Anda di halaman 1dari 21

BAB I

PENDAHULUAN
A. LATAR BELAKANG
Statistika berasal dari bahasa latin yaitu status yang berarti negara
dan digunakan untuk urusan negara. Hal ini dikarenakan pada mulanya,
statistik hanya digunakan untuk menggambar keadaan dan menyelesaikan
masalah yang berhubungan dengan kenegaraan saja seperti : perhitungan
banyaknya penduduk, peembayaran pajak, gaji pegawai, dan lain sebagainya.
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang
membahas metode-metode ilmiah untuk pengumpulan, pengorganisasian,
penyimpulan, penyajian, analisis data, serta penarikan kesimpulan yang sahih
sehingga keputusan yang diperoleh dapat diterima.
Statistika inferensial mencakup semua metode yang berhubungan
dengan analisis sebagian data atau juga sering disebut dengan sampel untuk
kemudian sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan data induknya (populasi). Dalam statistika inferensial diadakan
pendugaan parameter, membuat hipotesis, serta melakukan pengujian
hipotesis tersebut sehingga sampai pada kesimpulan yang berlaku umum.
Metode ini disebut juga statistika induktif, karena kesimpulan yang ditarik
didasarkan pada informasi dari sebagian data saja. Pengambilan kesimpulan
dari statistika inferensial yang hanya didasarkan pada sebagian data saja
sebagian data saja menyebabkan sifat tak pasti, memungkinkan terjadi
kesalahan dalam pengambilan keputusan, sehingga pengetahuan
mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode
statistika inferensial.
Statistik inferensial digunakan dalam proses mengambil keputusan
dalam menghadapi ketidakpastian dan perubahan. Contoh ketidakpastian
adalah kuat tekan beton dalam suatu pengujian tidak sama, walaupun dibuat
dengan material yang sama. Dengan adanya kenyataan tersebut, maka metode
statitsik digunakan untuk menganalisis data dari suatu proses pembuatan
1

beton tersebut sehingga diperoleh kualitas yang lebih baik. Statistik


inferensial telah menghasilkan banyak metode analitis yang digunakan untuk
menganalisis data. Dengan perkataan lain statistik inferensial tidak hanya
mengumpulan data, tetapi juga mengambil kesimpulan dari suatu sistem
saintifik.
Untuk mengetahui lebih jelas mengenai statistika inferensial, akan
diuraikan mengenai pengertian statistika inferensial dan ruang lingkup
statistika inferensial.

B. RUMUSAN MASALAH
Berdasarkan uraian latar belakang diatas, maka dalam makalah ini
ada 3 rumusan masalah yaitu :
1. Apa yang dimaksud dengan statistika inferensial ?
2. Apa fungsi dari statistika inferensial ?
3. Apa saja yang termasuk ruang lingkup statistika inferensial ?
C. TUJUAN
Berdasarkan rumusan masalah diatas, maka tujuan yang ingin
dicapai dalam penulisan makalah ini adalah sebagai berikut:
1. Mengetahui pengertian dari statistika inferensial.
2. Mengetahui fungsi dari statistika inferensial.
3. Mengetahui ruang lingkup statistika inferensial.

BAB II
PEMBAHASAN
A. Pengertian Statistik Inferensial
Statistika Inferensial adalah serangkaian teknik yang digunakan untuk
mengkaji, menaksir dan mengambil kesimpulan berdasarkan data ynag diperoleh
dari sempel untuk menggambarkan karakteristik atau ciri dari suatu populasi.
Oleh karena itu, statistika inferensial disebut juga statistik induktif atau statistik
penarikan kesimpulan. Dalam statistika inferensial, kesimpulan dapat diambil
setelah melakukan pengolahan serta penyajian data dari suatu sampel yang
diambil dari suatu populasi, sehingga agar dapat memberikan cerminan yang
mendekati sebenarnya dari suatu populasi, maka ada beberapa hal yang perlu
diperhatikan dalam statistika inferensial, diantaranya:
1. Banyaknya subyek penelitian, maksudnya jika populasi ada 1000, maka
sampel yang diambil jangan hanya 5, namun diusahakan lebih banyak, seperti
10 atau 50.
2. Keadaan penyebaran data. Dalam hal ini perlu diperhatikan bahwa
pengambilan sampel harus merata pada bagian populasi. Diharapkan dalam
pengambilan sampel dilakukan secara acak, sehingga kemerataan dapat
dimaksimalkan dan apapun kesimpulan yang didapat dapat mencerminkan
keadaan populasi yang sebenarnya.
Statistika Inferensial dibagi menjadi dua, yaitu Statistika Parametrik dan
Statistika Non Parametrik.
1. Statistika parametrik terutama digunakan untuk menganalisa data interval
dan rasio, yang diambil dari populasi yang berdistribusi normal.
2. Statistika non-parametrik terutama digunakan untuk menganalisa data
nominal, dan ordinal dari populasi yang bebas distribusi.
Contoh dari statistika inferensial adalah pada pemilihan Ketua BEM
Universitas A tahun 2015. Dalam kegiatan ini, walaupun sistem pemilihannya
dengan pemungutan suara, tetapi tidak semua mahasiswa Universitas A yang
diberikan untuk memilih, melainkan hanya perwakilan dari masing-masing HMJ.
Di sini telah dilakukan sampling, yaitu pemilihan sampel (perwakilan HMJ), dari
3

suatu populasi (seluruh mahasiswa Universitas A). Dari hasil pemungutan suara
dari masing-masing perwakilan HMJ, maka data-data yang diperoleh digunakan
sebagai acuan untuk membuat kesimpulan bahwa hal itulah yang diinginkan oleh
seluruh mahasiswa Universitas A walaupun jika ditelaah mungkin saja tidak
demikian.
Jadi, berdasarkan uraian di atas tentang statistika inferensial menyajikan data
untuk mendapat kesimpulan terhadap obyek yang lebih luas, sehingga karena
inferensi tidak dapat secara mutlak pasti, perkataan probabilitas (kemungkinan)
sering dinyatakan dalam menyatakan kesimpulan.
B. Fungsi Statistika Inferensial
Statistika Inferensial atau induktif adalah statistik bertujuan menaksir secara
umum suatu populasi dengan menggunakan hasil sampel, termasuk didalamnya
teori penaksiran dan pengujian teori. Statistika Inferensial digunakan untuk
melakukan :
a. Generalisasi dari sampel ke populasi.
b. Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan
menghubungkan, yaitu uji keterkaitan, kontribusi).
C. Ruang lingkup Bahasan Statistika Inferensial
Berdasarkan ruang lingkup bahasannya, statistika inferensial mncakup :
1.
2.
3.
4.
5.
6.
7.
8.
9.

Probabilitas atau teori kemungkinan


Distribusi teoritis
Sampling dan sampling distribusi
Pendugaan populasi atau teori populasi
Uji hipotesis
Analisis korelasi dan uji signifikasi
Analisis regresi untuk peramalan
Analisis varians
Analisis kovarians
1. Probabilitas atau teori kemungkinan
Teori statistik dianggap telah selesai jika kita telah selesai membuat suatu

kesimpulan tentang karakteristik populasi. Untuk membuatkesimpulan mengenai


populasi, pada umumnya penelitian terhadap sampel yang diambil dengan teknk

tertentu. Cara mengambil sampel penelitian disebut sampling. Jika sampling


diambil dengan teknik sampling, maka sampel penelitian tersebut dapat dikatakan
representasi dari populasi.
Kesimpulan yang diambil oleh peneliti tidaklah pasti secara absolut dan
selalu memiliki kekeliruan tertentu. Untuk itu diperlukan pengetahuan tentang
teori probabilitas atau teori peluang atau teori tentang kemungkinan terjadinya
kepastian dan ketidakpastian suatu kejadian. Dengan demikian, Probabilitas dapat
diartikan kemungkinan terjadinya suatu peristiwa diantara kejadian seluruhnya
yang mungkin terjadi.
2. Distribusi Teoritis
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah
distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup
yang melebar tak berhingga pada kedua arah positif dan negatifnya.
Penggunaanya sama dengan penggunaan kurva distribusi lainnya. Frekuensi
relatif suatu variabel yang mengambil nilai antara dua titik pada sumbu datar.
Tidak semua distribusi berbentuk lonceng setangkup merupakan distribusi normal.
Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva
normal yang menjadi dasar banyak teori statistika induktif. Distribusi normal
sering pula disebut Distribusi Gauss untuk menghormati Gauss (1777 1855),
yang juga menemukan persamaannya waktu meneliti galat dalam pengukuran
yang berulang-ulang mengenai bahan yang sama.
Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel
kontinu mencakup semua bilangan, baik utuh maupun pecahan. Oleh karenanya
tidak bisa dipisahkan satu nilai dengan nilai yang lain. Itulah sebabnya fungsi
variabel random kontinu sering disebut fungsi kepadatan, karena tidak ada ruang
kosong diantara dua nilai tertentu. Dengan kata lain sesungguhnya keberadaan
satu buah angka dalam variabel kontinu jika ditinjau dari seluruh nilai adalah
sangat kecil, bahkan mendekati nol. Karena itu tidak bisa dicari probabilitas satu
buah nilai dalam variabel kontinu, tetapi yang dapat dilakukan adalah mencari
probabilitas diantara dua buah nilai.

3. Sampling dan Distribusi Sampling


Sampling adalah bagian dari metodologi statistika yang berhubungan
dengan pengambilan sebagian dari populasi. Jika sampling dilakukan dengan
metode yang tepat, analisis statistik dari suatu sampel dapat digunakan untuk
menggeneralisasikan keseluruhan populasi. Sampling berguna dalam penarikan
kesimpulan (inference) yang valid dan dapat dipercaya.
Distribusi sampling adalah distribusi nilai statistik sampel-sampel. Jika
statistik yang ditinjau adalah mean dari masing masing sampel, maka distribusi
yang terbentuk disebut distribusi mean mean sampling (sampling distribution
of the means). Dengan demikian dapat juga diperoleh distribusi standar deviasi,
varians, median dari sampling. Masing masing jenis distribusi sampling dapat
dihitung ukuran-ukuran statistik deskriptifnya (mean, range, standar deviasi, da
lain-lain).
Sampling memiliki beberapa tipe diataranya :
a)

Simple random sampling adalah sebuah proses sampling yang dilakukan

sedemikian rupa sehingga setiap satuan sampling yang ada dalam populasi
mempunyai peluang yang sama untuk dipilih ke dalam sampel.
b) Systematic sampling merupakan pengambilan setiap unsur ke k dalam
populasi, untuk dijadikan sampel. Pengambilan sampel secara acak hanya
dilakukan pada pengambilan awal saja, sementara pengambilan kedua dan
seterusnya ditentukan secara sistematis, yaitu menggunakan interval tertentu
sebesar k.
c) Stratified sampling adalah penarikan sampel berstrata yang dilakukan
dengan mengambil sampel acak sederhana dari setiap strata populasi yang
sudah ditentukan lebih dulu.
d) Convenience sampling, sampel diambil berdasarkan faktor spontanitas,
artinya siapa saja yang secara tidak sengaja bertemu dengan peneliti dan
sesuai dengan karakteristiknya, maka orang tersebut dapat dijadikan sampel.
e) Judgement sampling (purposive sampling) adalah teknik penarikan
sampel yang dilakukan berdasarkan karakteristik yang ditetapkan terhadap
elemen populasi target yang disesuaikan dengan tujuan atau masalah

penelitian.Bedanya, jika dalam sampling stratifikasi penarikan sampel dari


setiap subpopulasi dilakukan dengan acak, maka dalam sampling kuota,
ukuran serta sampel pada setiap sub-subpopulasi ditentukan sendiri oleh
peneliti sampai jumlah tertentu tanpa acak.
f)Snowball Sampling merupakan salah satu bentuk judgement sampling yang
sangat tepat digunakan bila populasinya kecil dan spesifik. Cara pengambilan
sampel dengan teknik ini dilakukan secara berantai, makin lama sampel
menjadi semakin besar, seperti bola salju yang menuruni lereng gunung.
Kriteria yang harus diperhatikan untuk menentukan tipe sampling yang baik,
diantaranya:
a)
b)
c)
d)

dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi,


dapat menentukan presisi dari hasil penelitian,
sederhana, mudah dilaksanakan, dan
dapat memberikan keterangan sebanyak mungkin tentang populasi dengan
biaya minimal.

Tahapan sampling adalah:


a)
b)

Mendefinisikan populasi hendak diamati.


Menentukan kerangka sampel, yakni kumpulan semua item atau peristiwa

yang mungkin.
c) Menentukan metode sampling yang tepat.
d) Melakukan pengambilan sampel (pengumpulan data).
e) Melakukan pengecekan ulang proses sampling.

4. Pendugaan Populasi atau Teori Populasi


Populasi adalah himpunan dari unsur unsur yang sejenis.Unsur- unsur
sejenis tersebut bisa berupa manusi, hewan, tumbuh tumbuhan, benda benda,
zat cair, peristiwa dan sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak
terbatas. Populasi dari mana sampel diambil disebut populasi induk. Melalui
teknik pengambilan sampel yang reliabel kesimpulan penelitian dapat
digeneralisasikan. Ada kesalahan generalisasi yangperlu dipertimbangkan karena
besar kecilnya keslahan generalisasi tergantung pada : (1) besarnya sampel
penelitian, (2) teknik sampling yang digunakan, (3) kecermatan memasukkan ciri
7

ciri populasi dan sampling, (4) cara cara pengambilan data dan (5) rancangan
analisi data.
Populasi (population/universe) dalam statistika merujuk pada sekumpulan
individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian
(pengamatan). Misalnya, jika yang ingin diteliti adalah sikap konsumen terhadap
satu produk tertentu, maka populasinya adalah seluruh konsumen produk tersebut.
Jika yang diteliti adalah laporan keuangan perusahaan X, maka populasinya
adalah keseluruhan laporan keuangan perusahaan X tersebut, Jika yang diteliti
adalah motivasi pegawai di departemen A maka populasinya adalah seluruh
pegawai di departemen A. Jika yang diteliti adalah efektivitas gugus kendali
mutu (GKM) organisasi Y, maka populasinya adalah seluruh GKM organisasi
YPopulasi dari mana sampel penelitian diambil disebut populasi induk. Ukuran
populasi ada dua:
(1) populasi terhingga (finite population), yaitu ukuran populasi yang berapa pun
besarnya tetapi masih bisa dihitung (cauntable). Misalnya populasi pegawai suatu
perusahaan;
(2) populasi tak terhingga (infinite population), yaitu ukuran populasi yang sudah
sedemikian besarnya sehingga sudah tidak bisa dihitung (uncountable). Misalnya
populasi tanaman anggrek di dunia.

5. Uji Hipotesis
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari
analisa data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak
terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik
jika kejadian tersebut hampir tidak mungkin disebapkan oleh faktor yang
kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan
dari uji hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini

adalah pengujian untuk menjawab pertanyaan yang mengasumsikan hipotesis nol


adalah benar.
6. Analisis Korelasi Dan Uji Signifikasi
Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada
tahun 1900. Tujuan dari analisis ini adalah untuk menetukan seberapa erat
hubungan antara dua variabel. Analisis korelasi adalah suatu teknik statistik yang
digunakan untuk mengukur keeratan hubungan atau korelasi antara dua variabel.
Analisis korelasi mencoba mengukur keeratan hubungan antara dua
variabel X dan Y. Keeratan hubungan antara dua variabel tersebut dinyatakan
dalam bentuk koefisien korelasi yang dilambangkan dengan huruf r. Koefisien
korelasi (r) menunjukkan seberapa dekat titik kombinasi antara variabel Y dan X
pada garis lurus sebagai garis dugaannya. Semakin dekat titik kombinasi dengan
garis dugaannya maka nilai korelasi semakin membesar. Sebaliknya, semakin
menyebar dari garis dugaannya maka nilai korelasi semakin kecil.
Pengertian lain menyebutkan, korelasi adalah metode statistik yang
dipakai untuk mengukur asosiasi atau hubungan antara dua atau lebih variabel
kuantitatif, sedangkan untuk mengukur asosiasi antara dua atau lebih variabel
kuantitatif dipakai tes X kuadrat. Sebagai contoh hubungan antara dosis obat
hipertensi dan tekanan darah, hubungan antara dua variabel ini dinyatakan pada
sumbu X dan Y yang membentuk suatu garis linier dan koefisien (r) yang
menyatakan derajat hubungan antara dua variabel tersebut. Sedangkan untuk
korelasi sendiri digunakan untuk menyatakan derajat hubungan linier antara dua
variabel X dan Y. Jika korelasi antara X dan Y mempunyai hubungan sangat erat,
maka nilai koefisien korelasi (r) mendekati -1 atau +1, dan bila tidak ada
hubungan akan mendekati nilai 0.
7. Analisis Regresi Untuk Peramalan
Analisis regresi dalam statistika adalah salah satu metode untuk
menentukan hubungan sebab-akibat antara satu variabel dengan variabel - variabel
yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel
penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel

X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X).
Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel
dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan
variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel
acak. Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan
ramalan, dengan penggunaan yang saling melengkapi dengan bidang
pembelajaran mesin. Analisis ini juga digunakan untuk memahami variabel bebas
mana saja yang berhubungan dengan variabel terikat, dan untuk mengetahui
bentuk-bentuk hubungan tersebut.
8. Analisis Varians
Analisis varians (analysis of variance, ANOVA) adalah suatu metode
analisis statistika yang termasuk ke dalam cabang statistika inferensial. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari
masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan
keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher,
bapak statistika modern. Dalam praktik, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di
bidang genetika terapan). Secara umum, analisis varians menguji dua varians
(atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians
pertama adalah varians antarcontoh (among samples) dan varians kedua adalah
varians di dalam masing-masing contoh (within samples). Dengan ide semacam
ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan
uji-t untuk dua rerata (mean). Supaya sahih (valid) dalam menafsirkan hasilnya,
analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi
dalam perancangan percobaan:
a) Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor

10

b) Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena


hanya digunakan satu penduga (estimate) untuk varians dalam contoh
c) Masing-masing contoh saling bebas, yang harus dapat diatur dengan
perancangan percobaan yang tepat
d) Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk
berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih
memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat
luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen
periklanan, psikologi, dan kemasyarakatan.
9. Analisis Kovarians
Analisis kovarian (anakova) adalah uji statistik multivarian yang
merupakan perpaduan antara analisis regresi dengan analisis varian (anava).
Analisis Kovarian (Anakova) dikembangkan oleh R. A. Fischer, seorang pakar
statistik berkebangsaan Inggris dan pertama kali dipublikasikan pada tahun 1932.
Anakova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental (dirancang sendiri) dan juga observasional (sudah terjadi di
lapangan). Dalam penelitian, tidak jarang terjadi, satu atau lebih variabel yang
tidak dapat dikontrol oleh peneliti karena keterbatasan penyelenggaraan
eksperimen atau karena alasan lain, padahal peneliti sadar bahwa variabel-variabel
tersebut juga mempengaruhi hasil eksperimennya(Suryadi dan Purwanto,2008).
Menghadapi situasi seperti ini, maka peneliti perlu mengadakan
pendekatan statistik untuk mengontrol dalam arti meniadakan berbagai efek dari
satu atau lebih variabel yang tidak terkontrol ini. Anakova merupakan salah satu
metode statistik yang digunakan untuk mengatasi variabel yang tidak terkontrol
tersebut (Supratiknya, 2006).
Secara lebih khusus dalam anakova akan diadakan analisis residu pada
garis regresi, yaitu dilakukan dengan jalan membandingkan varian residu antar
kelompok dengan varian residu dalam kelompok.
11

Anakova akan dihitung dengan melakukan pengendalian statistik yang


gunanya untuk membersihkan atau memurnikan perubahan-perubahan yang
terjadi pada variabel terikat sebagai akibat pengaruh variabel-variabel atau karena
rancangan penelitian yang tidak kuat. Pengendalian terhadap pengaruh luar dalam
penelitian memiliki fungsi yang penting terutama untuk mempelajari pengaruh
murni suatu perlakuan pada variabel tertentu terhadap variabel lain (Winarsunu,
2007).

12

BAB III
PENUTUP
A. KESIMPULAN
1. Statistika Inferensial adalah serangkaian teknik yang digunakan untuk
mengkaji, menaksir dan mengambil kesimpulan berdasarkan data ynag
diperoleh dari sempel untuk menggambarkan karakteristik atau ciri dari
suatu populasi.
2. Statistika Inferensial digunakan untuk melakukan :

Generalisasi dari sampel ke populasi.

Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan


menghubungkan, yaitu uji keterkaitan, kontribusi).

3. Berdasarkan ruang lingkup bahasannya, statistika inferensial mencakup :

Probabilitas atau teori kemungkinan

Dristribusi teoritis

Sampling dan sampling distribusi

Pendugaan populasi atau teori populasi

Uji Hipotesis

Analisis korelasi dan uji signifikasi

Analisis regresi untuk peramalan

Analisis varians

Analisis kovarians

13

DAFTAR PUSTAKA
Suryadi dan Purwanto. 2008. Statistika untuk Ekonomi dan Keuangan Modern.
Jakarta: Salemba Empat
Sugiyono. 2009. Statistika untuk Penelitian. Bandung: Alfabeta.
Winarsunu, Tulus. 2007. Statistik dalam Penelitian Psikologi dan Pendidikan.
Malang : UPT Penerbitan Universitas Muhammadiyah Malang.

14

Pertanyaan dan Jawaban pada Presentasi tentang Statistika


Inferensial
1. Hendra Yogatama
Pertanyaan
: Apakah perlu dilakukan uji normalitas jika data berupa
angket?
Jawaban

: Pada instrumen berupa angket yang menggunakan skala


Likert data yang diperoleh adalah data interval sehingga
perlu dilakukan uji normalitas untuk mengetahui apakah
data tersebut berdistribusi normal atau tidak.

2. Nana Mardiana
Pertanyaan
: a. Pembagian analisis korelasi berdasarkan apa?
b. Apakah linearitas bersifat searah atau bolak balik?
c. Apa maksud dari pernyataan distribusi normal untuk
nonparametrik?
Jawaban

: a. Berdasarkan jenis data yaitu data berbentuk


interval,rasio,ordinal atau nominal.
b. Hubungan linearitas bersifat searah
c. Maksudnya walaupun data berdistribusi normal teknik
analisisnya bisa menggunakan statistik nonparametrik
karena statistik nonparametrik bebas distribusi (bisa
digunakan untuk data yang berdistribusi normal atau
tidak).

3. Edi Firmansyah dan Setyo Eko Rusmanto


Pertanyaan
: Bagaimana jika pada bab 3 telah dinyatakan menggunakan
anava namum pada kenyataannya data tidak berdistribusi normal apa yang
harus dilakukan?
Jawaban
: Ada 2 pilihan . Pertama jika jumlah data banyak dan
jumlah kelompok tiap kelas sama dapat menggunakan
anava walaupun data tidak berdistribusi normal. Kedua
menggunakan teknik statistik nonparametrik yang terdiri
atas chi kuadrat k sampel, test cochran dan Friedman.

15

4. Soeharto
Pertanyaan

: a. Apa perbedaan uji normalitas dengan chi kuadrat dan


kolmogorov smirnov?
b. Bagaimana cara melakukan uji normalitas Kolmogorov

Jawaban

smirnov dengan SPSS?


: a. Perbedaan antara uji Kolmogorov-Smirnov dan Chi
Kuadrat adalah jika uji Kolmogorov-Smirnov dirancang
secara khusus untuk distribusi kontinu dan dapat digunakan
untuk distribusi diskrit bila ukuran sampel kurang dari 30.
Sedangkan uji Chi Kuadrat dapat digunakan untuk distribusi
kontinu jika distribusi populasi yang kontinu itu merupakan
distribusi yang terkelompok-kelompok atas sejumlah
interval 46 klasifikasi yang tidak tumpang tindih dan
banyaknya terbatas dan dapat digunakan untuk distribusi
diskrit, terutama dengan ukuran sampel lebih besar dari 50
uji Chi Kuadrat sangat valid digunakan.
b. Data motivasi belajar (X) dan data prestasi belajar (Y)

Cara menganalisisnya yaitu :


1. Buka lembar kerja SPSS
2. Masukkan keterangan di variabel view seperti gambar berikut :

16

3. Klik Data view dan masukkan semua data sehingga hasilnya seperti
gambar berikut :

4. Lakukan analisis dengan cara : memilih menu Analyze, lalu sub menu
Nonparametric test kemudian pilih 1-Sample K-S.

5. Setelah di klik maka akan muncul kotak dialog berikut:

17

6. Pindahkan semua variable ke kotak test variable list dengan cara


memblok semua variable kemudian mengklik tanda panah sehingga
kotak dialog menjadi seperti berikut :

7. Klik Options sehingga muncul kotak dialog sebagai berikut, kemudian


centang Descriptive lalu klik Continue.

18

8. Klik Exact maka kotak dialog akan muncul seperti gambar di bawah
ini, lalu pilih Asymplotic lalu klik Continue.

9. Klik OK sehingga muncul Output sebagai berikut :


Descriptive Statistics
N

Mean

Std. Deviation

Minimum

Maximum

Motivasi

12

64.7500

19.74439

7.00

80.00

Prestasi

12

83.3333

7.78499

75.00

95.00

One-Sample Kolmogorov-Smirnov Test


Motivasi
N
Normal Parametersa,,b

12

12

64.7500

83.3333

19.74439

7.78499

Absolute

.322

.191

Positive

.220

.191

Negative

-.322

-.142

1.114

.662

.167

.773

Mean
Std. Deviation

Most Extreme Differences

Prestasi

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

a. Test distribution is Normal.


b. Calculated from data.
* Analisis:
Ho : Data berdistribusi normal

19

Ha : Data tidak berdistribusi normal


* Dasar pengambilan keputusan adalah berdasarkan probabilitas
Jika nilai probabilitas > 0,05 maka Ho diterima
Jikan nilai probabilitas <= 0,05 maka Ho ditolak
* Keputusan
a. Motivasi : Terlihat bahwa pada kolom signifikan (Asymp. Sig (2tailed)) adalah 0,167 atau probabilitas lebih dari 0,05 maka Ho
diterima yang berarti data berdistribusi normal.
b. Prestasi : Terlihat bahwa pada kolom signifikan (Asymp. Sig (2tailed)) adalah 0,773 atau probabilitas lebih dari 0,05 maka Ho
diterima yang berarti data berdistribusi normal.
5. Maria Yuliana KUA
Pertanyaan : Apakah dalam setiap analisis data perlu dilakukan uji
Jawaban

normalitas, uji linearitas dan homogenitas?


: Uji yang dilakukan bergantung pada hipotesis penelitian.
Uji normalitas dilakukan untuk mengetahui apakah suatu
data terdistribusi normal atau tidak. Uji linearitas
dilakukan sebelum melakukan analisis regresi karena salah
satu asumsi dari analisis regresi adalah linearitas .
Sedangkan uji homogenitas dilakukan sebelum analisis
varians karena untuk melakukan analisis varians dilandasi
beberapa asumsi yang harus dipenuhi salah satunya
varians antar sampel homogen sehingga perlu dilakukan
pengujian homogenitas varians.

6. Holil Septa
Pertanyaan
data?
Jawaban

: Bagaimana mengurangi kesalahan dalam menganalisis


: a. Memperbanyak jumlah sampel
b. Menggunakan teknik probability random sampling
dalam memilih sampel.

7. Setyo Eko Rusmanto


20

Pertanyaan

: Apa maksud dari pernyataan bahwa dalam statistik

nonparametrik data bisa diordinalkan?


Jawaban
: Jika data yang berbentuk interval telah diuji normalitas
dan data tersebut tidak terdistribusi normal sehingga
teknik statistik yang digunakan adalah statistik
nonparametrik maka data yang awalnya interval/rasio
dapat diubah menjadi data ordinal agar dapat dilakukan
analisis statistik menggunakan nonparametrik.

21