BAB.

II PROSEDUR ANALISIS DATA

A. PENYAJIAN DATA DALAM BENTUK TABEL, GRAFIK, BAGAN DAN DIAGRAM Data yang sudah diolah, agar mudah dibaca dan dimengerti oleh orang lain, maka perlu disajikan dalam bentuk-bentuk tertentu, antara lain tabel;grafik;bagan dan diagram. Manfaat dari Penyajian data antara lain : 1. Menunjukkan perkembangan suatu keadaan, 2. Mengadakan perbandingan pada suatu waktu. TABEL : memberikan informasi secara rinci dalam bentuk kumpulan angka yang disusun menurut kategori tertentu dalam suatu daftar. Terdiri atas kolom dan baris. GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci dalam bentuk gambar. Hal yang perlu diperhatikan ketika membuat grafik : 1. Menentukan sumbu absis (X) dan ordinat Y). Sumbu absis mencantumkan nilai dan sumbu ordinat mewakili frekuensi. 2. Menentukan perbandingan antara X dan Y. Lazimnya sumbu X dibuat lebih panjang. 3. Pemberian nama pada tiap sumbu. 4. Pemberian nama pada grafik. Jenis Grafik, Bagan dan Diagram : Histogram, Poligon, Ogive, Bagan melingkar, grafik batang, kartogram, Piktogram, diagram garis, bagan piramida. 1. Histogram Grafik ini disebut juga Bar diagram yakni grafik berbentuk segi empat. Dasar pembuatan dengan menggunakan batas nyata atau titik tengah. 2. Poligon Grafik ini juga populer dengan sebutan poligon frekuensi. Dibuat dengan menghubungkan titik tengah dalam bentuk garis (kurve). Grafik ini mendasarkan pada titik tengah dalam pembuatannya. 3. Grafik Ogive Disebut juga grafik frekuensi meningkat, karena cara pembuatannya dengan menjumlah frekuensi pada tiap nilai variabel. 4. Bagan melingkar/ grafik melingkar Yaitu grafik atau bagan berupa lingkaran yang telah dibagi menjadi beberapa bagian sesuai dengan proporsi data. Biasanya dinyatakan dalam persen.

5. Grafik Batang atau balok Yaitu grafik yang berbentuk persegi panjang yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai data yang bersangkutan. Setiap batang tidak boleh saling melekat atau menempel dan jarak tiap batang harus sama. Susunan grafik ini boleh tegak atau mendatar. 6. Kartogram atau peta statistik Yaitu grafik data berupa peta yang menunjukkan kondisi data dan diwakili oleh lambang tertentu dalam sebuah peta. Biasanya untuk menggambarkan kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan, hasil pertambangan dan sebagainya. 7. Piktogram Yaitu grafik data yang menggunakan gambar atau lambang dalam penyajiannya. Satu lambang bisa mewakili jumlah tertentu. 8. Grafik garis Yaitu grafik data berupa garis yang diperoleh dari ruas garis yang menghubungkan titik-titik pada bilangan. Grafik ini dibuat dengan 2 sumbu yakni sumbu X menunjukkan bilangan yang sifatnya tetap, seperti tahun, ukuran dan sebagainya. Sedangkan pada sumbu Y ditempatkan bilangan yang sifatnya berubah-ubah seperti, harga, biaya dan jumlah. Salah satu tugas statistik adalah menentukan suatu angka di sekitar mana nilai-nilai dalam distribusi memusat. Dengan kata lain salah satu tugas statistik adalah menentukan angka yang menjadi pusat suatu distribusi. Angka/ nilai yang menjadi pusat suatu distribusi selanjutnya disebut tendensi sentral atau kecenderungan tengah. Ada 3 jenis pengukuran tendensi sentral yang sangat penting yaitu; Mean, Median dan Mode/ modus. Ketiga jenis pengukuran tendensi sentral tersebut memiliki pengertian, asumsi dan tujuan serta metode penghitungan yang berbeda.

a). Mean/ Rata-rata ( X ) Pengukuran mean atau rata-rata sangat sering digunakan dalam analisis statistik. Mean diterapkan dengan tujuan untuk menentukan angka/ nilai rata-rata dan secara aritmatik ditentukan dengan cara menjumlah seluruh nilai dibagi banyaknya individu. Pengukuran rata-rata dapat diterapkan dengan asumsi bahwa data yang diperoleh dari hasil pengukuran berskala interval dan rasio. Bagaimana menentukan harga mean atau rata-rata? Setidaknya ada 3 metode penghitungan untuk menentukan harga mean yakni; X 1. Mean ( X ) = ----- ; Jumlah nilai dibagi banyaknya individu. N 2. Mean yang ditimbang : menentukan rata-rata jika data ada frekuensinya

FX Mean ( X ) = ------ ; Jumlah frek. kali nilai dibagi total frekuensi. N 3. Menghitung mean pada kasus data bergolong bisa dilakukan dengan rumus mean terkaan sebagai berikut : Mean (X) = MT + Keterangan : MT : mean terkaan/ mean kerja, ditentukan titik tengah dari interval nilai di mana harga mean diterka. Fx N i : jumlah deviasi kesalahan akibat terkaan : jumlah individu/ total frekuensi. : lebar interval fx ----N i.

b). Median (Md) Median adalah nilai yang menjadi batas 50 persen distribusi frekuensi bagian bawah dan 50 persen distribusi frekuensi bagian atas. Ringkasnya median adalah nilai yang membagi distribusi menjadi 2 bagian yang sama yakni 50 persen, 50 persen. Harga median bisa ditentukan dengan beberapa formulasi tergantung pada kasus yang dihadapi. 1). Jika berhadapan dengan data tunggal Median = X (k+1) atau nilai yang ke k + 1 --- untuk kasus n ganjil N-1 di mana n = 2 k+1 dan k = ------2 Median = ( X k + X k+1) -------- untuk n genap N di mana n = 2 k dan k = -------2

2). Jika berhadapan dengan data bergolong Median = N - Cfb Bb + ------------Fd i

Keterangan :

Bb : Batas bawah nyata dari interval kelas yang mengandung median Cfb. : Frekuensi kumulatif dibawah interval kelas yang mengandung median Fd : Frekuensi dalam interval yang mengandung median i. N : Lebar kelas/ interval : Banyak individu atau jumlah frekuensi

c). Modus/ Mode Secara sederhana modus didefinisikan nilai yang paling sering muncul atau nilai yang memiliki frekuensi paling banyak. Satu hal yang perlu diingat bahwa modus adalah persoalan nilai bukannya frekuensi. Frekuensi hanya menunjuk intensitas kemunculan sesuatu nilai. Pada data tunggal menentukan mode/modus mungkin tidaklah terlampau sulit. Hanya dengan memperhatikan nilai yang memiliki frekuensi terbanyak maka dapat diidentifikasi nilai modus/mode dari distribusi data. Hal ini agak berbeda jika berhadapan dengan data bergolong. Apabila data yang dihadapi bergolong menentukan harga modus ada 2 pendekatan, yakni pertama, dengan menentukan mid point atau nilai tengah dari interval kelas yang memiliki frekuensi terbanyak dan kedua dengan formulasi sebagai berikut: i f -- f Mo = Xo + ----- . --------------------2 2 fo -- f -- f Keterangan : Mo adalah harga modus yang dicari Xo : Titik tengah dari interval kelas yang mengandung modus i : Interval / lebar kelas

fo : Frekuensi dalam interval kelas yang mengandung mode/modus f f : Frekuensi sebelum interval kelas yang mengandung mode/ modus : Frekuensi sesudah interval kelas yang mengandung mode/ modus

Satu catatan bahwa dalam suatu distribusi data sangat dimungkinkan harga atau nilai mode/modus lebih dari satu. Jika nilai mode/modus hanya satu disebut dengan unimode, dua nilai mode disebut dwi mode dan lebih dari dua nilai mode/modus dinamakan multimode.

B. ANALISIS DATA STATISTIK

Bila ingin mengetahui bentuk hubungan dua variabel atau lebih, digunakan Analisis Regresi. Analisis Regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda. Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan. Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut : Y = a + b X. Keterangan : Y : Variabel terikat (Dependent Variable); X : Variabel bebas (Independent Variable); a : Konstanta; dan b : Koefisien Regresi. Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut : a = [(Y . X2) (X . XY)] / [(N . X2) (X)2] atau a = (Y/N) b (X/N) b = [N(XY) (X . Y)] / [(N . X2) (X)2] Perbedaan Korelasi dan Regresi
Analisis

korelasi dan regresi termasuk analisis multivariat karena menyangkut hubungan antar dua variabel atau lebih dan variabel-variabel tersebut dianalisis secara bersama-sama. Pada analisis korelasi, kita memiliki tujuan untuk mempelajari apakah ada hubungan antara dua variabel atau lebih, sedangkan pada analisis regresi kita memprediksi seberapa jauh pengaruh tersebut. Melalui analisis korelasi kita dapat menhyatakan adanya hubungan antar variabel, maka dengan analsisi regresi kita dapat memperkirakan pengaruh variabel terhadap variabel lainnya. Melalui korelasi, hasil yang diperoleh adalah angka yang ditafsirkan menurut kriteria tertentu sedangkan dengan regresi akan menghasilkan persamaan regresi atau model regresi. Kedudukan variabel pada korelasi adalah setara, sedangkan pada regresi kedudukannya berbeda karena ada variabel independen (bebas) yang mempengaruhi variabel dependen (terikat).

 Pada

uji regresi perhitungan korelasi menjadi bagian dalam analisis yang digunakan untuk menentukan koefisien determinasi. Dengan demikian dapat dikatakan korelasi merupakan bagian dari analisis regresi, namun tidak berlaku sebaliknya.

Analisis regresi berganda (Multivariate Regression) merupakan suatu model dimana variabel terikat tergantung pada dua atau lebih variabel bebas. Analisis ini digunakan untuk mengetahui pengaruh variabel bebas/ independen terhadap variabel terikat. Analisis regresi berganda dapat dinyatakan dengan persamaan berikut. Y = a + b1X1 + b2X2 + + bnXn Dimana: Y adalah variabel tak bebas/ terikat X adalah variabel-variabel bebas a adalah konstanta (intersept) b adalah koefisien regresi/ nilai parameter Pengujian Hipotesis Distribusi T Pada Model Regresi Berganda Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual.

Hipotesa Nol = Ho Ho adalah satu pernyataan mengenai nilai parameter populasi. Ho merupakan hipotesis statistik yang akan diuji hipotesis nihil.

Hipotesa alternatif = Ha Ha adalah satu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesa nol adalah salah.

Langkah-langkah/ urutan menguji hipotesa dengan distribusi T 1. Merumuskan hipotesa Ho : i = 0, artinya variabel bebas bukan merupakan penjelas yang signifikan terhadap variabel terikat Ha : i 0, artinya variabel bebas merupakan penjelas yang signifikan terhadap variabel terikat. 2. Menentukan taraf nyata/ level of significance =

Taraf nyata / derajad keyakinan yang digunakan sebesar = 1%, 5%, 10%, dengan: df = n k Dimana: df = degree of freedom/ derajad kebebasan n = Jumlah sampel k = banyaknya koefisien regresi + konstanta

3. Menentukan daerah keputusan, yaitu daerah dimana hipotesa nol diterima atau tidak. Untuk mengetahui kebenaran hipotesis digunakan kriteria sebagai berikut. Ho diterima apabila t ( / 2; n k) t hitung t ( / 2; n k), artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat. Ho ditolak apabila t hitung > t ( / 2; n k) atau t hitung < -t ( / 2; n k), artinya ada pengaruh antara variabel bebas terhadap variabel terikat.

4. Menentukan uji statistik (Rule of the test) 5. Mengambil keputusan Keputusan bisa menolak Ho atau menolak Ho menerima Ha. Nilai t tabel yang diperoleh dibandingkan nilai t hitung, bila t hitung lebih besar dari t tabel, maka Ho ditolak, sehingga dapat disimpulkan bahwa variabel independent berpengaruh pada variabel dependent. Apabila t hitung lebih kecil dari t tabel, maka Ho diterima sehingga dapat disimpulkan bahwa variabel independen tidak berpengaruh terhadap variabel dependen. Pengujian Hipotesis Distribusi F Pada Model Regresi Berganda Tabel F dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Langkah-langkah/ urutan menguji hipotesa dengan distribusi F

1. Merumuskan hipotesa Ho : 1 = 2 = 3 = 4 = 0, berarti secara bersama-sama tidak ada pengaruh variabel bebas terhadap variabel terikat. Ha : 1 2 3 4 0, berarti secara bersama-sama ada pengaruh variabel bebas terhadap variabel terikat. 2. Menentukan taraf nyata/ level of significance = Taraf nyata / derajad keyakinan yang digunakan sebesar = 1%, 5%, 10%. Derajat bebas (df) dalam distribusi F ada dua, yaitu : df numerator = dfn = df1 = k 1 df denumerator = dfd = df2 = n k Dimana: df = degree of freedom/ derajad kebebasan n = Jumlah sampel k = banyaknya koefisien regresi 3. Menentukan daerah keputusan, yaitu daerah dimana hipotesa nol diterima atau tidak Ho diterima apabila F hitung F tabel, artinya semua variabel bebas secara bersama-sama bukan merupakan variabel penjelas yang signifikan terhadap variabel terikat. Ho ditolak apabila F hitung > F tabel, artinya semua variabel bebas secara bersamasama merupakan penjelas yang signifikan terhadap variabel terikat. 4. Menentukan uji statistic nilai F Bentuk distribusi F selalu bernilai positif

5. Mengambil keputusan Keputusan bisa menolak Ho atau menolak Ho menerima Ha. Nilai F tabel yang diperoleh dibanding dengan nilai F hitung apabila F hitung lebih besar dari F tabel, maka ditolak sehingga dapat disimpulkan bahwa ada pengaruh yang signifikan antara variabel independen dengan variabel dependen.