Pada umumnya, judul sebuah penelitian identik dengan metode analisis data yang

digunakan. Mengapa? Karena pada judul penelitian terutama penelitian kuantitatif

dicantumkan tujuan secara umum dari sebuah penelitaian. Sedangkan tujuan dari
penelitian akan identik dengan beberapa kelompok metode analisis data. berikut
merupakan contoh beberapa judul penelitian:

1. Hubungan antara tinggi badan anak dengan tinggi badan orang tua.

2. Pengaruh kebijakan Bank Sentral terhadap penurunan suku bunga bank

komersial.

3. Perbandingan rata-rata biaya hidup di kota A dan kota B.

Jika kita perhatikan ketiga contoh judul penelitian di atas, maka terdapat kata-kata
yang merujuk kepada tujuan dari penelitian tersebut. Secara garis besar, tujuan dari
penelitian kuantitatif terbagi menjadi empat kelompok yaitu penelitian deskriptif,
penelitian asosiatif, penelitian kausalitas/pengaruh dan penelitian
perbandingan/komparatif. Masing-masing judul penelitian contoh judul penelitian di
atas merujuk kepada tujuan penelitian yang berbeda. contoh pertama merujuk
kepada jenis penelitian yang bertujuan untuk mencari hubungan asosiatif, contoh
kedua merujuk kepada judul penelitian kausalitas dan contoh ketiga merujuk kepada
penelitian yang bertujuan untuk membandingkan (komparatif).

Statistika terbukti sangat bermanfaat untuk mendeskripsi data penelitian yang

diperoleh serta kemampuannya mereduksi data menjadi beberapa besaran tertentu
seperti rerata (mean), median, modus, variansi (variance), simpangan baku
(standard deviation), normalitas dan lainnya. Lebih jauh, statistika dimanfaatkan
sebagai metode yang andal untuk melakukan inferensi melalui pengujian hipotesis
(dugaan sementara), sehingga para periset dapat mengambil kesimpulan dari
penelitiannya.

Melalui pengujian statistika tersebut, diharapkan proses pengambilan kesimpulan

(conclusion) dan keputusan (decision) dari penelitian dapat berlangsung dengan
baik dan benar dari sudut pandang ilmiah dan dapat menggeneralisasi populasi
berdasarkan sampel. Sekalipun tidak tertutup kemungkinan adanya kesalahan dari
hasil analisis keputusannya, namun sekurang-kurangnya statistika dapat membuat
probabilitas terjadinya kesalahan tersebut seminimal mungkin. Bahkan, lebih jauh
lagi tingkat kekeliruan analisis dapat dirancang sejak awal.

Metode statistik yang digunakan dalam sebuah analisis data penelitian, pada
umumnya berkaitan erat dengan perumusan masalah dan kerangka pemikiran
penelitian (research paradigm) itu sendiri. Perumusan masalah merupakan landasan
utama dari setiap penelitian ilmiah yang menjadi panduan langkah-langkah
berikutnya. Secara umum, proposal penelitian terdiri dari latar belakang,
permasalahan, tujuan, kajian literatur, kerangka pemikiran, perumusan hipotesis,
metode penelitian, dan rancangan analisis. Selanjutnya, setelah data penelitian
dianalisis maka disusunlah pembahasan/diskusi hingga kesimpulan penelitian serta
saran/rekomendasi apabila diperlukan. Untuk penelitian tingkat strategik pada
umumnya dilengkapi dengan policy paper untuk memudahkan para pengambil
kebijakan membuat keputusan strategiknya.

Perumusan masalah penelitian pada umumnya wajib dicantumkan dengan tegas

pada Bab Pendahuluan bersama dengan tujuan bahkan judul penelitian di setiap
skripsi dan tesis ekonomi. Kualitas perumusan masalah penelitian, pada umumnya
sangat tergantung pada kemampuan kita dalam mengidentifikasi permasalahan dan
telaahan (review) teori dan penelitian sebelumnya. Semakin tajam dan
komprehensif dalam mengidentifikasi masalah penelitiannya yang disertai
kedalaman telaahan terhadap artikel ilmiah terkait dan terbaru (recent research),
maka akan semakin baik pula kualitas penelitiannya. Oleh karena itu, kesalahan
dalam mengidentifikasi masalah penelitian (sympton) akan berakibat
fatal. Identifikasi masalah merupakan bagian terpenting dari belakang penelitian
yang menjadi landasan utama dalam membentuk kerangka pemikiran, metode
penelitian, rancangan analisis dan alur penelitian yang akurat.

Selain itu, jumlah dan kualitas referensi terbarukan yang dijadikan acuan penelitian
akan menentukan kualitas state of the art suatu penelitian yang memenuhi unsur-
unsur kemutakhiran (novelty) dan originalitas penelitiannya. Sebagaimana kita
ketahui bersama, kualitas kerangka pemikiran merupakan landasan utama
penyusunan hipotesis yang akan diuji, metode penelitian dan rancangan analisis
yang sesuai dan konsisten dengan tujuan utama penelitian. Perlu diingatkan
kembali, bahwa pada proses penentuan hipotesis harus dilandasi teori yang kokoh
(robust) dan didukung oleh berbagai temuan penelitian sebelumnya sesuai dengan
topik penelitiannya.

Setiap rumusan masalah penelitian yang dibentuk melalui dasar teori dan beberapa
penelitian sebelumnya tersebut akan diuji melalui hipotesis dalam bentuk dugaan
sementara sebagai jawaban masalah penelitian inferensial. Dalam hal ini, pengujian
statistik terhadap berbagai hipotesis, hanyalah salah satu metode (tool) yang
digunakan untuk membuktikan hipotesis penelitian tersebut. Melalui pengujian
statistik tersebut, kita dapat menyimpulkan apakah hipotesis penelitian yang kita
ajukan sebelumnya ditolak (rejected) atau tidak ditolak (not rejected).

 About
 Latest Posts
Uji Multikolinearitas Regresi Linier Berganda
29JANBy Hidayat Huang
Multikolinearitas dalam regresi adalah fenomena statistik dimana dua atau lebih variabel
prediktor atau variabel bebas dalam model regresi berganda, saling berkorelasi tinggi.
Multikolinearitas dalam regresi dapat menyebabkan hasil yang aneh terutama ketika ingin
mengetahui pengaruh secara parsial variabel bebas terhadap variabel terikat.

Indikasi-indikasi bahwa sebuah model regresi mungkin memiliki masalah multikolinearitas

dalam regresi:

1. Terjadi perubahan yang besar pada koefisien regresi ketika sebuah variabel yang diduga
memiliki multikolinieritas ditambahkan atau dikeluarkan dari model.
2. Koefisien Regresi bertanda negatif padahal seharusnya variabel Y meningkat seiring
dengan meningkatnya variabel X.
3. Koefisien regresi bertanda positif padalah seharusnya variabel Y menurun seiring dengan
meningkatnya variabel X.

Cara uji multikolinearitas yang paling gampang adalah dengan melihat korelasi antara
variabel prediktor dalam model regresi. ketika terjadi hubungan yang tinggi antara variabel
prediktor maka kemungkinan model memiliki permasalahan multikolinieritas. Uji
multikolinearitass juga dapat dilihat dari nilai VIF, dimana nilai VIF yang tinggi
menunjukkan adalah permasalahan multikolinieritas.

Cara Menanggulangi masalah multikolinearitas dalam regresi

1. Keluarkan variabel X yang memiliki masalah multikolinearitas dalam model regresi.

2. Gunakan model PLS untuk memprediksi variabel Y.
3. Gunakan model Analisis jalur sebagai alternatif.
4. Jumlah data ditambah.
5. Gunakan model lag.
6. Menggunakan analisis faktor terlebih dahulu sebelum menggunakan analisis regresi
Memilih Metode Analisis Data
28JANBy Hidayat Huang
Tahap identifikasi metode analisis data dari sebuah penelitian bertujuan untuk memilih
metode analisis yang tepat dalam sebuah penelitian. Pemilihan metode analisis penting
dilakukan karena akan sangat berkaitan dengan keabsahan sebuah kesimpulan yang diambil.

Untuk mengidentifikasi metode analisis data yang cocok alam sebuah penelitian, secara kasar
peneliti dapat melakukan identifikasi berdasarkan judul yang tercantum dalam penelitian
tersebut. Dalam judul sebuah penelitian, umumnya mencantumkan kata-kata penghubung
variabel. kata-kata penghubung tersebut seperti pengaruh, efek, dampak, dan perbandingan.
Kata-kata di atas memiliki keterkaitan yang erat dengan metode analisis tertentu, misalnya
untuk kata pengaruh maka metode analisis data yang mungkin dapat dipilih seperti analisis
regresi, analisis jalur, Structural Equation modelling, dan analisis Anova. Tidak tepat jika
sebuah judul penelitian menggunakan kata hubungan sedangkan metode analisis data yang
dipilih adalah Analisis Regresi atau Analisis Jalur. jika sebuah judul penelitian menggunakan
kata hubungan, maka metode analisis data yang mungkin dapat digunakan adalah analisis
korelasi. Begitu pula dengan kata penghubung perbandingan, penelitian yang menggunakan
kata perbandingan maka metode analisis data yang umum digunakan seperti Uji t, Uji Z, uji
anova, Uji Mann Whitney dan metode analisis perbandingan lainnya.

Dengan demikian, secara garis besar tujuan utama dari penelitian tersebut disarikan dari
berbagai variabel penentu penelitian tersebut seperti politik, ekonomi, dan kinerja saham
pada sektor pertambangan di BEI.

Langkah berikutnya adalah memahami tujuan spesifik dari masing-masing variabel

penelitianya, sebagai berikut:

Untuk mengetahui perkembangan situasi politik pada periode tertentu.

Untuk mengetahui perkembangan indikator ekonomi pada periode tertentu.
Untuk mengetahui kinerja saham di sektor pertambangan pada periode tertentu.
Untuk mengetahui pengaruh politik terhadap kinerja saham pertambangan pada periode
tertentu.
Untuk mengetahui pengaruh ekonomi terhadap kinerja saham pertambangan pada periode
tertentu.
Untuk mengetahui pengaruh politik dan ekonomi terhadap kinerja saham pertambangan
secara bersamaan pada periode tertentu.
Dari judul penelitian tersebut dapat diidentifikasi rumusan masalah dan tujuan penelitian di
atas, sehingga kita dapat menguraikan dan mengidentifikasi metode statistik apa saja yang
cocok untuk digunakan dalam analisis penelitian tersebut.

Agar identifikasi yang kita lakukan lebih andal dan akurat, maka perlu melakukan beberapa
langkah taktis untuk membedah suatu judul penelitian. Dalam setiap langkah diperlukan
identifikasi yang cermat terutama terhadap kata-kata kunci (keywords), jumlah variabel dan
skala pengukuran yang digunakan. Langkah-langkah untuk mengidentifikasi metode statistik
dari judul dan/ataurumusan masalah penelitian adalah sebagai berikut:

Tentukan kata kunci pada judul penelitian, dalam hal ini kata-kata gambaran, pengaruh,
dampak, hubungan, perbandingan atau analisis dari berbagai variabel-variabel yang diteliti
oleh periset.
Perhatikan jumlah variabel independen dan jumlah variabel dependen yang dicari (search)
gambaran, pengaruh, dampak, hubungan, perbandingan atau analisisnya.
Mengetahui skala pengukuran dari setiap variabel yang akan digunakan dalam penelitian ini,
baik variabel independen maupun dependen dengan tepat.
Dari uraian beberapa tahapan di atas, maka dapat kita jabarkan pada langkah-langkah berikut
ini:

Langkah pertama (perhatikan kata kunci):

Ada beberapa kata kunci dalam judul penelitian:

Jika dalam penelitian ditemukan kata kunci “analisis” atau “gambaran”

Jika dalam judul penelitian ditemukan kata kunci “hubungan”
Jika dalam judul penelitian ditemukan kata kunci “pengaruh”
Jika dalam judul penelitian ditemukan kata kunci “perbandingan”
Langkah kedua (perhatikan jumlah variabel):
Jumlah variabel penelitian 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen lebih dari 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen lebih dari 1
(satu)
Langkah ketiga (perhatikan skala pengukuran)
Skala pengukuran untuk variabel independen
2. Skala pengukuran untuk variabel dependen
Memilih Metode Analisis Data
28JANBy Hidayat Huang
Tahap identifikasi metode analisis data dari sebuah penelitian bertujuan untuk memilih
metode analisis yang tepat dalam sebuah penelitian. Pemilihan metode analisis penting
dilakukan karena akan sangat berkaitan dengan keabsahan sebuah kesimpulan yang diambil.

Untuk mengidentifikasi metode analisis data yang cocok alam sebuah penelitian, secara kasar
peneliti dapat melakukan identifikasi berdasarkan judul yang tercantum dalam penelitian
tersebut. Dalam judul sebuah penelitian, umumnya mencantumkan kata-kata penghubung
variabel. kata-kata penghubung tersebut seperti pengaruh, efek, dampak, dan perbandingan.
Kata-kata di atas memiliki keterkaitan yang erat dengan metode analisis tertentu, misalnya
untuk kata pengaruh maka metode analisis data yang mungkin dapat dipilih seperti analisis
regresi, analisis jalur, Structural Equation modelling, dan analisis Anova. Tidak tepat jika
sebuah judul penelitian menggunakan kata hubungan sedangkan metode analisis data yang
dipilih adalah Analisis Regresi atau Analisis Jalur. jika sebuah judul penelitian menggunakan
kata hubungan, maka metode analisis data yang mungkin dapat digunakan adalah analisis
korelasi. Begitu pula dengan kata penghubung perbandingan, penelitian yang menggunakan
kata perbandingan maka metode analisis data yang umum digunakan seperti Uji t, Uji Z, uji
anova, Uji Mann Whitney dan metode analisis perbandingan lainnya.

Dengan demikian, secara garis besar tujuan utama dari penelitian tersebut disarikan dari
berbagai variabel penentu penelitian tersebut seperti politik, ekonomi, dan kinerja saham
pada sektor pertambangan di BEI.

Langkah berikutnya adalah memahami tujuan spesifik dari masing-masing variabel

penelitianya, sebagai berikut:

Untuk mengetahui perkembangan situasi politik pada periode tertentu.

Untuk mengetahui perkembangan indikator ekonomi pada periode tertentu.
Untuk mengetahui kinerja saham di sektor pertambangan pada periode tertentu.
Untuk mengetahui pengaruh politik terhadap kinerja saham pertambangan pada periode
tertentu.
Untuk mengetahui pengaruh ekonomi terhadap kinerja saham pertambangan pada periode
tertentu.
Untuk mengetahui pengaruh politik dan ekonomi terhadap kinerja saham pertambangan
secara bersamaan pada periode tertentu.
Dari judul penelitian tersebut dapat diidentifikasi rumusan masalah dan tujuan penelitian di
atas, sehingga kita dapat menguraikan dan mengidentifikasi metode statistik apa saja yang
cocok untuk digunakan dalam analisis penelitian tersebut.

Agar identifikasi yang kita lakukan lebih andal dan akurat, maka perlu melakukan beberapa
langkah taktis untuk membedah suatu judul penelitian. Dalam setiap langkah diperlukan
identifikasi yang cermat terutama terhadap kata-kata kunci (keywords), jumlah variabel dan
skala pengukuran yang digunakan. Langkah-langkah untuk mengidentifikasi metode statistik
dari judul dan/ataurumusan masalah penelitian adalah sebagai berikut:

Tentukan kata kunci pada judul penelitian, dalam hal ini kata-kata gambaran, pengaruh,
dampak, hubungan, perbandingan atau analisis dari berbagai variabel-variabel yang diteliti
oleh periset.
Perhatikan jumlah variabel independen dan jumlah variabel dependen yang dicari (search)
gambaran, pengaruh, dampak, hubungan, perbandingan atau analisisnya.
Mengetahui skala pengukuran dari setiap variabel yang akan digunakan dalam penelitian ini,
baik variabel independen maupun dependen dengan tepat.
Dari uraian beberapa tahapan di atas, maka dapat kita jabarkan pada langkah-langkah berikut
ini:

Langkah pertama (perhatikan kata kunci):

Ada beberapa kata kunci dalam judul penelitian:

Jika dalam penelitian ditemukan kata kunci “analisis” atau “gambaran”

Jika dalam judul penelitian ditemukan kata kunci “hubungan”
Jika dalam judul penelitian ditemukan kata kunci “pengaruh”
Jika dalam judul penelitian ditemukan kata kunci “perbandingan”
Langkah kedua (perhatikan jumlah variabel):
Jumlah variabel penelitian 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen lebih dari 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen lebih dari 1
(satu)
Langkah ketiga (perhatikan skala pengukuran)
Skala pengukuran untuk variabel independen
2. Skala pengukuran untuk variabel dependen
 Rumus Menghitung Sampel Regresi Linier
25OCTBy Hidayat Huang
Rumus menghitung sampel regresi sama halnya dengan rumus sampel penelitian korelasi.
Peneliti perlu mengetahui korelasi antara variabel pada penelitian sebelumnya. rumus
korelasi ini dugunakan untuk menghitung julah sampel minimal pada penelitian yang bersifat
korelasional dan bersifat kausalitas.

Berikut merupakan rumus menghitung jumlah sampel untuk penelitian korelasi / regresi linier
dapat menggunakan rumus sampel Sokal dan Rohlf :

Nilai Z menunjukkan tingkat kepercayaan yang digunakan oleh peneliti.

Dimana nilai C(r) dapat dihitung dengan formula Transformasi Fisher:

Rumus menghitung sampel regresi berbeda dengan rumus sampel analisis lainnya. Dalam
rumus sampel ini, peneliti harus mempertimbangkan nilai korelasi pada penelitian
sebelumnya. Peneliti harus memiliki informasi mengenai nilai korelasi pada penelitian
sebelumnya. Misalnya peneliti ingin mengetahui pengaruh pelatihan yang diberikan terhadap
peningkatan kompetensi pegawai. Peneliti harus terlebih dahulu mengkaji penelitian-
penelitian sebelumnya berapa korelasi antara pelatihan dengan kompetensi karyawan.

Sumber: Sokal, R. R. and Rohlf, F. J. Biometry, W. H. Freeman and Company, New York,
1995, p. 578
 Teknik Analisis Data
22SEPBy Hidayat Huang
Teknik analisis data adalah sebuah proses pemilihan data, pembersihan data, mentransformasi
data, sehingga diperoleh informasi yang bermanfaat dari data. Teknik analisis data terdiri dari
beberapa jenis tergantung kepada tujuan dari analisa data itu sendiri dan karakteristik data
yang akan diolah.

Sebelum memilih teknik analisis data tertentu, peneliti perlu mengetahui apa tujuan dari
analisis data tersebut, apakah hanya bersifat menggambarkan, apakah perlu membandingkan,
apakah menghubungkan antara variabel atau bahkan mencari hubungan sebab akibat dari
beberapa variabel. Kecermatan dalam melihat tujuan penelitian sangat mempengaruhi
pemilihan teknik analisis data.

Hal lain yang perlu diperhatikan peneliti sebelum memilih suatu teknik analisis data, mereka
perlu mamahami karakteristik dari data tersebut apakah data berskala nominal, ordinal,
interval ataukah rasio. Karakteristik data juga dapat dilihat dari pola data tersebut apakah
mengikuti pola distribusi normal atau tidak. Karakteristik data yang berbeda akan
mempengaruhi pemilihan teknik analisis data yang berbeda pula.

Tujuan penelitian dikelompokan menjadi apakah bertujuan hanya untuk menggambarkan,

membandingkan atau mencari pola hubungan antara variabel. Jika hanya menggambarkan,
maka penelitian masuk ke dalam analiais deskriptif. Jika bertujuan untuk membandingkan
maka penelitian masuk ke dalam kelompok penelitian komparasi. Berbeda dengan penelitian
yang bertujuan mencari pola hubungan antara variabel, penelitian seperti ini masuk ke dalam
penelitian korelasional atau kausalitas. penelitian komparasi, penelitian korelasional dan
penelitian kausalitas bersifat konfirmatori atau mengiji hipotesis.
 Perbedaan Korelasi Pearson Product Moment
Dan Rank Spearman.
08NOVBy Hidayat Huang
Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data kontinu dan
data diskrit. Korelasi pearson cocok digunakan untuk statistik parametrik. Ketika data
berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi populasi.
Korelasi Pearson menghitung korelasi dengan menggunakan variansi data. Keragaman data
tersebut dapat menunjukkan korelasinya. Korelasi ini menghitung data apa adanya, tidak
membuat ranking atas data yang digunakan seperti pada korelasi Rank Spearman. Ketika kita
memiliki data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan
ekonomi, data berat badan dan contoh data numerik lainnya, maka Korelasi Pearson Product
Moment cocok digunakan.

Sebaliknya, Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu
namun untuk statistik nonparametrik. Koefisien korelasi rank spearman lebih cocok untuk
digunakan pada statistik non parametrik. Statistik nonparametrik adalah statistik yang
digunanakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal
atau data diukur dalam bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini tidak
memerlukan asumsi normalitas, maka korelasi rank spearman cocok juga digunakan untuk
data dengan sampel kecil. Korelasi Rank Spearman menghitung korelasi dengan menghitung
ranking data terlebih dahulu. Artinya korelasi dihitung berdasarkan orde data. Ketika peneliti
berhadapan dengan data kategorik seperti kategori pekerjaan, tingkat pendidikan, kelompok
usia, dan contoh data ketegorik lainnya, maka Korelasi Rank Spearman cocok digunakan.
Korelasi Rank Spearman pun cocok digunakan pada kondisi dimana peneliti dihadapkan pada
data numerik (kurs rupiah, rasio keuangan, pertumbuhan ekonomi), namun peneliti tidak
memiliki cukup banyak data (data kurang dari 30).

Kedua koefisien korelasi baik Korelasi Pearson Product Moment maupun Korelasi Spearman
ini memiliki nilai antara nilai -1 sampai dengan 1. Semakin mendekati 1 maka korelasi
semakin kuat sedangkan semakin mendekati nol maka korelasi antara dua variabel semakin
rendah. Sedangkan tanda koefisien korelasi menunjukkan arah hubungan. tanda negatif (-)
menunjukkan hubungan yang berkebalikan. Tanda (+) menunjukkan hubungan yang searah.
Berkebalikan artinya semakin meningkat nilai suatu variabel maka variabel lainnya semakin
menurun. Searah artinya semakin meningkat nilai suatu variabel maka variabel lainnya ikut
meningkat.

Sebagai contoh, Kita ingin mengetahui hubungan antara nilai kurs rupiah dengan perubahan
IHSG. Misalnya data yang dikumpulkan adalah data harian selama 100 hari. Untuk
menghitung hubungan antara kedua variabel di atas Korelasi Pearson Product moment cocok
digunakan. Setelah dilakukan perhitungan misalnya diperoleh nilai koefisien korelasi sebesar
0,6. Nilai tersebut menunjukkan hubungan antara kurs rupiah dengan IHSG cukup kuat
dengan arah yang positif. Artinya ada kecenderungan nilai IHSG semakin menguat seiring
dengan penguatan nilai kurs rupiah.

Contoh lain misalnya kita ingin mengetahui hubungan antara tingkat pendidikan dengan
tingkat awareness masyarakat terhadap kebijakan pemerintah. Setelah dilakukan
penghitungan dengan menggunakan Korelasi Spearman diperoleh nilai koefisien korelasi
sebesar 0,3. Angka tersebut menunjukkan bahwa hubungan antara tingkat pendidikan dengan
awarenss masyarakat terhadap kebijakan adalah rendah. Artinya walaupun ada keterkaitan
antara semakin tingginya pendidikan seseorang dengan kepedulian mereka terhadap
kebijakan pemerintah, namun hubungannya rendah.

Koefisien korelasi, baik Korelasi Pearson Product Moment maupun Korelasi

Sspearman, menunjukkan tingkat hubungan antara kedua variabel. Tingkat hubungan
berbeda dengan tingkat pengaruh. Hubungan adalah keterkaitan antara dua variabel yang
arahnya tidak terlalu jelas. Mana variabel yang mempengaruhi dan mana variabel yang
dipengaruhi. Sedangkan pengaruh sudah jelas arahnya, mana variabel yang mempengaruhi
dan mana variabel yang dipengaruhi. Misalnya peneliti ingin mengetahui apa penyebab
meningkatnya berat badan seseorang. Pola konsumsi adalah salah satu penyebabnya. Untuk
menganalisis pola hubungan kausalitas seperti ini, pengaruh lebih cocok digunakan
dibandingkan korelasi.

 About
 Latest Posts
 Uji Anova, Teori Satu Arah dan Dua Arah
21NOVBy Hidayat Huang
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam
penelitian eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga
adalah bentuk uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau
kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple
random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama.
Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis
nol nya adalah semua perlakuan akan memiliki efek yang sama.
Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk menguji
hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk
memungkinkan peneliti untuk menguji hipotesis perbandingan lebih dari dua kelompok.
Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan.
Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

Landasan konseptual ANOVA

Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini
adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan
memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai
berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak
H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0,
Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan
ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut
berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk
menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik
uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu.
Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih
rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.

Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih.
Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan
keragaman data yang dimanifestasikan dalam nilai varians.

Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier,
berikut diantaranya:

1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.

2. Normalitas, Residual atau error harus mengikuti distribusi normal.

3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen.

Mengingat uji Anova ini banyak digunakan dalam penelitian eksperimen, maka uji anova
dapat dibagi berdasarkan desainnya.

1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau lebih kelompok
dimana hanya terdapat satu faktor yang dipertimbangkan. sebagai contoh membandingkan
efek dosis obat yang berbeda terhadap kesembuhan pasien.
2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari satu
faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis obat tetapi
juga frekuensi pemberian obat. pada anova faktorial, interaksi atau kombinasi diantara faktor
juga dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan frekuensi pemberian
obat dapat dihitung pengaruhnya terhadap kesembuhan pasien. Anova dua arah (two way
anova) termasuk dalam Anova faktorial.
3. Anova reapeted measures, digunakan ketika dalam desain eksperimen mengijinkan subjek
penelitian diikutsertakan pada perlakuan yang berbeda. terkait contoh di atas, misalnya pasien
yang sama diberikan obat dengan dosis yang berbeda.
4. Multivariat Anova, berbeda dengan uji Anova yang hanya mengukur satu respon, Manova
mengukur lebih dari satu respon dalam satu kali eksperimen. misalnya kita meneliti dampak
obat pada beberapa dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida ,
LDL dan HDL pada pasien.
 Apa yang dimaksud dengan Analisis
Perbandingan dalam Statistik
08OCTBy Hidayat Huang
Analisis perbandingan digunakan untuk menguji perbandingan antara dua sampel data atau
lebih (k-samples). Pada jenis penelitian komparasi ini, peneliti membandingkan dua objek
atau dua perlakuan pada periode yang sama atau tidak. Pada penelitian jenis ini dapat dibagi
menjadi dua jenis komparasi (perbandingan) berpasangan dan komparasi tidak berpasangan
yaitu:

1. Komparasi Berpasangan

Pada penelitian komparasi berpasangan, sampel yang digunakan biasanya adalah objek yang
sama, yang berbeda adalah perlakuannya. Sebagai contoh: pada judul penelitian: Analisis
perbandingan metode mengajar terhadap prestasi mahasiswa SBM-ITB. Yang
menjadi subjek penelitian di sini adalah mahasiswa yang sama di SBM ITB.
Sedangkan objek (perlakuan) yang dibandingkan adalah prestasi mahasiswa hasil mengajar
dengan metode A dan metode B. Contoh lainnya adalah:

“Analisis komparasi strategi pemasaran A dan B terhadap kinerja penjualan produk

elektronik Samsung di Indonesia“

2. Komparasi Tidak Berpasangan

Pada penelitian komparasi tidak berpasangan subjek penelitian yang dibandingkan diambil
dari sampel yang berbeda. Sebagai contoh pada judul penelitian:

“Analisis perbandingan respon karyawan wanita dan pria terhadap kebijakan

perusahaan”

Yang menjadi subjek penelitian ini ada dua kelompok yang berbeda yaitu kelompok
karyawan wanita dan pria. Sedangkan yang menjadi objek penelitian (perlakuan) hanya satu
yaitu respon atau sikap terhadap kebijakan baru manajemen perusahaan. Contoh lainnya
adalah:

“Analisis perbandingan Imbal Hasil Indeks Harga Saham Gabungan (IHSG) dengan LQ-
45 periode 2005-2011”

 About
 Latest Posts