C h .

1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |1

Latar Belakang
Hipotesis seperti yang diketahui, merupakan dugaan yang mungkin benar,
atau mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan
diterima jika faktor-faktor membenarkannya. Penolakan dan penerimaan
hipotesis, dengan begitu sangat tergantung kepada hasil-hasil penyelidikan
terhadap faktor-faktor yang dikumpulkan.
Hipotesis dapat juga dipandang sebagai konklusi yang sifatnya sangat
sementara. Sebagai konklusi sudah tentu hipotesis tidak dibuat dengan semena-
mena, melainkan atas dasar pengetahuan-pengetahuan tertentu. Pengetahuan
ini sebagian dapat diambil dari hasil-hasil serta problematika-problematika yang
timbul dari penyelidikan-penyelidikan yang mendahului, dari renungan-renungan
atas dasar pertimbangan yang masuk akal, ataupun dari hasil-hasil penyelidikan
yang dilakukan sendiri. Untuk mengetahui kedudukan hipotesis antara lain :
1. Perlu di uji apakah ada data yang menunjuk hubungan variabel penyebab
dan variabel akibat.
2. Adakah data yang menunjukkan bahwa akibat yang ada, memang
ditimbulkan oleh penyebab itu.
3. Adanya data yang menunjukkan bahwa tidak ada penyebab lain yang bisa
menimbulkan akibat tersebut.
Apabila ketiga hal tersebut dapat dibuktikan, maka hipotesis yang
dirumuskan mempunyai kedudukan yang kuat dalam penelitian.

Kegunaan hipotesis
Kegunaan hipotesis antara lain:
1. Hipotesis memberikan penjelasan sementara tentang gejala-gejala serta
memudahkan perluasan pengetahuan dalam suatu bidang.
2. Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat
diuji dalam penelitian.
3. Hipotesis memberikan arah kepada penelitian.
4. Hipotesis memberikan kerangka untuk melaporkan kesimpulan
penyelidikan.

Jenis-jenis hipotesis
Ada dua jenis hipotesis yang digunakan dalam penelitian antara lain:
1. Hipotesis kerja atau alternatif, disingkat Ha.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |2

Hipotesis kerja menyatakan adanya hubungan antara variabel X dan Y,

atau adanya perbedaan antara dua kelompok. Rumusan hipotesis kerja:
a) Jika... Maka...
b) Ada perbedaan antara... Dan... Dalam...
c) Ada pengaruh... Terhadap...
2. Hipotesis nol (null hypotheses) disingkat Ho.
Hipotesis ini menyatakan tidak ada perbedaan antara dua variabel, atau
tidak adanya pengaruh variabel X terhadap variabel Y. Rumusannya:
a) Tidak ada perbedaan antara... Dengan... Dalam...
b) Tidak ada pengaruh... terhadap...

Saran untuk memperoleh hipotesis:

1. Hipotesis induktif. Dalam prosedur induktif, penelitian merumuskan
hipotesis sebagai suatu generalisasi dari hubungan-hubungan yang
diamati.
2. Hipotesis deduktif. Dalam hipotesis ini, peneliti dapat memulai penyelidikan
dengan memilih salah satu teori yang ada dibidang yang menarik minatnya,
setelah teori dipilih, ia lalu menarik hipotesis dari teori ini.

Ciri-ciri hipotesis
Ciri-ciri hipotesis yang baik:
1. Hipotesis harus mempunyai daya penjelas.
2. Hipotesis harus menyatakan hubungan yang diharapkan ada di antara
variabel-variabel-variabel.
3. Hipotesis harus dapat diuji.
4. Hipotesis hendaknya konsistesis dengan pengetahuan yang sudah ada.
5. Hipotesis hendaknya dinyatakan sesederhana dan seringkas mungkin.

Menggali dan merumuskan hipotesis

Dalam menggali hipotesis, peneliti harus:
1. Mempunyai banyak informasi tentang masalah yang ingin dipecahkan
dengan jalan banyak membaca literatur-literatur yang ada hubungannya
dengan penelitian yang sedang dilaksanakan.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |3

2. Mempunyai kemampuan untuk memeriksa keterangan tentang tempat-

tempat, objek-objek serta hal-hal yang berhubungan satu sama lain dalam
fenomena yang sedang diselidiki.
3. Mempunyai kemampuan untuk menghubungkan suatu keadaan dengan
keadaan lainnya yang sesuaia dengan kerangka teori ilmu dan bidang yang
bersangkutan.

Beberapa sumber untuk menggali hipotesis:

1. Ilmu pengetahuan dan pengertian yang mendalam tentang ilmu.
2. Wawasan serta pengertian yang mendalam tentang suatu wawasan.
3. Imajinasi dan angan-angan.
4. Materi bacaan dan literatur.
5. Pengetahuan kebiasaan atau kegiatan dalam daerah yang sedang
diselidiki.
6. Data yang tersedia.
7. Kesamaan.

Sebagai kesimpulan, maka beberapa petunjuk dalam merumuskan

hipotesis dapat diberikan sebagai berikut :
1. Hipotesis harus dirumuskan secara jelas dan padat serta spesifik.
2. Hipotesis sebaiknya dinyatakan dalam kalimat deklaraif dan berbentuk
pernyataan.
3. Hipotesis sebaiknya menyatakan hubungan antara dua atau lebih variabel
yang dapat diukur.
4. Hendaknya dapat diuji.
5. Hipotesis sebaiknya mempunyai kerangka teori.

Menguji hipotesis
Suatu Hipotesis harus diuji berdasarkan data empiris, yakni berdasarkan
apa yang dapat diamati dan dapat diukur. Untuk itu peneliti harus mencari situasi
atau lapangan empiris yang memberi data yang diperlukan. Tidak selalu mudah
mencari sempel yang dapat dan rela memberi data. Untuk meneliti kesejahteraan
buruh suatu perusahaan, harus diperoleh izin terlebih dahulu dari pemilik
ataupun pemimpinnya. Selain itu tidak selalu ada kesediaan orang untuk
memberikan informasi yang benar secara jujur. Ada lagi kesulitan-kesulitan lain

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |4

yang harus diatasi untuk memperoleh lapangan empiris guna menguji hipotesis
kita.
Sesudah hipotesis dirumuskan, hipotesis tersebut kemudian diuji secara
empiris dan tes logika. Untuk menguji suatu hipotesis, peneliti harus melakukan
beberapa hal sebagai berikut :
1. Menarik kesimpulan tentang konsekuensi-konsekuensi yang akan dapat
diamati apabila hipotesis tersebut benar.
2. Memilih metode-metode penelitian yang mungkin pengamatan,
eksperimental, atau prosedur lain yang diperlakukan untuk menunjukkan
apakah akibat-akibat tersebut terjadi atau tidak.
3. Menerapkan metode ini serta mengumpulkan data yang dapat dianalisis
untuk menunjukkan apakah hipotesis tersebut didukung oleh data atau
tidak.
Andai kata kita telah mengumpulkan data, bagaimanakah kita simpulkan
apakah hipotesis yang kita kemukakan itu benar atau salah? Ada bahayanya
seorang peneliti cenderung membenarkan dugaan atau hipotesisnya, karena ia
dipengaruhi oleh bias atau prasangka. Dengan menggunakan data kuantitatif
yang diolah melalui ketentuan-ketentuan statistik dapat ditiadakan bias itu
sedapat mungkin. Tentu saja seorang penyelidik harus jujur, jangan
memanipulasi data, dan harus menjunjung tinggi penelitian sebagai usaha untuk
mencari kebenaran sampel.

TYPE I ERRORS, TYPE II ERRORS, AND STATISTICAL POWER

Tipe Kesalahan dalam Pengujian Hipotesis
Dalam pengujian hipotesis, kesimpulan yang diperoleh hanya penerimaan
atau penolakan terhadap hipotesis yang diajukan, tidak berarti kita telah
membuktikan atau tidak membuktikan kebenaran hipotesis tersebut. Hal ini
disebabkan kesimpulan tersebut hanya merupakan inferensi didasarkan sampel.
Dalam pengujian hipotesis dapat terjadi dua jenis kesalahan, yaitu:
a. Kesalahan Jenis I
Kesalahan jenis I adalah karena H0 ditolak padahal kenyataannya benar.
Artinya, kita menolak hipotesis tersebut (H0) yang seharusnya diterima.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |5

b. Kesalahan Jenis II
Kesalahan jenis II adalah kesalahan karena H0 diterima padahal
kenyataannya salah. Artinya, kita menerima hipotesis (H0) yang seharusnya
ditolak.
Apabila kedua jenis kesalahan tersebut dinyatakan dalam bentuk probabilitas
didapatkan hal-hal berikut :
a. Kesalahan jenis I disebut kesalahan yang dalam bentuk penggunaannya
disebut sebagai taraf nyata atau taraf signifikan (level of significant).
1 - disebut sebagai tingkat keyakinan (level of confidence), karena
dengan itu kita yakin bahwa kesimpulan yang kita buat adalah benar,
sebesar 1 -
b. Kesalahan jenis II disebut kesalahan yang dalam bentuk penggunaannya
disebut sebagai fungsi ciri operasi (operating characteristic function).
1 - disebut sebagai kuasa pengujian karena memperlihatkan kuasa
terhadap pengujian yang dilakukan untuk menolak hipotesis yang
seharusnya ditolak.
Tentu saja seorang peneliti itu, ingin mengelakkan kesalahan-kesalahan di
atas itu. Namun, tak selalu kesalahan itu dapat ditiadakan sama sekali. Yang
dapat dilakukan ialah bagaimana memperkecil kesalahan itu. Untuk itu peneliti
harus rela menerima resiko sekecil yang diinginkannya, menurut tingkat
kepercayaan tentang keputusan yang diambilnya. Caranya adalah menentukan
tingkat signifikansi atau tingkat kepercayaan yang diinginkannya.
Untuk mengetahui sampai manakah suatu hipotesis dapat diterima atau
harus ditolak maka secara statistik dapat dihitung tingkat signifikansinya.
Biasanya tingkat signifikansinya ditentukan sebanyak 0,05 dan 0,01.

Prosedur Pengujian Hipotesis

Langkah-langkah pengujian hipotesis statistik adalah sebagai berikut :
1. Menentukan Formulasi Hipotesis
Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua
jenis, yaitu sebagai berikut :
a. Hipotesis nol atau hipotesis nihil
Hipotesis nol, disimbolkan Ho adalah hipotesis yang dirumuskan
sebagai suatu pernyataan yang akan diuji. Hipotesis nol (null
hypotheses) disingkat Ho. Hipotesis ini menyatakan tidak ada

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |6

perbedaan antara dua variabel, atau tidak adanya pengaruh variabel X

terhadap variabel Y. Dengan kata lain, selisih variabel pertama dengan
variabel kedua adalah nol atau nihil. Hipotesis nol sering juga disebut
hipotesis statistik, karena biasanya dipakai dalam penelitian yang
bersifat statistik, yaitu diuji dengan perhitungan statistik. Rumusan
hipotesis nol:
Tidak ada perbedaan antara... dengan... dalam...
Tidak ada pengaruh... terhadap...
Dalam pembuktian, hipotesis alternatif (Ha) diubah menjadi Ho, agar
peneliti tidak mempunyai prasangka. Jadi, peneliti diharapkan jujur, tidak
terpengaruh pernyataan Ha. Kemudian dikembangkan lagi ke Ha pada
rumusan akhir pengetesan hipotesis.

b. Hipotesis alternatif atau hipotesis tandingan

Hipotesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang
dirumuskan sebagai lawan atau tandingan dari hipotesis nol. Secara
umum, formulasi hipotesis dapat dituliskan:
Ho :
Ha :
Pengujian ini disebut pengujian sisi kanan

Ho : = 0
Ha : < 0
Pengujian ini disebut pengujian sisi kiri

H0 : = 0
H1 : 0
Pengujian ini disebut pengujian dua sisi.

Hipotesis kerja atau alternatif, disingkat Ha. Hipotesis kerja

menyatakan adanya hubungan antara variabel X dan Y, atau adanya
perbedaan antara dua kelompok. Rumusan hipotesis kerja:
a. Jika... maka...
b. Ada perbedaan antara... dan... dalam...
c. Ada pengaruh... terhadap...

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |7

Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan
hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata dilambangkan
dengan (alpha). Semakin tinggi taraf nyata yang digunakan, semakin tinggi
pula penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol
benar. Besarnya nilai bergantung pada keberanian pembuat keputusan yang
dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya
kesalahan tersebut disebut sebagai daerah kritis pengujian (critical region of test)
atau daerah penolakan (region of rejection).

Menentukan Kriteria Pengujian

Kriteria pengujian adalah bentuk pembuatan keputusan dalam
menerima atau menolak hipotesis nol (H0) dengan cara
membandingkan nilai tabel distribusinya (nilai kritis) dengan nilai uji
statistiknya, sesuai dengan bentuk pengujiannya.
a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih
besar daripada nilai positif atau negatif dari tabel. Atau nilai uji
statistik berada di luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih
kecil daripada nilai positif atau negatif dari tabel. Atau nilai uji
statistik berada di dalam nilai kritis.

Menentukan Nilai Uji Statistik

Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi
tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk
menduga parameter data sampel yang diambil secara random dari sebuah
populasi.
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal
penerimaan atau penolakan hipotesis nol (H0), sesuai dengan kriteria
pengujiannya. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji
staistik dengan nilai tabel atau nilai kritis.

Jenis-Jenis Pengujian Hipotesis

1. Berdasarkan Jenis Parameternya
a. Pengujian hipotesis tentang rata-rata

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |8

b. Pengujian hipotesis tentang proporsi

c. Pengujian hipotesis tentang varians
2. Berdasarkan Jumlah Sampelnya
a. Pengujian sampel besar (n > 30)
b. Pengujian sampel kecil (n 30)
3. Berdasarkan Jenis Distribusinya
a. Pengujian hipotesis dengan distribusi Z
b. Pengujian hipotesis dengan distribusi t (t-student)
c. Pengujian hipotesis dengan distribusi 2 (chi-square)
d. Pengujian hipotesis dengan distrbusi F (F-ratio)
4. Berdasarkan Arah atau Bentuk Formulasi Hipotesisnya
a. Pengujian hipotesis dua pihak (two tail test)
b. Pengujian hipotesis pihak kiri atau sisi kiri
c. Pengujian hipotesis pihak kanan atau sisi kanan.

CHOOSING THE APPROPRIATE STATISTICAL TECHNIQUE

Terdapat beberapa uji hipotesis yang bisa dipertimbangkan dengan
membandingkan dari sisi jumlah variabel (independent dan dependent) dan juga
skala pengukurannya (metric atau nonmetric). Pemilihan uji hipotesis ini
diharapkan bisa tepat sehingga hasil pengujian yang berakhir pada kesimpulan
akan tepat. Berikut adalah gambaran beberapa uji statistik yang perlu dilakukan
pemilihan yang tepat:

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g |9

TESTING A HYPOTHESIS ABOUT A SINGLE MEAN

Pengujian rata-rata sampel tunggal digunakan ketika kita ingin tahu apakah
sampel kita berasal dari populasi tertentu tetapi kita tidak memiliki informasi
populasi yang tersedia bagi kita. Sebagai contoh, kita mungkin ingin tahu apakah
nilai ujian sampel mahasiswa tertentu mirip atau berbeda dari nilai ujian
mahasiswa pada umumnya. Dengan demikian, tes hipotesisnya apakah rata-rata
sampel menunjukkan bahwa mahasiswa berasal dari populasi tersebut atau
apakah itu berasal dari populasi yang berbeda. berikut hipotesis yang terdapat
pada pengujian rata-rata sample tunggal.
Dalam contoh ini hipotesis nol adalah:
H0: Jumlah jam belajar siswa dari universitas kami adalah sama dengan
jumlah jam belajar siswa pada umumnya.

Hipotesis alternatif adalah:

H1: Jumlah jam belajar siswa dari universitas kami berbeda dari jumlah jam
belajar siswa pada umumnya.

Cara untuk memutuskan apakah ada perbedaan yang signifikan antara

mahasiswa dari universitas dan mahasiswa pada umumnya tergantung pada tiga
aspek: nilai rata-rata sampel (36,2 jam); nilai perbandingan standar (32 jam); dan
tingkat ketidakpastian mengenai seberapa baik sampel berarti mewakili rata-rata
penduduk (standard error dari mean sampel).
Sepanjang jalur tersebut, rumus berikut ini digunakan untuk menghitung
nilai t:

Asumsikan bahwa standar deviasi yang diamati adalah 8. Oleh karena itu,
t-statistik menjadi:

Setelah menghitung t-statistik, kita sekarang dapat membandingkan nilai t

dengan tabel standar t-nilai dengan derajat img kebebasan untuk menentukan
apakah t-statistik mencapai ambang signifikansi statistik. Ketika t-statistik lebih

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 10

besar dari nilai tabel yang sesuai, hipotesis nol (tidak ada perbedaan yang
signifikan) ditolak.
Pada hasil perhitungan t-statistik (2,438) lebih besar dari nilai tabel yang
sesuai (1,729). Ini berarti bahwa perbedaan antara 36,2 dan 32 adalah signifikan
secara statistik. Hipotesis nol harus ditolak sehingga: ada perbedaan yang
signifikan dalam waktu belajar antara mahasiswa dari universitas dan mahasiswa
pada umumnya.
Penggunaan dalam spss sebagai berikut :

TESTING A HYPOTHESIS ABOUT TWO RELATED MEANS

Selain dengan single mean kita juga dapat melakukan (sampel
berpasangan) t-test untuk menguji perbedaan kelompok yang sama sebelum dan
sesudah melakukan treatment. Misalnya, akan sekelompok karyawan melakukan
lebih baik setelah menjalani pelatihan daripada yang mereka lakukan
sebelumnya? Dalam hal ini, akan ada dua pengamatan untuk setiap karyawan,
satu sebelum pelatihan dan satu setelah pelatihan. Kami akan menggunakan
dipasangkan sampel t-test untuk menguji hipotesis nol bahwa rata-rata
perbedaan antara sebelum dan sesudah ukuran adalah nol.
Untuk melakukannya pada SPSS sebagai berikut :

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 11

Contoh:
Seorang profesor universitas tertarik pada efek program pengajarannya pada kinerja murid-
muridnya. Dengan menguji sepuluh siswa diberi tes matematika pada minggu pertama semester dan
nilai mereka dicatat. Selanjutnya, siswa diberi tes setara selama minggu terakhir semester. Profesor
itu sekarang ingin tahu apakah nilai matematika siswa meningkat. Setelah menghitung t-statistik,
kita sekarang dapat membandingkan nilai t dengan table standar t-value dengan derajat img
kebebasan untuk menentukan apakah t-statistik mencapai ambang signifikansi statistik. Sekali lagi,
ketika t-statistik lebih besar dari nilai tabel yang sesuai, hipotesis nol (tidak ada perbedaan yang
signifikan) ditolak.
Uji t-statistik lebih besar dari nilai tabel yang sesuai (1,83). Ini berarti bahwa perbedaan
antara 70 dan 57,5 signifikan secara statistik. Hipotesis nol harus ditolak sehingga: ada peningkatan
yang signifikan dalam skor matematika.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 12

Wilcoxon signed-rank test

Wilcoxon signed-rank test adalah tes nonparametrik untuk menguji
perbedaan yang signifikan antara dua sampel yang berhubungan atau
pengukuran ulang pada sampel tunggal. Hal ini digunakan sebagai alternatif
untuk sampel berpasangan t-test ketika penduduk tidak dapat diasumsikan
terdistribusi secara normal.

Di bawah Analyze menu, pilih Nonparametric Tests, maka Two Related

Samples. Pindahkan variabel Anda ingin membandingkan ke dalam "Test Pairs"
kotak. Pilih Wilcoxon dari Test Type group dan klik OK.

McNemars Test
Uji McNemar adalah metode nonparametrik yang digunakan pada data
nominal. Hal ini akan dinilai signifikansi yang berbeda antara dua sampel
dependent ketika variable yang diteliti ialah dichotomous. Uji melalui McNemars
Test ini digunakan untuk membandingkan sebelum dan sesudah penelitian untuk
menguji pengaruh eksperimental. Misalnya seorang peneliti ingin menentukan
apakah penggunaan metode pelatihan baru (disebut CARE) memiliki pengaruh

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 13

pada kinerja atlet. Perhitungan individu atlet ditunjukkan pada tabel 15.2
Performa rata-rata sebelum pelatihan metode baru ditunjukkan pada kolom yaitu
sejumlah 244 atlet menunjukan average perfomance sebelum mereka dilatih
dengan metode CARE, sedangkan 134 atlet menunjukkan good performance.
Kemudian untuk melihat hasil setelah melalui pelatihan metode baru CARE maka
dilihat pada baris dalam tabel yaitu 190 atlet menunjukkan kinerja rata-rata
setelah menggunakan metode CARE, kemudian jumlah atlet yang
menyampaikan kinerja yang baik meningkat 188 atlet.

Tabel 15.2 dapat diubah dengan huruf a, b, c dan d. Total kolom dan baris
merupakan total margin (a+b, c+d, a+c, dan b+d). Untuk total keseluruhan
ditunjukkan dengan n , berikut dalam tabel 15.3

Uji McNemar adalah teknik yang agak mudah untuk menguji homogenitas
marjinal. Homogenitas marjinal mengacu pada kesetaraan (atau kurangnya
perbedaan yang signifikan) antara satu atau lebih dari jumlah baris marjinal dan
jumlah kolom marjinal yang sesuai. Dalam contoh ini, homogenitas marginal
menunjukkan bahwa jumlah baris yang sama dengan total kolom yang sesuai,
atau
a+b=a+c
c+d=b+d

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 14

Marginal homogeneity menunjukan tidak ada pengaruh dari pelatihan yang

dilakukan. Pada kasus ini maka dapat dikatakan metode pelatihan baru tidak
mempengaruhi performa atlet.
Uji McNemar menggunakan distribusi, berdasarkan rumus: (b c - 1
) /(b + c). X2 adalah statistik dengan 1 derajat kebebasan (# baris - 1 # kolom -
2

1). Frekuensi marjinal tidak homogen jika hasilnya signifikan pada p

<0,05. Untuk nilai X2 pada contoh kasus ini maka menjadi seperti ini:

(78 132 - 1)2/(78 + 132) = 532/210 = 13.376

Tabel distribusi chi-square, dengan 1 degree of freedom, mengungkapkan

bahwa perbedaan antara sampel yang signifikan: pada tingkat 0,05: the critical
value chi-square adalah 3,841. Ketika 13,376 dihitung untuk contoh di atas
melebihi nilai ini maka perbedaan antara sampel yang signifikan. Oleh karena itu,
kita dapat menyimpulkan bahwa metode pelatihan baru memiliki efek positif pada
kinerja atlet.
Perhatikan bahwa jika b dan / atau c kecil (b + c <20) maka tidak didekati
dengan distribusi chi-square. Sebaliknya sign test harus digunakan.

TESTING HYPOTHESES ABOUT TWO UNRELATED MEANS

Ada banyak contoh ketika tertarik untuk mengetahui apakah dua kelompok
yang berbeda satu sama lain pada variabel interval skala atau rasio skala
tertentu yang diteliti. Sebagai contoh Apakah gelar MBA tampil lebih baik dalam
pengaturan organisasi dari mahasiswa bisnis dengan hanya gelar
sarjana? Apakah orang di daerah perkotaan memiliki pola investasi yang
berbeda untuk tabungan mereka daripada di daerah semi-urban? Apakah CPA
melakukan lebih baik daripada non-CPA dalam tugas-tugas akuntansi? Untuk
menemukan jawaban atas pertanyaan-pertanyaan tersebut, sebuah sampel
independen t-test dilakukan untuk melihat apakah ada perbedaan yang signifikan
dalam sarana untuk dua kelompok dalam variabel penelitian. Artinya, variabel
nominal yang dibagi menjadi dua subkelompok (misalnya, perokok dan bukan
perokok, karyawan di departemen pemasaran dan orang-orang di departemen
akuntansi; muda dan karyawan yang lebih tua) diuji untuk melihat apakah ada
perbedaan rata-rata yang signifikan antara dua kelompok perpecahan pada

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 15

variabel dependen, yang diukur pada interval atau rasio skala (misalnya, tingkat
kesejahteraan, membayar, atau tingkat pemahaman).

TESTING HYPOTHESES ABOUT SEVERAL MEANS

Seperti yang telah dijelaskan sebelumnya, t-test memiliki fungsi untuk
membandingkan mean variable dependent dari dua kelompok data. Ketika kita
ingin membandingkan lebih dari dua kelompok data maka analisis yang kita
gunakan adalah analysis of variance (ANOVA). Data yang digunakan pada
ANOVA ini merupakan data berskala ratio atau interval. Hasil dari ANOVA
diindikasikan dengan F statistic atau table F. Jika F hitung F table, maka Ho
ditolak.
Langkah-langkah melakukan ANOVA: analyze menu compare means
one-way ANOVA. Setelah itu masukkan dependent variable kedalam dependent
list, kemudian pindahkan independent variable kedalam factor box. Lalu klik
OK.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 16

REGRESSION ANALYSIS
Simple regression analysis digunakan ketika satu variable independen
diperkirakan mempengaruhi satu dependent variable. Sebagai contoh, kita
memiliki hipotesis bahwa kecenderungan untuk membeli suatu produK hanya
bergantung pada persepsi kualitas produk tersebut. Dalam hal ini, kita harus
mengumpulkan informasi mengenai persepsi kualitas dan kecenderungan
membeli suatu produk kemudian memplot data sehingga didapat informasi
mengenai hubungan antara kedua variable tersebut.

Figure. 15.2
Scatter plot of perceived quality versus propensity to buy

Dari gambar 15.2 didapat hubungan linier antara persepsi kualitas dengan
kecenderungan membeli suatu produk. Kita dapat membuat model hubungan
linier ini dengan least squares function.

Figure. 15.3
Regression of propensity to buy on perceived quality

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 17

Persamaan dalam simple linier regression/regresi linier sederhana dapat

ditulis sebagai berikut:

Yi = 0 + 1 X 1i + i

Parameter 0 dan 1 dinamakan koefisien regresi. 0 merupakan intercept atau

nilai tengah, dan 1 menunjukkan slope atau kemiringannya. Koefisien
kemiringan ini mengukur besarnya tingkat perubahan nilai rata-rata dari Y untuk
setiap perubahan X sebesar satu unit. Koefisien korelasi, R2, digunakan untuk
mengetahui seberapa besar prosentase sumbangan pengaruh variable
independen secara bersama-sama terhadap variable dependen.
Dasar dari multiple regression analysis hampir sama dengan simple
regression analysis. Hanya saja, dalam multiple regression, kita menggunakan
lebih dari satu independent variable untuk menjelaskan variance di dependent
variable. Sebagai contoh, performa dapat diukur dengan empat macam
independen variable, katakanlah gaji, kesulitan pekerjaan, dukungan supervisor,
dan budaya perusahaan. Ketika seluruh variable tersebut diregresikan terhadap
dependent variable untuk menjelaskan variance di dalamnya, maka besarnya
koefisien regresi individual mengindikasikan seberapa besar kenaikan dari satu
unit independent variable yang akan mempengaruhi dependent variable, dengan
asumsi seluruh variable independent yang lain tetap/tidak berubah.

Standardized regression coefficients (beta coefficients)

Apabila masing-masing koefisien variable independen distandarisasi
terlebih dahulu, maka akan diperoleh koefisien yang tidak ada konstantanya
karena garis regresi melewati titik pusat (titik origin). Standardized beta dapat
digunakan untuk mengeliminasi ukuran unit yang berbeda dari masing-masing
variabel independen (misalnya, income yang diukur dengan dollar dan besarnya
rumah tangga yang diukur dengan jumlah individu).

Regression with dummy variables

Dummy variable adalah variabel yang digunakan untuk mengkuantitatifkan
variabel yang bersifat kualitatif (misal: jenis kelamin, kepuasan kerja, agama).
Untuk mengakomodasi adanya variable bebas kualitatif kedalam model regresi
maka digunakan variable boneka (dummy variable) dalam persamaan regresi
yang dapat dituliskan sebagai berikut:

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 18

Yi = 0 + 1 D1i + 2i D2i + i

Multicollinearity
Multikolinieritas adalah fenomena statistik sering dijumpai di mana dua atau
lebih variabel independen dalam model regresi berganda sangat berkorelasi.
Dalam kasus yang paling parah (jika korelasi antara dua variabel independen
sama dengan 1 atau -1) multikolinearitas membuat estimasi koefisien regresi
mustahil. Dalam semua kasus lain itu membuat perkiraan koefisien regresi tidak
dapat diandalkan.
Cara yang paling sederhana untuk mendeteksi multikolinearitas adalah
memeriksa matriks korelasi untuk variabel independen. Kehadiran korelasi yang
tinggi (kebanyakan orang menganggap korelasi 0,70 dan di atas tinggi)
merupakan tanda pertama dari multikolinearitas yang cukup besar. Namun,
ketika multikolinearitas adalah hasil dari hubungan yang kompleks antara
beberapa variabel independen, hal itu mungkin tidak akan terungkap dengan
pendekatan ini. Oleh karena itu, langkah-langkah yang lebih umum untuk
mengidentifikasi multikolinearitas adalah nilai toleransi dan faktor inflasi varians
(VIF - kebalikan dari nilai toleransi). Langkah-langkah ini menunjukkan sejauh
mana satu variabel independen dijelaskan oleh variabel independen lainnya.
Nilai cut off yang umum adalah nilai toleransi 0,10, yang sesuai dengan VIF dari
10.
Perhatikan multikolinearitas tidak menjadi masalah yang serius jika tujuan
dari penelitian adalah untuk memprediksi atau meramalkan nilai-nilai masa
depan variabel dependen, karena meskipun estimasi dari koefisien regresi
mungkin tidak stabil, multikolinearitas tidak mempengaruhi keandalan ramalan.
Namun, jika tujuan dari penelitian adalah untuk memperkirakan koefisien regresi
masing-masing, multikolinearitas adalah masalah. Dalam hal ini, kita dapat
menggunakan satu atau lebih metode berikut untuk mengurangi:
Mengurangi set variabel independen terhadap satu set yang tidak segaris
(dicatat bahwa ini dapat menyebabkan dihilangkan Bias variabel, yang
juga merupakan masalah serius).
Menggunakan cara yang lebih canggih untuk menganalisis data, seperti
regresi ridge.
Membuat variabel baru yang merupakan gabungan dari variabel yang
sangat berkorelasi.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 19

Testing moderation using regression analysis: interaction effects

Sebelumnya dalam buku ini kita dijelaskan variabel moderasi sebagai
variabel yang mengubah hubungan antara asli variabel independen dan variabel
dependen. Ini berarti bahwa efek dari satu variabel (X1) terhadap Y tergantung
pada nilai variabel lain; variabel moderator (X2). Interaksi tersebut termasuk
sebagai produk dari dua variabel dalam model regresi.

Misalkan kita telah mengembangkan hipotesis berikut:

H1: Pertimbangan para siswa ke perpustakaan universitas dipengaruhi oleh
penilaian siswa terhadap komputer di perpustakaan.

Sekarang anggaplah bahwa kita juga percaya bahwa, meskipun hubungan

ini akan berlaku untuk semua siswa, maka akan tetap bergantung pada
kepemilikan komputer. Artinya, kami percaya bahwa hubungan antara penilaian
komputer di perpustakaan dan pertimbangan ke perpustakaan dipengaruhi oleh
kepemilikan komputer (memang kepemilikan komputer adalah variabel dummy).
Oleh karena itu, kami berhipotesis bahwa:

H2: Hubungan antara pertimbangan ke perpustakaan dan penilaian komputer

di perpustakaan dimoderatori oleh kepemilikan komputer.

Hubungan antara pertimbangan ke perpustakaan dan penilaian komputer

di perpustakaan dapat dimodelkan sebagai berikut:

(1)

Kami juga memiliki hipotesis bahwa efek X1 terhadap Y tergantung pada

X2. Hal ini dapat dimodelkan sebagai berikut:

(2)

Menambahkan persamaan kedua menjadi yang pertama mengarah ke

model berikut:

(3)

Model (3) menyatakan bahwa kemiringan model (1) merupakan fungsi dari
variabel X2. Meskipun model ini memungkinkan kita untuk menguji moderasi,
model berikut ini lebih baik:

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 20

(4)

Anda mungkin telah memperhatikan bahwa model (4) termasuk efek

langsung dari X2 pada Y. Hal ini memungkinkan kita untuk membedakan antara
moderasi murni dan moderasi kuasi, (bandingkan Sharma, Durand dan Gur-Arie,
1981) dijelaskan berikutnya.
Jika , dan , X2 bukan moderator tetapi hanya variabel prediktor
independen. Jika , X2 adalah moderator. Model (4) memungkinkan kita
untuk membedakan antara moderator murni dan moderator kuasi sebagai
berikut: jika , dan , X2 adalah moderator murni; yaitu, moderat X2
hubungan antara X1 dan Y, tetapi tidak memiliki efek langsung pada Y. Jika
, dan , X2 adalah moderator kuasi; yaitu, moderat X2 hubungan
antara X1 dan Y, tetapi juga memiliki efek langsung pada Y.

Misalkan analisis data mengarah ke model berikut:

(5)

di mana, dan .

Berdasarkan hasil tersebut dapat disimpulkan bahwa (1) penilaian

komputer di perpustakaan memiliki efek positif pada pertimbangan ke
perpustakaan dan (2) bahwa efek ini dimoderatori oleh kepemilikan komputer:
Jika seorang siswa tidak memiliki komputer efek marginal adalah 0,4;

jika siswa memiliki komputer efek marjinal 0,2. Dengan demikian,

kepemilikan komputer memiliki efek moderat negatif.
Contoh sebelumnya menunjukkan bahwa variabel boneka bisa digunakan
untuk memungkinkan pengaruh satu variabel independen terhadap variabel
dependen berubah tergantung pada nilai variabel dummy. Hal ini, tentu saja, juga
memungkinkan untuk memasukkan variabel metrik sebagai moderator dalam
model. Dalam kasus tersebut, prosedur untuk menguji moderasi adalah persis
sama seperti pada contoh sebelumnya. Pada bagian ini, kami telah menjelaskan
bagaimana moderasi dapat diuji dengan analisis regresi. Perhatikan bahwa ini
juga memungkinkan untuk menguji mediasi dengan analisis regresi. Kami akan
menjelaskan hal ini nanti dalam bab ini menggunakan data Excelsior Enterprises.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 21

OTHER MULTIVARIATE TESTS AND ANALYSES

Discriminant Analysis
Membantu mengindentifikasi variable independen yang membedakan
sebuah nominal skala variabel dependent . Katakan , mereka yang tinggi pada
dari mereka yang rendah pada itu . Hasil akan menunjukkan perbedaaan yang
besar pada pada dua atau lebih yang berbeda . Dengan kata lain variable
independen mengukur interval atau skala ratio yang menunjukkan grup interest
penelitian.

Logistic Regression
Digunakan ketika variable dependent menunjukkan nonmetric . Tetapi
ketika variable dependent hanya memiliki dua grup , regresi logistik lebih sering
digunakan tidak harus menghadapi asumsi yang ketat karena metode ini hampir
sama dengan analisis regresi.
Conjoint Analysis
Teknis statistik yang digunakan banyak lapangan seperti pemasaran,
manajemen produk, dan riset operasi. Analisis conjoint membutuhkan partisipant
untuk penelitian mereka. Analisis ini akan menentukan atau menggunakan
atribut untuk menemukan hasil penelitian mereka. Conjoint ini juga
menggunakan analisis multiple Regresi .

Two-way ANOVA
Bisa digunakan untuk memeriksa efek dari variable independent nonmetric pada
variable dependent single metric.

MANOVA
Mirip dengan ANOVA, tetapi dengan perbedaan bahwa test ANOVA mengetes
perbedaan lebih dari 1 grup pada variable dependent, dimana test MANOVA
mengetes perbedaan antara beberapa variable dependent sekaligus sedangkan
Anova menggunakan 1 variable dependent secara satu persatu.

EXCELSIOR ENTERPRISES: HYPOTHESIS TESTING

Hipotesis yang digunakan seperti yang telah dijelaskan sebelumnya yaitu:

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 22

H1: Pengayaan pekerjaan memiliki efek negatif pada niat untuk

meninggalkan.
H2: Perceived value memiliki efek negatif pada niat untuk meninggalkan.
H3: Kelelahan pekerjaan memiliki efek positif pada niat untuk meninggalkan.
H4: Kepuasan kerja memediasi hubungan antara pengayaan pekerjaan,
perceived value, dan kelelahan pekerjaan pada niat untuk
meninggalkan.

Hipotesis ini menggunakan analisis regresi dimediasi (semua variabel

diukur pada tingkat interval). Untuk menguji hipotesis bahwa kepuasan kerja
memediasi pengaruh keadilan yang dirasakan, kelelahan, dan pengayaan
pekerjaan pada niat karyawan untuk meninggalkan ada tiga model regresi yang
diperkirakan, mengikuti Baron dan Kenny (1986):
a. Model 1: meregres kepuasan kerja terhadap keadilan, kelelahan, dan
pengayaan pekerjaan yang dirasakan.
b. Model 2: meregres niat untuk meninggalkan terhadap keadilan yang
dirasakan, kelelahan, dan pengayaan pekerjaan.
c. Model 3: meregres niat karyawan untuk meninggalkan terhadap keadilan
yang dirasakan, kelelahan, pengayaan pekerjaan, dan kepuasan kerja.

Koefisien terpisah untuk setiap persamaan diperkirakan dan diuji. Untuk

membangun mediasi kondisi berikut harus dipegang:
1. Keadilan, kelelahan, dan pengayaan pekerjaan yang dirasakan harus
mempengaruhi kepuasan kerja dalam model 1
2. Keadilan, kelelahan, dan pengayaan pekerjaan yang dirasakan harus
terbukti berdampak pada niat karyawan untuk meninggalkan dalam model
2
3. Kepuasan kerja harus mempengaruhi niat karyawan untuk meninggalkan
dalam model 3 (sementara keadilan, kelelahan, dan pengayaan
pekerjaan yang dirasakan tetap konstan).

Jika kondisi ini dipertahankan dan semua arah terprediksi, maka efek
keadilan, kelelahan, dan pengayaan pekerjaan yang dirasakan harus kurang
dalam model 3 dibandingkan dalam model 2. Mediasi sempurna berlaku jika
keadilan, kelelahan, dan pengayaan pekerjaan yang dirasakan tidak

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 23

berpengaruh pada niat untuk meninggalkan (dengan kata lain, pengaruh

variabel-variabel ini tidak lagi signifikan) ketika efek dari kepuasan kerja
dikendalikan untuk model 3. Mediasi parsial dicapai jika pengayaan keadilan
yang dirasakan, kelelahan, dan pekerjaan masih mempengaruhi niat
meninggalkan dalam model 3.
R kuadrat dari model regresi pertama (model 1) adalah 0,165 dan model
secara statistik signifikan. Dalam model ini dirasakan keadilan dan kelelahan
adalah prediktor signifikan kepuasan kerja, sedangkan pengayaan pekerjaan
tidak. R kuadrat dari model regresi kedua (model 2) adalah 0,393 dan model ini
juga bermakna secara statistik. Dalam model ini dirasakan keadilan dan
kelelahan adalah prediktor signifikan kepuasan kerja. R kuadrat dari model
regresi ketiga (model 3) adalah 0,487 dan model ini juga bermakna secara
statistik. Dalam pekerjaan model ini kepuasan adalah prediktor signifikan dari niat
untuk meninggalkan. Persepsi keadilan dan kelelahan adalah prediktor signifikan
niat untuk meninggalkan ketika kepuasan kerja dikontrol. Pengaruh keadilan
yang dirasakan dan tingkat kelelahan pada niat untuk meninggalkan kurang
dalam model ketiga dibandingkan model kedua. Dengan demikian semua kondisi
untuk mediasi parsial bertemu keadilan yang dirasakan dan kelelahan.
Pengayaan pekerjaan terkait dengan tidak kepuasan kerja ataupun niat untuk
meninggalkan (ketika kepuasan kerja dikontrol).
Persamaan untuk menghitung standard error adalah:

Rasio ab/SEab bisa disebut sebagai nilai statistik z. Efek tidak langsung dari
perceived justice (2.175, p<0.05) dan tingkat kelelahan (2.985, p<0.01) keduanya
adalah signifikan.

Overall interpretation and recommendations to the president

Dari hasil tes hipotesis, jelas bahwa keadilan yang dirasakan dan kelelahan
mempengaruhi niat karyawan untuk meninggalkan perusahaan melalui kepuasan
kerja. Dari hasil deskriptif, kita telah melihat bahwa rata-rata keadilan yang
dirasakan memiliki nilai agak rendah (2.32 pada skala lima poin), seperti nilai
rata-rata pada kelelahan (2.55). Oleh karena itu, jika retensi karyawan

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 24

merupakan prioritas utama bagi presiden, penting untuk merumuskan kebijakan

dan praktek yang membantu untuk meningkatkan persepsi keadilan dan untuk
mengurangi atau mencegah kelelahan. Apa pun yang dilakukan untuk
meningkatkan persepsi karyawan tentang keadilan dan untuk mencegah atau
mengurangi kelelahan akan meningkatkan kepuasan kerja dan dengan demikian
membantu karyawan untuk berpikir lebih untuk meninggalkan perusahaan dan
mendorong mereka untuk tetap tinggal.
Presiden oleh karena itu disarankan untuk memperbaiki ketidakadilan
dalam sistem, jika praktik itu benar-benar ada, atau untuk menghapus kesalahan
persepsi dari ketidakadilan jika hal ini benar-benar terjadi. Mencegah atau
menanggulangi kelelahan mungkin memerlukan perubahan baik individu dan
organisasi. Untuk mengatasi masalah kelelahan, presiden mungkin perlu
mengubah lingkungan kerja dan mendidik para pekerja tentang bagaimana
beradaptasi dan bagaimana mengatasi tekanan di tempat kerja.
Fakta bahwa hanya 50% dari varians yang ada dalam "niat untuk
meninggalkan" dijelaskan oleh keempat variabel independen yang
dipertimbangkan dalam penelitian ini, sedangkan masih terdapat 50% yang tidak
dijelaskan. Dengan kata lain, ada variabel tambahan lainnya yang penting dalam
menjelaskan ITL yang belum dipertimbangkan dalam penelitian ini. Penelitian
lebih lanjut mungkin diperlukan untuk menjelaskan lebih dari varians dalam ITL,
jika presiden ingin mengejar masalah ini lebih lanjut.

DATA WAREHOUSING, DATA MINING, AND OPERATIONS RESEARCH

Data warehousing dan data mining adalah aspek dari sistem informasi.
Sebagian besar perusahaan sekarang menyadari manfaat menciptakan sebuah
Data warehouse (gudang data) yang berfungsi sebagai pusat penyimpanan
semua data yang dikumpulkan dari sumber yang berbeda termasuk yang
berkaitan dengan perusahaan pembiayaan, manufaktur, penjualan, dan
sejenisnya. Data warehouse biasanya dibangun dari data yang dikumpulkan
melalui departemen yang berbeda dari perusahaan dan dapat diakses melalui
berbagai pengolahan alat analisis online (OLAP) untuk mendukung pengambilan
keputusan. Data pergudangan dapat digambarkan sebagai proses penggalian,
mentransfer, dan mengintegrasikan data yang tersebar di beberapa database
eksternal dan bahkan sistem operasi, dengan maksud untuk analisis dan
memfasilitasi pengambilan keputusan.

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 25

Melengkapi fungsi data warehousing, banyak perusahaan menggunakan

data mining sebagai alat strategis untuk mencapai tingkat baru dari intelijen
bisnis. Menggunakan algoritma untuk menganalisis data dengan cara yang
berarti, data mining lebih efektif memanfaatkan gudang data dengan
mengidentifikasi hubungan tersembunyi dan pola dalam data yang tersimpan di
dalamnya. Misalnya, data mining memungkinkan untuk melacak pola penjualan
ritel dengan Kode Pos dan waktu serta hari dari pembelian, sehingga stok
optimal item menjadi mungkin. Seperti "ditambang" Data yang berkaitan dengan
daerah vital organisasi dapat dengan mudah diakses dan digunakan untuk tujuan
yang berbeda. Misalnya, staf untuk waktu yang berbeda hari dapat
direncanakan, demikian juga jumlah check-out counter yang perlu tetap terbuka
di toko-toko ritel, untuk menjamin efisiensi serta efektivitas. Kita bisa melihat
bahwa data mining membantu untuk memperjelas pola yang mendasari dalam
kegiatan bisnis yang berbeda, yang pada gilirannya memfasilitasi pengambilan
keputusan.
Riset operasi (OR) atau ilmu manajemen (MS) adalah alat canggih lain
yang digunakan untuk menyederhanakan dan memperjelas beberapa jenis
masalah yang kompleks. OR menggunakan matematika yang lebih tinggi dan
statistik untuk mengidentifikasi, menganalisis, dan akhirnya memecahkan
masalah rumit dengan kompleksitas besar yang dihadapi oleh manajer. OR
menyediakan alat tambahan untuk manajer dengan menggunakan kuantifikasi
untuk melengkapi penilaian pribadi. Area pemecahan masalah yang mudah
untuk OR antara lain terkait dengan persediaan, antrian, urutan, rute, dan
pencarian dan penggantian. OR membantu untuk meminimalkan biaya dan
meningkatkan efisiensi dengan beralih ke pohon keputusan, linear programming,
analisis jaringan, dan model matematika.
Sistem informasi lainnya seperti sistem informasi manajemen (MIS), sistem
pendukung keputusan, sistem informasi eksekutif, dan sistem pakar adalah alat
bantu pengambilan keputusan yang baik, tetapi tidak harus terlibat dengan
pengumpulan data dan analisis dalam arti sempit.
Singkatnya, sistem informasi yang baik mengumpulkan, menggali, dan
menyediakan berbagai informasi yang berkaitan dengan aspek baik lingkungan
eksternal dan internal organisasi. Dengan menggunakan berbagai alat dan teknik
yang tersedia untuk memecahkan masalah besarnya; eksekutif, manajer yang
berbeda, dan lain-lain yang dipercayakan dengan tanggung jawab untuk hasil

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 26

pada berbagai tingkat organisasi dapat menemukan solusi untuk berbagai

masalah hanya dengan mengamankan akses ketersediaan data ini dalam sistem
dan menganalisanya.
Perlu dipastikan bahwa data dalam sistem informasi, bebas dari kesalahan
dan diperbarui secara teratur. Pada akhirnya, pengambilan keputusan hanya
bisa menjadi baik jika tersedia data yang diperlukan untuk manajer.

SOME SOFTWARE PACKAGES USEFUL FOR DATA ANALYSIS

Ada berbagai macam software analitis yang dapat membantu kita untuk
menganalisis data. Berdasarkan pada kebutuhan yang spesifik, masalah
penelitian, dan/atau model konseptual. Berikut beberapa paket perangkat lunak
yang bisa dipertimbangkan:

LISREL: from Scientific Software International;

LISREL dirancang untuk memperkirakan dan menguji model persamaan
struktural. Model persamaan struktural, model statistik yang kompleks
hubungan linear antara variabel laten (teramati) variabel dan manifest
(diamati). Anda juga dapat menggunakan LISREL untuk melakukan
analisis faktor eksplorasi dan analisis faktor konfirmatori.
MATLAB: from the MathWorks, Inc.;
MATLAB adalah program komputer yang pada awalnya dirancang untuk
menyederhanakan pelaksanaan numerik rutinitas aljabar linear. Hal ini
digunakan untuk mengimplementasikan algoritma numerik untuk berbagai
macam aplikasi.
Mplus: developed by Linda and Bength Muthen;
Mplus adalah program pemodelan statistik yang menawarkan peneliti
berbagai pilihan model, estimator, dan algoritma. Mplus memungkinkan
analisis yang luas bagi berbagai data seperti data cross-sectional dan
longitudinal, single-level dan data bertingkat, dan data yang berasal dari
populasi yang berbeda baik diamati atau heterogenitas tidak teramati.
Selain itu, Mplus memiliki kemampuan yang luas untuk studi simulasi
Monte Carlo.
SAS/STAT: from SAS Institute;
SAS adalah sebuah sistem terintegrasi produk perangkat lunak, mampu
melakukan berbagai analisis statistik seperti statistik deskriptif, teknik

Universitas Atma Jaya Yogyakarta

 C h . 1 5 : Q u a n t i t a t i v e D a t a A n a l y s i s - H y p o t h e s i s t e s t i n g | 27

multivariat, dan time series analisis. Karena kemampuannya, program ini

digunakan dalam berbagai disiplin ilmu, termasuk ilmu kedokteran, ilmu
biologi, ilmu sosial, dan pendidikan.
SPSS: Complex Samples from SPSS Inc.;
SPSS (Statistical Package for Social Sciences) adalah program
manajemen data dan analisis yang dirancang untuk melakukan analisis
data statistik, termasuk statistik deskriptif seperti plot, frekuensi, grafik,
dan daftar, serta prosedur statistik inferensial canggih dan multivariat
seperti analisis varians (ANOVA), analisis faktor, analisis cluster, dan
analisis data kategori.
SPSS AMOS: from SPSS Inc.;
SPSS AMOS dirancang untuk memperkirakan dan menguji model
persamaan struktural.
Stata: from Stata Corporation.
Stata adalah paket perangkat lunak statistik tujuan umum yang
mendukung metode statistik dan ekonometrik berbagai, grafis, dan fitur
yang disempurnakan untuk manipulasi data, pemrograman, dan
manipulasi matriks.

Universitas Atma Jaya Yogyakarta