RINGKASAN PRAKTIKUM METODE STATISTIKA II KELAS A

LABORATORIUM KOMPUTASI STATISTIKA DAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA

Dosen Pengampu : Dr. Herni Utami, M.Si.

Asisten Praktikum :
Fian Setiyaningsih (15843)
Risqia Fadhilah Syahrir (15849)

ANOVA SATU ARAH

ANOVA Satu Arah adalah uji mean yang dilakukan untuk populasi, dengan ,
memerlukan prosedur yang sedikit berbeda dengan uji mean untuk 1 atau 2 populasi.

ANOVA Satu Arah melibatkan satu faktor yang diduga mempengaruhi variabel respon.

Contoh :

Misalkan kita akan melihat perbedaan efek 4 bahan bakar yang berbeda terhadap jarak
tempuh . Diambil 20 sampel mobil dengan spesifikasi yang sama (sampel 5 mobil per bahan
bakar)

Pembahasan :
Berdasarkan contoh di atas, diduga faktor bahan bakar mempengaruhi variabel respon yaitu
jarak tempuh mobil . Diketahui . Pada kasus ini k adalah banyaknya jenis bahan
bakar. Diketahui pula

Asumsi dalam ANOVA Satu Arah :

Data sampel dari populasi berdistribusi normal (Parametrik)

Jika data tidak berdistribusi normal, maka akan digunakan metode statistika
nonparametrik. (akan dibahas pada bagian Statistika Non-Parametrik)
o Hipotesis
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
Tingkat Signifikansi

Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
P-value ... = ...
P-value ... = ...
Dan seterusnya untuk populasi...

Fian Setiyaningsih_Risqia Fadhilah S Page 1

 Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan

Data sampel dari populasi mempunyai variansi yang relatif sama

(p-value lihat tabel Tests of Homogeneity of Variances)
Data sampel yang diambil dari populasi memiliki variansi yang relatif sama.
o Hipotesis
H0 : Semua populasi memiliki variansi yang relatif sama
H1 : Variansi populasi tidak sama
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Data bersifat independen antar satu populasi dengan populasi yang lain*
*untuk asumsi independen, biasanya sudah terpenuhi jika data sampel diambil secara
acak.

UJI ANOVA SATU ARAH (p-value lihat tabel ANOVA)

o Hipotesis
H0 : Semua populasi memiliki rata-rata yang relatif sama
H1 : Ada populasi yang memiliki rata-rata yang berbeda
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

*Jika H0 pada Uji ANOVA Satu Arah ditolak, maka dilakukan UJI MCA (Multiple
Comparison Analysis). Uji MCA ini bertujuan untuk mengetahui perbedaan rata rata tiap
populasi. (Uji MCA dilakukan ketika level faktor lebih dari 2).

Fian Setiyaningsih_Risqia Fadhilah S Page 2

UJI MULTIPLE COMPARISON ANALYSIS (lihat tabel Multiple Comparisons)

o Hipotesis
H0 : tidak ada perbedaan yang signifikan antara ... dengan ...
H1 : ada perbedaan yang signifikan antara ... dengan ...
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

CONTOH SOAL ANOVA SATU ARAH

Data berikut merupakan data beberapa bungkus rokok yang terjual di sebuah pasar swalayan
pada 8 hari yang dipilih secara random ;

Cap

A B C D E

21 35 45 32 45

35 12 60 53 29

32 27 33 29 31

28 41 36 42 22

14 19 31 40 36

47 23 40 23 29

25 31 43 35 42

38 20 48 42 30

a. Lakukan uji asumsi normalitas dan kesamaan variansi terhadap data tersebut!
b. Dengan nilai = 0,05, tentukan apakah secara rata-rata pasar swalayan yang
menjual kelima merk rokok di atas berhasil menjual rokok sama banyaknya?
c. Jika terdapat perbedaan, lakukan uji MCA dan cap rokok manakah yang terjual
paling banyak?

Fian Setiyaningsih_Risqia Fadhilah S Page 3

ANOVA DUA ARAH

Hampir sama dengan ANOVA Satu Arah, yaitu ANOVA Dua Arah adalah uji mean yang
dilakukan untuk populasi, dengan

Bedanya adalah, ANOVA Dua Arah melibatkan dua faktor yang diduga mempengaruhi
variabel respon.

Contoh :

Misalkan kita ingin mengetahui apakah perbedaan metode belajar dan kelompok belajar
berpengaruh terhadap nilai mahasiswa. Diuji 4 metode dengan 3 kelompok belajar sehingga
didapat 12 kombinasi perlakuan . Diambil 3 sampel untuk masing-masing kombinasi
perlakuan.

Pembahasan :
Berarti dari contoh di atas, diduga faktor metode belajar dan kelompok belajar
mempengaruhi variabel respon yaitu nilai mahasiswa. Diketahui
. Kemudian level faktor metode belajar = 4 ; level faktor
kelompok belajar = 3.

Asumsi dalam ANOVA Dua Arah :

Data sampel berdistribusi normal (Parametrik)

Hampir sama dengan ANOVA Satu Arah. Namun dalam ANOVA Dua Arah ini
dilakukan Uji Kenormalan untuk masing-masing faktor.
o Hipotesis
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
Tingkat Signifikansi

Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
P-value ... = ...
P-value ... = ...
Dan seterusnya...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Fian Setiyaningsih_Risqia Fadhilah S Page 4

 Data sampel mempunyai variansi yang relatif sama
Hampir sama dengan ANOVA Satu Arah. Namun dalam ANOVA Dua Arah ini
dilakukan Uji Kesamaan Variansi untuk masing-masing faktor.

o Hipotesis
H0 : Semua populasi memiliki variansi yang relatif sama
H1 : Variansi populasi tidak sama
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Data bersifat independen antar satu populasi dengan populasi yang lain*
*untuk asumsi independen, biasanya sudah terpenuhi jika data sampel diambil secara
acak.

UJI ANOVA DUA ARAH (Interaksi)

o Hipotesis
H0 : tidak ada interaksi antara faktor ... dan faktor ...
H1 : ada interaksi antara faktor ... dan faktor ...
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

*Jika H0 pada Uji ANOVA Dua Arah tidak ditolak (tidak terdapat interaksi), maka dilakukan
Uji Efek Faktor untuk masing-masing faktor.

UJI EFEK FAKTOR

o Hipotesis
H0 : tidak ada efek faktor ...
H1 : ada efek faktor ...
Tingkat Signifikansi

Fian Setiyaningsih_Risqia Fadhilah S Page 5

 Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan

*Jika H0 pada Uji Efek Faktor ditolak (terdapat efek faktor), maka untuk mengetahui
perbedaan rata-rata, dilakukan UJI MCA (Multiple Comparison Analysis).

UJI MULTIPLE COMPARISON ANALYSIS (lihat tabel Multiple Comparisons)

o Hipotesis
H0 : tidak ada perbedaan yang signifikan antara ... dengan ...
H1 : ada perbedaan yang signifikan antara ... dengan ...
Tingkat Signifikansi

Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Fian Setiyaningsih_Risqia Fadhilah S Page 6

CONTOH SOAL ANOVA DUA ARAH
Tiga varietas kentang hendak dibandingkan hasilnya. Percobaannya hendak dilaksanakan
dengan menggunakan 12 petak yang seragam di masing-masing 4 lokasi yang berbeda. Di
setiap lokasi setiap varietas dicobakan pada 3 petak yang ditentukan secara acak. Hasilnya,
dalam kwintal per petak, adalah sebagai berikut:

Varietas Kentang
Lokasi
A B C

16 20 22

1 19 24 17

12 18 14

17 24 26

2 10 18 19

13 22 21

9 12 10

3 12 15 5

5 11 8

14 21 19

4 8 16 15

11 14 12

a) Analisis apa yang digunakan untuk kasus di atas? Mengapa?

b) Apakah terdapat perbedaan produksi kentang?Lakukan analisis lengkap namun
singkat padat jelas !
c) Sebagai seorang statistisi, apa saran yang bisa kalian berikan kepada petani
kentang?

Fian Setiyaningsih_Risqia Fadhilah S Page 7

ANALISIS REGRESI LINEAR SEDERHANA

Analisis yang dilakukan antara variabel independen (prediktor) dan variabel dependen
(respon) dimana prediktor diasumsikan mempengaruhi variabel respon secara linear.

Analisis Regresi Linear Sederhana melibatkan satu variabel independen yang diduga
mempengaruhi variabel respon.

Tujuan dilakukan Analisis Regresi Linear Sederhana:

Mengetahui bentuk hubungan antara variabel dependen (biasa dilambangkan dengan

Y) dan variabel independen (
Melakukan prediksi nilai variabel dependen (Y) bila diketahui nilai variabel
independen (

Contoh :

Misalkan kita ingin mengetahui apakah lama tidur berpengaruh terhadap nilai mahasiswa.
Diambil 60 sampel mahasiswa S1 Statistika semester 4 yang kemudian didata lama tidurnya
dan juga IP-nya.

Pembahasan :
Berarti dari contoh di atas, diduga faktor lama tidur (yang disebut sebagai prediktor)
mempengaruhi nilai mahasiswa (variabel respon)
Asumsi dalam Analisis Regresi Linear Sederhana :

Data Variabel Dependen berdistribusi normal

o Hipotesis
H0 : Data variabel dependen (...) berdistribusi normal
H1 : Data variabel dependen (...) tidak berdistribusi normal
Tingkat Signifikansi

Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Linearitas
Harus ada hubungan linear antara variabel dependen dengan variabel independen ,
bisa linear positif ataupun linear negatif.

Fian Setiyaningsih_Risqia Fadhilah S Page 8

 Kenapa harus linear? Karena kita melakukan Analisis Regresi Linear , jadi sesuai
dengan nama analisis yang kita lakukan, bahwa asumsi Linear ini memegang peranan
penting. Karena jenis Analisis Regresi itu banyak (tidak hanya Linear saja)

Contoh Interpretasi Linearitas

Karena titik-titik berada di sekitar garis lurus menaik, maka bisa disimpulkan bahwa
terdapat hubungan linear positif antara variabel independen (...) dengan variabel
dependen (...) UNTUK LINEAR POSITIF, atau
Karena titik-titik berada di sekitar garis lurus menurun, maka bisa disimpulkan bahwa
terdapat hubungan linear negatif antara variabel independen (...) dengan variabel
dependen (...) UNTUK LINEAR NEGATIF

Jika dilihat bahwa titik-titik cenderung tidak berada di sekitar garis lurus
menaik/menurun maka terdapat hubungan linear positif/negatif yang lemah. Contoh
interpretasinya untuk yang lemah :

Karena titik-titik cenderung berada di sekitar garis lurus menaik, maka bisa
disimpulkan bahwa terdapat hubungan linear positif yang lemahantara variabel
independen (...) dengan variabel dependen (...) UNTUK LINEAR POSITIF
LEMAH, atau
Karena titik-titik cenderung berada di sekitar garis lurus menurun, maka bisa
disimpulkan bahwa terdapat hubungan linear negatif yang lemahantara variabel
independen (...) dengan variabel dependen (...) UNTUK LINEAR NEGATIF
LEMAH
Setelah asumsi terpenuhi, maka kita akan melakukan Uji Kelayakan Model Regresi (Uji
Overall) dan Uji Kelayakan Konstanta beserta Koefisien Variabel Independen (Uji Parsial)

UJI OVERALL

o Hipotesis
H0 : model regresi tidak layak digunakan
H1 : model regresi layak digunakan
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Fian Setiyaningsih_Risqia Fadhilah S Page 9

UJI PARSIAL

Uji Konstanta

o Hipotesis
H0 : konstanta tidak layak digunakan
H1 : konstanta layak digunakan
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Uji Variabel Independen

o Hipotesis
H0 : variabel independen (...) tidak layak digunakan
H1 : variabel independen (...) layak digunakan
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

*Jika Variabel Independen tidak signifikan pada Analisis Regresi Linear Sederhana, maka
otomatis model regresi tersebut tidak terpakai karena variabel independennya hanya satu-
satunya yang tidak mungkin dikeluarkan.
Namun, jika konstanta tidak signifikan pada Analisis Regresi Linear Sederhana maka
konstanta bisa dikeluarkan dan model masih bisa digunakan asalkan variabel independennya
signifikan.

Interpretasi Model Summary

R = besarnya hubungan antara variabel dan
Artinya variabel independen erat dengan variabel dependen sebesar ... %
Catatan
Nilai R
Jika nilai R > 0,5 = hubungan erat linear positif
Jika nilai R < -0,5 = hubungan erat linear negatif

Fian Setiyaningsih_Risqia Fadhilah S Page 10

 R2 = variasi dalam variabel yang dapat diterangkan oleh
variabel (dalam persen, jangan dibulatkan)
Artinya sebesar (nilai R2 dalam persen) variabel dependen dapat diterangkan
oleh variabel independen, dan (100% - nilai R2 dalam persen) sisanya
diterangkan oleh variabel lain.
Semakin besar nilai R2 maka semakin besar variabel dependen yang dipengaruhi oleh
variabel independen (model semakin baik)
Adjusted R2 = besarnya koreksi terhadap R2
Artinya nilai koreksi R2 yang didapat sebesar ...
Standard Error of Estimate = besarnya variasi dalam model*
*Semakin besar, maka semakin buruk karena errornya makin besar.

Interpretasi Model Regresi

Contoh

Maka interpretasinya adalah :

Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan kenaikan dari
sebesar satuan dengan menganggap variabel lain konstan.

Jika tandanya negatif -

maka interpretasinya :
Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan penurunan
dari sebesar satuan dengan menganggap variabel lain konstan.

ANALISIS REGRESI LINEAR GANDA

Analisis Regresi Linear Ganda melibatkan lebih dari satu variabel independen
yang diduga mempengaruhi variabel respon. ( )

Tujuan dilakukan Analisis Regresi Linear Ganda :

Mengetahui bentuk hubungan antara variabel dependen (biasa dilambangkan dengan

Y) dan variabel independen ( ,
Melakukan prediksi nilai variabel dependen (Y) bila diketahui nilai variabel
independen ( ,p>1

Contoh :

Misalkan kita ingin mengetahui apakah apakah Penguasaan Kosa Kata, Pemahaman Tema,
Pengetahuan Tata Bahasa memengaruhi Kemampuan Menulis Siswa SMA . Diambil 100
sampel Siswa SMA yang kemudian dicatat datanya.

Fian Setiyaningsih_Risqia Fadhilah S Page 11

Pembahasan :
Berdasarkan contoh di atas, diduga faktor Penguasaan Kosa Kata, Pemahaman Tema,
Pengetahuan Tata Bahasa (prediktor) mempengaruhi Kemampuan Menulis Siswa SMA
(variabel respon).

Asumsi dalam Analisis Regresi Linear Ganda :

Data Variabel Dependen (respon) berdistribusi normal

o Hipotesis
H0 : Data variabel dependen (...) berdistribusi normal
H1 : Data variabel dependen (...) tidak berdistribusi normal

Tingkat Signifikansi

Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Linearitas
Harus ada hubungan linear antara variabel dependen dengan variabel independen ,
bisa linear positif ataupun linear negatif.
Kenapa harus linear? Karena kita melakukan Analisis Regresi Linear , jadi sesuai
dengan nama analisis yang kita lakukan, bahwa asumsi Linear ini memegang peranan
penting. Karena jenis Analisis Regresi itu banyak (tidak hanya Linear saja)

Contoh Interpretasi Linearitas

Karena titik-titik berada di sekitar garis lurus menaik, maka bisa disimpulkan bahwa
terdapat hubungan linear positif antara variabel independen (...) dengan variabel
dependen (...) UNTUK LINEAR POSITIF, atau
Karena titik-titik berada di sekitar garis lurus menurun, maka bisa disimpulkan bahwa
terdapat hubungan linear negatif antara variabel independen (...) dengan variabel
dependen (...) UNTUK LINEAR NEGATIF

Jika dilihat bahwa titik-titik cenderung tidak berada di sekitar garis lurus
menaik/menurun maka terdapat hubungan linear positif/negatif yang lemah. Contoh
interpretasinya untuk yang lemah :

Karena titik-titik cenderung berada di sekitar garis lurus menaik, maka bisa
disimpulkan bahwa terdapat hubungan linear positif yang lemahantara variabel

Fian Setiyaningsih_Risqia Fadhilah S Page 12

 independen (...) dengan variabel dependen (...) UNTUK LINEAR POSITIF
LEMAH, atau
Karena titik-titik cenderung berada di sekitar garis lurus menurun, maka bisa
disimpulkan bahwa terdapat hubungan linear negatif yang lemahantara variabel
independen (...) dengan variabel dependen (...) UNTUK LINEAR NEGATIF
LEMAH
Setelah asumsi terpenuhi, maka kita akan melakukan Uji Kelayakan Model Regresi (Uji
Overall) dan Uji Kelayakan Konstanta beserta Koefisien Variabel Independen (Uji Parsial)

UJI OVERALL

o Hipotesis
H0 : model regresi tidak layak digunakan
H1 : model regresi layak digunakan
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
UJI PARSIAL

Uji Konstanta

o Hipotesis
H0 : konstanta tidak layak digunakan
H1 : konstanta layak digunakan
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Uji Variabel Independen

o Hipotesis
H0 : variabel independen (...) tidak layak digunakan
H1 : variabel independen (...) layak digunakan
Tingkat Signifikansi

Fian Setiyaningsih_Risqia Fadhilah S Page 13

 Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
*Jika Variabel Independen tidak signifikan pada Analisis Regresi Linear Ganda, maka
variabel independen yang tidak signifikan dengan P-value terbesar dikeluarkan terlebih
dahulu, lalu dilakukan analisis regresi linear ganda ulang tanpa variabel independen yang
dikeluarkan tersebut (diulangnya tidak perlu dari Uji Normalitas dan Linearitas, cukup
mulai dari Uji Overall)
Namun, jika konstanta tidak signifikan pada Analisis Regresi Linear Ganda maka konstanta
dikeluarkan terakhir (yaitu sesudah semua variabel independen signifikan).

Interpretasi Model Summary

R = besarnya hubungan antara variabel dan
Artinya variabel independen erat dengan variabel dependen sebesar ... %
Catatan
Nilai R
Jika nilai R > 0,5 = hubungan erat linear positif
Jika nilai R < -0,5 = hubungan erat linear negatif
2
R = variasi dalam variabel yang dapat diterangkan oleh
variabel (dalam persen, jangan dibulatkan)
Artinya sebesar (nilai R2 dalam persen) variabel dependen dapat diterangkan
oleh variabel independen, dan (100% - nilai R2 dalam persen) sisanya
diterangkan oleh variabel lain.
Semakin besar nilai R2 maka semakin besar variabel dependen yang dipengaruhi oleh
variabel independen (model semakin baik)
Adjusted R2 = besarnya koreksi terhadap R2
Artinya nilai koreksi R2 yang didapat sebesar ...
Standard Error of Estimate = besarnya variasi dalam model*
*Semakin besar, maka semakin buruk karena errornya makin besar.

Interpretasi Model Regresi

Contoh

Maka interpretasinya adalah :

Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan kenaikan
dari sebesar satuan dengan menganggap variabel lain konstan.

Fian Setiyaningsih_Risqia Fadhilah S Page 14

Jika tandanya negatif -

maka interpretasinya :
Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan penurunan
dari sebesar satuan dengan menganggap variabel lain konstan.
Contoh Soal Analisis Regresi Linear Ganda

Ingin diketahui apakah Penguasaan Kosa Kata, Pemahaman Tema, Pengetahuan Tata Bahasa
memengaruhi Kemampuan Menulis Siswa SMA?

Penggunaan Pemahaman Pengetahuan Kemampuan

No Kosa Kata Tema Tata Bahasa Menulis

1 8 10 20 6

2 8 12 21 7

3 7 12 21 6

4 9 14 23 7

5 8 15 24 7

6 8 8 20 6

7 9 15 22 7

8 6 8 18 5

9 7 20 26 8

10 9 18 28 8

11 6 10 16 5

12 5 7 15 4

13 10 22 30 9

14 9 12 19 6

15 10 15 20 7

a) Apakah uji asumsi terpenuhi?

b) Variabel apa saja yang mempengaruhi Kemampuan Menulis Siswa SMA?
c) Interpretasikan model terbaik!

Fian Setiyaningsih_Risqia Fadhilah S Page 15

ANALISIS DATA KATEGORIK

Pembagian Data

1) Data Kuantitatif (dipaparkan dalam bentuk angka-angka)

a. Interval (misal Frekuensi Kunjungan)
Data yang selain mengandung unsur penamaan dan urutan (order) juga
memiliki sifat interval (selang). Intervalnya tetap. Dapat diukur perbedaan
karakteristik antar individu.
Contoh
Frekuensi Kunjungan : 1 kali
2 kali
b. Rasio (misal Berat Badan)
Mempunyai semua karakteristik yang dimiliki skala nominal,ordinal, dan
interval. Kelebihannya adalah skala rasio ini punya nilai nol empiris absolut.
Merupakan perbandingan satu individu atau objek tertentu dengan lainnya.
Contoh
Berat badan sebelum diet : 70 kg
Berat badan sesudah diet : 60 kg

Berat sebelum : Berat sesudah diet = 70 : 60 = 7 : 6

2) Data Kualitatif (disajikan dalam bentuk kata-kata yang mengandung makna)

a. Nominal (misal Jenis Kelamin)
Data yang hanya mengandung unsur penamaan saja atau dapat diartikan
sebagai lambang saja.
Contoh
Jenis Kelamin : Laki-laki =1
Perempuan =2
b. Ordinal (misal Jenjang Pendidikan)
Data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order), ciri dari data ini disusun berdasarkan urutan yang logis dan sesuai
dengan besarnya karakteristik yang dimiliki.
Contoh
Jenjang Pendidikan : SD =1
SMP =2
SMA =3
Perguruan Tinggi =4

Jika dalam analisis terdapat expected count < 5 = lihat p-value fisher

Jika dalam analisis tidak ada expected count < 5 = lihat p-value pearson

Fian Setiyaningsih_Risqia Fadhilah S Page 16

Macam Macam Uji Hipotesis dalam Analisis Data Kategorik Tabulasi Silang

Uji Homogenitas
Sampel berasal dari populasi yang berbeda (2 populasi)
Tujuan : Mengetahui hubungan homogen proporsi populasi 1 dan populasi 2

Variabel B
Variabel A B Bc Jumlah
A a b n1 = a + b
Ac c d n2 = c + d
Jumlah m1 = a + c m2 = b + d n = n1 + n2

Sebelum melakukan penelitian, ditentukan terlebih dahulu besarnya sampel n1 dan n2 .

Keterangan
n1 = jumlah sampel yang mewakili populasi 1
n2 = jumlah sampel yang mewakili populasi 2

o Hipotesis
H0 : P1 = P2 (populasi 1 dan populasi 2 homogen)
H1 : P1 P2 (populasi 1 dan populasi 2 tidak homogen)
Tingkat Signifikansi

Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...

Contoh
Dua sampel random dari 90 orang mahasiswa (n1) dan 80 orang mahasiswi(n2). Dan
kepada mereka ditanyakan, apakah mereka setuju atau tidak setuju dengan lurah
wanita. Didapat 30 mahasiswa dan 40 mahasiswi setuju dengan lurah wanita.

Pembahasan
Dari contoh ini, dapat dilihat bahwa terdapat 2 populasi yaitu populasi mahasiswa
dan populasi mahasiswi. Dari masing-masing populasi, diambil sampel yaitu sebesar
n1 (sampel dari populasi mahasiswa) = 90 dan sebesar n2 (sampel dari mahasiswi)
=80. Lalu setelah ditanyakan pendapatnya, diperoleh :

m1(sampel dari mahasiswa dan mahasiswi yang setuju terhadap lurah wanita)
= 30 mahasiswa + 40 mahasiswi = 70 orang

Fian Setiyaningsih_Risqia Fadhilah S Page 17

 m2 (sampel dari mahasiswa dan mahasiswi yang tidak setuju terhadap lurah
wanita)
= (90-30) mahasiswa + (80-40) mahasiswi = 60 + 40 = 100 orang

n = n1 + n2 = m1 + m2= 90 + 80 = 70 + 100 = 170

Jika dibentuk tabel kontingensi 2x2 maka akan didapat :

Variabel B
Setuju Tidak Setuju Jumlah
Mahasiswa 30 60 n1 = 90
Mahasiswi 40 40 n2 = 80
Jumlah m1 = 70 m2 = 100 n = 170

Setelah didapatkan tabel kontingensi, kita dapat melakukan Uji Homogenitas.

o Hipotesis
H0 : P1 = P2 (populasi mahasiswa dan populasi mahasiswi homogen dalam
pendapatnya mengenai lurah wanita)
H1 : P1 P2 (populasi mahasiswa dan populasi mahasiswi tidak homogen
dalam pendapatnya mengenai lurah wanita)
*Uji Homogenitas tidak perlu menghitung ukuran asosiasi seperti RR/OR. Ukuran
asosiasi adalah derajat hubungan antara variabel exposure dengan variabel disease

Uji Independensi
Sampel berasal dari 1 populasi. Uji Independensi lebih sering dipakai pada mata
kuliah khusus Analisis Data Kategorik (bisa diambil pada semester genap)

o Hipotesis
H0 : P[AB]= P[A]P[B](tidak ada hubungan antara variabel exposure dan
variabel disease)
H1 : P[AB] P[A]P[B](ada hubungan antara variabel exposure dan
variabel disease)
Dalam Uji Independensi ini, terdapat 3 desain penelitian. Desain penelitian ini membedakan
penggunaan OR/RR.
TABEL KONTINGENSI 2x2

Fian Setiyaningsih_Risqia Fadhilah S Page 18

 Prospektif
Pada studi ini, banyaknya subjek dalam tiap kelompok exposure, dan
ditetapkan oleh peneliti sebelum studi dimulai. Subjek kemudian diamati secara
prospektif untuk melihat seberapa banyak yang menjadi disease dan tidak
menjadi disease .

Ukuran Asosiasi yang digunakan adalah Relative Risk (RR)

Contoh :
Misalkan akan dilakukan penelitian untuk mengetahui hubungan antara kebiasaan
merokok dengan kanker paru paru. Sekarang dipilih 150 pria umur 40 tahun ke atas
dengan kebiasaan merokok dan 140 pria umur 40 tahun ke atas yang tidak
memiliki kebiasaan merokok , kemudian 10 tahun lagi peneliti akan
menanyakan responden tersebut apakah mereka terkena kanker paru atau tidak.

Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
pria umur 40 tahun ke atas. Namun, populasi pria umur 40 tahun ke atas ini
dikelompokkan berdasarkan kebiasaan merokok mereka, jadi akan didapat sampel :
pria umur 40 tahun ke atas dengan kebiasaan merokok yang akan
masuk ke nE ,
sampel pria umur 40 tahun ke atas yang tidak memiliki kebiasaan
merokok yang akan masuk ke nNE .
Didapatkan nE = 150 dan nNE = 140. Lalu 10 tahun kemudian, ditanyakan apakah
mereka positif kanker paru, maka akan didapatkan :

nD(total pria umur 40 tahun ke atas yang terkena kanker paru)

nND(total pria umur 40 tahun ke atas yang tidak terkena kanker paru)

n = nE+ nNE= 150 + 140 = 290

Contoh interpretasi untuk RR

Pria umur 40 tahun ke atas yang memiliki kebiasaan merokok memiliki resiko terkena
kanker paru paru sebesar ... (nilai RR) kali lebih dibandingkan dengan pria umur 40
tahun ke atas yang tidak memiliki kebiasaan merokok.

Fian Setiyaningsih_Risqia Fadhilah S Page 19

 Retrospektif
Pada studi ini, peneliti memilih subjek yang memiliki disease dan tanpa disease
. Kemudian diselidiki riwayatnya untuk mengetahui berapa banyak yang ter-
expose dan yang tidak.

Ukuran Asosiasi yang digunakan adalah Odds Ratio (OR)

( )
=
( )

Contoh :
Peneliti ingin mengetahui hubungan antara kebiasaan merokok ibu hamil dengan
kemungkinan bayi lahir dengan berat kurang dari 2500 gram (Berat Bayi Lahir
Rendah) , kemudian peneliti pergi ke suatu puskesmas dan menanyakan kepada 70
ibu yang memiliki bayi BBLR dan menanyakan juga kepada 60 ibu yang
memiliki bayi yang berat lahirnya normal . Lalu ditanyakan, apakah dulu saat
hamil Ibu itu memiliki kebiasaan merokok.

Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
bayi lahir. Namun, populasi bayi lahir ini dikategorikan menurut berat badan saat
lahir. Jadi akan didapat sampel bayi yang berat lahirnya rendah yang dikategorikan ke
dalam nD , dan juga bayi yang berat lahirnya normal yang dikategorikan ke dalam
nND. Didapatkan nD = 70 dan nND= 60. Setelah didapatkan data banyakknya nD dan
nND, ingin diketahui apakah penyebab berat bayi lahir rendah apakah dikarenakan ibu
yang merokok ketika hamil atau tidak. Dengan demikian ditanyakan kepada Ibu-Ibu
tersebut apakah mereka dulu waktu hamil memiliki kebiasaan merokok atau tidak.
Kemudian diperoleh

nE(total ibu yang waktu hamil dulunya memiliki kebiasaan merokok)

nNE(total ibu yang waktu hamil dulunya tidak memiliki kebiasaan merokok)

n = nD + nND= 70 + 60 = 130

Contoh interpretasi untuk OR

Ibu yang dulunya waktu hamil memiliki kebiasaan merokok memiliki resiko untuk
melahirkan bayi dengan berat lahir yang rendah sebesar (nilai OR)kali lebih besar
dibandingkan dengan ibu yang dulunya waktu hamil tidak memiliki kebiasaan
merokok.

Fian Setiyaningsih_Risqia Fadhilah S Page 20

 Cross-sectional
Pada studi ini, subjek diklasifikasi menurut dua variabel yaitu dan
yang diukur pada saat yang sama.

Ukuran Asosiasi yang digunakan adalah Relative Risk (RR) atau Odds Ratio (OR)

Dalam studi ini, banyaknya sampel (n) ditentukan terlebih dahulu sebelum melakukan
penelitian.

Contoh :
Dua ratus enam puluh tiga mahasiswa yang makan siang di kantin ditanya apakah
mereka sakit perut atau tidak. Jawaban mereka diklasifikasi menurut apakah mereka
makan pakai sambal atau tidak.

Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
mahasiswa yang makan siang di kantin sebanyak 263 mahasiswa. Pada saat yang
bersamaan, akan ditanya apakah mereka sakit perut atau tidak dan juga ditanyakan
apakah mereka makan pakai sambal atau tidak.

n = 263 mahasiswa

Digunakan uji homogenitas, jika :

Terdapat dua populasi

Tujuan penelitian adalah untuk mengetahui apakah populasi 1 dan populasi 2
homogen atau tidak.

Digunakan uji independensi, jika :

Tujuan penelitian adalah untuk mengetahui ada tidaknya hubungan antara variabel
exposure dengan variabel disease.
Diketahui desain studi penelitian.

Fian Setiyaningsih_Risqia Fadhilah S Page 21

STATISTIKA NON-PARAMETRIK

Dipakai saat terdapat asumsi yang diperlukan dalam uji Parametrik tidak terpenuhi.

Ciri ciri :

Distribusi tidak diketahui

Karena distribusinya tidak diketahui, juga berarti bahwa tidak berdistribusi normal
Biasanya data berskala nominal dan ordinal (tetapi bukan berarti bahwa data yang
berskala interval dan rasio tidak bisa memakai Statistika Non-Parametrik)
Sehingga, sebenarnya skala pengukuran dan jenis data tidak terlalu berarti
Jumlah data kecil

Dilakukan untuk :

Data Independen (dikoding saat input ke SPSS)

2 sampel : Uji Mann-Whitney
k sampel : Uji Kruskal-Wallis ,
Data Dependen(tidak dikoding, inputnya per kolom yaitu per populasi)
2 sampel : Uji Tanda (Sign Test) , Uji Wilcoxon Signed Rank

*lebih akurat kalau memakai Uji Wilcoxon Signed Rank dibanding Uji Tanda

k sampel : Uji Friedman, Uji Q-Cochrans ,

Uji Mann-Whitney

Menguji signifikansi hipotesis antara 2 sampel independen. Oleh karena independen maka 2
sampel tersebut ukurannya bisa berbeda.

Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
2 Mean Populasi Independen seperti yang sudah dipelajari di Metode Statistika I. Namun,
jika salah satu uji asumsi saja sudah tidak terpenuhi maka langsung memakai Statistika Non-
Parametrik untuk 2 Populasi Independen yaitu Uji Mann-Whitney.

o Hipotesis
H0 : = (tidak ada perbedaan rata-rata untuk sampel yang berasal dari
2 populasi tersebut)
H1 : (ada perbedaan rata-rata untuk sampel yang berasal dari 2
populasi tersebut)

Fian Setiyaningsih_Risqia Fadhilah S Page 22

Uji Kruskal-Wallis

Menguji signifikansi hipotesis antara sampel independen dan karena independen berarti
sampel tersebut ukurannya bisa berbeda. ( )

Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
Mean Populasi Independen yaitu ANOVA SATU ARAH yang sudah dipelajari pada bab
awal Metode Statistika II. Namun, jika salah satu uji asumsi saja sudah tidak terpenuhi
maka langsung memakai Statistika Non-Parametrik untuk Populasi Independen yaitu Uji
Kruskal-Wallis.

Asumsi dalam Kruskall-Wallis

Sampel berasal dari populasi-populasi independen

Sampel diambil secara random dari populasi masing-masing
Karena data sampel diambil secara random, maka asumsi sampel berasal dari
populasi independen terpenuhi.
Data diukur minimal dalam skala ordinal

o Hipotesis
H0 : = = ... = (tidak ada perbedaan rata-rata untuk sampel yang
berasal dari populasi tersebut)
H1 : ada yang tidak sama, (ada perbedaan rata-rata untuk
sampel yang berasal dari populasi tersebut)

Uji Wilcoxon Signed Rank

Hanya untuk data bertipe interval atau rasio.

Menguji signifikansi hipotesis untuk 1 sampel yang dikenai 2 perlakuan.

Jika asumsi distribusi normal dan uji korelasi*semuanya terpenuhi maka memakai Uji 2
Mean Populasi Dependen seperti yang sudah dipelajari di Metode Statistika I. Namun, jika
asumsi normalitas tidak terpenuhi maka langsung memakai Statistika Non-Parametrik
untuk 2 Populasi Dependen yaitu Uji Wilcoxon Signed Rank.

*Uji Korelasi sebenarnya tidak wajib dilakukan untuk Asumsi 2 Mean Populasi Dependen,
ada yang memakai Uji Korelasi, namun ada juga yang tidak memakai Uji Korelasi,
semuanya tergantung pada yang sudah anda pelajari di kelas sebelumnya.

o Hipotesis
H0 : = (tidak ada perbedaan rata-rata sampel sebelum dan sesudah)
H1 : (ada perbedaan rata-rata sampel sebelum dan sesudah)

Fian Setiyaningsih_Risqia Fadhilah S Page 23

Uji Friedman

Menguji signifikansi hipotesis antara 1 sampel yang dikenai perlakuan ( dependen) dan
karena dependen berarti ukurannya harus sama untuk setiap perlakuan,

Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
Mean Populasi Dependen yaitu ANOVA DUA ARAH yang sudah dipelajari pada bab
awal Metode Statistika II. Namun, jika salah satu uji asumsi saja sudah tidak terpenuhi
maka langsung memakai Statistika Non-Parametrik untuk Populasi Dependen yaitu Uji
Friedman.

o Hipotesis
H0 : populasi-populasi dalam suatu blok identik
H1 : sekurang-kurangnya salah satu perlakuan cenderung menghasilkan nilai-
nilai yang lebih besar dibanding sekurang-kurangnya salah satu perlakuan
yang lain.

Kesalahan Umum dalam Tugas/Kuis/Laprak

Jangan lupa mengenai tanda koma dan juga tanda titik, ada SPSS yang
menginterpretasikan koma dengan tanda , , ada juga yang menginterpretasikan
dengan koma dengan tanda . . Kenali SPSS yang anda pakai untuk mengerjakan
analisis. Karena salah tanda dari awal bisa menyebabkan kesalahan TOTAL dalam
pengerjaan analisis.
Jangan bulatkan semua nilai yang tertera pada output SPSS, tuliskan sesuai dengan
output SPSS. Kemarin cukup banyak yang membulatkan nilai P-value dan ada juga
yang membulatkan nilai Standard Error of Estimate di Model Summary.

Karena P-value = 0,000 yang tertera pada output SPSS itu berbeda dengan 0

Karena nilai Standard Error misal 10,081563 yang tertera pada output SPSS itu berbeda
dengan 10,082 ataupun 10,08156. Di statistika, 10,081563 itu berbeda dengan 10,081561
yang walaupun jika dibulatkan sama-sama 10,08156.

In statistics, 0,00000000000000001 does matter

Jangan lupa untuk mendefinisikan setiap yang anda tulis , khususnya

dalam Analisis Regresi Linear.
Saat menulis uji inferensi, harus lengkap yaitu mencakup : Hipotesis, Tingkat
Signifikansi, Statistik Uji, Daerah Kritik, serta Kesimpulan . jangan lupakan
walaupun hanya 1 bagian .
Saat membuat kesimpulan, jangan hanya menulis ya atau tidak , namun tuliskan
secara lengkap yaitu variabel ... signifikan atau variabel ... tidak signifikan.
Saat pengerjaan, diusahakan jangan memakai singkatan dalam penulisan misalkan
dgn untuk dengan , tdk untuk tidak

Fian Setiyaningsih_Risqia Fadhilah S Page 24

 Saat menulis interpretasi, pastikan itu singkat,padat, namun mencakup total dan jelas.
Tuliskan interpretasi itu agar orang yang awam akan statistika juga bisa mengerti
analisis anda.

Telitilah dalam bekerja, ikuti semua instruksi dan format penulisan yang tertera dalam
permasalahan yang akan dianalisis.

PENUTUP

Semoga ringkasan ini dapat digunakan dengan sebaik mungkin, diharapkan dengan adanya
ringkasan ini bisa lebih memudahkan praktikan dalam memahami materi Praktikum Metode
Statistika 2 Kelas A. Kami menyadari bahwa masih banyak kekurangan dalam ringkasan ini,
sehingga diharapkan praktikan dapat mencari referensi pembelajaran lain yang ada pada buku
ataupun internet yang relevan. Kami mohon maaf jika selama praktikum ini kami banyak
kesalahan baik itu salah perbuatan maupun salah kata, juga apabila kami terlalu cepat
menjelaskan materi praktikum. Tetap semangat dan jangan pernah kenyang dalam belajar,
jalan masih panjang dan semoga kita bisa bertemu lagi pada kesempatan selanjutnya!!

Tertanda, Asisten Praktikum Metode Statistika 2 Kelas A :

Fian Setiyaningsih (15843)

Risqia Fadhilah Syahrir (15849)

Yogyakarta, 2016.

Fian Setiyaningsih_Risqia Fadhilah S Page 25