BAB 18

Rumusan masalah :

1. Apa saja faktor yang mempengaruhi pemilihan uji signifikansi statistik yang tepat ?

Signifikansi statistik

Dalam pendekatan statistik klasik, kita menerima atau menolak suatu hipotesis berdasarkan
informasi pengambilan sampel saja. Oleh karena sampel berbeda dari populasinya, kita harus
menilai apakah perbedaan tersebut signifikan atau tidak sifnifikan secara statistik. Sebuah
perbedaan dikatakan mempunyai signifikasi statistik apabila ada alasan yang bagusnuntuk percaya
bahwa perbedaan tersebut tidak hanya mewakili fluktuasi sampel acak saja.

Logika uji hipotesis

Hipotesis nol : yang digunakan untuk pengujian, merupakan pernyataan bahwa tidak ada perbedaan
diantara parameter dan angka statistik yang sedang dibandingkan dengan nya. Biasanya melakukan
pengujian untuk menentukan apakah tidak ada perubahan dalam populasi yang dikaji atau apakah
ada perbedaan yang nyata.

Hipotesis jenis ini tidak dapat diuji dengan pasti. Bukti yang konsisten dengan suatu hipotesis yang
dinyatakan dalam bentuk positif hampir selalu tidak dapat digunakan sebagai landasan yang pasti
untuk menerima hipotesis bersangkutan. Suatu temuan yang konsisten dengan hipotesis jenis ini
mungkin konsisten dengan hipotesis lain pula, sehingga tidak memperlihatkan kebenaran hipotesis
tertentu.

Hipotesis alternative
Jenis-jenis hipotesis alternative ini berhubungan dengan uji dua-arah dan uji satu-arah. Uji dua-arah
(two-tailed test), atau uji tanpa arah , mempertimbangkan dua kemungkinan.

Uji satu arah ,atau uji arah,menempatkn keseluruhan probabilitas dari hasil yang tidak mungkin
kedalam arah yang ditetapkan oleh hipotesis alternative.

Ketika eror tipe I () dlakukan, maka hipotesis nol yang seharusnya benar ditolak orang yang tidak
bersalah kn di hukum secara tidak adil. Nilaina disebut tingkat signifikansi dan merupakan
probabilitas untuk menolak hipotesis nol yang benar. Dengan eror tipe II (),seseorang gagal untuk
menolak hipotesis nol yang salah.

Prosedur uji statistik

Uji signifikansi statistik mengikuti pola yang rrelatif di definikan dengan baik, walaupun para penulis
berbeda dalam jumlah dan urutan langkah-langkahnya. Salah satu urutan enam tahap adalah :

Nyatakan hipotesis nol. Walaupun priset biasanya tertarik untuk menguji hipotesis
perubahan atau perbedaan, hipotesis nol selalu digunakan untuk tujuan uji statistik.
 Pilih uji statistiknya. Untuk menguji suatu hipotesis, kita harus memilih uji statistik yang
tepat. Ada banyak pengujian yang dapat dipilih dan sedikitnya ada empat kriteria yang dapat
digunakan dalam memilih suatu pengujian.
Pilih tingkat signifikansi yang diinginkan. Pilihan tingkat signifikansi harus dibuat sebelum
kita mengumpulkan data. Tingkat signifikansi yang paling lazim adalah 0,05 walaupun tingkat
signifikansi 0,01 juga digunakan secara luas. Pemilihan tingkat signifikansi terutama
ditentukan oleh seberapa besar resiko yang bersedia diterima dan dampak pilihan ini atas
resiko.
Perhitungan nilai perbedaan yang dihitung. Sesudah data dikumpulkan, gunakan formula uji
signifikansi yang tepat untuk memperoleh nilai yang dihitung. Walaupun penghitingan
biasanya dihasilkan dari program perangkat lunak.
Dapatkan nilai uji kritis. Nilai kritis adalah kriteria yag mendefinisikan wilayah penolakan dari
wilayah penerimaan atas hipotesis nol.
Interpretasikan hasil pengujian. Bagi sebagian besar pengujian, apabila nilai yang dihitung
lebih besar daripada nilai kritis, makan kita menolak hipotesis nol dan menyimpulkan bahwa
hipotesis alternatif didukung. Apabila nilai kritis lebih besar, kita menyimpulkan bahwa kita
gagal menolak hipotesis nol.

Nilai probabilitas

Menurut tahap interpretasi hasil pengujian dari prosedur uji statistik, kesimpulan dinyatakan
dalam bentuk menolak atau tidak menolak hipotesis nol berdasarkan wilayah penolakan yang dipilih
sebelum pengujian dilakukan. Metode kedua untuk menyajikan hasil uji statistik melaporkan sejauh
mana statistik uji tersebut tidak sesuai dengan hipotesis nol. Nilai p adalah probabilitas sampel yang
diamati mempunyai nilai ekstrim, atau lebih ekstrim daripada, nilai yang benar-benar diobservasi,
seandainya nilai hipotesis nol itu benar. Area ini menggambarkan probabilitas eror tipe I yang harus
diasumsikan apabila hipotesis nol ditolak.nilai p dibandingkan dengan tingkat signifikansi , dan
dijadikan sebagai dasar untuk menolak atau menerima hipotesis nol.

Rumusan masalah :

1. Apa perbedaan uji parametrik dan nonparametrik

Uji satu sampel

Digunakan ketika kita mempunyai sampel tunggal dan ingin menguji hipotesis bahwa sampel
tersebut berasal dari suatu populasi tertentu.

Uji parametrik
uji z dan uji-t digunakan untuk menentukan signifikasi statistik antara rata-rata distribusi
sampel dan parameter.
 Distribusi z dan distribusi t merupakan distribusi yang berbeda. Distribusi t mempunyai lebih
banyak ujung area dibandingkan yang ditemukan didalamdistribusi normal. Hal ini
merupakan kompensasi dari tidak adanya informasi mengenai standar populasi. Walaupun
deviasi standar sampel digunakan sebagai angka proksi, ketidaktepatan menjadikannya
untuk bergerak lebih jauh dari 0 agar dapat mencakup presentase nilai dalam distribusi t
yang ditemukan dalam normal standar.
Ketika besar sampel mendekati 120, maka deviasi standar sampel menjadi estimasi yang
sangat baik bagi deviasi standar populasi, dan akan menyebabkan distribusi t dan z indentik
secara virtual.

Uji nonparametrik
Dalam situasi satu sampel, berbagai uji non parametrrik dapat digunakan, tergantung pada
skala pengukuran dan kondisi lainnya. Apabila skala pengukuran nominal, maka mungkin
untuk menggunakan uji binominal atau uji satu sampel .uji binomial tepat digunakan apabila
populasi terdiri dari dua kelompok, misalnya pria dan wanita, pembeli dan bukan pembeli,
sukses dan tidak suskses, dan semua observasi yang masuk dalam kategori ini atau kategori
lainnya.

Uji dua sampel bebas

Kebutuhan untuk menggunakan uji dua-sampel-bebas sering kali dijumpai dalam riset bisnis.

Uji parametrik
Uji z dan uji t adalah uji parametrik yang sering digunakan untuk sampel bebas, walaupun uji
f juga dapat digunakan. Uji z digunakan untuk ukuran sampel yang besar atau dengan
sampel yang lebih keecil ketika datanya berdistribusi normal dan varians populasi diketahui.
Dengan ukuran sampel yang kecil, populasi berdistribusi normal serta asumsi varians
populasi adalah sama, maka penggunaan uji t adalah tepat.

Uji non parametrik

Uji chi-square tepat digunakan untuk situasi dimana diperlukan uji beda antara sampel-
sampel. Uji ini sangat berguna bagi data nominal, tetapi dapat digunakan untuk pengukuran
ordinal. Ketika data parametrik dijadikan kategori-kategori, seringkali data tersebut
diperlakukan menggunakan x2 walaupun mengakibatkan hilangnya informasi.

Uji dua sampel berhubungan

Uji dua sampel berhubungan terkait dengan situasi dimana orang, objek atau kejadian memiliki
kecocokan yang erat atau kejadiannya diukur duakali. Orang dapat membandingkan konsumsi suami
istri, kinerja karyawan sebelum dan sesuadah liburan, atau efek dari uji pendorong pemasaran ketika
orang dikelompokkan secara acak dan diberi uji awal dan uji tambahan.uji parametrik maupun non
parametrik dapat diterapkan dibawah kondisi ini.
 Uji parametrik
Uji t untuk sampel bebas tidak tepat dalam situasi ini karna salahsatu asumsinya adalah
observasi yang bebas. Masalah ini dipecahkan menggunakan formula, jika ditemukan
perbedaan antara tiap pasangan informasi yang cocok, maka turubkanlah kedua sampel
tersebutmenjadi kasus satu sampel sehingga sekarang terdapat beberapa perbedaan,
masing-masing bebas dari yang lain dan orang dapat menghitung berbagai statistik.
Uji non parametrik
Uji mcnemar dapat digunakan untuk data nominal maupun ordinal, dan khususnya berguna
bagi pengukuran sebelum-sesudah dari subyek yang sama. Uji signifikansi atas perubahan
observasi dilakukan dengan membuat tabelfrekuensi lipat empat untuk menggambarkan
tanggapan pertama dan kedua.

Uji k-sampel bebas

Kita seringkali menggunakan uji k-sampel-bebas dalam riset ketika terdapat tiga atau lebih sampel.
Dibawah kondisi ini, kita tertarik untuk mengetahui apakah sampel-sampel tersebut berasal dari
populasi yang sama atau identik. Ketika data diukur menggunakan skala interval rasio dan kita dapat
memenuhi asumsi yang diperlukan, maka analisis varians dan uji f dapat digunakan. Apabila analisis
awal menunjukkan bahwa asumsi tidak dapat dipenuhi aatau apabila data diukur menggunakan
skala ordinal atau nominal, maka sebuah uji parametrik harus dipilih.

Uji parametrik
Metode statistik analisis varians (ANOVA) digunakan untuk menguji hipotesis nol bahwa
rata-rata dari beberapa populasi adlah sama. Untuk menggunakan ANOVA kondisi-kondisi
tertentu harus dipenuhi. Sampel harus dipilih secara acak dari populasi normal dan populasi
tersebut harus mempunyai varians yang sama. Selain itu jarak dari satu nilai ke nilai rata-rata
kelompoknya harus bebas dari jarak nilai lain dengan rata-rata itu(bebas dari eror). ANOVA
merupakaan alat uji yang baik, dan dapat menoleransi variasi kecil dari normalitas dan
varians yang sama. Meskipun demikian analisis harus memeriksa asumsi penggunaan teknik
diagnostik yang sudah digambarkan sebelumnya.

Uji k-sampel berhubungan

Uji parametrik
Uji k sampel berhubungan diperlukan untuk situasi dimana faktor pengelompokan
mempunyai lebih dari dua tingkat, observasi atau subyek dijodohkan atau subyek yang sama
diukur lebih dari sekali dan data setidaknya interval.dalam eksperimen uji poasar atau desain
ax past facto dengan k sampel, sering kali memerlukan pengukuran subyek beberapa kali.
Penguukuran berulang ini disebut percobaan ( trial )
Uji nom parametrik
Ketika k sampel berhubungan diukur pada skala nominal, uji cochoran Q adalah pilihan yang
baik. Uji ini merupakan perluasan dari uji McNemar, yang telah dibahas sebelumnya untuk
uji lebih dari dua sampel. Uji ini menguji hipotesis bahwa proporsi kasus dalam suatu
kategori adalah sama untuk beberapa kategori yang berhubungan.
Ketika data setidaknya ordinal, analisis varians dua arah friedman merupakan uji yang tepat
untuk digunakan. Uji ini menguji sampel-sampel yang cocok, membuat peringkat untuk tiap
kasus dan menghitung peringkat rata-rata untuk tiap variabel atas semua kasus. Peringkat
tersebut digunakan untuk menghitung statistik uji. Hasilnya adalah tabel dua arah dimana
baris mewakili subyek dan kolom mewakili kondisi perlakuan.