKtot b. MKbar c. MKint d. MKdal ini : Sumber Variasi Antar Kolom Antar Baris Interaksi (Kolom x Baris) Dalam Total 60 2 x 3 = 54 60 1 = 59 271,51 465,33 5,03 2x1=2 28,71 14,35 14,35 : 5,03 = 2,85 dk Jumlah Kuadrat 141,03 Mean Kuadrat 70,52 Ft Fh
(

= 141,03 : 2 = 70,515 = 24,06 : 1 = 24,06 = 28,71 : 2 = 14,35 = 271,51 : 54 = 5,03

Memasukan hasil perhitungan ke dalam Tabel Ringkasan Anova Dua Jalan, seperti di bawah

5%
)

31=2 21=1

70,49 : 5,03 = 14,01

3,17

24,06

24,06

24,06 : 5,03 = 4,78

8. Menghitung harga Fhkol , Fhbar , Fhint dengan cara membagi dengan MKdal. Dimana MKdal = 5,03 Fhkol = 70,52 : 5,03 = 14,02 Fhbar = 24,06 : 5,03 = 4,78 Fhint = 14,35 : 5,03 = 2,85 Untuk mengetahui bahwa harga-harga F tersebut signifikan atau tidak, maka perlu dibandingkan dengan Ftabel.
32 Analisis Komparasional

1. Untuk kolom (Alat kerja lama dan Baru) harga Ftabel dicari dengan berdasarkan dk Antar Kolom (pembilang) = 2, dan dk Dalam (penyebut) = 54 (F2:54). Berdasarkan dk (2:54)maka harga Ftabel = 3,17 untuk
.

Karena Fhitung > Ftabel, maka Ho ditolak dan Ha

diterima. Hal ini brarti terdapat perbedaan produktivitas kerja berdasarkan alat kerja. (Sebelum dan sesudah 3 bulan dan 6 bulan menggunakan alat kerja baru). Alat kerja baru berarti meningkatkan produktivitas kerja baik untuk pegawai pria maupun wanita secara signifikan. 2. Untuk Baris (Produktivitas kerja berdasarkan jenis kelamin). Harga Ftabel dicari berdasarkan dk pembilang = 1 dan penyebut = 54. Harga Ftabel = 4,02 untuk . karena harga

Fhitung > Ftabel,maka Ha diterima dan Ho ditolak. Hal ini berarti terdapat perbedaan produktivitas kerja berdasarkan jenis kelamin secara signifikan. 3. Untuk Interaksi. Harga Ftabel dicari berdasarkan dk pembilang = 2 dan dk penyebut = 54. Berdasarkan dk tersebut harga Ftabel = 3,17 untuk . Fhitung < Ftabel dengan demikian

Ha itolak dan Ho diterima. Jadi, kesimpulannya tidak terdapat interaksiyang signifikan antara alat kerja baru dengan produktivitas kerja pegawai berdasarkan jenis kelamin. b. Statistik Nonparametris Statistik nonparametris yang digunakan untuk menguji signifikasi hipotesis komparatif k sampel yang berpasangan antara lain adalah Chi kuadrat, Tes Cochran, dan Friedman. 1) Chi Kuadrat k sampel Chi kuadrat k sampel digunakan untuk mnegkaji hipotesis komparatif lebih dari dua sampel, bila datanya berbentuk diskrit atau nominal. Rumus dasar yang digunakan untuk pengujian adalah sama dengan komparatif dua sempel independen, yaitu sebagai berikut.

Contoh : Dilakukan penelitan untuk mengetahui ada tindakannya perbedaan harapan hidup ( life expectation /umur ) antar penduduk yang ada di pulau Jawa, yaitu DKI Jakarta, Jawa Barat, Jawa Tengah, Jawa Timur, dan Daerah Istimewa Yogyakarta ( DIY ). Dalam hal ini umur harapan hidup dikelompokkan menjadi dua yaitu di atas 70 tahun ke atas, dan di bawah 70 tahun. Berdasarkan 1100 sempel untuk DKI Jakarta, 300 orang berumur 70 ke atas, dan 800 orang berumur dibawah 70 tahun. Dari sampel 1300 orang untuk Jawa Barat, 700 orang berumur 70 ke atas, dan 600 orang berumur dibawah 70 tahun. Dari sampel 1300 sampel untuk jawa tengah, 800 orang berumur70 ke atas, dan 500 orang berumur di bawah 70 tahun.

33

Analisis Komparasional

Dari 1200 sampel untuk jawa timur , 70 orang berumur 70 ke atas, dan 500 orang berumur di bawah 70 tahun. Selanjutnya dari 900 sampel untuk DYI, 600 orang berumur berumur 70 ke atas, dan 300 orang berumur dibawah 70 tahun. Dari data tersebut seanjutnya disusun ke dalam tabel 6.30 berikut. Untuk dapat mengisi seluruh kolom yang ada pada tabel, maka perlu dihitung frekuensi yang diharapkan (fh) untuk kelima kelompok sampel tersebut dalam setiap aspek. Untuk mengetahui frekuensi yang diharapkan (fh) pertama- tama harus di hitung beberapa prosen dari keseluruhan sampel umur 70 tahun ke atas dan dibawah 70 tahun. Jumlah seluruh anggota sampel untuk 5 pripinsi tersebut adalah: 1300 + 1200 + 900 = 5800. Presentase umur kematian 70 tahun ke atas adalah ( P1 ): = Frekuensi yang diharapkan ( fh ) untuk umur di atas 70 tahun untuk 5 propinsi adalah sebagai berikut : 1. DKI Jakarta 2. Jawa Barat 3. Jawa Tengah 4. Jawa timur 5. DIY = 1100 x 53,45% = 587, 95 = 1300 x 53,45% = 694,85 = 1300 x 53,45% = 694,85 = 1200 x 53,45% = 641,40 = 900 x 53,45% = 481,05

Presentase umur 70 tahun kebawah adalah ( P2 ): = x 100% = 46,55 %

Frekuensi yang diharapkan ( fh ) untuk umur di bawah 70 tahun untuk 5 propensi adalah sebagai berikut : 1. DKI Jakarta 2. Jawa Barat 3. Jawa Tengah 4. Jawa timur 5. DIY = 1100 x 46,55% = 512,05 = 1300 x 46,55% = 605,15 = 1300 x 46,55% = 605,15 = 1200 x 46,55% = 558,60 = 900 x 46,55% = 418,95

Harga-harga tersebut selanjutnya dimasukka ke dalam tabel 6.29 sehingga harga Chi Kuadrat dapat dihitung:

34

Analisis Komparasional

Propinsi Dki Jakarta Jawa Barat Jawa Tengah Jawa Timur DIY Jumlah

TABEL PERBANDINGAN HARAPAN HIDUP PENDUDUK LIMA PROVINSI DI JAWA Harapan hidup/ umur 70 th 300 587,95 -287,95 82915,2 <70 th 800 512,05 287,95 82915,2 70 th <70 th 70 th <70 th 70 th <70 th 70 th <70 th 700 600 800 500 700 500 600 300 5.800 694,85 605,15 694,85 605,15 641,40 558,60 481,05 418,95 5.800 5,15 -5,15 105,15 -105,15 58,6 -58,6 118,95 -118,95 0,00 26,52 26,52 11056,52 11056,52 3433,96 3433,96 14149,1 14149,1 -

141,02 161,93 0,04 0,04 15,91 18,27 5,35 6,15 29,41 33,77 411,90

Hipotesis statistik yang diajukan dalam penelitian tersebut adalah sebagai berikut : Ho : Tidak terdapat perbedaan harapan hidup penduduk di lima provensi yang ada di Pulau Jawa. Ha : Terdapat perbedaan harapan hidup penduduk di lima provensi yang ada di Pulau Jawa. Atau dapat ditulis dalam singkat:

Bila Ho diterima, itu berarti juga keadaan yang ada pada sampel itu

betul-betul

mencerminkan keadaan populasi, sedangkan Ho ditolak, maka keadaan pada sampel itu hanya berlaku untuk sampel itu, dan mungkin terjadi kesalahan dalam memilih sampel. Berdasarkan perhitungan yang telah dirumuskan kedalam tabel, terlihat bahwa Chi Kuadrat hitung = 411,90. Untuk memberikan interpretasi terhadap nilai ini maka perlu dibandingkan dengan harga Chi Kuadrat tabel dengan dk dan taraf kesalahan tertentu. Dalam hal ini besarnya dk = ( s-1 ) x ( k-1 ) = ( 5-1 ) x ( 2-1 ) =4. ( s jumlah kelompok sampel = 5, k banyak kategori dalam sampel = 2). Berdasarkan dk = 4 dan taraf kesalahan = 5%, maka harga Chi Kuadrat tabel = 9,488 ( Tabel VI, lampiran ) Harga Chi Kuadrat hitung, ternyata lebih besar dari tabel ( 411,90 > 9,488 ). Karena harga Chi Kuadrat hitung lebih besar dari tabel, maka Ho ditolak dan Ha diterima. Hal ini berarti terhadap perbedaan yang signifikan antara harapan hidup penduduk di lima prpvensi yang ada di pulau jawa, dan perbedaan itu tercermin seperti data dalam sampel.

35

Analisis Komparasional

Pengujian hipotesis di atas adalah menguji perbedaan atau persamaan seluruh sampel secara bersama-sama. Untuk menguji antara satu sampel dengan sampel lain berbeda atau tidak, maka diperlukan lebih lanjut pengujian dua sampel. Bila dalam pengujian hipotesis untuk k sampel tersebut dinyatakan Ho diterima, itu juga berarti antara dua sampel juga tidak ada perbedaan. Tetapi kalau Ho ditolak, bisa terjadi hanya antara dua kelompok sampel tertentu saja yang berbeda, mungkin kelompok sampel yang lain tidak. 2) Test Cochran Test ini digunakan untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk nominal dan frekuensi dikotomi. Misalnya jawaban dalam wawancara atau observasi hasil eksperimen berbentuk : ya-tidak; sukses-gagal; disiplin- tidak disiplin; terjual- tidak terjual; dsb. Selanjutnya jawaban tersebut diberi skor 0 untuk gagal dan, skor 1 untuk sukses. Rumus yang digunakan untuk mengujian adalah sebagai berikut : [ ]

Distribusi sampling Q mendekati disrtribusi Chi Kuadrat, oleh karena itu untuk menguji signifikan harga Q hitung tersbut, maka perlu dibandingkan dengan Tabel VI lampiran (harga-harga kritis untuk Chi Kuadrat ). Ketentuan pengujian adalah :bila Q hasil menghitung besar atau sama dengan tabel (), maka Ho ditolak dan Ha diterima. Contoh: Dilakukan penelitian untuk mengetahui efektifitas tiga metode kerja yang diadopsi dari konsultan. Untuk mengetahui hal ini, dilakukan penelitian dengan mencoba ke tiga metode tersebut pada 3 kelompok karyawan yang dipilih secara random. Masing-masing kelompok terdiri atas 15 karyawan. Efektifitas metode akan diukur dari gagal-tidaknya pegawai

tersebut menyelesaikan pekerjaan dalam waktu 1 jam. Pekerja yang berhasil menyelesaikan pekerjaan maksimum 1 jam dinyatakan sukses (skor 1 ) dan setelah 1 jam dinyatakan gagal ( diberi skor 0 ). Ho : Tiga metode mempunyai pengaruh yang sama terhadap prestasi kerja karyawan Ha : Tiga metode mempunyai pengaruh yang berbeda terhadap prestasi kerja karyawan Untuk pengujian hipotesis maka harga-harga tersebut selanjutnya dimasukkan dalam rumus 6.25 di atas:
36

Analisis Komparasional

Untuk rumus diatas dk = k 1 = 3 1 = 2. Berdasarkan dk = 2, untuk taraf kesalaha 5% maka harga Chi Kuadrat tabel = 5,99 ( lihat tabel VI lampiran ). Harga Q hitung = 5,64 ternyata lebih kecil dari Q tabel = 5,99. Jadi Ho diterima dan Ha ditolak. Dengan demikian dapat disimpulkan bahwa tidak terdapat perbedaan pengaruh yang signifikan metode kerja baru terhadap prestasi kerja baru pegawai. Ketiga metode mempunyai sama/tidak berbeda. Tabel Prestasi kerja tiga kelompok karyawan Dalam menggunakan metode kerja baru No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 KEL I 0 1 1 0 0 0 1 0 1 0 1 0 0 0 1 Gj = 6 Gj Li Li2 KEL II 1 0 1 0 1 0 1 1 0 1 0 1 0 0 0 Gj = 7 KEL III 1 1 1 1 1 0 1 1 1 1 0 1 1 0 1 Gj = 12 Li 2 2 3 1 2 0 3 2 2 2 1 2 1 0 2 Li2 4 4 9 1 4 0 9 4 4 4 1 4 1 0 4 pengaruh yang

= jumlah yang sukses ( jumlah yang mendapat nilai 1 ) = jumlah yang sukses kelompok I,II,III = kuadrat dari Li

3). Test Friedman Friedman Two Way Anova ( Analisis Varian Dua Jalan Friedman ), dugunakan untuk menguji hipotesis komparatif k sampel yang berpasangan ( relared ) bila datanya berbentuk
37

Analisis Komparasional

ordinal ( rangking ). Bila data yang terkumpul berbentuk internal, atau ratio, maka data tersebut diubah ke dalam data ordinal. Misal dalam suatu pengukuran diperoleh nilai sebagai berikut : 4, 7, 9, 6. Data tersebut adalah data interval. Selanjutnya data tersebut diubah ke ordinal ( rangking ) sehingga menjadi 1, 3, 4, 2. Karena distribusi yang terbentuk adalah distribusi Chi Kuadrat, maka rumus yang digunakan untuk pengujian adalah rumus Chi Kuadrat (X2) sebagai berikut : Dimana : N = banyak baris dalam table k= banyak kolom Rj = jumlah rangking dalam kolom Ketentuan pengujian : jika harga Chi Kuadrat hasil menghitung di atas lebih besar atau sama dengan () table maka Ho ditolak dan Ha diterima. Contoh : Dilakukan penelitian untuk mengetahui pengaruh tiga gaya kepemimpinan terhadap

efektifitas kerja pegawai. Tiga gaya kepemimpinan itu adalah : Gaya kepemimpinan Direktif, Supportif, dan Partisipatif. Penelitain dilakuka terhadap 3 kelompok kerja ( N), dimana setiap kelompok terdiri atas 15 pegawai ( k). jadi jumlah seluruh pegawai ada 45. Gaya

kepemimpinan Direktif diterapkan pada 15 pegawai pertama, Supportif pada 15 pegawai kedua, dan Partisipatif pada 15 karyawan ketiga. Setelah sebulan, dan efektifitas pekerja pegawai diukur denagn suatu instrumuen, yang terdiri 20 butir. Setiap butir yang digunakan pengamatan diberi skor 1, 2, 3, 4. Skor 1 berarti sangat tidak efektif, skor 2 tidak efektif, skor 3 efektif, dan skor 4 sangat efektif. Jadi untuk setiap orang akan mendapat skor tertinggi 80 ( 4x20 ) dan terendah 20 (1x20). Ho : ketiga gaya kepemimpinan itu mempunyai pengaruh yang sama terhadap efektifitas kerja pegawai. Ha : ketiga gaya kepemimpinan itu mempunyai pengaruh yang berbeda terhadap efektivitas kerja pegawai.

38

Analisis Komparasional

No. Kelompok 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Tabel Efektivitas kerja tiga kelompok pegawai (data interval) Gaya Kepemimpinan Direktif Supportif 76 70 71 65 56 57 67 60 70 56 77 71 45 47 60 67 63 60 60 59 61 57 56 60 59 54 74 72 66 63

Partisipatif 75 77 74 59 76 73 78 62 75 74 60 75 70 71 65

Untuk keperluan analisis, maka skor seluruh data 3 kelompok yang berupa data interval tersebut, diubah ke dalam data ordinal/rangking. Sebagai contoh untuk kelompok pertama, 76, 70, 75, maka rangkingnya adalah 3, 1, 2. ( angka 70 yang terkecil diberi rangking 1 ). Tabel Efektifitas Kerja Tiga Kelompok Pegawai (Data Ordinal) Gaya Kepemimpinan Direktif Supportif 3 1 2 1 1 2 3 2 2 1 3 1 1 2 1 3 2 1 2 1 3 1 1 2 2 1 3 2 3 1 32 22

No. Kelompok 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Jumlah


39

Partisipatif 2 3 3 1 3 2 3 2 3 3 2 3 3 1 2 36

Analisis Komparasional

Dari table tersebut diperoleh jumlah rangking dalam kelompok adalah 32, 22, 36. Harga-harga tersebut selanjutnya dimasukkan dalam rumus : X2 = X2 =
2

3N( k+1 )

[ 322 + 222 + 362 ] 3(15)(3+1) = 6,93

Untuk menguji signifikan ini, maka perlu dibandingkan dengan table VI lampiran ( harga kritis untuk Chi Kuadrat ). Untuk tes ini dk = k-1 =2. Jadi untuk dk = 2, dan kesalahan = 0,05 maka harga Chi Kuadrat Tabel = 5,99. Harga Chi Kuadrat hitung ternyata lebih besar dari table ( 6,93 > 5,99 ). Dengan demikian Ho ditolak dan Ha diterima. Hal ini berarti tiga gaya kepemimpinan itu berpengaruh signifikan terhadap efektifitas kerja pegawai. Data yang diperoleh dari sampel mencerminkan populasi di mana sampel diambil. 2. Sampel Independen ( Terpisah ) Pengujian hipotesis komparatif k sampel independen dapat menggunakan baik statistic parametric maupun nonparametris. Statistik parametris digunakan bila data berbentuk interval atau rasio, serta distribusinya membentuk kurva normal. Sedangkan statistik nonparametris digunkan bila data berbentuk nomial maupun ordinal, dengan distribusi bebas ( tidak harus normal ). a. Statistik Parametris Statistik parametris yang digunakan untuk mengkaji hipotesis komparatif rata-rata k sampel bila datanya berbentuk interval atau ratio adalah dengan analisis of varian ( Anova ). Seperti telah dikemukakan bahwa Anova dapat digunakan untuk menguji k sampel yang berpasangan maupun independen. Pada bagian di berikan contoh Anova satu jalan (

klasifikasi tunggal ) dan Anova Dua Jalan ( klasifikasi ganda ) unntuk sampel independen. 1) Anova Satu Jalan ( Klasifikasi tunggal ) Contoh : Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan kemampuan berdiri pelayan took, yang berasal dari kota, desa, dan gunung. Pengukuran kempuan berdiri dilakukan dengan pengamatan selama sehari. Jumlah sampel pelayanan yang bersal dari kota 10, desa 9 dan gunung 11 orang. Dalam sehari itu kemampuan lama berdiri pelayan dicatat, dan datanya ditunjukkan pada table 6.34 berikut.

40

Analisis Komparasional

Hipotesis yang diajukan adalah : Ho : Tidak terdapat perbedaan kemampuan berdiri yang signifikan di antara kelompok pelayan toko yang berasal dari Kota, Desa Dan Gunung. Ha : Terdapat perbedaan kemampuan berdiri yang signifkan di antara tiga kelompok pelayan toko yang bersal dari Kota, Desa, Dan Gunung. Langkah-langkah pengujian hipotesis seperti yang telah diberikan pada contoh Anova untuk data berpasangan ( correlated ), yaitu 1. 2. 3. 4. 5. 6. 7. Menghitung JK Total Menhitung JK Antara Menghitung MK Antara Menghitung MK Dalam Menghitung F hitung dengan cara menbagi MK antara dengan MK dalam Membandingkan F hitung dengan F table Membuat keputusan pengujian hipotesis Ho ditolak atau diterima. Tabel Kemampuan Berdiri Pelayan Toko Dari Tiga Kelompok.Jam/Hari (X1 X2 X3) Pelayan Asal Pelayan Asal Pelayan Asal Gunung Kota Desa 4 5 4 6 5 3 4 3 5 6 45,00 4,50 1,08 1,16 16 25 16 36 25 9 16 9 25 36 213 4 5 6 7 4 6 4 5 3 16 25 36 49 16 36 16 25 9 7 4 5 6 7 5 6 7 6 7 6 66 6 1 1 49 16 25 36 49 25 36 49 36 49 36 406

No

Total

1 2 3 4 5 6 7 8 9 10 11 S

44,00 4,40 1,26 1,61

228

15 14 15 19 16 14 14 15 14 13 6 155

81 66 77 121 90 70 68 83 70 114 36 876

Sebelum langkah-langkah perhitungan dilakukan, maka terlebih dulu perlu diuji homogenitas varians, karena salah satu asumsi penggunaan Anova untuk pengujian

hipotesis adalah varians antara kelompok harus homogen.


41

Analisis Komparasional

F=

= 1,61

Harga ini selanjutnya dibandingkan dengan harga F table dengan dk pembilang = 9 1 = 8 dan dk penyebut 11 1 = 10, berdasarkan dk pembilang 8 dan penyebut 10, ternyata harga F table 3,07 untuk 5%. Karena harga F hitung lebih kecil dari harga F table ( 1,61 < 3,07 ), maka varians ke tiga kelompok sampel tersebut homogen, dengan demikian perhitungan Anova dapat dilanjutkan. 1. 2.

3. 4. 5. 6. n = Jumlah seluruh anggota sampel m= Jumlah kelompok sampel 7. Harga F hitung tersebut selanjutnya dibandingkan dengan harga F table, dengan dk pembilang = m -1 = 3 1 = 2 dan dk penyebut = N m = 30 3 = 27. Berdasarkan dk pembilang = 2 dan dk penyebut = 27, ditemukan harga F table = 3,35 untuk 5% dan 5,49 untuk 1% ( table XII, lampiran ). Ternyata harga F hitung = 2,77 lebih kecil dari harga F table baik untuk 5% (3,35 ) maupun untuk 1% (5,49). Jadi ( 2,77 < 3,35 < 5,49 ). Dengan demikian Ho diterima dan Ha ditolak. Kesimpulanya tidak terdapat perbedaan yang signifikan kemampuan berdiri pelayan toko yang bersal dari kata, desa dan gunung. Saran yang dapat diberikan adalah dalam merekrut pelayan toko tidak perlu memperhatikan daerah asal, karena dalam hal kemampuan berdiri, pelayan toko asal kota, desa dan gunung tidak berbeda..

42

Analisis Komparasional

2) Anova dua jalan ( klasifikasi ganda ) Contoh : Dilakukan penelitian untuk mengetahiu ada tidaknya perbedaan perestasi kerja pegawai berdasarkan asal kota perguruan tinggi. Asal kota perguruan tinggi, adalah Jakarta, bandung, Yogyakarta, dan Surabaya. Jumlah sampel pegawai yang digunakan sebagai sumber data masing-masing 15 orang terdiri atas 8 orang pegawai golongan III dan 8 orang pegawai golongan 7 orang pegawai golonga IV ( dalam praktek yang sebenarnya jumlah sampel tentu tidak hanya 15 orang tiap perguruan tinggi ). Pengumpulan data menggunakan instrumen prestasi kerja, dan datanya ( X1, X2, X3, X4) Ho : Ha : tidak terdapat perbedaan prestasi kerja pegawai berdasarkan asal pergurua tinggi terdapat perbedaa prestasi kerja pegawai berdasarkan asal perguruan tinggi. perbedaan prestasi kerja pegawai berdasarkan golongan gaji (

Ho : tidak terdapat

golongan III : golongan IV ) Ha :terdapat perbedaan prestasi kerja pegawai berdasarkan golongan gaji ( golongan III : golongan IV ). Ho: tidak terdapat interaksi antara perguruan tinggi denagn prestasi kerja pegawai

golongan III dan golongan IV. Perguruan tinggi mempunyai pengaruh yang sama kepada setiap tingkatan pagkat pegawai Ha : terdapat interaksi antara pergurua tinggi dengan prestasi kerja pegawai golongan III dan golongan IV. Perguruan tinggi mempunyai pengaruh yang tidak sama kepada setiap tingkatan pagkat pegawai.

43

Analisis Komparasional

Tabel Penolong untuk perhitungan anova dua jalan Prestasi Kerja Pegawai Yang Berasal Dari PT Jakarta Prestasi Kerja Pegawai Yang Berasal Dari PT Bandung Prestasi Kerja Pegawai Yang Berasal Dari PTYogyakarta Prestasi Kerja Pegawai Yang Berasal Dari PT Surabaya ( 5 6 7 8 9 6 8 25 36 49 64 49 36 64

Gol

Jumlah Total

(X)

(X 191 11 170 241 251 183 200 1347 236 146 228 290 178 157 226 1461 2808

27 21 Pegawai 26 Gol III 31 31 27 28 Jml 19 51 385 45 299 46 308 49 355 Bag I 1 7 49 9 81 5 25 9 81 30 6 36 6 36 7 49 5 25 24 7 49 7 49 9 81 7 49 30 8 64 8 64 9 81 9 81 34 Pegawai 5 25 5 25 8 64 8 64 26 Gol. IV 6 36 6 36 7 49 6 36 25 8 64 7 49 8 64 7 49 30 Jml 19 47 323 48 340 53 413 51 385 Bag 2 9 39 Jml Total 98 708 93 639 99 721 100 740 0 Langkah-langkah yang diperlukan dalam pengujian hipotesis dengan Anova dua jalan hampir sama denagn anova satu jalan, hanya ditambah dengan adanya interaksi. Langkah-langkah dalam penggunaan Anova dua jalan adalah sebagai berikut : 1. menghitung JK Total : 2. Menghitung jumlah kuadrat kolom ( kolom arah ke bawah ), dengan rumus:

9 5 7 8 9 7 6

81 25 49 64 81 49 36

6 5 6 8 5 7 8

36 25 36 64 25 49 64

7 5 6 7 8 7 6

49 25 36 49 64 49 36

44

Analisis Komparasional

3. Menghitung jumlah kuadrat baris ( baris arah ke kanan ), dengan rumus:

4. Menghitung jumlah kuadrat interaksi, dengan rumus :

5. Menghitung jumlah kuadrat dalam :

6. Menghitung dk untuk : a. dk kolom = k-1 dalam hal ini jumlah kolom = 4. Jadi dkk = 4-1 = 3 b. dk baris = b-1 dalam hal ini jumlah baris = 2. Jadi dkb = 2-1 = 1 c. dk interaksi = dkk x dkb = 3x1 = 3. Atau ( k-1) ( k-1) d. dk dalam = (N k.b ) = 56- 4.2 = 48 e. dk total = (N -1 ) = 56-1 = 55 7. menghitung mean kuadrat ( MK ) : masing-masing JK dibagi dengan dk-nya a. MKKol =2,01 : 3 = 0,67 b. MKbar =1,41 : 1 =1,41 c. MKint =4,2 : 3 =1,4 d. MKdal =91,93 : 48 =1,92 8. Memasukka hasil perhitungan ke dalam table ringkasan anova dua jalan. Lihat table 6.35 9. Menhitung harga Fhkol , Fhbar , dan Fhint dengan cara membagi setiap MK dengan MKdal . MKdal = 2,38 Fhkol = 0,67 : 1,92 = 0,35 Fhbar = 1,41 : 1,92 = 0,73 Fhint = 1,4 : 1,92 = 0,73

45

Analisis Komparasional

Untuk mengetahui bahwa harga-harga F tersebut signifikan atau tidak, maka perlu dibandingkan dengan table F table. Tabel Tabel ringkasan anova dua jalan Jumlah Mean Fh kuadrat Kuadrat 2,01 0,67 0,67 : 1,92 =0,35 1,41 4,2 1,41 1,4 1,41 : 1,92 =0,73 1,4 : 1,92 = 0,73

Sumber Variasi Antar Kolom Antar Baris Interksi ( kolom x baris ) Dalam Total

dk 4-1 = 3 2-1 = 1 3x1 = 3

Ft 5%

56-2x4 = 48 56-1 = 55

91,93 122

1,92

10. Untuk kolom ( antara perguruan tinggi ) harga F table dicari dengan berdasarkan dk
kolom

antar

( pembilang ) =3, dan dk

dalam

( penyebut ) = 48 ( F3:48 ). Berdasarkan dk ( 2 : 48 ),

maka harga F table = 2,8 untuk 5% dan 4,22 untuk 1%. (Table XII, lampiran ). Harga F hitungkolom 0.35 ternyata lebih kecil dari harga F table 2,8 untuk 5% dan 4,22 untuk 1%. Karena harga F hitung lebih kecil dari pada harga F table, maka Ha ditolak dan Ha diterima. Halm ini berarti tidak terdapat perbedaan prestasi kerja pegawai berdasarkan perguruan tinggi dimana ia kuliah dulu. Jadi prestasi kerja pegawai lulusan perguruan tinggi di Jakarta tidak berbeda dengan pegawai lulusan perguruan tinggi dari bandung, Yogyakarta dan semarang. 11. Untuk baris ( prestasi kerja pegawai golongan III dan golongan IV ). Harga hitung dicari berdasarkan dk pembilang = 1 dan penyebut = 48. Harga F table = 4,04 dan 7,19 untuk 1%. Harga hitung ( 0,73 ) ternyata lebih kecil dari harga F table baik untuk 5% maupun 1%. ( 0,73 < 3,19 < 5,08. Karena harga F hitung lebih kecil dari pada harga F table ( untuk 5% maupun 1% ), maka Ho diterima dan Ha ditolak. Hal ini berarti tidak terdapat perbedaan prestasi kerja berdasarkan golongan gaji. Jadi pegawai golongan III prestasi kerjanya tidak berbeda dengan pegawai golongan IV. 12. Untuk interaksi. Harga F table dicari berdasarkan dk Pembilang = 3 dan dk penyebut = 48 ( dk interaksi dan dk dalam ). Berdasarkan dk tersebut, maka harga F table = 2,80 untuk 5% dan 4,22 untuk 1%. Harga F hitung = 0,73 lebih kecil dari F table ( 0,73 < 2,8 < 4,22 ). Dengan demikian Ha , signifikan antar kota perguruan tinggi dengan prestasi kerja
46

Analisis Komparasional

pegawai berdasarkan golongan. Jadi asal kota perguruan tinggi mempunyai pengaruh yang tidak berbeda terhadap prestasi kerja pegawai golongan III dan IV. b. Statistik Nonparametris Statistik nonparametris yang digunakan untuk menguji hipotesis komparatif k sampel independen antara lain adalah : Chi Kuadrat k sampel, Median Extention, dan Kruskal-Walls One Way Anova. 1). Chi Kuadrat Pada bagian ini di kemukakan penggunaan Chi Kuadrat untuk menguji hipotesis komparatif rata-rata dua sampel independen, di mana setiap sampel terdapat beberapa

kategori/klas. Seperti pada bagian yang lain, Chi Kuadrat dapat bekerja bila data yang dianalisis berbentuk nominal/diskrit. Sampel independen adalah sempel yang tidak berpasangan/atau berkolerasi, seperti halnya terjadi pada rancangan penelitian eksperimen. contoh : Akan dilakukan penelitian untuk mengetahui perbedaan antara kelompok pegawai negri dan swasta dalam memberikan pertimbangan untuk memilih rumah sakit. Untuk menjawab pertanyaan tersebut, maka telah dilakukan pengumpula data mulai dua kelompok sampel yang diambil secara radom. Daro 1500 sampel pegawai negri yang diambil 700 orang menyatakan bahwa pertimbangan memilih rumah sakit adalah karena adanya dokter yang lengkap dan terampil, 500 orang karena peralatan kedokteran yang lengkap, dan 300 orang karena biaya murah. Selanjutnya dari 800 orang sampel pegawai swasta,400 orang menyatakan bahwa pertimbangan utama memilih rumah sakit adalah karena adanya dokter yang lengkap dan terampil, 300 ora g kerena peralatan kedokteran lengkap, dan 100 orang karena biaya murah. Data tersebut selanjutnya disusun ke dalam table 6.36 berikut. Untuk dapat mengisi seluruh kolom yang ada pada table, maka perlu dihitung frekuensi yang diharapkan ( fh ) untuk dua kelompok sampel tersebut dalam setiap aspek. Untuk mengetahui frekuensi yang diharapkan (fh ) pertama-tama harus dihitung berapa persen dari keseluruha sampel ( pegawai negeri dan swasta berjumlah 1500 + 800 = 2300) yang memilih dokter yang lengkap dan terampil, peralatan kedokteran yang lengkap, dan biaya murah. Dari sini dapat dihitung bahwa kedua sampel yang memilih dokter lengkap dan terampil adalah : F= X 100% = 47,83% yang

47

Analisis Komparasional

Jadi frekuensi yangb diharapkan untuk pegawai negri yang memilih dokter yang lengkap dan terampil = 47,83% x 1500 = 717,45. Kemudian untuk pegawai swasta yang memilih dokter yang lengkap dan terampil 47,83% x 800 = 382,64. Dari kedua sampel itu yang memilih peralatan kedoketeran lengkap untuk kedua sampel adalah : F= X 100% = 34,78 %

Jadi fh pegawai negeri = 34,78% x 1500 = 512,70; fh untuk pegawai swasta = 34,78% x 800 = 278,24 Dari sampel itu yang memilih biaya murah adalah : F= x 100% = 17,39%

Jadi fh pegawai negeri = 17,39 x 1500 = 260,85 dan fh pegawai swasta = 17,39 x 800 = 139,12 Hipotesis statistik yang diajukan dalam penelitian tersebut adalah sebagai berikut : Ho : tidak terdapat perbedaan antara pegawai dalam negeri dan swasta dalam memberikan pertimbangan untuk memilih rumah sakit. Ha :terdapat perbedaan antara pegawai negeri dan swasta dalam memberikan pertimbangan untuk memilih rumah sakit. Bila Ho diterima, itu berarti juga keadaan yang ada pada sampel itu betul-betul mencerminkan keadaan populasi, sedangkan bila Ho ditolak, maka keadaan pada sampel itu hanya berlaku, untuk sampel itu, dan mungkin terjadi kesalahan dalam memilih sampel.

48

Analisis Komparasional

Kelomp ok Pegawai Negeri Sipil

Tabel Pertimbangan memilih rumah sakit antara pegawai negeri dan swasta Pertimban gan Memilih RS Dokter 700 717,45 -17, 45 304, 50 0,42 Lengkap Peralatan Kedokteran Lengkap Biaya Murah Dokter Lengkap Peralatan Kedokteran Lengkap Biaya Murah 70 th <70 th 500 512, 70 -21,70 470,89 0,90

300 400

260,85 382,64

39,15 17, 36

1.530,37 301, 37

5,87 0,79

Pegawai Swasta

300

278, 4

21,76

473,50

1,70

100 2,300

139,12 605,15

-39,12 0,00 -105,15

1.530,37 11056,52

11,0 20,68 18,27

Jumlah

Rumus Chi Kuadrat yang dgunakan adalah seperti yang telah dikemukakan pada bagian lain yaitu: Dengan rumus tersebut harga Chi Kuadrat hitung telah ditemukan pada tabel di atas yaitu sebesar 20,69. Untuk memberkian interprestasi terhadap angka tersebut maka perlu dibandingkan dengan harga Chi Kuadrat tabel dengan derajat kebebasan (dk) tertentu.

Karena untuk model ini terdpat dua sampel dan tiga kategori, maka derajad kebebasannya dapat dihitung dengan menggunakan tabel 2 x 3 berikut (dua sampel yaitu pegawai negeri dan swasta, tiga kategori pertimbangan memilih rumah sakit) 1 Sampel 1 Sampel 2 Kategori 2 3

49

Analisis Komparasional

Besarnya derajat kebebasan = (s-1) x (k-1) = (2-1) (3-1). Bila kategorinya hanya dua maka dk = (2-1) (2-1) = 1 Dengan dk = 2 dan taraf kesalahan 5%, maka besarnya Chi Kuadrat tabel adalah 5,991. Harga Chi kuadrat hitung ternyata lebih besar dari tabel (20,69 > 5,991). Karena harga Chi Kuadrat lebih besar dari tabel, maka Ho ditolak dan Ha diterima. Jadi terdapat perbedaan secara signifikan antara pegawai negeri dan swasta dalam memberikan pertimbangan dalam memilih rumah sakit. Perbedaan dalam sampel tersebut dapat digeneralisasikan, sehingga perbedaan yang terjadi pada sampeltersebut betul-betul mencerminkan keadaan populasi.

2) Median Extention (Perluasan Median) Test median extention digunakan untuk menguji hipotesis komparatif median k sampel independen bila datanya berbentuk ordinal. Dalam test ini ukuran sampel tidak harus sama. Rumus yang digunakan untuk pengujian adalah rumus Chi Kuadra(). Di mana : = Banyak kasus pada baris ke i dan kolom j =Banyak kasus yang diharapkan pada baris i dan kolom ke j = Penjumlahan semua sel dk untuk rumus tersebut adalah (k-1) (r-1) dimana k adalah banyak kolom dan r adalah banyak baris. Dalam test median r=2 dengan demikian : dk = (k-1) (r-1) = (k-1) (2-1)= (k-1). Ho ditolak bila nilai X2 tabel lebih besar () dari nilai Chi Kuadrat X2 hitung. Contoh dilakukan penelitian untuk mengetahui perbedaan golongan gaji pegawai dalam membaca jumlah media cetak. Dalam hal ini golongan gaji dikelompokkan menjadi empat tingkat yaitu golongan I. II, III, dan IV. Dalam penelitian ini digunakan sampel pegawai golongan I = 7 orang, II = 10 orang, III =9 orang dan IV = 8 orang. Ho : Tidak dapat perbedaan dalam membaca jumlah media cetak berdasarkan golongan gaji pegawai. Ha : Terdapat perbedaan dalam membaca jumlah media cetak berdasarkan golongan gaji pegawai

50

Analisis Komparasional

Data hasil penelitian ditunjukkan pada tabel berikut:

Tabel Jumlah media cetak yang dibaca oleh pegawai berdasarkan golongan gaji Jumlah Media Cetak Yang Dibaca : GOL.1 0 1 2 1 4 1 1 1 2 2 1 n1=11 GOL.II 1 2 2 2 5 1 3 4 2 3 2 n2=11 GOL.III 2 3 4 5 3 2 3 3 3 2 1 2 n3=12 GOL.IV 5 3 4 6 8 5 6 4 3 3 4 4 n4=12

Karena ini adala h test median, maka median jumlah media cetak yang dibaca oleh empat kelompok golongan gaji itu perlu dicari. Untuk memidahkan pencarian, maka data empat kelompok tersebut diurutkan mulai dari jumlah yang terkecil.

01111111112222222222333333333344444445556668 Median jumlah media cetak yang dibaca oleh 4 kelompok pegawai tersebut adalah angka ke-23 dan ke-24 yaitu (3+3) : 2 = 3 Ini merupakan Ho. Jadi untuk golongan 1 = (1 + 10) : 2 = 5,5. Kalau dalam sel ada frekuansi yang diharapkan yang nilainya kurang dari 5 sebanyak lebih ari 20%, maka Chi Kuadrat tidak dapat digunakan untuk analisis. Untuk contoh diatas tidak ada, sehingga Chi Kuadrat dapat digunakan.

51

Analisis Komparasional

Tabel Jumlah pegawai yang membaca media cetak di atas dan di bawah median

KELOMPOK Gol. I Jumlah yang membaca > median 3 Jumlah yang membaca > median 3 Jumlah 5,5* 11 10 5,5* 9 1 2

Jumlah Media yang Dibaca Pegawai Gol. II 2 Gol. III 9 Gol. IV

5,5* 10

6* 3

6*

5,5* 11 12

6* 12

6*

JUMLAH YANG DIHARAPKAN DENGAN peluang tiap kelompok=0,5; Gol. I (11 x 0,5)=5,5; Gol III(12 x0,5)=5 dst.

Untuk golongan I, jumlah yang membaca diatas median hanya 1,yaitu 4. (4 diatas 3). Untuk golongan II = 2, golongan III = 2, dan golongan IV = 9. Selanjutnya nilai-nilai yang telah dihitung dalam tabel 6.39 tersebut dimasukkan kedalam rumus 6.27 jadi,

Harga Chi Kuadrat hitung tersebut selanjutnya dibandingkan dengan Chi Kuadrat tabel, dengan = k-1 dan di tetapkan 0,05. dk = k-1 = 4-1 = 3. Dengan mengguanakan tabel Chi Kuadrat tabel dapat ditemukan aitu sebesar 7,815. Ternyata Chi Kuadrat lebih dari kecil dari di hitung

tabel (5,76 < 7,815). Karena harga hitung lebih kecil dari harga

tabel, maka Ho ditolak dan Ha diterima. Dengan demikian terdapat perbedaan yang signifikan terhadap jumlah koran yang dibaca oleh pegawai berdasarkan golongan gajinya. Dari data terlihat bawa golongan IV lebih banyak membaca koran dari pada golongan I.

52

Analisis Komparasional

3) Analisia Varians Satu Jalan Kruskal-Walls Teknik ini digunakan untuk menguji hipotesis k sampel independen bila datanya berbentuk ordinal. Bila dalam pengukuran ditemukan data berbentuk interval atau rasio, maka perlu diubah dulu ke dalam data ordinal (data berbentuk rangking/peringfkat). Rumus yang digunakan untuk mengui adalah sebagai berikut: Dimana : N = banyak baris dalam tabel K = banyak kolom = jumlah rangking dalam kolom Rumus tersebut di bawah distribusi Chi Kuadrat dengan dk= k-1. Contoh : Dilakukan penelitian untuk mengetahui perbedaan prestasi kerja pegawai yang rumahnya jauh da dekat, jarak rumah ini di kelompokkan menjadi 3 yaitu, I : (1-5)km, II : (>5-10)km dan III: (>10)km. Penelitian dilakukan pada 3 kelompok sampel yang diambil secara random. Jumlah pegawai pada sampel I = 11, sampel II = 12 dan sampel III = 10. Pengukuran dilakukan dengan instrumen prestasi. Ho = tidak dapat perbedaan prestasi kerja pegawai berdasarkan jarak rumah dan jarak kantor. Ha = terdapat perbedaan prestasi kerja pegawai berdasarkan jarak rumah dengan jarak kantor. Data hasil ditunjukkan pada Tabel berikut:

53

Analisis Komparasional

Tabel Prestasi kerja pegawai berdasarkan jarak rumah dengan kantor Jarak RumahDengan Kantor 0-5 km 78 92 68 56 77 82 81 62 91 53 85 >5-10 km 82 89 72 57 62 75 64 77 84 56 88 69 >10 km 69 79 65 60 71 74 83 56 59 90

Karena test kruskal-walls ini bekerja dengandata ordinal, maka data tersebut di atas yang berupa data interval tersebur diubah kedalam bentuk data ordinal. Jadi 3 kelompok tersebut dibuat rangking dari yang terkecil sampai yang terbesar. Untuk memudahkan merangking urutkan data dari yang terkecil ke terbesar. Jumlah rangking terakhir harus sama dengan jumlah seluruh data. Jumlah rangking masing-masing kelompok sdeperti yang ditunjukkan pada tabel tersebut di atas adalah: R1 = 205,5 R2 = 203,5 dan R3 = 152,5. Harga-harga tesebut selanjutnya dimasukkan kedalam rumus Tabel Rangking prestasi kerja pegawai berdasarkan jarak rumah dengan kantor Jarak Rumah Dengan Kantor >5-10 km Rank 82 89 72 57 62 75 64 77 84 56 88 69 24,5 30,0 15,0 5,0 8,5 18,5 10,0 19,5 27,0 3,0 29,0 13,5

0-5 km 78 92 68 56 77 82 81 62 91 53 85

Rank 21,0 33,0 12,0 3,0 19,5 24,5 23,0 8,5 32,0 1,0 28,0

>10 km 69 79 65 60 71 74 83 56 59 90

Rank 13,5 22,0 11,0 7,0 16,0 17,0 26,0 3,0 6,0 31,0

54

Analisis Komparasional

ANALISIS KOMPARASIONAL PARAMETRIK DENGAN SPSS


Pengujian hipotesis dengan menggunakan bantuan program komputer saat ini sangat diperlukan. jika kita menghadapi jumlah data yang banyak, maka pengujian dengan menggunakan perhitungan manual akan memakan waktu dan tenaga yang besar. Untuk itulah penggunaan program komputer akan sangat membantu. Program yang paling sering digunakan dalam melakukan analisis statistik termasuk pengujian hipotesis adalah statistical package for social sciences (SPSS). 1. Uji t satu sampel Sudah tau kan uji T satu sampel, kalau belum baca dulu postingan yang ini, kalau yang dulu hitungannya manual, sekarang kita akan apikasikan di SPSS : 1. Buka SPSS anda. 2. Misalkan saya memiliki datanya seperti di bawah ini :

3. Kita akan melakukan uji apakah data yang kita dapatkan berbeda dengan data sebelumnya, menurut informasi rata-rata kunjungan pasien tahun lalu sebanyak 20 orang.

55

Analisis Komparasional

4. Pada menu di SPSS pilih Analyze --> Compare Means --> One-Sample T Test, jelasnya

5. Setelah itu akan muncul jendela seperti ini :

56

Analisis Komparasional

6. Pilih variabel "kunjungan pasien", lalu klik tanda 'segitiga' untuk memindahkan variabel tersebut ke kotak 'Test Variables'.

7. Isi kotak 'Test Value' dengan angka "20"(angka 20 merupakan rata-rata kunjungan pasien tahun lalu), kemudian klik OK. Hasilnya :

8. Kesimpulan Dari tabel "One-Sample Statistics" terlihat bahwa rata-rata kunjungan sebanyak 23 orang, dengan standar deviasi 3,387. Bila melihat dari rata-rata kunjungan saat ini memang ada perbedaan, namun perbedaan ini apakah bermakna secara statistik ? Mari kita lihat pada tabel "One-Sample Test" pada kolom "Sig.(2-tiled)" diperoleh nilai P = 0,001, maka nilai P < , sehingga Ho ditolak. Dengan demikian dapat kita simpulkan bahwa ternyata pada uji statistik dua sisi (2-tailed) pada taraf nyata = 0,05, menunjukan ada perbedaan yang bermakna antara kunjungan pasien tahun lalu dengan tahun ini.
57 Analisis Komparasional

2. Uji t dua sampel ( Bivariat) a. Uji t sampel independent


Untuk melakukan pengujian beda rata-rata yang independen dengan menggunakan program SPSS dapat dilakukan dengan menggunakan langkah-langkah sebagai berikut: Misalnya seorang guru tertarik untuk melihat perbedaan nilai mata pelajaran Fiqh antara dua kelas dengan menggunakan dua metode yang berbeda. Pada kelas A digunakan metode diskusi dan pada kelas B digunakan metode ceramah. Pada akhir materi sang guru memberikan tes kepada kedua kelas tersebut. Dalam kesempatan ini kita akan menguji hipotesis nol (H0): tidak ada perbedaan antara metode diskusi dan metode ceramah dengan menggunakan SPSS.Untuk melakukan pengujian beda rata-rata yang saling dependen dengan menggunakan program SPSS dapat dilakukan dengan menggunakan langkah-langkah sebagai berikut: Masukkan nilai-nilai yang diperoleh siswa ke dalam program SPSS sebagai berikut:

Setelah itu klik pada ANALYZE > COMPARE MEANS > INDEPENDENT SAMPLE T TEST pada menu sehingga kota dialog Independent Sample T Test terbuka.

58

Analisis Komparasional

Masukkan variable nilai pada kotak Test Variable(s) dan variable metode pada kotak Grouping Variabel. Setelah itu klik DEFINE VARIABLE sehingga kota Define Variable terbuka

Masukkan angka 1 pada Group 1: dan angka 2 pada Group 2 setelah itu klik CONTINUE sehingga kita kembali ke kotak Independent-Samples T Test.

59

Analisis Komparasional

Setelah itu klik Options dan masukkan 95 pada kotak Confidence Interval. Nilai 95 bermakna tingkat kepercayaan yang akan kita uji adalah 95%. Setelah itu klik CONTINUE dan kita kembali ke kotak kotak Independent-Samples T Test. Setelah itu klik OK sehingga SPSS menampilkan outputnya.

Dari hasil output SPSS terlihat bahwa ada dua hasil perhitungan yaitu Groups Statistics dan Independent Sample T Test.

Pada Group Statistics dipaparkan hasil perhitungan SPSS tentang jumlah data, nilai rata-rata, standar deviasi dan standar error rata-rata. Dari hasil terlihat bahwa rata-rata nilai pada metode diskusi adalah 51,44 dengan standar deviasi 10,382 sedangkan pada metode ceramah adalah 68,88 dengan standar deviasi 12,299.

Tabel Independent Sample T Test pertama memaparkan uji apakah kedua kelompok memiliki
60

Analisis Komparasional

varian yang sama. Karena nilai Sig (0,608) > (0,05), maka dapat disimpulkan bahwa kedua kelompok memiliki varian yang sama.

Berdasarkan hasil perhitungan SPSS di atas terlihat bahwa thitung = -3,170 dengan dk = 15 sehingga H0 ditolak. Disamping menggunakan perbandingan nilai t, output SPSS juga memberikan perbandingan Sig (2-tailed). Karena Sig (2-tailed) b. Uji t sampel dependent (berpasangan) Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum dan sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap pasangan orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan sesudah intervensi. Contoh Kasus : Suatu studi ingin mengetahui pengaruh suatu metode diet, lalu diambil 28 ibu sebagai sampel untuk menjalani program diet tersebut. Pengukuran berat badan yang pertama (BBIBU_1) dilakukan sebelum kegiatan penyesuaian diet dilakukan, dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan setelah dua bulan menjalani penyesuaian diet.

61

Analisis Komparasional

Buka SPSS, dan masukan datanya seperti ini :

Kita akan melakukan uji hipotesis untuk menilai apakah ada perbedaan berat badan ibu antara sebelum dengan sesudah mengikuti program diet, langkah-langkahnya sebagai berikut.

62

Analisis Komparasional

Dari menu utama, pilihlah: Analyze-->Compare Mean-->Paired-Sample T-test.

Pilih variabel BBIBU_1 dan BBIBU_2 dengan cara mengklik masing-masing variable tersebut. Kemudian klik tanda segitiga untuk memasukkannya ke dalam kotak Paired-Variables. Seperti nampak di bawah ini :

Selanjutnya klik OK untuk menjalankan prosedur. Pada layar Output tampak hasil seperti berikut:

Dari 28 subjek yang diamati terlihat bahwa rata-rata (mean) berat badan dari ibu sebelum intervensi (BBIBU_1) adalah 57.54, dan rata-rata berat badan sesudah intervensi (BBIBU_2) adalah 56,21. Uji t yang dilakukan terlihat pada tabel berikut:

63

Analisis Komparasional

Dari hasil uji-t berpasangan tersebut terlihat bahwa rata-rata perbedaan antara BBIBU_1 dengan BBIBU_2 adalah sebesar 1.321. Artinya ada penurunan berat badan sesudah intervensi dengan rata-rata penurunan sebesar 1.32 kg. Hasil perhitungan nilai t adalah sebesar 5,133 dengan p-value 0.000 dapat ditulis 0,001 (uji 2-arah). Hal ini berarti kita menolak Ho dan menyimpulkan bahwa secara statistik ada perbedaan yang bermakna antara rata-rata berat badan sebelum dengan sudah intervensi. Dari hasil di atas kita bisa menilai bahwa program diet tersebut berhasil.

3. Uji Multivariat a. Uji Anava satu jalur


ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan ataulebih. ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance. Asumsi yang digunakan adalah subjek diambil secara acak menjadi satu kelompok n. Distribusi mean berdasarkan kelompok normal dengan keragaman yang sama. Ukuran sampel antara masing-masing kelompok sampel tidak harus sama, tetapi perbedaan ukuran kelompok sampel yang besar dapat mempengaruhi hasil uji perbandingan keragaman. Hipotesis yang digunakan adalah: H0: 1 = 2 = k (mean dari semua kelompok sama) Ha: i <> j (terdapat mean dari dua atau lebih kelompok tidak sama)

64

Analisis Komparasional

Statistik uji-F yang digunakan dalam One Way ANOVA dihitung dengan rumus (k-1), uji F dilakukan dengan membandingkan nilai Fhitung (hasil output) dengan nilai Ftabel. Sedangkan derajat bebas yang digunakan dihitung dengan rumus (n-k), dimana k adalah jumlah kelompok sampel, dan n adalah jumlah sampel. p-value rendah untuk uji ini mengindikasikan penolakan terhadap hipotesis nol, dengan kata lain terdapat bukti bahwa setidaknya satu pasangan mean tidak sama. Sebaran perbandingan grafis memungkinkan kita melihat distribusi kelompok. Terdapat beberapa pilihan tersedia pada grafik perbandingan yang memungkinkan kita menjelaskan kelompok. Termasuk box plot, mean, median, dan error bar. Contoh Kasus. Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C adalah sebagai berikut:

Sebelum diinput ke dalam SPSS susunan data harus dirubah dahulu karena data diatas berbentuk matriks, untuk yang datanya tidak dalam bentuk matriks tabel, tidak perlu dirubah.

Tabelnya adalah seperti tabel berikut:

65

Analisis Komparasional

Data ini kemudian dapat dimasukkan ke dalam worksheet SPSS agar dapat dilakukan analisis. Hipotesis yang digunakan adalah: H0 : 1 = 2 = 3 = 4 = 5 (mean dari masing-masing kelompok metode adalah sama) H1: 1 <> 2 <> 3 <> 4 <> 5 (terdapat mean dari dua atau lebih kelompok metode tidak sama) Langkah-langkah pengujian One Way ANOVA dengan software SPSS adalah sebagai berikut: 1. Input data ke dalam worksheet SPSS, tampilannya akan seperti berikut ini: Data view:

Sedangkan Variabel view:

2. Kemudian jalankan analisis dengan memilih ANALYZE COMPARE MEANS ONE WAY ANOVA, seperti berikut ini:

66

Analisis Komparasional

3. Setelah muncul kotak dialog, maka pindahkan variabel metode ke DEPENDEN LIST, dan variabel waktu ke FACTOR.

4. Setelah variabel dependen dimasukkan pilih OPTION, kemudian checklist Descriptive danHomogeneity-of-Variance box, seperti gambar berikut kemudian klik continue.

67

Analisis Komparasional

5. Setelah itu pilih post Hoc Test, untuk melihat kelompok mana aja seh yang signifikan (satu persatu). Anda bisa memilih Post Hoc Test - Tukey, lalu continue OK.

6. Setelah itu maka akan muncul output berupa seperti berikut ini:

7. Sedangkan Output Post Hoc Test akan berupa tabel MULTIPLE COMPARRISON seperti berikut ini:

68

Analisis Komparasional

8. Interpretasi: Hasil uji Homogeneity-of-Variance box menunjukkan nilai sig. (p-value) sebesar 0,848, ini mengindikasikan bahwa kita gagal menolak H0, berarti tidak cukup bukti untuk menyatakan bahwa mean dari dua atau lebih kelompok metode tidak sama. Hasil uji one way ANOVA yang telah dilakukan mengindikasikan bahwa nilai uji-F signifikan pada kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 11,6 yang lebih besar daripada F(3,9) sebesar 3,86 (Fhitung > Ftabel), diperkuat dengan nilai p = 0.003 lebih kecil daripada nilai kritik =0,05. Tukey post hoc test untuk multiple comparisons mengindikasikan

bahwa hanya kelompok 4 yang memiliki nilai sig. (F statistik) yang signifikan secara statistik. Hasil ini mengindikasikan bahwaperbedaan rata-rata antara metode waktu belajar 1, 2 dan 3 secara statistik tidak signifikan dan meannya secara signifikan berbeda daripada mean metode 4 yang signifikan secara statistik. (yoz)

b. Uji Anava dua Jalur


Untuk analisa dengan pendekatan distribusi F dapat digunakan metode lain yang biasanya kita sebut sebagai analisis Varians (ANOVA) yang merupakan suatu metode analisa data dengan tujuan untuk mendapatkan pemecahan terhadap masalah di dalam melakukan suatu eksperimen yang terdiri dari 2 atau lebih populasi (k 2). Selain itu analisa ini dapat pula dipergunakan untuk mengukur besarnya variasi-variasi yang terjadi sangat ditentukan

69

Analisis Komparasional

oleh macamnya pengamatan yang dilakukan dalam eksperimen tersebut. Contoh data yang akan saya Uji adalah data untuk uji Two Ways ANOVA. Data berikut adalah hasil penjualan produk (dalam satuan unit) di 4 daerah yang diberi instruksi, efek dari pembedahan daerah, serta efek dari metode instruksi dan pembedahan daerah secara bersama-sama (interaksi) terhadap hasil penjualan. Peneliti hendak mengetahui apakah : 1. Apakah tiap-tiap model instruksi memiliki rata-rata penjualan yang sama? 2. Apakah rata-rata hasil penjualan untuk setiap daerah target penjualan adalah sama? 3. Apakah ada perbedaan rata-rata hasil penjualan produk untuk interaksi metode dan daerah? Metode instruksi Daerah A1 70 I 79 72 77 II 81 79 82 III 78 80 85 IV 90 87 A2 83 89 78 77 87 88 94 83 79 84 90 88 A3 81 86 79 74 69 77 72 79 75 68 71 69

Langkah-langkah menyelesaikan kasus diatas dengan SPSS 20 1. Buatlah 3 variabel data pada lembar kerja SPSS (Variabel View)

Variabel pertama : metode Tipe data : Numeric, Witdth 8, decimal places : 0 Value :1 : A1 2 : A2

70

Analisis Komparasional

3 : A3

Variabel kedua : daerah Tipe data : Numeric, Witdth 8, decimal places : 0 Value : 1:I 2 : II 3 : III 4 : IV Variabel ketiga : hasil Tipe data : Numeric, Witdth 8, decimal places : 0 2. Masukkan semua data seperti pada table dibawah ini

71

Analisis Komparasional

3.

Analisis dengan Anava.

Dari baris menu pilih menu analyze, kemudian pilih submenuGeneral Linear Model, Dari serangkaian test, pilih Simple factorial (Univariate), Pindahkan variable hasil ke kotak Dependent Variabel, Pindahkan variable daerah dan metode ke kotak Fixed factors

Jika telah mengisi variable maka tekan OK. Maka diperoleh hasil outputnya sebagai berikut sekalian di analisis hasilnya.

72

Analisis Komparasional

Analisis : Descriptive Statistics Dependent Variable: Hasil Penjualan Daerah Penjualan Metode Instruksi A1 I A2 A3 Total A1 II A2 A3 Total A1 III A2 A3 Total A1 IV A2 A3 Total A1 A2 Total A3 Total 75.00 80.00 5.560 6.761 12 36 Mean 73.67 83.33 82.00 79.67 79.00 84.00 73.33 78.78 80.00 85.33 75.33 80.22 87.33 87.33 69.33 81.33 80.00 85.00 Std. Deviation 4.726 5.508 3.606 6.083 2.000 6.083 4.041 5.974 2.000 7.767 3.512 6.160 2.517 3.055 1.528 9.247 5.705 5.240 N 3 3 3 9 3 3 3 9 3 3 3 9 3 3 3 9 12 12

Untuk table descriptive statistics, total populasi untuk keseluruhan responden yang diambil adalah sebanyak 36 responden, dengan tiap-tiap daerah memiliki 9 responden. Dan untuk setiap metode intruksi memiliki jumlah responden yang sama yaitu sebanyak 12 responden. Levene's Test of Equality of Error Variancesa Dependent Variable: Hasil Penjualan F 1.714 df1 11 df2 24 Sig. .130

73

Analisis Komparasional

Tests the null hypothesis that the error variance of the dependent variable is equal across groups.a a. Design: Intercept + daerah + metode + daerah * metode Pada tebel levenes test of equality of eror variances diatas bahwa Fhitung adalah 1,714 dengan nilai signifikansi sebesar 0,130. Hipotesa: Ho Hi : Ketiga metode instruksi tersebut memiliki varian yang sama. : Ketiga metode intruksi tersebut minimal ada satu yang tidak identik variannya.

Criteria pengambilan keputusan: Jika nilai signifikansi > 0,05 maka Ho diterima Jika nilai signifikansi < 0,05 maka Ho ditolak. Karena Fhitung sebesar 1,714 dengan probabilitas (nilai signifikansi) 0,130 adalah lebih besar dari 0,05 maka ketiga metode instruksi tersebut memiliki varian yang sama, bearati asumsi bahwa jika data sedikit populasi harus normal untuk melakukan uji anova telah terpenuhi. Tests of Between-Subjects Effects Dependent Variable: Hasil Penjualan Source Type III Sum of Squares Corrected Model Intercept daerah metode daerah * metode Error Total Corrected Total 1164.667a 230400.000 30.889 600.000 533.778 435.333 232000.000 1600.000 11 1 3 2 6 24 36 35 105.879 5.837 .000 .000 .642 .000 .002 df Mean Square F Sig.

230400.000 12701.991 10.296 300.000 88.963 18.139 .568 16.539 4.905

a. R Squared = .728 (Adjusted R Squared = .603) Test of between-subjects effects atau table anova diatas memberitahukan bahwa pada metode instruksi, Fhitung sebesar 16,539 dengan probabilitas 0,000. Hipotesa 1: Ho : rata-rata hasil penjualan untuk tiap metode instruksi adalah sama.

74

Analisis Komparasional

Hi sama.

: rata-rata hasil penjualan untuk tiap metode instruksi minimal ada satu yang tidak

Dasar pengambilan keputusan:


Jika nilai signifikansi > 0,05 maka Ho diterima Jika nilai signifikansi < 0,05 maka Ho ditolak atau menerima Hi

Pengambilan keputusan: Karena F hitung sebesar 16,539 dengan nilai signifikansi 0,000 adalah < 0,05 maka dikatakan bahwa untuk tiap-tiap model instruksi memiliki rata-rata penjualan yang tidak sama. Daerah pada table test of between-subjects effect memiliki Fhitung 0,568 dengan nilai signifikansi sebesar 0,642 Hipotesa 2; Ho : rata-rata hasil penjualan untuk tiap-tiap daerah adalah sama Hi : rata-rata hasil penjualan untuk tiap-tiap daerah minimal ada satu yang tidak sama. Dasar pengambilan keputusan;

Jika nilai signifikansi > 0,05 maka Ho diterima Jika nilai signifikansi < 0,05 maka Ho ditolak

Pengambilan keputusan: Daerah target penjualan dengan Fhitung sebesar 0,568 dengan probablitas 0,642 adalah > 0,05 maka menerima hipotesa awal, dengan kata lain bahwa ternyata rata-rata hasil penjualan untuk daerah target penjualan adalah sama. Interaksi (metode*daerah) Hipotesa: Ho Hi

: rata-rata hasil penjualan untuk interaksi adalah berbeda : rata-rata hasil penjualan untuk interaksi minimal ada satu yang tidak sama.

Dasar penganbilan keputusan; Jika nilai signifikansi > 0,05 maka Ho diterima Jika nilai signifikansi < 0,05 maka Hi diterima atau menolak Ho.

Dari tabel Test of between-subjects effects Fhitung untuk interaksi metode dan daerah (metode*daerah) adalah 4,905 dengan probabilitas sebesar 0,002 adalah lebih kecil dari 0,05 maka dikatakan bahwa rata-rata hasil penjualan produk untuk interaksi metode dan daerah adalah berbeda.

75

Analisis Komparasional

Jika terdapat perbedaan maka harus dilanjutkan dengan uji Post Hoc. Hal ini terlihat dari table Tests of between-Subjects Effect dimana terdapat perbedaan untuk tiap-tiap model instruksi memiliki rata-rata penjualan yang tidak sama; terbukti dengan sig. 0,000. Langkah-langkah untuk uji lanjutan (uji Post Hoc) : 1. Kembali pada awal SPSS (pakai data yg masih terbuka tadi atau jangan direstart program SPSS-nya) 2. 3. 4. 5. 6. 7. Pilih Analize, kemudian pilih sub menu General Linear Model. Dari serangkaian tes, pilih Simple factoral (univariate) Tanpa mengubah input data awal, klik pada Post Hoc. Pada kolom Factor(s) klik metode lalu tempatkan pada kolom Post Hoc Test for Selanjutnya bagian Equal Variances Assumed, centang Tutkey. Selanjutnya tekan Continue lalu silahkan kembali menekan OK.

Data output yang dikeluarkan akan menampilkan data yang sama seperti output langkah yang paling awal dengan hanya menambah output tabel Multiple Comparisons . Tetapi tidak masalah, anda hanya memerlukan output Multiple Comparisons. Post Hoc Tests Metode Instruksi Multiple Comparisons
76

Analisis Komparasional

Dependent Variable: Hasil Penjualan Tukey HSD (I) Metode (J) Metode Instruksi Instruksi Mean Difference (IJ) A2 A1 A3 A2 A1 A3 A1 A3 A2 Based on observed means. The error term is Mean Square(Error) = 18.139. *. The mean difference is significant at the .05 level. Hasil uji Tutkey HSD pada table diatas ternyata terdapat perbedaan antara variable Metode Instruksi untuk A1, A2 dan A3 dengan memiliki sig. < 0,05 Kesimpulan: Dari uji two way anova diatas dapat disimpulkan bahwa rata-rata hasil penjualan untuk tiaptiap metode instruksi adalah berbeda namun sama untuk tiap-tiap daerah target penjualan. Akan tetapi apabila daerah target penjualan dikombinasikan dengan metode instruksi yang tepat akan mempengaruhi rata-rata hasil penjualan. -5.00* 5.00* 5.00* 10.00* -5.00* -10.00* 1.739 1.739 1.739 1.739 1.739 1.739 .022 .022 .022 .000 .022 .000 -9.34 .66 .66 5.66 -9.34 -14.34 -.66 9.34 9.34 14.34 -.66 -5.66 Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound

77

Analisis Komparasional

ANALISIS KOMPARASIONAL NON PARAMETRIK DENGAN SPSS


1. UJI SAMPEL INDEPENDENT a. Uji dua sampel
Uji mann-whitney Uji Mann-Whitney digunakan untuk menguji hipotesis nol tentang kesamaan parameter-parameter lokasi populasi . Dalam beberapa kasus uji ini disebut juga Uji MannWhitney Wilcoxon, karena wilcoxon menggunakan kasus dengan ukuran sampel yang sama sedangkan Mann-Whitney dapa juga menggunakan ukuran sampel yang berbeda. Sehingga secara garis besar pada uji Mann-Whitney diperoleh dua sampel random yang ukurannya bisa berbeda dan bisa sama, misalnya X1, X2, , Xndari populasi X dan Y1, Y2, , Ym dari populasi Y. Adapun secara lengkap format uji hipotesis dari uji ini yaitu: H0 : H1 : =
i(

tidak ada perbedaan rata-rata diantara kedua sampel) perbedaan rata-rata antara kedua sampel)

i (terdapat

Statistik uji: Dimana: U(x) = n1*n2 + [((1/2)*n(x)*(n(x)+1)) R(x)]


78 Analisis Komparasional

Dengan : x = 1 (untuk sampel 1) 2 (untuk sampel 2) R(x) = jumlah rangking tiap sampel n1 = banyaknya sampel pada sampel 1 n2 = banyaknya sampel pada sampel 2 Daerah kritis H0 ditolak jika nilai absolut Z hitung > nilai Za/2 . Untuk menjalankan prosedur ini langkah yang dapat dilakukan pada perangkat SPSS yaitu sebagai berikut: Klik Analyze > Nonparametric Test > 2 Independent Samples

Muncul dialog box berikut: Dan aktifkan Mann-Whitney U pada pilihan Test Type (lebih lanjut pada contoh soal) Contoh Soal: Seorang guru Mata Pelajaran Bahasa Inggris ingin mengetahui keefektifan cara mengajarnya di sebuah SMA. Untuk itu, diambilnya sampel random dari 20 0rang siswa kelompok IPA yang dianggapnya memenuhi standard untuk menjadi wakil dari seluruh siswa kelompok IPA. 10 Siswa diajarnya dengan metode tanya jawab (semi SCL) dengan full english dan sisanya diajar dengan metode yang pernah diterapkan sebelumnya yaitu CBSA full english. Dan di akhir semester mereka diuji dengan soal yang sama, dan diperoleh nilai:

79

Analisis Komparasional

Selanjutnya akan dilakukan uji analisis: 1. Inputkan data dengan format seperti di atas, Dengan catatan pada variabel kelompok, data dimasukkan dengan type numeric agar dapat dibaca oleh SPSS, kemudian pada value label, isikan 1 untuk semi SCL dan 2 untuk CBSA Seperti pada gambar berikut:

2. > Nonparametric Tests > 2 Independet Samples Muncul kotak dialog berikut:

Klik Analyze

80

Analisis Komparasional

Pada test variabel list masukan variabel Nilai, Pada Grouping variabel Kelompok Pada test type aktifkan Mann-Whitney U 3. Klik kotak Define Group dan muncul kotak dialog berikut:

Pada Group 1 ketikan 1 Pada Group 2 ketikan 2 Nilai 1 dan 2 dimasukkan karena nilai inilah yang kita masukkan sebagai values

kelompok ketika menginput data tadi.

Klik Continue

4. Klik OK 5. Outputnya:

Kesimpulan Berdasarkan output tersebut di atsa diperoleh bahwa nilai signifikansi Mann-Whitney = 0.028 yang < nilai alpha 0.05 yang menandakan bahwa H0 ditolak yang berarti bahwa tterdapat perbedaan rata-rata antara kedua sampel.

b. Uji lebih dari 2 sampel Uji kruskal-Wallis

81

Analisis Komparasional

Kruskal-Wallis Wallis adalah uji

test dikembangkan yang

oleh

Kruskal

dan

Wallis. Uji

Kruskaltiga

nonparametrik

digunakan

untuk

membandingkan

atau lebih kelompok data sampel. Uji Kruskal-Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA adalah teknik analisis data statistik yang digunakan ketika kelompok-kelompok variabel bebas lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing kelompok harus terdistribusi secara normal. Dalam uji Kruskal-Wallis, tidak diperlukan asumsi tersebut, sehingga uji Kruskal-Wallis adalah uji distribusi bebas. Jika asumsi normalitas terpenuhi, maka uji Kruskal-Wallis tidak sekuat ANOVA. Penyusunan hipotesis dalam uji Kruskal Wallis adalah sebagai berikut: H0 : sampel berasal dari populasi yang sama (1 = 2 = = k) Ha : sampel berasal dari populasi yang berbeda (i = j) Uji Kruskal Wallis harus memenuhi asumsi berikut ini: - Sampel ditarik dari populasi secara acak - Kasus masing-masing kelompok independen - Skala pengukuran yang digunakan biasanya ordinal - Rumus umum yang digunakan pada uji kruskal wallis adalah :

Statistik uji Kruskal Wallis menggunakan nilai distribusi Chi-kuadrat dengan derajat bebas adalah k-1 dengan jumlah sample harus lebih dari 5. Jika nilai uji Kruskal Wallis lebih kecil daripada nilai chi-kuadrat tabel, maka hipotesis null diterima, berarti sampel berasal dari populasi yang sama, demikian pula sebaliknya. Ilustrasi: Berikut ini adalah hasil survey tingkat kepentingan terhadap 3 atribut yang dinotasikan dengan 1 adalah terdapat banyak tenan-tenan terkenal, 2 untuk kelengkapan menu di foodcourt, dan 3 untuk frekuensi hiburan pada sebuah Mall di kota X dimana pertanyaan terhadap ketiga atribut diambil secara acak. Jumlah responden sebanyak 30 orang dibagi ke dalam 3 kelompok. Setiap kelompok ditanyakan tingkat kepentingan terhadap masing-masing dari 3 atribut. Jawaban responden diidentifikasikan dengan skala likert, dimulai dari 1 untuk sangat penting, dan 5 untuk tidak penting. Data yang diberikan adalah sebagai berikut:

82

Analisis Komparasional

Dengan SPSS 17.0 langkah-langkahnya adalah sebagai berikut: 1. Input data seperti berikut:

2. Kemudian pada menubar pilih Analyze Non Parametric Test K-independent samples, seperti berikut:

3. Kemudian akan muncul kotak dialog, checklist kruskal wallis, kemudian masukkan variabel skor responden ke test variable list, dan atribut ke grouping variables,

83

Analisis Komparasional

lalu klik define variable dan isikan dengan angka minimum atribut yaitu 1 dan maximum yaitu 3, klik continue seperti berikut:

4. Kemudian pilih option dan checklist beberapa indikator seperti pada gambar berikut, klik continue OK
84 Analisis Komparasional

5. Kemudian hasilnya akan ditampilkan seperti berikut:

6. Interpretasi: Nilai p-value sebesar 0,012 < nilai kritik 0,05, karena itu hipotesis null ditolak, bahwa terdapat cukup bukti dimana terdapat perbedaan dari ketiga kelompok responden dalam menilai tingkat kepercayaan terhadap ketiga atribut.(yoz)

2. UJI SAMPEL DEPENDENT a. Uji dua sampel Uji Wilcoxon


85 Analisis Komparasional

Uji wilcoxon digunakan untuk menganalisis hasil-hasil pengamatan yang berpasangan dari dua data apakah berbeda atau tidak. Wilcoxon signed Rank test ini digunakan hanya untuk data bertipe interval atau ratio, namun datanya tidak mengikuti distribusi normal. Uji hipotesis : H0 : d = 0 (tidak ada perbedaan diantara dua perlakuan yang diberikan) H1 : d 0 (ada perbedaan diantara dua perlakuan yang diberikan ) Dengan d menunjukkan selisih nilai antara kedua perlakuan. Statistik uji

Dimana : N = banyak data yang berubah setelah diberi perlakuan berbeda T = jumlah renking dari nilai selisih yng negative (apabila banyaknya selisih yang positif lebih banyak dari banyaknya selisih negatif) = jumlah ranking dari nilai selisih yang positif (apabila banyaknya selisih yang negatif > banyaknya selisih yang positif) Daerah kritis H0 ditolak jika nilai absolute dari Z hitung diatas > nilai Z 2 / Pada perangkat SPSS, kita dapat melakukan langkah-langkah berikut ini untuk melakukan uji tersebut. Klik Analyze > Nonparametric Test >2 Related samples muncul kotak dialaog:

Dan aktifkan wilcoxon pada Test Type (lebih lanjut akan dijelaskan pada contoh soal) Contoh Soal: Universitas Gadjah Mada setiap tahunnya menerima Mahasiswa Baru melalui jalur-jalur khusus misalnya PBOS dan PBUPD. Guna mengetahui kualitas mahasiswa yang telah
86 Analisis Komparasional

diterima melalui jalur tersebut, dilakukan tes Matrikulasi. Dan pihak pelaksana melakukan dua kali ujian yaitu sebelum program matrikulasi dilakukan dan setelahnya untuk mengetahui keefektifan program tersebut. Dan untuk itu diambil sampel sebanyak 15 orang dari kelompok IPA untuk mata ujian FISIKA, dan diperoleh data: Peserta Sebelum Sesudah 1 67 66 2 54 75 3 67 80 4 55 60 5 87 78 6 60 89 7 70 65 8 45 70 9 54 68 10 66 75 11 73 74 12 88 85 13 80 89 14 65 90 15 75 75

Analisisnya dalam SPSS adalah sebagai berikut: 1.Inputkan data seperti tampak di bawah ini:

Klik Analyze > Nonparametric Test > 2 Related samples Aktifkan Wilcoxon dan masukan variabel yang akan diuji sebagaimana tampak pada kotak dialog:

87

Analisis Komparasional

Klik OK dan outputnya :

Dari output tersebut diperoleh: 1. Negative Ranks atau selisih antara variabel sebelum dan sesudah yang negatif sebanyak 4 observasi atau dengan kata lain terdapat 4 observasi pada variabel sesudah yang kurang dari observasi pada variabel sebelum. Dan rata-rata rangkingnya = 4 dengan jumlah rangking negatif = 16 2. Positive Ranks atau selisih variabel sebelum dan sesudah yang positif sebanyak 10 observasi atau denga kata lain terdapat 10 observasi pada variabel sesudah yang lebih dari observasi pad avariabel sebelum dengan rata-rata rangkingnya = 8,90 dan jumlah rangking positif = 89. 3. Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah sebanyak 1 observasi. Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif maka nilai T yang digunakan adalah jumlah rangking yang negatif.
88

Analisis Komparasional

Selanjutnya dilakukan uji hipotesis: H0 : d = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah matrikulasi) H1 : d 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan sesudah matrikulasi ) Tingkat signifikansi =0,05 Statistik Uji Untuk nilai statistik uji, tinjau tabel output berikut:

dari tabel diperoleh nilai asymp sig = 0,022 Daerah kritis H0 ditolak jika nilai asymp sig < nilai Kesimpulan Oleh karena nilai asymp sig = 0,022 < =0,05 maka Ho ditolak yang berarti bahwa ada perbedaan nilai Fisika calon mahasiswa sebelum dan sesudah mengikuti program matrikulasi. Uji chi square McNemar Dalam aplikasi SPSS, untuk perhitungan Chi Square tersebut melalui tahapan sebagai berikut: 1. Berikan kode numerik untuk variabel Pendidikan yaitu 1 = pendidikan SLTA ke bawah dan 2 = pendidikan perguruan tinggi. Untuk bank, beri kode 1 = bank pemerintah dan 2 = bank swasta 2. Persiapkan worksheet dengan cara seperti contoh-contoh sebelumnya.

Pada baris pertama, isikan kolom Name dengan Pendidikan, Measure = Ordinal, dan kolom Values dengan 1 = SLTA, 2 = PT. (Cara menginput Values, lihat pembahasan sebelumnya)
89

Analisis Komparasional

Pada baris kedua isikan, kolom Name dengan Bank, Measure = Nominal dan kolom Values dengan 1 = Pemerintah, 2 = Swasta. Kolom lainnya diabaikan (mengikuti default dari program). 3. Kembali ke muda data dengan mengklik Data View. Selanjutnya input data pendidikan dan pilihan bank 4. Setelah menginput data, untuk menghitung Chi Square, klik Analyze > Descriptive Statistics > Crosstabs. Akan muncul tampilan berikut:

Isikan kotak Row(s) dengan variabel Bank dan kotak Column(s) dengan variabel Pendidikan. Selanjutnya klik Statistics, akan muncul tampilan berikut:

90

Analisis Komparasional

Terdapat beberapa pilihan statistik yang bisa digunakan pada menu halaman tersebut. a) Chi-square. Untuk tabel dua baris dua kolom ( 2 x 2 seperti contoh kita), pilihan Chi-square akan memberikan output Pearson chi-square, likelihood-ratio chi-square, Fishers exact test, dan Yates corrected chi-square (continuity correction). Untuk tabel selain 2 x 2, pilihan Chisquare akan memberikan output Pearson chi-square dan likelihood-ratio chi-square. b) Correlations. Klik pilihan Correlations ini jika seluruh variabel yang diinput berskala ordinal, atau jika seluruh variabel berskala interval. Pilihan ini akan menghasilkan output korelasi Spearman (untuk dua variabel berskala ordinal) dan korelasi Pearson (untuk dua variabel berskala interval/ratio). Hasil yang diberikan, sama dengan kasus iklan dan penjualan pada seri-seri tulisan sebelumnya. c) Nominal. Klik pilihan-pilihan dalam bagian nominal, jika kedua data yang diinput adalah data berskala nominal. Untuk korelasi dengan kedua variabel berskala nominal, output yang bisa dihasilkan adalah Contingency coefficient, Phi and Cramers V, Lambda, Uncertainty coefficient d) Ordinal. Klik pilihan-pilihan dalam bagian Ordinal, jika kedua data yang diinput adalah data berskala ordinal. Untuk korelasi dengan kedua variabel berkala ordinal, output yang bisa dihasilkan adalah Gamma (seperti yang pernah diuraikan sebelumnya), Sommers d, Kendall tau-b dan Kendall tau-c. Kendall tau-b adalah koefisien korelasi Kendall yang sudah dibahas sebelumnya. Kendall tau-c adalah modifikasi koefisien korelasi Kendall yang dalam perhitungannya dengan mengabaikan data yang bernilai sama dalam urutannya. e) Nominal by Interval. Klik pilihan Eta pada bagian Nominal by Interval jika data yang diinput salah satunya berskala nominal dan lainnya berskala interval. Misalnya jika ingin menghitung korelasi antara jenis kelamin (nominal) dengan pendapatan (interval) f) Kappa. Cohens kappa mengukur kesesuaian antara penaksitan dua peringkat ketika keduanya diperingkat dari objek yang sama. Output Kappa hanya akan tersedia jika kedua variabel yang diinput menggunakan nilai dan jumlah kategori yang sama. g) Risk. Risk untuk mengukur kekuatan hubungan antara kehadiran suatu faktor terhadap terjadinya suatu kejadian. Nilai risk hanya akan tersedia untuk tabel 22.
91 Analisis Komparasional

h) McNemar. Suatu uji non-parametrik untuk menguji keterkaitan dua variabel dikotomi (hanya memiliki dua kategori). i) ii) Cochrans and Mantel-Haenszel statistics. Sebagaimana dengan McNemar, Cochrans and Mantel-Haenszel juga digunakan menguji dua variabel dikotomi.Bagi yang ingin mendapatkan pemahaman lebih lanjut untuk pilihan-pilihan statistik tersebut dapat merujuk ke berbagai literatur mengenai statistik non-parametrik (mudah-mudahan juga pada kesempatan lain akan dibahas di blog ini). Dalam bagian ini, hanya akan diuraikan lebih lanjut mengenai pilihan Chi Square. 5. Klik Chi square > Continue > Cell, akan muncul tampilan berikut:

Terdapat beberapa pilihan dalam tampilan ini, yaitu: Count. Centang observed, jika ingin menampilkan frekuensi data sebenarnya (observed), dan centang Expecten, jika ingin menampilkan frekuensi harapan dalam tabel silang. Percentage. Centang Row jika ingin menampilkan persentase baris, column untuk persentase kolom dan total untuk persentase total dalam tabel silang. Untuk kepentingan analisis Chi-square, pilihan lainnya untuk sementara diabaikan. Misalnya dari tampilan diatas, pilihan yang diambil adalah Observe, Expected dan Column. Selanjutnya Klik Continue > OK. Output yang dihasilkan diberikan sebagai berikut:
92 Analisis Komparasional

Pada output tabel pertama, Count adalah frekuensi dari data yang diamati (observed) dan Expected Count adalah frekuensi yang diharapkan. % within Bank adalah persentase kolom dari tabel silang ini (sesuai dengan pilihan yang diambil tadi, kita hanya mencentang frekuensi kolom). Dari frekuensi kolom ini dapat dibaca, bahwa terdapat kecenderungan mereka yang berpendidikan SLTA lebih memilih bank pemerintah dibandingkan bank swasta. Dari 51 responden berpendidikan SLTA, 68,6 persen memilih bank pemerintah sedangkan sisanya 31,4 persen memilih bank swasta. Sebaliknya, terdapat kecenderungan mereka yang berpendidikan tinggi memilih bank swasta. Dari 62 responden, hanya 32,3 persen yang memilih bank pemerintah dan sebagian besar lainnya (67,7 persen) memilih bank swasta. Dengan kata lain, terdapat keterkaitan tinggi rendahnya pendidikan terhadap pemilihan jenis bank untuk transaksi keuangan. Namun demikian, untuk meyakinkan kita terhadap kesimpulan tersebut, harus dilakukan pengujian statistik terlebih dahulu. Dalam konteks ini, pada output tabel 2 diberikan nilai chisquare sebesar 14,816, dengan nilai P-value sebesar 0,00012 (yang diperlihatkan dalam kolom Asymp.Sig.(2-sided) pada output SPSS). Sebagaimana halnya pada pengujian korelasi

93

Analisis Komparasional

peringkat sebelumnya, nilai P-value ini dibandingkan dengan tingkat signifikansi tertentu. Berdasarkan hal tersebut, dapat dikemukakan bahwa terdapat hubungan antara pendidikan dengan pemilihan bank pada tingkat signifikansi 1 % (P-value < =1 %). Hal lain yang perlu diperhatikan dari output tabel kedua ini adalah keterangan di bawah tabel yang menunjukkan berlaku atau tidaknya salah satu asumsi dari chi-square yang menyatakan bahwa frekuensi yang diharapkan untuk masing-masing kategori harus lebih besar dari 1. Frekuensi yang diharapkan yang bernilai kurang dari 5 tidak boleh lebih dari 20 % dari kategori. Dari keterangan di bawah tabel, terlihat bahwa asumsi tersebut terpenuhi karena tidak ada sel yang memiliki frekuensi harapan dibawah lima, dan frekuensi harapan terendah juga adalah 24,82. 2. Uji lebih dari 2 sampel

Uji Cohran
Uji Q Cochran pada suatu penelitian hanya dinyatakan dengan salah satu dari dua nilai, secara sembarang dapat dinyatakan dengan nilai 1 sebagai sukses dan nilai 0 sebagai gagal. Reaksi yang lain dapat berupa nilai 1 sebagai ya ataupun nilai 0 sebagai tidak. Contoh: jika anda menanyakan kepada 10 orang untuk diminta memilih dari tiga wanita, siapa yang ingin mereka pacari; apakah pamella anderson, paris hilton, atau megan fox. Jika orang pertama memilih paris hilton karena dia kaya, maka anda akan memberikan nilai 1 untuk paris hilton dan nilai 0 untuk pamella ataupun megan fox, dan seterusnya pada orang yang lain. contoh penggunaannya pada SPSS dapat dilihat di bawah: Uji yang dikenal sebagai Q cochran test ini meliputi langkah-langkah sebagai berikut: 1. Menetapkan asumsi-asumsi Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah perlakuan yang diterapkan secara independen. Reaksi-reaksi itu dinyatakan dengan 1 untuk sukses atau 0 untuk gagal. Hasil-hasil pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4 dengan Xij yang menyatakan 0 atau 1. Tabel Kontingensi untuk data pada uji Q Cochran

94

Analisis Komparasional

Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari suatu populasi yang terdiri atas semua blok yang mungkin. 2. Menentukan hipotesis-hipotesis H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban ya yang sama. H1 : Tidak semua perlakuan mempunyai proporsi jawaban ya yang sama. 3. Menentukan Taraf Nyata () 4. Menghitung dengan rumus statistik uji Berdasarkan Tabel 4, maka statistik uji untuk Uji Q Cochran adalah:

Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q mendekati distribusiKhi-kuadrat dengan derajat bebas c 1, maka nilai kritis untuk Uji Q Cochran dapat diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat untuk derajat bebas c 1 ( 2 tabel = 2 1-;c-1). Tolak H0 , jika Q lebih besar dari atau sama dengan 2 1-;c-1. Aplikasi Q Cochran test dengan SPSS untuk contoh di atas adalah sebagai berikut: 1. Buka SPSS, input data seperti di bawah ini:

2. Pilih Analyze Non Parametric Test K-related samples, seperti gambar berikut:

95

Analisis Komparasional

3. Maka akan muncul kotak dialog kemudian blok semua variabel, klik panah disamping sehingga variabel pindah ke box sebelah kanan. Setelah itu pilih Cochrans Q

4. Kemudian pilih Exact, sehingga muncul kotak dialog seperti di bawah, dan checklist exact kembali klik Continue OK

5. Maka output yang dihasilkan adalah:

96

Analisis Komparasional

6. Interpretasi Dari hasil output SPSS uji Q Cochran diatas dapat dinyatakan bahwa uji yang dilakukan signifikan secara statistik karena nilai Cochran Q lebih kecil daripada nilai (2) (3,8 < 5,991) - lihat pada tabel chi-square - pada nilai kritik 0,05. Dengan demikian terima hipotesis nol yang mengindikasikan bahwa semua semua atribut yang diuji memiliki proporsi jawaban ya yang sama. Uji cochran akan dilakukan terus menerus hingga didapatkan nilai hitung < tabel, jika belum maka pengujian dilakukan terus-menerus dengan menghilangkan atribut yang memiliki jawaban ya paling sedikit.(

Uji Friedman
Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari dua kelompok sampel yang saling berhubungan. Data yang dianalisis adalah data ordinal, sehingga jika data berbentuk interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal. Uji Friedman merupakan alternative dari ANOVA satu jalur. Uji ini dilakukan jika asumsi-asumsi dalam statistik parametris tidak terpenuhi, atau juga karena sampel yang terlalu sedikit. Contoh Kasus Seorang guru ingin mengetahui bagaiman respon siswa dalam belajar dengan memberikan 4 metode yang berbeda. Pada minggu pertama diberikan metode A, minggu kedua diberikan metode B, minggu ketiga diberikan metode C, dan minggu ke empat diberikan metode D. Masing-masing metode dilakukan pengukuran mengenai reaksi dan keaktifan siswa dalam menerima pelajaran yang diukur dengan skala odinal 3 kategori yaitu buruk sedang baik DATA

97

Analisis Komparasional

PENYELESAIAN Klik Analyze non parametric pilih k related sample

Masukkan metode A, B, C, dan D ke test variable Pilih Statistic, lalu pilih descriptive.. Tetap pada pilihan Friedman, lalu klik OK HASIL

98

Analisis Komparasional

Pada hasil deskriptif terlihat rata-rata pada metode A adalah sebesar 1.6, B sebesar 2.1, C sebesar 1.7 dan D sebesar 2.1 Deviasi standar masing-masing sebesar 0.502 (A), 0.307 (B), 0.550 (C) dan 0.587 (D) PENGUJIAN HIPOTESIS Pada tabel test statistic terlihat bahwa besaran nilai Chi Square = 13.630 dan asymp sig 0.003. Hasil uji signifikansi Chi Square menunjukkan bahwa sig < 0.05 sehingga dapat disimpulkan bahwa empat metode belajar yang diberikan memberikan reaksi yang berbeda dari siswa. Dari hasil ranking diketahui bahwa metode D mendapat respon paling tinggi, disusul metode B, kemudian C dan terakhir A.

99

Analisis Komparasional

Analisis Komparasional

DEWI SATRIA AHMAR EZZAR FITRIANI MARYONE SAIJA ASLIN JUPRI

PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2012

100

Analisis Komparasional