4/1/2017

MG V A. Metode Statistik Deskriptif

KERANGKA ANALISIS DATA 1. Penyajian grafik
PENELITIAN KUANTITATIF 2. Tabulasi
3. Nilai Pemusatan
4. Nilai Penyebaran
Dr. Ir. Bambang Sulistyantara,
Sulistyantara, MAgr
MAgr..
Dr. Ir. Tati Budiarti
Budiarti,, MS
Dr. Kaswanto, SP, MSi B. Metode Statistik Inferensia
Materi Kuliah
Melalui Pengujian Hipotesis, apakah kedua
MK Metode Penelitian Arsitektur Lanskap [ARL 301] variabel berkorelasi atau berpengaruh secara
TA 2016/2017 signifikan di populasinya berdasarkan data  
Referensi: Sarwono, J. 2012. Metode Riset Skripsi, Pendekatan Kuantitatif
sampel yang dimiliki.
Menggunakan Prosedur SPSS. Penerbit PT Elex Media Komputindo. 252 hal.

PEMBAGIAN STATISTIK STATISTIK DESKRIPTIF

Statistik yang digunakan untuk menggambarkan
Statistik Sosial
atau menganalisis suatu statistik hasil
penelitian, tetapi tidak digunakan untuk
membuat kesimpulan yang lebih
yang lebih luas
Statistik Deskriptif Statistik Inferensial
(generalisasi/inferensi).

Parametrik Non--Parametrik
Non

Penyajian Data Statistik Deskriptif STATISTIK INFERENSIAL

• Tabel Biasa • Statistik yang digunakan untuk menganalisis
• Distribusi frekuensi data sampel, dan hasilnya akan
• Grafik garis maupun batang digeneralisasikan (diinferensikan) untuk
• Diagram lingkaran populasi dimana sampel diambil.
diambil
• Piktogram
• Dapat dibagi menjadi dua jenis yakni
• Penjelasan kelompok melalui modus, median,
• Variasi kelompok melalui rentang dan simpangan
parametrik dan non parametrik
baku.
• etc

1

Analisis Statistik Parametrik &
Statistik Non Parametrik
Keunggulan dan kelemahan statistik
parametrik
• Keunggulan :
• Syarat syarat parameter dari suatu populasi yang menjadi sampel
biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran
terhadap data dilakukan dengan kuat.
• Observasi bebas satu sama lain dan ditarik dari populasi yang  • Disebut juga distribution‐free statistics
berdistribusi normal serta memiliki varian yang homogen.
• Kelemahan :
• Populasi harus memiliki varian yang sama.
• Variabel‐variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval.
• Dalam analisis varian ditambahkan persyaratan rata‐rata dari
populasi harus normal dan bervarian sama, dan harus merupakan
kombinasi linear dari efek‐efek yang ditimbulkan.
Keunggulan Statistik Non Parametrik
• Kadang‐kadang tidak ada alternatifnya pada statistika parametrik
• Tidak membutuhkan asumsi normalitas.
• Secara umum metode statistik non‐parametrik lebih mudah dikerjakan
dan lebih mudah dimengerti jika dibandingkan dengan statistik
parametrik karena ststistika non‐parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
• Statistik non
non‐parametrik
parametrik dapat digantikan data numerik
data numerik (nominal) dengan
(nominal) dengan
jenjang (ordinal).
• Kadang‐kadang pada statistik non‐parametrik tidak dibutuhkan urutan
atau jenjang secara formal karena sering dijumpai hasil pengamatan yang  • Hasil pengujian hipotesis dengan statistik non‐parametrik tidak
dinyatakan dalam data kualitatif.
• Pengujian hipotesis pada statistik non‐parametrik dilakukan secara
langsung pada pengamatan yang nyata.
• Walaupun pada statistik non‐parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.
4/1/2017
Statistik Parametrik
• Teknik‐teknik statistika yang didasarkan atas asumsi 
mengenai populasi yang diambil sampelnya. 
• Contoh: pada uji t diasumsikan populasi terdistribusi 
normal. Sebutan parametrik digunakan karena pada 
uji t ini yang diuji adalah parameter (yaitu rata rata
uji t ini yang diuji adalah parameter (yaitu rata‐rata 
populasi)
• Membutuhkan data kuantitatif dengan level interval 
atau rasio yang diambil dari populasi yang 
berdistribusi normal.
Statistik Non Parametrik
• Cocok untuk data yang tidak memenuhi asumsi 
statistika parametrik atau yang berjenis kualitatif
• Didasarkan atas lebih sedikit asumsi mengenai 
Didasarkan atas lebih sedikit asumsi mengenai
populasi dan parameter dibandingkan dengan 
statistika parametrik.
• Ada yang dapat digunakan untuk data nominal
• Ada yang dapat digunakan untuk data ordinal
• Populasi bebas distribusi.
Kelemahan Statistik Non Parametrik
• Uji nonparametrik menjadi tak berguna apabila uji parametrik
untuk data yang sama tersedia.
• Uji nonparametrik pada umumnya tidak tersedia secara luas
dibandingkan dengan uji parametrik
• Untuk sampel besar, perhitungan untuk statistika nonparametrik
menjadi rumit
• Statistik non‐parametrik terkadang mengabaikan beberapa
informasi tertentu.
setajam statistik parametrik.
• Hasil statistik non‐parametrik tidak dapat diekstrapolasikan ke
populasi studi seperti pada statistik parametrik. Hal ini dikarenakan
statistik non‐parametrik mendekati eksperimen dengan sampel
kecil dan umumnya membandingkan dua kelompok tertentu.
2
 4/1/2017

Penggunaan Non Parametrik ANALISIS KORELASI 
TES PENGGUNAAN FUNGSI
DUA VARIABEL
Chi Square Menggunakan data nominal untuk menguji
independensi satu sampel atau dua sampel atau lebih
Tes independensi variabel
Tujuan: mengetahui apakah dua variabel memiliki korelasi.
dari 2 sampel

Codran Q Untuk menguji hubungan lebih dari 2 sampel pada Membantu pada data yang memberikan JENIS ANALISIS SYARAT CONTOH
skala nominal jawaban 2 kategori
1.  Uji Signifikansi Kedua variabel mencapai Apakah harga suatu barang
Uji Tanda Untuk menguji hubungan 2 sampel pada skala Tes yang baik untuk data berjenjang
ordinal (rangking)
Koefisien Korelasi pengukuran metrik dan berkorelasi signifikan dengan
Pearson menyebar normal. penjualan produk tersebut.
Uji
j median -Pada satu sampel untuk melihat randomisasi pada -Untuk melihat kesimetrisan distribusi
data dari populasi - Tes independensi variabel 2. Uji Signifikansi
- untuk menguji independensi lebih dari 2 sampel
pada skala ordinal Koefisien Korelasi
Apakah kepuasan konsumen
Tau‐Kendal Kedua variabel mencapai
Uji Mann-Whitney U Untuk menguji independensi 2 sampel pada skala Analog pada independensi 2 sampel t-Test suatu barang berkorelasi
ordinal pengukuran ordinal.
signifikan dengan loyalitas
3.  Uji Signifikansi
Uji Kruskal- Untuk menguji independensi lebih dari 2 sampel Alternatif dari uji One-Way ANOVA di pada barang tersebut.
Wallis pada skala ordinal mana asumsi distribusi normal tidak Koefisien Korelasi
digunakan Rank Spearman
Uji Fiedman Uji menguji hubungan lebih dari 2 sampel pada Alternatif dari uji Two-Way ANOVA
skala ordinal dimana asumsi distribusi normal tidak Kedua variabel berupa Apakah jenis kelamin
4.  Uji Khi‐Kuadrat
digunakan kategorik. berkorelasi signifikan dengan
Uji Kolmogorov- Untuk menguji independensi dari satu sampel atau 2 Uji ini lebih powerful dibanding uji chi- pilihan jenis rekreasi.
Smirnov sampel pada skala ordinal. square atau uji Mann-Whitney

HUBUNGAN KAUSAL  KASUS DUA SAMPEL BEBAS
DUA VARIABEL JENIS  SYARAT CONTOH HIPOTESIS
ANALISIS
Tujuan:  menyimpulkan apakah suatu variabel independen (prediktor),  1.  Uji t Variabel Y mencapai Apakah jenis kelamin Rata‐rata
misalnya variabel X berpengaruh terhadap suatu variabel pengukuran metrik berpengaruh produktivitas
dependen (respon), misalnya variabel Y. dan menyebar normal terhadap karyawan pria
produktivitas dibandingkan dengan
karyawan. wanita berbeda
Pilihan Metode 1.  Banyaknya variabel X (dua kategori atau lebih) signifikan
Inferensia tergantung 2.  Desain penelitiannya (bebas atau berhubungan) 2. Uji Mann‐ Variabel Y mencapai Apakah jenis kelamin Kepuasan kerja
pada 3.  Tingkat pengukuran variabel Y Whitney pengukuran ordinal berpengaruh karyawan pria
terhadap kepuasan dibandingkan dengan
kerja karyawan wanita berbeda
signifikan
1.  Kasus dua sampel bebas
3.  Uji Chi‐ Variabel Y mencapai Apakah jenis kelamin Sebaran pilihan
Jenis Pendekatan 2. Kasus lebih dari dua sampel bebas
Square pengukuran kategorik berpengaruh produk pakaian
Metode Inferensia 3.  Kasus dua sampel berhubungan dan datanya disajikan terhadap pilihan antara pria dan
4.  Kasus lebih dari dua sampel berhubungan dalam tabel produk pakaian wanita berbeda
kontingensi signifikan

KASUS LEBIH DARI DUA SAMPEL BEBAS KASUS DUA SAMPEL BERHUBUNGAN

JENIS ANALISIS SYARAT CONTOH HIPOTESIS
JENIS 
1.  Analisis Variabel Y mencapai Apakah wilayah Rata‐rata  SYARAT CONTOH HIPOTESIS
ANALISIS
Ragam Satu pengukuran metrik kerja karyawan produktivitas
1.  Two‐ Variabel Y mencapai Apakah kebijakan insentif Rata‐rata produktivitas
Arah (One‐ dan menyebar normal berpengaruh karyawan di
Way  pengukuran metrik yang baru diterapkan oleh karyawan sebelum dan
Way Anova) terhadap beberapa wilayah
Anova dan data perbedaan perusahaan berhasil sesudah diterapkannya
produktivitasnya kerja berbeda
 Uji T nilai pasangan meningkatkan kebijakan baru berbeda
signifikan
menyebar normal produktivitas kerja siginifikan
2. Uji Kruskal‐ Variabel Y mencapai Apakah wilayah Kepuasan kerja karyawan. 
y
Wallis pengukuran ordinal kerja karyawan karyawan di Pengukuran produktivitas
berpengaruh beberapa wilayah dilakukan dua kali, 
terhadap kepuasan kerja berbeda sebelum dan sesudah
kerja karyawannya signifikan diterapkannya kebijakan.
3.  Uji Chi‐Square Variabel Y mencapai Apakah wilayah Pilihan karyawan
pengukuran kategorik kerja karyawan terhadap produk 2. Uji Variabel Y mencapai Apakah kebijakan baru Kepuasan kerja
dan datanya disajikan berpengaruh pakaian berbeda Tanda pengukuran ordinal pemberian insentif berhasil karyawan sebelum
dalam tabel terhadap pilihan signifikan di meningkatkan kepuasan penerapan kebijakan
kontingensi produk pakaian beberapa wilayah kerja karyawan baru berbeda
kerja siginifikan dengan
sesudah penerapan

3
 4/1/2017

Macam Data Bentuk Hipotesis

KASUS LEBIH DARI DUA SAMPEL BERHUBUNGAN Deskriptif Komparatif (dua sampel) Komparatif (lebih dari 2 sampel) Asosiatif
(satu variabel) (hubungan)
JENIS  Related Independen Related Independen
SYARAT CONTOH HIPOTESIS
ANALISIS Binomial Mc Nemar Fisher Exact 2 for k sample 2 for k sample Contingency
Nominal Coefficient C
Probability
1.  Two‐Way Variabel Y mencapai Apakah inovasi produk Rata‐rata penjualan
Cochran Q
Anova pengukuran metrik (produk A, B, C)  ketiga jenis produk 2 One 2 Two Sample
dan menyebar mempengaruhi volume  berbeda signifikan Sample
normal penjualan Sign test Median test Friedman Median Spearman Rank
Ordinal Run Test
Wilcoxon Mann-Whitney U Two Way-Anova Extension Correlation
matched parts test
2. Uji Variabel Y mencapai
Y mencapai Apakah inovasi produk Kepuasan konsumen Kruskal Wallis
Kruskal-Wallis Kendall Tau
Friedman pengukuran ordinal (A, B, C) mempengaruhi pada ketiga jenis Kolmogorov One Way Anova
Simrnov
kepuasan konsumen produk berbeda
signifikan Wald-Woldfowitz

3.  Uji Variabel Y terdiri dari Apakah konsumen pada Ada perbedaan Interval T Test* T-test of* Related T-test of* One-Way Anova* One-Way Anova* Pearson Product
independent Moment *
Cochran dua kategori ketiga produk hasil signifikan sebaran Rasio Two Way Anova* Two Way Anova*
inovasi yang dilakukan proporsi konsumen Partial
perusahaan berbeda menurut kesannya Correlation*

signifikan pada ketiga jenis

Multiple
produk Correlation*

REGRESI LOGISTIK
PENGERTIAN 
1.  Merupakan bagian dari analisis regresi.
2.  Mengkaji hubungan pengaruh peubah bebas (X) terhadap
peubah respon (Y) melalui model persamaan matematika
tertentu.
3 Peubah respon (Y) berupa
3.  (Y) berupa peubah KATEGORIK.
KATEGORIK

UJI NON‐‐PARAMETRIK
UJI NON Jenis Analisis Regresi Logistik
LOGISTIK DAN DISKRIMINAN No Tipe peubah respon Jenis Regresi
1 Biner Regresi Logistik Biner
2 Nominal Regresi Logistik Nominal
3 Ordinal Regresi Logistik Ordinal

REGRESI LOGISTIK (2) REGRESI LOGISTIK (3)
Rasio Odd
MODEL REGRESI LOGISTIK
1.  Ukuran keeratan hubungan antar peubah kategorik adalah Odd ratio 
1.  Secara umum model ini menggunakan peubah penjelas (Rasio Odd).
untuk menduga besarnya peluang kejadian tertentu dari 2. Odd ratio adalah rasio peluang kejadian sukses dengan kejadian tak
kategori peubah respon. sukses dari peubah respon.

2. Pemodelan peluang kejadian tertentu dari peubah respon Membeli Produk 3. Odd ratio dapat dihitung dari
Jenis
Kelamin
Total koefisien logit.
dilakukan melalui transformasi dari regresi linier ke logit. Ya Tidak
Pria 10 90 100 Logit(p) = ‐ 0,5380 + 0,2186* Gender
3. Formula transformasi logit sbb:
Wanita 20 60 80
Masukkan nilai Wanita = 1; Pria = ‐ 1
Total 30 150 180
log   Logit (wanita) = ‐ 0,3194; Logit (pria) = ‐ 0, 7566
1 Peluang membeli konsumen pria = 0,9.
Peluang membeli konsumen wanita = 0,1. Odd Wanita = e‐0,3194;  Odd pria = e‐0,7566
4. Model ARL menjadi sbb: Peluang tidak membeli konsumen wanita = 0,9.
Rasio Odd = e‐0,7566 / e‐0,3194
Odd pria = 0,1 / 0,9      = 0,11
Odd wanita = 0,25 / 0,75 = 0,33 = e‐0,4372
Logit (pi) = β0 + β1*X1 + β2*X2 + … + βn*Xn
Rasio Odd antara pria dengan wanita =
= 0,646
Rasio Odd = 0,11 / 0,33 = 0,33

4
 4/1/2017

ANALISIS DISKRIMINAN (2)
ANALISIS DISKRIMINAN
PENGERTIAN DAN RUANG LINGKUP MODEL ANALISIS DISKRIMINAN
1.  Analisis diskriminan digunakan untuk pemodelan masalah yang  Fungsi diskriminan:
melibatkan satu variabel dependen, berupa kategori, 
dipengaruhi oleh lebih dari satu variabel independen, yang  D = b0 + b1X1 + b2X2 + … + bjXj + … + bpXp   =   bᴛX 
mencapai pengukuran metrik.
2. Banyaknya kategori variabel dependen bisa hanya dua kategori X1, X2, …, Xj, …, Xp  Variabel independen
(dichotomus dua grup), atau
(dichotomus, dua grup) atau lebih (multichotomus).
(multichotomus)
3. Grup‐grup analisis bersifat mutually exclusive, artinya setiap obyek b0, b1, b2, …, bp  Koefisien fungsi diskriminan
hanya akan masuk ke dalam satu grup saja (kategori variabel
dependen).  D Nilai fungsi diskriminan
4. Model analisis diskriminan dapat digunakan untuk memeriksa
variabel independen apa saja yang berpengaruh signifikan
terhadap variabel dependen, atau dengan kata lain variabel
independen apa saja yang signifikan sebagai deskriminator pada
grup‐grup tersebut.

ANALISIS DISKRIMINAN (3)
Evaluasi Fungsi Diskriminan Model Uji Statistik 
Nomor Evaluasi
1 Uji Signifikansi Fungsi Diskriminan Dua Grup Berdasar 
erdasar B
Banyaknya Variabel 
2 Uji Signifikansi Variabel Independen Xj
3 Uji Signifikansi Fungsi Diskriminan Lebih dari Dua Grup

Prediksi Variabel Dependent

p (1) Statistik Univariat
Statistik Univariat
Batas wilayah antar grup disebut sebagai Cut‐off Value
1 1 2 2 (2) Statistik Bivariat
 
1 2
(3) Statistik Multivariat
Cutoff Value  : Nilai batas wilayah grup 1 dan grup 2
n1 : ukuran sampel grup 1
n2 : ukuran sampel grup 2
D1 : Centroid grup 1
D2 : Centroid grup 2 Sumber: Taufik Hidayat & Nina Istiadah: Panduan Lengkap
Menguasai SPSS 19 untuk Mengolah Data Statistik Penelitian.

Bagan Analisis Statistik Inferensia Bagan Alur Penggunaan Uji Univariate

Ukuran data Ukuran data
UNIVARIATE
MULAI
Analisis PARAMETRIK  NON‐PARAMETRIK
Bivariat (interval, rasio) (nominal, ordinal)
1 2 
Analisis
Univariat Jml Var Analisis
>2  Multivariat Jumlah  Jumlah  >1
Sampel Sampel
>1
Statistik interval nominal Statistik 1 Hub 
Jenis 1
Parametrik Non Par bebas Sampel terikat
rasio Data ordinal
Hub  
Ukuran  Ukuran  Ukuran 
Sampel
Data Data Data
1 Jml ≥2  bebas terikat
Sample nominal ordinal nominal ordinal nominal ordinal

Uji Z bebas Hub  berhubungan

Uji t antar •MannWh
Sampel t‐test T‐test Chi‐sq Kolmog
Chisq 2  McNem Wilcoxon
Z‐test sample • Wald‐ ar
Uji Z Z‐ test orov ‐
Wolfowit
Sign‐test
Repeated  Binomi Smirno
Uji t Uji t t‐ test Chisq k  Cohran 
One way  Measure  Friedman 
al v •Kol‐Smir
Uji F Anova Anova Sample •KrusWal Q (2 WA)
•Median

5
 4/1/2017

STATISTIK UNIVARIAT STATISTIK BIVARIATE
Uji statistik univariat digunakan untuk menguji variabel 
individu, pada umumnya digunakan untuk menguji distribusi 
sampel (untuk uji satu sampel), dependensi, perubahan atau 
Statistik Bivariate digunakan untuk menguji 
perbedaan. asosiasi atau hubungan dua variabel.
Ukuran data variabel menentukan pilihan penggunaan
statistik parametrik atau non‐parametrik.
Beberapa koefisien yang dapat digunakan 
Statistik Parametrik: Digunakan untuk data kuantitatif atau metrik 
berskala interval atau rasio, dimana distribusi data adalah 
untuk data berukuran nominal, ordinal, 
(mendekati) normal. interval dan rasio  diringkas sebagai berikut:
Statistik Non‐Parametrik: Digunakan untuk data kualitatif atau non‐
metrik berskala nominal atau ordinal, dimana distribusi data tidak 
diketahui atau tidak normal.

No. Ukuran Data Koefisien STATISTIK MULTIVARIATE

1 NOMINAL a Phi
b Cramer’s V Statistik Multivariate digunakan untuk menguji 
c Contingency Coefficient hubungan simultan lebih dari dua variabel. 
2 ORDINAL a Spearman’s Rho
b Somer’s d Seperti halnya statistik univariate, statistik 
c Kendall’ss tau
Kendall tau‐cc multivariate juga dapat dibedakan menjadi statistik 
d Kendall’s tau‐b
parametrik dan non‐parametrik.
e Gamma
f Partial Correlation Non‐ Parametrik Parametrik
g Bivariate Linear Regression
• Data kualitatif atau non‐ • Data kuantitatif atau metrik 
3 INTERVAL & RASIO a Korelasi Linear Sederhana
metrik (nominal, ordinal) (interval, rasio)
b Korelasi Parsial
• Distribusi data tidak diketahui  • Data berdistribusi normal
c Regresi Linier Sederhana (tidak normal)

MULTIVARIATE
STATISTIK MULTIVARIATE .... INTERDEPENDENSI DEPENDENSI

1 Juml Var  >1
Dalam Statistik Multivariate , analisis dapat  Terikat

dibedakan menjadi analisis dependensi dan  Ukuran 
Ukuran 
Variabel 
Ukuran 
Variabel 
Variabel Non  Terikat Terikat
interdependensi.  
interdependensi Metrik
Metrik
Non  Metrik
Metrik
Non 
Dependensi berarti terdapat variabel bebas dan  Metrik Metrik
Ukuran 
Variabel 
Ukuran 
Variabel 
Ukuran 
Variabel 
tak bebas. Non 
Bebas
Non 
Bebas
Non 
Bebas

Metrik Metrik Metrik Metrik Metrik Metrik

Interdependensi berarti tidak terdapat  Factor  Multiple  

Factor  Class An.  
Multy  Multiple 
perbedaan antar variabel. An An With  Discrimi
Multiple 
Regressi
Reg. Canoni
Dummy   nat An Mutiple  CONJOI
on_Dum MANO‐ cal An.
MDS MDS Classif 
Canonical  Logit & 
my Var
An. NT AN. VA
Cluster  Cluster  An_Dum Probit  Loglinea Lisrel
my Var Loglnear
An. An. An. r

6
 4/1/2017

Prosedur  Penentuan  Uji P 1. Uji Satu Sampel ‐ NP

arametrik atau Non‐Parametrik

2. Uji Dua Sampel ‐ NP 3. Uji Lebih dari Dua Sampel ‐ NP

4. Ukuran Korelasi ‐ NP

TERIMA KASIH
Atas perhatian dan kerjasamanya dalam tatap muka kali ini

SAMPAI JUMPA
PADA KULIAH MINGGU DEPAN
Dr. Kaswanto, SP, MSi
HP. 0812‐19‐39739
kaswanto@apps.ipb.ac.id 
Blog : kaswanto.staff.ipb.ac.id
FB : Regan Leonardus Kaswanto
1 April 2017