A. Penelitian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan
kegunaan tertentu. Berdasarkan pengertian tersebut terdapat empat hal yang perlu
dipahami lebih lanjut, yaitu: cara ilmiah, data, tujuan dan kegunaan. Penelitian harus
didasarkan pada ciri-ciri keilmuan yaitu: rasional (kegiatan itu dilakukan dengan cara-
cara yang masuk akal), empiris (cara-cara yang yang digunakan dalam penelitian itu
teramati oleh indra manusia) dan sistematis (proses yang digunakan dalam penelitian
itu menggunakan langkah-langkah tertentu yang bersifat logis).
Data yang diperoleh dalam penelitian itu mempunyai kriteria tertentu, yaitu
harus valid (menunjukan derajat ketepatan antara data sesungguhnya terjadi pada
objek dengan data yang dilaporkan oleh peneliti), reliabel (menunjukan derajat konsis-
tensi data dalam interval waktu tertentu) dan objektif.
Secara umum tujuan penelitian itu meliputi tiga macam sifat yaitu sifat
penemuan, pembuktian dan pengembangan. Yang selanjutnya pengembangan berarti
data yang diperoleh dari penelitian itu digunakan untuk memperdalam dan mem-
perluas suatu pengetahuan.
Penelitian adalah suatu proses yang dilakukan secara terencana, menggunakan
prosedur ilmiah dan sistematis. Langkah-langkah dalam melakukan penelitian: Meng-
identifikasi masalah, merumuskan dan membatasi masalah (untuk lebih jelasnya, ikuti
bagian, melakukan studi literatur/kepustakaan, merumuskan hipotesis atau pertanyaan
penelitian, menentukan desain dan metode penelitian, menyusun instrumen dan
mengumpulkan data, menganalisis data dan menyajikan hasil, menginterpretasikan
temuan, membuat kesimpulan dan saran/rekomendasi.
Jenis-jenis penelitian dapat dibedakan berdasarkan : 1) pendekatan, 2) fungsinya,
dan 3) tujuannya.
Berdasarkan pendekatan yang digunakan, secara garis besarnya dibedakan
menjadi 2 (dua) macam penelitian yaitu penelitian kuantitatif dan penelitian kualitatif,
kedua penelitian ini memiliki asumsi, karakteristik, dan prosedur penelitian yang
berbeda.
2
B. Pengembangan
Penelitian pengembangan bertujuan untuk memperdalam dan memperluas
penetahuan yang telah ada. Dalam konteks pendidikan, penelitian pengembangan ber-
tujuan menghasilkan perangkat pembelajaran, seperti silabus, bahan ajar, media,
modul praktikum, latihan kerja siswa, alat mengukur kemajuan belajar, alat mengukur
hasil belajar, dsb. Yang melatar belakangi perlunya dilakukan penelitian pengem-
4
bangan adalah adanya masalah yang terkait dengan perangkat pembelajaran yang
kurang tepat.
Masalah penelitian pengembangan yang benar harus berisi dua aspek, yaitu. (1)
masalah yang akan dipecahkan dan (2) spesifikasi perangkat pembelajaran yang akan
dihasilkan untuk memecahkan masalah tersebut. Selama dua aspek tersebut terkan-
dung dalam sebuah rumusan masalah penelitian pengembangan, maka rumusan
masalah tersebut sudah benar. Penambahan beberapa sub-masalah untuk merinci ru-
musan masalah (utama) bisa saja dilakukan selama tidak mengurangi kejelasan makna
dari rumusan masalah (utama) nya, misalnya tetap hanya akan menghasilkan sebuah
produk perangkat pembelajaran dalam satu penelitian pengembangan. Rumusan
masalah penelitian pengembangan bisa dirinci menjadi beberapa sub-masalah apabila
perangkat pembelajaran yang akan dikembangkan bisa dibagi menjadi beberapa
bagian, misalnya bahan ajar writing, bisa dirinci menjadi 5 bagian, yaitu (1) bahan
pembelajaran activating schemata, (2) bahan pembelajaran brainstorming, (3) bahan
pembelajaran drafting, (4) bahan pembelajaran editing, dan (5) bahan pembelajaran
publishing.
C. Penelitian Evaluatif
Penelitian evaluatif merupakan suatu desain dan prosedur evaluasi dalam me-
ngumpulkan dan menganalisis data secara sistematik untuk menentukan nilai atau
manfaat dari suatu praktik (pendidikan). Praktik pendidikan dapat berupa program,
kurikulum, pembelajaran, kebijakan, regulasi administratif, manajemen, struktur orga-
nisasi, produk pendidikan atau pun sumber daya penunjangnya. Praktik pendidikan
dapat berlangsung dalam lingkup kelas, sekolah, kecamatan, sampai dengan nasional.
Penelitian evaluatif terbagi menjadi dua macam, yaitu penelitian tindakan
(action research) dan penelitian kebijakan (policy study). Penelitian tindakan
dilaksanakan oleh para pelaksana untuk memecahkan masalah yang dihadapi atau
memperbaiki pelaksanaan suatu kegiatan. Sebagai contoh, guru melakukan penelitian
tindakan untuk memecahkan masalah atau meningkatkan program pengajarannya.
Penelitian tindakan menekankan pada proses sekaligus hasil dari perubahan-
perubahan strategi dan teknik yang dipakai.
5
apakah gejala yang satu berbeda dengan gejala yang lain ataukah tidak, jika terdapat
perbedaan, apakah perbedaan itu merupakan perbedaan yang berarti (meyakinkan)
ataukah perbedaan itu terjadi hanya secara kebetulan saja, (d) mengetahui, apakah
gejala yang satu ada hubungannya dengan gejala yang lain, (e) menyusun laporan
yang berupa data kuantitatif dengan teratur, ringkas, dan jelas, (f) menarik kesimpulan
secara logis, mengambil keputusan secara tepat dan mantap serta dalam
memperkirahkan atau meramalkan hal-hal yang mengkin terjadi di masa mendatang,
dan langkah konkrit apa yang kemungkinan perlu dilakukan oleh seorang pendidik.
Penerapan statistika dalam penelitian dibedakan atas dua macam, yaitu statistika
deskriptif dan statistika induktif inferensial.
Statistika diskriptif digunakan atau diterapkan untuk mengatur, meringkas,
menyajikan dan mendiskripsikan data dengan tujuan agar data menjadi lebih ber-
makna. Pengaturan, penyajian dan peringkasan data dapat diwujudkan dalam bentuk
tabel, distribusi frekuensi, histogram, diagaram batang, diagram lingkar, piktogram,
poligon atau ogive.
Deskripsi data dapat dinyatakan dengan dua aspek, yaitu :
- Ukuran pemusatan (central tendensy) yaitu suatu harga kemana data cenderung
memusat, dinyatakan dalam bentuk harga rata-rata modus atau median
7
- Ukuran penyebaran (disperson) yaitu sejauh mana ketervariasian data yang satu
dengan yang lain, dinyatakan dalam bentuk rentang (range), simpangan baku
(standart deviasi), varians, koefisien variasi atau standart error.
Statistika inferensial digunakan atau diterapkan untuk menyimpulkan tentang suatu
harga parameter populasi berdasarkan harga statistik sampel. Statistika inferensial
dibedakan atas dua bagian yaitu estimasi dan uji hipotesis.
Kualitas temuan/pengembangan
pengetahuan baru
Kualitas analisis
statistik
Pada gambar di atas tampak bahwa temuan penelitian (pengetahuan baru) dapat
dibedakan menjadi 2 golongan besar, yaitu pengetahuan yang berupa perian variabel
dan pengetahuan yang berupa hubungan variabel. Hal ini juga berkaitan erat dengan
penggunaan alat analisis statistiknya yang berbeda pula. Sebagai konsekwensi
pemilihan, secara umum pengetahuan (baik perian maupun hubungan variabel), maka
dalam pemakaian statistik sebagai alat analisis data juga dipilah menjadi dua, yaitu
statistik deskriptif dan inferensial.
Jika hasil analisis statistik hanya untuk memerikan data (sensus atau pun sampel)
terhadap suatu subyek/obyek yang diteliti, maka lebih tepat digunakan statistik
deskriptif. Namun jika hasil analisis statistik (data sampel) yang akan diberlakukan
simpulannya terhadap suatu populasi, maka lebih tepat digunakan teknik statistik
inferensial.
9
Statistik deskriptif adalah statistik yang dipakai untuk menganalisis data dengan
cara mendeskripsikan atau memerikan data yang telah terkumpul sebagaimana adanya
tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan
menggunakan statistik deskriptif dalam analisisnya.
Termasuk dalam statistik deskriptif adalah: (1) penyajian data melalui: tabel
(tabel biasa maupun distribusi frekuensi), grafik (histogram, poligon frekuensi dan
ogive), diagram lingkaran, pictogram, perhitungan mean, modus, median, kuartil,
desil, persentil, variasi kelompok dan simpangan baku. (2) Angka indeks (3) Time
series atau deret waktu (4) Koefisien regeresi dan koefisien korelasi sederhana.
Karakteristik variabel yang digunakan pada statistik deskriptif adalah variabel
yang bersifat univariate (satu variabel).
Syarat pengggunaan statistik deskriptif dalam penelitian adalah jika tujuan pene-
litian ingin memahami atau mempelajari populasi atau sampel yang bersangkutan dan
tidak bermaksud membuat generalisasi, sehingga tidak ada kesalahan generalisasi,
dikarenakan dalam statistik deskriptif tidak ada uji signifikansi, dan tidak ada taraf
kesalahan.
X1 = Nilai x ke 1 – ke n
n = jumlah individu
2. Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai
tengah dari kelompok data yang disusun urutannya dari terkecil sampai yang
terbesar atau sebaliknya.
Contoh: diberikan data sebagai berikut.
2; 2,5; 3,0; 3,0; 3,6; 3,8
𝑛+1 6+1
Maka median adalah = = 3,5
𝑠 2
3. Modus (Mode)
Modus yaitu merupakan teknik penjelasan kelompok yang didasarkan atas nilai
yang sedang populer (nilai yang sering muncul).
Grafik/ Display
Meliputi :
1. Frequensi Distribution Tabel
2. Frequensi Distribusi Polygon
3. Histrogram
4. Bar Grap
C. Penyajian Data
Prinsip dasar penyajian data adalah komunikatif dan lengkap, dalam arti data
yang disajikan dapat menarik perhatian pihak lain untk membacanya dan mudah
memahami isinya.
11
Tingkat Pendidikan
No Bagian Jml
S3 S2 S1 SM SMU SMK SMP SD
1 Keuangan 25 90 45 156 12 3 331
2 Umum 5 6 6 8 4 1 30
3 Penjualan 7 65 37 5 114
4 Litbang 1 8 35 44
Jumlah 1 8 72 96 51 229 53 9 519
KUALITAS RANGKING
NO ASPEK KERJA
KINERJA KINERJA
1 Kondisi Fisik Tempat 61.90 1
2 Alat-alat Kerja 61.02 2
3 Ortal 58.72 3
4 Kemampuan Kerja 58.70 4
5 Peranan Korpri 58.42 5
6 Kepemimpinan 58.05 6
7 Performen Kerja 57.02 7
8 Manajemen Kepegawaian 54.61 8
9 Produktivitas Kerja 54.51 9
10 Motivasi Kerja 54.02 10
11 Diklat yang Diperoleh 53.16 11
12 Kebutuhan Individu 53.09 12
Rata-Rata Kualitas Kinerja 56.262
Sumber Data: Biro Kepegawaian
30
25
20
TV
15 Radio
Vidio
10
0
1995 1996 1997 1998 1990
TAHUN
Gambar 3. Tingkat Pembelian TV, Radio, dan Video dari Tahun 1995 - 1990
45
40
35
30
25
20
15
10
5
0
10 - 19 20 - 29 30 - 39 40 - 49 50 - 59 60 - 69 70 - 79 80 - 89 90 - 99
% KB AKTIF
3.6
27
53.9
11.1
4.4
Contoh Penyajian data dengan pictogram atau grafik dengan gambar sebagai berikut:
Kesimpulan
A. Pengertian
Statistik Inferensial sering juga disebut statitik induktif atau statistik probabilitas,
adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila sampel diambil
dari populasi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan
secara random.
Statistik ini disebut juga statistik probabilitas, karena kesimpulan yang diber-
lakukan untuk populasi berdasarkan data sampel itu kebenarannya bersifat peluang
(probability). Suatu kesimpulan dari data sampel yang akan diberlakukan untuk
populasi itu memiliki peluang kesalahan dan kebenaran (kepercayaan) yang dinya-
takan dalam bentuk persentase. Bila peluang kesalahan 5% maka taraf kepercayaan
95%, bila peluang kesalahan 1%, maka taraf kepercayaannya 99%. Peluang kesalahan
dan kepercayaan ini disebut dengan taraf signfikansi. Pengujian taraf signifikansi dari
suatu hasil analisis akan lebih praktis bila didasarkan pada tabel sesuai dengan teknik
analisis yang digunakan. Misal: uji t akan digunakan table t, Uji F digunakan table F.
Pada setiap tabel sudah disediakan untuk taraf signifikansi berapa persen suatu
hasil analisis dapat digeneralisasikan. Dapat diberikan contoh misalnya dari hasil
analisis korelasi ditemukan koifisien korelasi 0,54 itu dapat berlaku pada 95 dari 100
sampel yang diambil dai suatu populasi. Contoh lain misalnya dalam analisis uji beda
ditemukan sugnifikansi untuk 1%. Hal ini berarti bahwa perbedaan itu berlaku pada 99
dari 100 sampel yang diambil dari populasi. Jadi signifikansi adalah kemampuan untuk
digeneralisasikan dengan kesalahan tertentu. Ada hubungan signifikan berarti
hubunga itu dapat digeneralisasikan. Ada perbedaan signifikan berarti perbedaan itu
dapat digeneralisasikan.
yang diperoleh dari sampel). Parameter populasi itu meliputi: rata-rata dengan notasi
µ(miu), simpangan baku/ standar deviasi σ(thou), dan varians (σ2). Sedangkan
statistiknya atau data sampel meliputi rata-rata X (X bar), simpangan baku s, dan
varians s2. Jadi parameter populasi yang berupa µ diuji melalui X garis, selanjutnya σ
Bagaimana jika asumsi-asumsi diatas tidak dipenuhi, apa yang akan terjadi jika
populasi tidak berdistribusi normal? Apa yang akan terjadi jika data yang tersedia
dalam penelitian adalah data bukan interval (data nominal atau ordinal)? Apa yang
akan terjadi jika dua kelompok ternyata tidak homogen (tidak mempunyai varians
yang sama)? Jika asumsi yang mendasari model statistik tidak dipenuhi maka
penggunaan statistik parametrik menjadi tidak valid. Dalam hal ini peneliti lebih baik
menggunakan statistik nonparameterik dalam melakukan analisis data.
a) Observasi harus indenpenden. Yaitu pemilihan suatu kasus dari populasi untuk
dimasukkan kedalam sampel tidak boleh bias terhadap kemungkinan kasus-
kasus lain untuk dimasukkan kedalam sampel begitu juga dengan skor
pengukurannya juga tidsak boleh bias.
b) Data tidak berdistribusi normal
c) Jumlah sampel kecil (< 30)
d) Data tersaji dalam bentuk kategorial (data nominal atau ordinal)
Beberapa kelebihan uji statistic nonprametrik:
a) Jika jumlah sampel terlalu kecil, maka tidak ada alternatif lain selain
menggunakan statistik nonparametric dalam melakukan analisis data kecuali
distribusi populasi diketahui dengan pasti.
b) Uji nonparametrik memiliki asumsi yang lebih sedikit berkaitan dengan data
yang mungin lebih relevan pada situasi tertentu. Hipotesis yang diuji mungkin
lebih sesuai dengan tujuan penelitian.
19
Gambar 7. Diagram Penggunaan Statistik Parametrik Dan Non Parametrik dilihat dari
Pemenuhan Asumsi
20
1. Untuk menguji hipotesis deskriptif satu sampel (unisampel) bila datanya berbentuk
nominal, maka digunakan teknik statistik :
a. Binomial
b. Chi kuadrat satu sampel
2. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk ordinal,
maka digunakan teknik statistik : Run test.
3. Untuk menguji hipotesis deskriptif satu variabel (univariabel) bila datanya
berbentuk interval atau ratio, maka digunakan t-test satu sampel
4. Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya
berbentuk nominal digunakan teknik statistik : Mc Nemar.
5. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk ordinal digunakan teknik statistik :
a. Sign Test
b. Wilcoxon matched pairs
6. Untuk menguji hipotesis komparatif dua sampel berpasangan bila, datanya
berbentuk interval atau ratio, digunakan t-test dua sampel
7. Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk nominal digunakan teknik statistik :
a. Fisher exact probability
b. Chi kuadrat dua sampel
8. Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk ordinal digunakan teknik statistik :
a. Median test
b. Mann-Whitney U test
c. Kolmogorov Smirnov
d. Wald-Wolfowitz
9. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk interval dan ratio, digunakan t-test sampel berpasangan (related)
10. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk
nominal, digunakan teknik statistik : Chocran Q
22
11. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk
nominal, digunakan teknik statistik : Friedman Two-way Anova
12. Untuk menguji hipotesis komparatif sampel berpasangan bila datanya berbentuk
interval atau ratio digunakan analisis varians satu jalan maupun dua jalan (one way
dan two way Anova)
13. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk
nominal, digunakan teknik statistik : Chi kuadrat k sampel
14. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk
ordinal, digunakan teknik statistik :
a. Median Extension
b. Kruskal-Wallis One Way Anova
15. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
nominal digunakan teknik statistik : Koefisien Kontigensi
16. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
ordinal digunakan teknik statistik :
a. Korelasi Spearman Rank
b. Korelasi Kendal Tau
17. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
interval atau ratio, digunakan :
a. Korelasi Produk Moment : Untuk menguji hipotesis hubungan antara satu
variabel independen dengan satu dependen.
b. Korelasi ganda bila untuk menguji hipotesis tentang hubungan dua variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen.
c. Korelasi parsial digunakan untuk menguji hipotesis hubungan antara dua
variabel atau lebih, bila terdapat variabel yang dikendalikan.
d. Analisi regresi digunakan untuk melakukan prediksi, bagaimana perubahan
nilai variabel dependen bila nilai variabel independen dinaikkan atau
diturunkan nilainya (dimanipulasi)
Hipotesis penelitian yang akan diuji dalam penelitian berkaitan erat dengan
rumusan masalah yang diajukan, tetapi perlu diketahui bahwa setiap penelitian tidak
harus berhipotesis, namun harus merumuskan masalahnya. Penelitian yang harus
berhipotesis adalah penelitian yang menggunakan metode eksperimen.
23
= (2,3).(317,61-316,8)
= (2,3).(0,81)
= 1,863
Langkah 6. Bandingkan nilai χ2hitung dengan nilai χ2tabel pada 𝛼 = 0,05 dan derajad
kebebasan (dk) = k-1 = 3-1 = 2 diperoleh χ2tabel = 5,991 dengan kriteria
pengujian sebagai berikut.
Contoh 2: Uji Homogenitas dengan varians terbesar dibanding varians terkecil, ditun-
jukkan pada tabel berikut:
Langkah 1. Mencari nilai varians terbesar dan varians terkecil dengan rumus:
Uji normalitas dilakukan untuk mengetahui apakah populasi yang sedang diselidiki
berdistribusi normal atau tidak. Jika populasi tidak berdistribusi normal, maka
kesimpulan berdasarkan teori tidak berlaku.
2. Uji Lilliefors
3. Uji Chi-Kuadrat.
Pada makalah ini akan diuraikan uji normalitas dengan Chi-Kuadrat.
Contoh:
𝑅 48
i= = = 6,857 = 7
𝐵𝐾 7
Langkah 5. Membuat tabulasi dengan tabel penolong
Distribusi Frekuensi Variabel Menyerap Pelajaran Matematika SD Tunas Unggul
Malang-Jatim
Nilai
Kelas
No. f tengah (Xi)2 f. (Xi) f. (Xi)2
Interval
(Xi)
1 27 – 33 1 30 900 30 900
2 34 - 40 9 37 1369 333 12321
3 41 -47 13 44 1936 572 25168
4 48 – 54 15 51 2601 765 39015
5 55 – 61 13 58 3364 754 43732
6 62 – 68 11 65 4225 715 46475
7 69 - 75 2 72 5184 144 10368
Jumlah 64 ∑ f. (Xi)= 3313 ∑ f. (Xi)2 = 177979
∑ f.(Xi) 3313
⊽= = = 51,77
𝑛 64
1). Menentukan batas kelas, yaitu angka skor kiri klas interval pertama dikurangi 0,5
dan kemudian angka skor kanan ditambah 0,5; sehingga diperoleh nilai:
𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠− ⊽
2). Mencari nilai Z-score untuk batas kelas interval dengan rumus: Z = 𝑠
26,5−51,77 54,5−51,77
Z1 = = -2,49 Z5 = = 0,27
10,14 10,14
33,5−51,77 61,5−51,77
Z2 = = -1,80 Z6 = = 0,96
10,14 10,14
28
40,5−51,77 68,5−51,77
Z3 = = -1,11 Z7 = = 1,65
10,14 10,14
47,5−51,77 75,5−51,77
Z4 = = -0,42 Z8 = = 2,34
10,14 10,14
3). Mencari luas O – Z dari tabel kurva normal dari O – Z dengan memakai angka-
angka untuk batas kelas sehingga diperoleh:
4). Mencari luas tiap kelas interval dengan cara mengurangkan angka-angka O – Z
yaitu angka baris pertama dikurangi baris kedua, angka baris kedua dikurangi
angka baris ketiga dan begitu seterusnya. Untuk angka yang berbeda pada baris
paling tengah ditambahkan dengan angka pada baris berikutnya.
0,4936-0,4641 = 0,0295
0,4641-0,3665 = 0,0976
0,3665-0,1628 = 0,2037
0,1628+0,1064 = 0,2692
0,1064-0,3315 = 0,2251
0,3315-0,4505 = 0,1190
0,4505-0,4904 = 0,0399
5). Mencari frekuensi yang diharapkan (fe) dengan cara mengalikan luas tiap interval
dengan jumlah responden (n=64), diperoleh:
0,0295 x 64 = 1,89
0,0976 x 64 = 6,25
0,2037 x 64 = 13,04
0,2692 x 64 = 17,23
0,2251 x 64 = 14,41
29
0,1190 x 64 = 7,62
0,0399 x 64 = 2,55
Tabel 12. Frekuensi yang Diharapkan (fe) dari Hasil Pengamatan (fo) untuk Variabel
Kemampuan Menyerap Pelajaran Matematika SD Tunas Unggul Malang-Jatim
(𝑓𝑜−𝑓𝑒)2
χ2 = ∑𝑘𝑖=1 𝑓𝑒
= 3,67.
Ternyata χ2hitung < χ2tabel, maka Data Kemampuan Menyerap Pelajaran Matematika
SD Tunas Unggul Malang-Jatim berdistribusi normal.
C. Uji Linearitas
Salah satu asumsi dari analisis regresi adalah linearitas. Maksudnya apakah garis
regresi antara variabel X dan Y membentuk garis linear atau tidak. Jika tidak linear,
maka analisis regresi tidak dapat dilanjutkan.
Contoh:
Akan diuji linearitas regresi untuk data Motivasi Belajar Siswa (X) dan Prestasi
Belajar Siswa(Y) SMK Mandiri Malang. Diberikan data sebagai berikut.
Tabel 13. Data Motivasi Belajar Siswa dan Prestasi Belajar Siswa SMK Mandiri
Malang
Tabel 14. Angka Statistik Perhitungan ∑X; ∑Y; ∑X2; ∑Y2; ∑XY; s; x; a; b.
(∑𝑌)2 (2511)2
(JKReg|𝑎|) = = = 126102,42
𝑛 50
(∑𝑋).(∑𝑌) (2492).(2511)
(JKReg|𝑏|𝑎|) = b.[∑𝑋𝑌 − ] = 0,15.[125913 − ] = 114,714
𝑛 50
= 131794–114,714–126102,42 = 5576,866
JKres 5576,866
RJKRes = = = 116,18
𝑛−2 50−2
(∑𝑌)2
JKE = ∑𝑘 [∑𝑌 2 − ] = 2247,01
𝑛
Langkah 10. Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:
JK TC 3329,876
RJKTC = = = 107,42; dimana k adalah jumlah kelompok = 33.
𝑘−2 33−2
Langkah 11. Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:
32
𝐽𝐾𝐸 2247,01
RJKE = = = 132,18
𝑛−𝑘 50−33
A. Uji Hubungan
Contoh:
𝑆𝑃
Dengan rumus r = √𝑆𝑆𝑥𝑆𝑆𝑦 diperoleh harga r = -0,756
a). Hipotesis
Ho : ρ = 0
H1 : ρ ≠ 0
b). Asumsi
Data yang dianalisis berskala interval
Hubungan kedua variabel adalah linear
Sampel diambil secara acak dari populasi yang terdistribusi normal
c). Taraf Signifikansi
𝛼 = 0,05 tes dua ekor; df = n – 2 = 5 – 2 = 3; t kritis menurut tabel t dengan 𝛼 =
0,05, tes dua ekor adalah 3,182. Jika t>3,182 atau t<-3,182, maka Ho ditolak.
d). Harga tes statistik
𝑟√𝑛−2 −0,756√5−2
t= ; r =-0,756; t = = 2,00
√1−𝑟 2 √1−(−0,756)2
e). Keputusan
Karena harga t = 2,00<3,182, maka Ho ditolak.
f). Interpretasi
Tidak terdapat hubungan yang signifikan antara tingkat kegelisahan mahasiswa
dengan skor hasil ujian statistik.
B. Uji Beda
Contoh:
Menurut tabel harga F-max kritis dengan n-1= 9; k= 2; α = 0,5 adalah 4,03.
Karena harga F-max= 1,942<4,03 maka dinyatakan bahwa varian kedua
kelompok sama.
𝑋1 −𝑋2
t = 2 2
√𝑆𝜌 +𝑆𝜌
𝑛1 𝑛2
35
32,4 – 30,7
t = = 0,940
16,361 16,361
√ +
10 10
e). Keputusan
Karena harga t-statistik = 0,940<2,101; maka Ho ditolak.
f). Interpretasi
Tidak terdapat perbedaan hasil belajar mahasiswa pada matakuliah mesin
konversi energi yang menerima tugas terstruktur dan yang melakukan kegiatan
belajar mandiri.
IX . STATISTIK NONPARAMETRIK DAN CONTOH PENGGUNAANNYA
A. Uji Hubungan
1. Korelasi Kontigensi
Teknik korelasi ini digunakan untuk menguji ada tidaknya hubungan antara
variabel yang diamati dengan jenis data nominal-nominal dan atau nominal-
ordinal. Jenis data ini banyak dijumpai pada penelitian sosial, termasuk di
dalamnya penelitian pendidikan.
Rumus untuk mencari taraf kontigensi (KK) adalah sebagai berikut:
𝑋2
KK = √𝑋 2 + 𝑁 (Siegel, 1985)
N = jumlah sampel
36
Contoh penggunaan
Diberikan data hipotetik dari hasil observasi tentang kesenioran dosen UM dengan
jenis olahraga yang disukai.
Tabel 17. Data Hasil observasi tentang kesenioran dosen UM dengan jenis olahraga
yang disukai.
Ho: “tidak ada hubungan yang signifikan antara kesenioran dosen UM dengan
jenis olahraga yang disukai”. Maka Ho diuji dengan koefisien kontigensi.
Dari tabel di atas, jika besarnya nilai X2 dimasukkan ke dalam rumus koefisien
kontigensi maka diperoleh:
6,48
KK = = 0,177
6,48+200
“Ada hubungan yang signifikan antara kesenioran dosen UM dengan jenis olah-
raga yang disukai”.
dimana:
ρ = koefisien korelasi
1 = konstanta
6 = konstanta
∑ = jumlah
N = jumlah sampel
Contoh penggunaan
Seorang peneliti ingin mengetahui apakah terdapat korelasi antara status pada
pretest dengan status pada post-test dari peserta pelatihan diklat rem ABS.
Ho: “tidak terdapat korelasi positif yang signifikan antara status pada pretest de-
ngan status pada post-test dari peserta pelatihan diklat rem ABS’.
Data yang diperoleh adalah sebagai berikut.
6 𝜀 𝑑2
ρ=1–
𝑁 (𝑁2 −1)
38
6 ∑16 96
ρ=1– = 1- = 1 – 0,873 = 0,127
6.(36−1) 110
Korelasi Rank Kendall (τ) secara prinsip sama dengan korelasi Rank Spearman,
yaitu untuk menganalisis data ordinal. Namun korelasi Rank Kendall dapat
digeneralisasikan sebagai suatu koefisien korelasi parsial.
S
Rumus untuk mencari koefisien korelasi Rank Kendall adalah: τ =
0,5.N (N−1)
Untuk mencari koefisien korelasi Rank Kendall, maka lebih dulu dibuat rank
nyata pada salah satu variabel (di sini diambil data kualitas kerja). Data rank
sebagaimana di atas, akan menjadi sebagai berikut.
Keterangan:
Rup = ranking upah kerja
Rkp = ranking kualitas kerja
Rlb = ranking yang lebih besar antara Rkp dan Rup.
Dari tabel di atas, dapat dihitung besarnya nilai S sebagai berikut.
S = ∑ (N – Rb) – (Rup – Rkp)
40
Hasil tersebut dibandingkan dengan nilai τ pada tabel Kendall untuk uji
τ
Z = (Siegel, 1985)
2. (2N+5)
√ 9N.(N−1)
0,67
Z = = 3,03
2.(2.12+5)
√9.12.(12−1)
B. Uji Beda
Uji beda pada statistik nonparametrik tidak jauh berbeda dengan statistik para-
metrik. Artinya, uji beda di sini berlaku untuk hipotesis langsung (directional hypo-
thesis) yang telah memilliki arah perbedaan yang jelas maupun untuk hipotesis tak
langsung (nondirectional hypothesis) yang belum jelas arah perbedaannya. Hal ini
berkaitan erat dengan uji signifikansinya baik satu ekor (one tailed test) untuk
hipotesis langsung maupun dua ekor (two tailed test) untuk hipotesis tak langsung.
41
Pembahasan uji beda berikut ini difokuskan pada rumus-rumus statistik nonpara-
metrik yang banyak dipakai pada penelitian sosial, khususnya penelitian pendidikan
akan diuraikan sebagai berikut.
1. Chi-Kuadrat
Uji Chi-Kuadrat (χ2) dipakai pada jenis data yang berbentuk nominal (frekwensi).
Prosedur ini dapat juga digunakan untuk menguji ada-tidaknya perbedaan yang
signifikan antara 2 atau lebih kelompok data.
Rumus yang dipakai untuk menghitung χ 2 adalah sebagai berikut.
2
(𝑜𝑓−𝑒𝑓)
χ = ∑
2
𝑒𝑓
of = frekwensi observasi
ef = frekwensi harapan
∑ = jumlah
Jika derajat kebebasan (df) = 1, maka rumus yang dipakai dengan koreksi Yates;
namun jika df > 1 maka koreksi Yates tidak diperlukan. Menurut Downing dan
Clark (1983) serta Conover (1971), jika df > 1 maka rumus Chi kuadrat menjadi:
{(𝑜𝑓−𝑒𝑓)− 0,5)2
χ2 = ∑ dimana 0,5 adalah nilai koreksi Yates.
𝑒𝑓
Contoh Penggunaan
a). Sampel Tunggal
Seorang dosen ingin menguji apakah ada perbedaan yang signifikan antara
pilihan mahasiswa yang melakukan penelitian kualitatif dengan penelitian
kuantitatif.
Ho: “tidak ada perbedaan yang signifikan pilihan mahasiswa yang melakukan
penelitian kualitatif dengan penelitian kuantitatif”.
Dari 50 mahasiswa yang dipillih, 17 orang memilih kuantitatif dan 33 orang
memilih kualitatif.
Untuk mencapai tujuan itu, maka dilakukan tes statistik Chi-Kuadrat dengan taraf
signifikansi α = 0,05 yang ditabelkan berdasarkan variasi sel, ef, of, dan ((of –
ef)- 0,5)2 sebagai berikut.
42
dimana:
Nbaris = jumlah frekwensi dalam baris
Nkolom = jumlah frekwensi dalam kolom tiap variasi tingkat kepuasan
Ntotal = jumlah frekwensi total
Hasil perhitungan frekwensi harapan setiap sel yang dimaksud, ditabelkan di
bawah ini.
Tabel 24. Hasil Perhitungan Frekwensi Harapan
Tingkat Kepuasan
Jenis
Kurang Total
Kelamin Sangat puas Puas Tidak puas
puas
Pria 17,24 27,09 11,82 9,85 66
Wanita 17,76 27,91 12,18 10,15 68
Total 35,00 55,00 24,00 20,00 134
Berdasarkan contoh di atas, tampak bahwa uji beda ini banyak dipakai untuk uji
hipotesis tak langsung (nondirectional hypothesis). Sehingga, kekuatan
interpretasinya hanya menunjukkan signifikansi ada-tidaknya perbedaan antara
frekwensi observasi dan frekweksi harapan. Tidak serta merta menunjuk apakah
frekwensi observasi lebih besar atau lebih kecil daripada frekwensi harapan.
Demikian juga sebaliknya.
2. Uji Wilcoxon
Uji Wilcoxon biasa disebut juga dengan uji Ranking Bertanda Data Berpasangan
(Wilcoxon Matched-Pairs Signed-Rank Test).
Uji ini dipakai untuk menguji perbedaan distribusi match population dari mana
data sampel diambil.Uji ini biasanya diterapkan untuk menganalisis data penelitian
44
Contoh Penggunaan
Seorang penatar statistik nonparametric ingin mengetahui apakah petatar
bertambah pemahamannya tentang bahan tataran yang diberikan. Untuk itu
sebelum memulai pembelajaran penatar memberikan pretest dan memberi post-
test di akhir pembelajaran. Pengujian ini memakai taraf signifikansi α = 0,05
dengan jumlah subyek 10 orang.
Ho: “Petatar tidak bertambah pemahamannya tentang statistik nonprarametrik
setelah mengikuti penataran”.
Skor hipotetik yang diperoleh dapat dillihat pada tabel berikut.
45
Skor
Skor Beda Peringkat Tanda
Pasangan pre- Beda
post-test absolut beda absolut peringkat
test
A 82 56 26 26 10 10
B 80 70 10 10 5 5
C 75 70 5 5 2,5 2,5
D 64 66 -2 2 1 -1
E 90 72 18 18 7,5 7,5
F 85 65 20 20 9 9
G 55 60 -5 5 2,5 -2,5
H 68 50 18 18 7,5 7,5
I 78 65 13 13 6 6
J 67 73 -6 6 4 -4
T+ = 47,5
T- = 7,5
Berdasarkan perhitungan hasil T yang lebih kecil di antara T yang bertanda (+)
dan (-) sebagaimana di atas sebesar 7,5. Untuk N= 10 dan α = 0,05 diperoleh T
kritis = 8. Jadi, Thitung < Tkritis.
Keputusan: Ho ditolak.
Interpretasi: “Petatar bertambah pemahamannya tentang statistik nonprarametrik
setelah mengikuti penataran”.
Signifikansi harga T seperti di atas dapat dipakai jika jumlah pasangan ≤ 25. Jika
jumlah pasangan >25, maka untuk menguji signifikansi menggunakan Z ratio.
Kriteria penolakan Ho jika Z ratio yang diperoleh > harga kritis.
Rumus Z ratio adalah:
3. Uji Mann-Whitney
Uji Mann-Whitney U (dalam uraian berikut akan disebut uji U) digunakan untuk
menguji Ho yang menyatakan bahwa tidak ada perbedaan dalam distribusi skor
populasi dimana 2 kelompok sampel diambil. Teknik ini merupakan alternatif
nonparametrik dari uji “t” sampel bebas (tidak berhubungan) pada statistik parametrik,
jika peneliti menghadapi tidak terpenuhinya asumsi-asumsi yang dipersyaratkan
dalam uji t. Nilai U dicari setelah dilakukan penggabungan dan pengurutan skor-skor
dari kedua kelompok sampel dengan memperhatikan jumlah anggota kelompok skor
yang lebih tinggi berada di bawah peringkat kelompok skor yang lebih rendah.
Konsekuensinya adalah jika terjadi semua anggota kelompok yang lebih tinggi berada
di atas peringkat kelompok skor yang lebih rendah, maka U = 0. Artinya makin kecil
nilai U dari nilai kritis, akan makin kuat tingkat signifikansinya.
Dalam penerapannya uji U dibedakan menjadi 3 kelompok, yaitu:
a) Kelompok sampel kecil ( Nz ≤ 8).
b) Kelompok sampel sedang (9 ≤ Nz ≤ 20).
c) Kelompok sampel besar (21 ≤ Nz ≤ 30).
Ketiga kelompok uji U akan diuraikan berikut ini.
a). Kelompok sampel kecil (N2 ≤ 8)
Langkah-langkah yang ditempuh pada uji U untuk kelompok sampel kecil
meliputi:
(i). Skor kedua kelompok yang akan dibandingkan diurutkan bersama dengan
disertai identitas kelompok. Misal skor-skor dalam kelompok yang akan
dibandingkan terdiri atas kelompok E = 5, 7, 10, 12, 14; dan untuk kelompok
C = 4, 6, dan 11. Urutan skor gabungan kedua kelompok (E dan C) menjadi:
4 5 6 7 10 11 12 14
Skor
C E C E E C E E
(ii). Gunakan kelompok C sebagai acuan dalam menentukan peringkat yang lebih
rendah dari urutan gabungan kedua kelompok (karena skor kelompok C < E).
(iii). Skor anggota kelompok C = 4 yang tidak memiliki skor anggota kelompok E
yang berada dibawahnya, berarti = 0. Sedang untuk C = 6 memiliki 1
anggota E yang dibawahnya, berarti ditulis = 1, dan C = 11 mempunyai 3
47
Mahasiswa Mahasiswi
No. Skor sikap No. Skor sikap
Peringkat Peringkat
Subyek thd Mat. Subyek thd Mat.
1 18 1 1 23 4
2 20 2,5 2 29 7
3 30 8,5 3 44 15,5
4 35 10 4 36 11
5 40 12,5 5 46 17
6 25 5 6 26 6
7 45 16 7 40 12,5
8 43 14 8 44 15,5
9 20 2,5
10 30 8,5
R1 = 80,5 R2 = 88,5
N1 = 10 N2 = 8
𝑁1(𝑁1+1) 𝑁2(𝑁2+1)
U1 = N1.N2 + - R1 U2 = N2.N1 + - R2
2 2
10(10+1) 8(8+1)
= 10.8 + - 80,5 = 8.10 + - 88,5
2 2
= 54,5 = 27,5
Pengujian hipotesis nol dilakukan dengan U yang lebih kecil (disini diambil U2 =
27,5). Untuk uji 2 ekor dalam tabel U diperoleh nilai kritis = 13.
Keputusan: Ho diterima.
Interpretasi: “tidak ada ada perbedaan sikap antara mahasiswa pria dan wanita
terhadap matakuliah matematika”.
𝑈−𝑈𝑢 𝑁1.𝑁2
Zratio = dimana: Uu =
𝜎𝑢 2
(𝑁1).(𝑁2).(𝑁1+𝑁2+1)
σ𝑢 = √ 12
dimana:
N = N1 + N2
𝑡 3− 𝑡
T =
12
t = banyaknya obsevasi yang memiliki angka sama untuk suatu ranking tertentu.
Jika deviasi standar distribusi disubtitusikan ke dalam rumus, maka Z akan
menjadi:
𝑁1.𝑁2
𝑈−
2
Z =
𝑁1.𝑁 𝑁3 − 𝑁
√(𝑁(𝑁−1)).( 12 − 𝜀𝑇)
Contoh Pengggunaan
Dekan fakultas “X” ingin mengetahui apakah ada perbedaan hasil belajar antara
mahasiswa yang dibina oleh dosen yang berpengalaman banyak, cukup, dan sedikit
dalam suatu matakuliah. Untuk pengujian Ho ditetapkan taraf signifikansi α = 0,01.
Adapun data hasil belajar mahasiswa beserta peringkatnya disajikan berikut ini.
Pengalaman Dosen
No
subyek
Banyak Peringkat Cukup Peringkat Sedikit Peringkat
1 75 13 73 12 70 10
2 80 15 78 14 65 8
3 50 3 60 6,5 72 11
4 60 6,5 55 5 49 2
5 - - 40 1 53 4
6 - - 68 9 - -
R1 = 37,5 R2 = 47,5 R3 = 35
N1 = 4 N2 = 6 N3 = 5
Dengan memakai rumus H, dan harga-harga di atas disubtitusikan maka diperoleh:
H = 0,267
df = (3 – 1) = 2
pada α = 0,01, nilai kritis dalam tabel Chi-Kuadrat = 9,21.
Keputusan: Ho diterima.
51
Interpretasi: “tidak ada perbedaan hasil belajar antara mahasiswa yang dibina oleh
dosen yang berpengalaman banyak, cukup, dan sedikit dalam suatu
matakuliah di fakultas “X”.
Jika hasil pengamatan terdapat angka (ranking) yang sama lebih dari 25% dari
keseluruhan angka hasil observasi, maka perlu dipertimbangkan adanya faktor koreksi.
Hal ini dikarenakan jika angka hasil pengamatan sebesar tersebut di atas akan
berpengaruh terhadap besarnya nilai H. Jika faktor koreksi dimasukkan dalam
perhitungan, maka rumus H menjadi:
12 𝑅𝑗2
ε – 3(N + 1)
𝑁(𝑁+!) 𝑛𝑗
H = 𝜖𝑇 dimana:
1− 3
𝑁 −𝑁
5. Uji Friedman
Uji ini dipakai pada peringkat skor hasil pengukuran dari kelompok sampel ber-
pasangan dalam skala sekurang-kurangnya berbentuk ordinal. Hipotesis nol (Ho) yang
diuji berbunyi:
“tidak ada perbedaan distribusi pengukuran skor pada sampel yang berhubungan
atau berpasangan yang berasal dari populasi”.
Perpasangan, dalam hal ini, dapat dicapai dengan mengambil kelompok subyek
yang sama dengan perlakuan (kondisi) yang berbeda atau diambil dari beberapa
kelompok subyek yang diambil secara random untuk setiap kondisi perlakuan.
Padanan teknik ini pada statistik parametrik adalah analisis varian 2 jalur, sehingga uji
ini sering disebut dengan uji Friedman two-way anova.
Rumus Friedman two-way anova yang biasa dipakai adalah:
12
Xr2 = - 𝜀 Rj2 – 3N.(k + 1)
𝑁𝑘.(𝑘+1)
Keterangan:
52
Warna cap
Kelompok
Hitam Coklat Ungu
A 15 12 9
B 16 17 15
C 10 10 8
D 14 15 17
E 13 12 10
F 12 11 9
G 13 10 10
H 12 12 11
Data di atas dibuat peringkat jawaban setiap subyek pada 3 kondisi (hitam, coklat,
ungu) sebagai berikut.
Tabel 29. Peringkat Jawaban dari Setiap Subyek
Warna cap
Kelompok
Hitam Coklat Ungu
A 3 2 1
B 2 3 1
C 2,5 2,5 1
D 1 2 3
E 3 2 1
F 3 2 1
G 3 1,5 1,5
H 2,5 2,5 1
N=8 R1 = 20 R2 = 17,5 R3 = 10,5
Nilai Xr2 hitung = 6,06. Dalam penelitian ini K = 3 (hitam, coklat, dan ungu);
sedangkan N = 8. Berdasarkan hasil ini pada tabel Friedman diperoleh α = 0,047.
Harga ini lebih besar dari harga taraf signifikansi α = 0,01.
Keputusan: Ho diterima.
Interpretasi:
“pembeli berpendapat warna cap karung tidak menyebabkan isi berbeda”.
54
DAFTAR RUJUKAN
Furchan, Arif. 1992. Pengantar Penelitian dalam Pendidikan Surabaya: Usaha Nasi-
onal
Ibnu, S., Mukhadis, A dan Dasna, I.W., 2003. Dasar-dasar Metodologi Penelitian,
Malang: Penerbit Universitas Negeri Malang
Mukhadis, A. 2001. Statistik Nonparametrik II: Uji Beda. Makalah Lokakarya Ting-
kat Lanjut Metodologi Penelitian Kuantitatif XIII bagi Dosen UM. Malang:
Lembaga Penelitian UM, 24 Juli – 23 Agustus.
Riduan. 2008. Belajar Mudah Penelitian untuk guru-karyawan dan peneliti pemula.
Bandung: Afabeta
_______. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta
Lampiran 6. Tabel Harga Kritis “r” dalam Run Test Satu Sampel pada α = 0,05
62
Lampiran 7. Tabel Harga Kritis “r” dalam Run Test Dua Sampel pada α = 0,05
63
Lampiran 13. Tabel Harga Kritis “Z” dalam Observasi Distribusi Normal