A. Pengertian Penelitian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan
tertentu.
Cara ilmiah, berarti penelitian itu didasarkan pada ciri-ciri keilmuan yaitu, rasional, empiris dan
sistematis.
Rasional: penelitian itu dilakukan dengan cara-cara yang masuk akal sehingga terjangkau oleh
penalaran manusia.
Empiris: cara-cara ygn digunakan dalam penelitian itu teramati oleh indera manusia.
Sistematis: proses yang dilakukan dalam penelitian itu menggunakan langkah-langkah tertentu
yang bersifat logis.
Valid, menunjukan derajat ketepatan antara data sesungguhnya dengan data si peneliti.
Reliabel, menunjukan derajat konsistensi (keajegan) yaitu konsistensi data dalam interval waktu
tertentu.
Penemuan, data yang diperoleh dari penelitian itu betul-betul data baru yang belum pernah
diketahui sebelumnya.
Pembuktian, data yang diperoleh itu diperlukan untuk membuktikan adanya keragu-raguan
terhadap suatu pengetahuan.
Pengembangan, data yang diperoleh dari penelitian itu digunakan untuk memperdalam dan
memperluas suatu pengetahuan.
B. Variabel Penelitian
Variabel penelitian: suatu atribut atau sifat atau nilai dari orang/objek atau kegiatan yang
mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan.
Macam-Macam Variabel:
C. Paradigma Penelitian
Paradigma Penelitian: Pola fikir yang menunjukan hubungan antara variabel yang akan diteliti
dan mencerminkan jumlah rumusan masalah yang perlu dijawab melalui penelitian, teori yang
digunakan untuk merumuskan hipotesis, jenis dan jumlah hipotesis, dan teknik analisis statistik
yang akan digunakan.
Bentuk-bentuk paradigma:
1. Paradigma Sederhana, terdiri dari satu variaben independen dan satu variable dependen.
2. Paradigma Sederhana Berurutan
3. Paradigma Ganda dengan Dua Variabel Independen
4. Paradigma Ganda dengan Tiga Variabel Independen
5. Paradigma Ganda dengan Dua Variabel Dependen
6. Paradigma Ganda dengan Dua Variabel Independen dan Dua Dependen
7. Paradigma Jalur
Y
X
a) Bagaimanakah hubungan atau pengaruh kualitas alat dengan kualitas barang yang
dihasilkan?
1. Teori yang digunakan ada dua, yaitu teori tentang alat-alat dan tentang kualitas barang.
2. Hipotesis yang dirumuskan ada dua macam hipotesis deskriptif dan hipotesis asosiatif,
a) Kualitas alat yang digunakan oleh perusahaan tersebut telah mencapai 70% baik
b) Kualitas barang yang dihasilkan oleh perusahaan tersebut telah mencapai 99% dari yang
diharapkan.
2) Hipotesis asosiatif:
Ada hubungan yang positif dan signifikan antara kualitas alat dengan kualitas barang yang
dihasilkan. Hal ini berarti bila kualitas alat ditingkatkan maka kualitas barang yang dihasilkan
akan menjadi semakin tinggi (kata signifikan hanya digunakan apabila hasil uji hipotesis akan
digeneralisasikan ke populasi di mana sampel tersebut diambil)
Berdasarkan rumusan dan hipotesis tersebut, maka dapat ditentukan teknik statistic yang
digunakan untuk analisa data dan menguji hipotasis.
1) Untuk dua hipotesis deskriptif, bila datanya berbentuk interval dan ratio, maka pengujian
hipotesis menggunakan t-test one sampel.
2) Untuk hipotesis asosiatif, bila data kedua variable berbentuk interval atau ratio, maka
menggunakan teknik statistic korelasi product moment.
D. Proses Penelitian
1. Adanya Masalah
2. Rumusan Masalah
3. Pengajuan hipotesis
4. Pembuktian hipotesis
5. Kesimpulan dan Saran
1. Alat untuk menghitung besarnya anggota sampel yang diambil dari populasi. Dengan
demikian jumlah sampel yang diperlukan lebih dapat dipertanggungjawabkan.
2. Alat untuk menguji validitas dan reliabilitas instrument.
3. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif. Teknik-teknik
penyajian data antara lain: table, grafik, diagram lingkar, dan pictogram.
4. Alat untuk analisis data seperti menguji hipotesis penelitian yang diajukan. Dalam hal ini
statistic yang digunakan antara lain: korelasi, regresi, t-test, anova, dll.
F. Macam-Macam Statistik
1. Statistik Parametris, untuk menganalisis data interval atau rasio yang diambil dari
populasi yang berdistribusi normal.
2. Statistik Non Parametris, untuk menganalisis data nominal dan ordinal dari populasi yang
bebas distribusi.
i. Ordinal, data berjenjang atau berbentuk peringkat. Jarak data yang satu dengan lainnya
mungkin tidak sama. Contoh : Juara I, II, III.
ii. Interval, data yang jaraknya sama tetapi tidak mempunyai data nol absolute (mutlak). Pada
data ini, walaupun datanya nol, tetapi masih mempunyai nilai. Contoh: nol derajat celcius.
iii. Ratio, data yang jaraknya sama dan mempunya nilai nol absolut. Contoh: Ukuran panjang
/ berat. Data ini bisa dibuat penjumlahan dan perkalian.
H. Pedoman Umum Memilih Teknik Statistik
Tabel 1.1
Bentuk Hipotesis
Deskriptif Komparatif (dua sampel) Komparatif (lebih dari dua
Macam (satu sampel) Asosiatif
Data variable) Related Independen (hubungan)
Related Independen
Fisher Exact
Binominal X2 for k
Probability X2 for k Contigency
Nominal X2 One Mc Nemar sampleCoch
X2 two sample Coefficient C
Sample ran Q
sample
Median
Sign testMann-
Median
testWilcox Whithey U Friedman Spearman Rank
ExtensionKrus
Run Test on testKolmogoro two-way CorrelationKen
kal-Wallis One
Ordinal Mached v- Anova dall Tau
Way Anova
pairs SmirnovWald-
Woldfowitz
Pearson Product
One way One way
t-test of t-test MomentPartial
T -test AnovaTwo AnovaTwo
Interval Ralated independent CorrelationMult
way Anova way Anova
Ratio iple Correlation
BAB II
STATISTIK DESKRIPTIF
Adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek
yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melalukan analisis
dan membuat kesimpulan yang berlaku untuk umum.
B. Penyajian Data
Prinsip dasar penyajian data adalah komunikatif dan lengkap. Menarik perhatian pembacanya
dan mudah dipahami.
1) Tabel
Tabel terdiri dari dua macam : a. Tabel biasa dan b. Tabel distribusi frekuensi
Dari data mentah di atas dapat disusun ke dalam table dibawah ini:
TABEL 2.1
Tingkat Pendidikan
No Bagian Jumlah
S1 D3 SMTA
1 Pemasaran 2 3 5 10
2 Akademik 4 2 1 7
3 Keuangan 1 1 3 5
4 Penempatan 1 0 1 2
Jumlah 8 6 10 24
Dari hasil penelitian kepuasan kerja pegawai menggunakan instrument dengan skala Likert
dengan interval 1 sampai dengan 5 dimana skor 1 untuk sangat kurang; 2 untuk kurang; 3 untuk
cukup; 4 untuk baik; dan 5 untuk sangat baik. Hasilnya disajikan dalam table di bawah ini.
TABEL 2.3
TABEL 2.4
DISTRIBUSI FREKUENSI
b) Pada setiap kelas mempunyai kelas interval. Interval nilai bawah dengan atas disebut
panjang kelas.
d) Tabel distribusi frekuensi tersebut bila mau dibuat menjadi tabel biasa akan memerlukan
150 baris (n=150) jadi akan sangat panjang.
Rumus Sturges :
K = 1 + 3,3 log n
Dimana :
log = Logaritma
K = 1 + 3,3 log 200 = 1 + 3,3 * 2,30 = 8,59 dapat dibulatkan menjadi 8 atau 9
27 79 69 40 51 88 55 48 36 61
53 44 93 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
K = 1 + 3,3 log 150 =1+ 3,3 * 2,18 = 8,19 Boleh 8 atau 9. Kita gunakan 9.
b) Hitung rentang data, yaitu data terbesar dikurangi data terkecil kemudian ditambah 1. Data
terbesar 93 dan terkecil 13.
Jadi 93 – 13 = 80 + 1 = 81
Panjang Kelas = Rentang : Jumlah Kelas; 81 : 9 = 9. Walau dari hitungan panjang kelas 9, tetapi
pada penyusunan tabel ini digunakan panjang kelas 10.
Secara teoritis penyusunan kelas dimulai dari data terkecil, yaitu 13. Tetapi supaya komunikatif
maka dimulai dengan angka 10
Dengan cara mencoret data yang telah dimasukkan dimulai dari paling awal (27) yang masuk ke
kelas no 2 (20-29) dan seterusnya data 53 dengan tally di setiap kelas tersedia. Jumlah tally harus
sama dengan jumlah data. Setelah frekuensi ditemukan lalu tally dihilangkan.
TABEL 2.5
DENGAN TALLY
Kumulatif adalah tabel yang menunjukan jumlah observasi yang menyatakan kurang dari nilai
tertentu.
TABEL 2.6
Penyajian data lebih mudah dipahami bila dinyatakan dalam persen (%). Penyajian data yang
merubah frekuensi menjadi persen dinamakan distribusi frekuensi relative. Cara pembuatannya
adalah dengan merubah frekuensi menjadi persen.
TABEL 2.7
3) Grafik
Dibuat untuk menunjukan perkembangan suatu keadaan. Perkembangan tersebut bisa naik dan
bisa turun.
Adakalanya supaya penyajiannya lebih menarik dan komunikatif maka penyajian data dibuat
dalam bentuk pictogram.
Modus, Median dan Mean merupakan teknik statistik yang digunakan untuk menjelaskan
kelompok yang didasarkan atas gejala pusat dari kelompok tersebut, namun dari tiga macam
teknik tersebut yang menjadi ukuran gejala pusatnya berbeda-beda.
Contoh:
Hasil observasi terhadap umur pegawai di Departemen X adalah: 20, 45, 60, 56, 45, 45, 20, 19,
57, 45, 45, 51, 35. Untuk mengetahui modus umur dari pegawai maka dilihat data yang paling
sering muncul, yaitu 45 sebanyak 5 data.
2) Median, adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari
kelompok data yang telah disusun urutannya dari yang terkecil sampai yang terbesar atau
sebaliknya.
Contoh Jumlah data ganjil. Dari data umur pegawai di atas diurutkan menjadi : 19, 20, 20, 35,
45, 45, 45, 45, 45, 51, 56, 57, 60. Nilai tengahnya adalah data ke 7 yaitu 45.
Contoh jumlah data genap (10 data). Data tinggi badan pegawai 145, 147, 167, 166, 160, 164,
165, 170, 171, 180 cm. Diurutkan (dari yang paling besar atau dari yang paling kecil) 180, 171,
170, 167, 166, 165, 164, 160, 147, 145 cm. Nilai tengahnya adalah dua angka yang ditengah
dibagi 2. (166 + 165)/2 = 165,5 cm.
3) Mean, adalah teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok
tersebut. Rata-rata (mean) didapat dengan menjumlahkan data seluruh individu dalam kelompok
itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.
Me = ∑ xi / n
Rumus Mean :
xi = Nilai x ke I sampai ke n
n = Jumlah individu
Contoh : Sepuluh pegawai PT Sentosa berpenghasilan sebulannya dalam dolar seperti berikut :
90, 120, 160, 60, 180, 190, 90, 180, 70, 160.
Me = (90+120+160+60+180+190+90+180+70+160) : 10 = 130
4) Menghitung Modus, Median, Mean untuk data Bergolong. (Tersusun dalam Tabel Distribusi
Frekuensi)
TABEL 2.8
Menghitung Modus
Rumus Modus
Dimana :
Mo = Modus
b1 = Frekuensi pada kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b = 51 – 0,5 = 50,5
b1 = 30 – 18 = 12
b2 = 30 – 20 = 10 jadi
Menghitung Median
Rumus Median
½n–F
Md = b + p ( )
Dimana :
Md = Median
Setengan dari data (1/2 n) = ½ x 100 = 50. Jadi median terletak pada interval ke empat, karena
sampai interval ini jumlah frekuensi sudah lebih dari 50 tepatnya 56. Dengan demikian pada
interval ke empat merupakan kelas median batas bawahnya (b) adalah 51 – 0,5 = 50,5. Panjang
kelas mediannya (p) adalah 10, dan frekuensi = 30. Adapun F nya = 2 + 6 + 18 = 26
30
Menghitung Mean
Untuk lebih mudah kita buat tabel sebagai berikut terlebih dahulu:
TABEL 2.9
INTERVAL NILAI xi fi fi xi
21 – 3031 – 40 25,535,5 26 51213
41 – 50 45,5 18 819
51 – 60 55,5 30 1.665
61 – 70 65,5 20 1.310
71 – 80 75,5 10 755
81 – 90 85,5 8 684
91 – 100 95,5 6 573
Rumus Mean :
Dimana :
∑ fi = Jumlah data/sampel
fi xi = perkalian fi dengan xi. xi adalah rata-rata dari nilai terendah dan tertinggi.
Me = 6070/100 = 60,70
Untuk menjelaskan data kelompok dapat juga didasarkan pada tingkat variasi data yang terjadi
pada kelompok tersebut. Untuk mengetahui tingkat variasi kelompok data dapat dilakukan
dengan melihat rentang data dan standar deviasi atau simpangan baku dari kelompok data yang
telah diketahui.
1. Rentang Data
Rentang data (range) dapat diketahui dengan mengurai data yang terbesar dengan data terkecil
yang ada pada kelompok itu.
R = xt – xr
Dimana :
R = Rentang
Contoh :
Sepuluh pegawai di PT Damai memiliki gaji (dalam dolar) 50, 75, 150, 170, 175, 190, 200, 400,
600, 700
Data terkecil = 50
R = 700 – 50 = 650
2. Varians :
Varians adalah salah satu teknik yang digunakan untuk menjelaskan homogenitas kelompok.
Varians : Jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok
Varian populasi : σ2
Standar deviasi : σ
Varians sampel : s2
Contoh Tabel cara menghitung varians dan simpangan baku sekelompok mahasiswa yang
berjumlah 10 orang yang selanjutnya diberi symbol xi. Dari nilai 10 orang tersebut rata-rata x
(mean) adalah :
x = (60+70+65+80+70+65+75+80+70+75)/10 = 71
Jarak antara nilai individu dengan rata-rata disebut simpangan. Simpangan (deviasi) mahasiswa
no 1 adalah 60 – 71 = -11 dan seterusnya. Jumlah simpangan (xt – xr) jumlahnya harus nol.
TABEL 2.10
NILAI 10 MAHASISWA
SIMPANGAN _ SIMPANGAN KUADRAT _
NO NILAI ( xi – x ) ( xi – x )2
3 65 -6 36
4 80 9 81
5 70 -1 1
6 65 -6 36
7 75 4 16
8 80 9 81
9 70 -1 1
10 75 4 16
390
JUMLAH 710 0
S2 = 390 = 39
10
S = √39 = 6,2450
σ2 = Σ ( xi – x ) 2
σ = √ Σ ( xi – x ) 2
n
_
S2 =
Σ ( xi – x ) 2
(n-1)
Indeks/koefisien Variasi
Rata-rata
Contoh :
= 10
s kelompok 1 = 4,32
= 110
S kelompok 2 = 4,32
Rumus :
S = √ Σfi ( xi – x )2
(n-1)
TABEL 2.11
S = √ Σfi ( xi – x )2
(n-1)
BAB III
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas
dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya.
B. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel yang
baik harus dapat mewakili keseluruhan populasi dan hasil penelitian dapat diterapkan keseluruh
populasi.
C. Teknik Sampling
Teknik sampling adalah teknik pengambilan sampel. Teknik sampling bisa dibagi dua yang
terlihat pada gambar di bawah ini:
1. Probability Sampling
Teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur/anggota
populasi untuk dipilih menjadi anggota sampel.
Pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata
yang ada. Dilakukan bila populasi dianggap homogen.
Bila objek yang diteliti sangat luas, misal penduduk suatu negara, propinsi atau kabupaten
Caranya :
Sampel ditentukan bertahap dari wilayah negara sampai kabupaten, setelah terpilih sampel
terkecil baru sampel dipilih secara acak
Contoh : Indonesia terdiri atas 33 propinsi, sampelnya akan diambil misalnya 15 propinsi secara
acak.
Setiap propinsi berstrata tidak sama, ada yang padat ada yang tidak, ada hutannya banyak/tidak,
ada yang barang tambangnya banyak atau tidak, dll
2. Nonprobability Samling
Teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap
unsur/anggota poulasi untuk dipilih menjadi sampel
a. Sampling Sistematis
Misal : anggota populasi yang terdiri dari 100 orang, dan telah diberi no urut
Pengambilan sampelnya bisa no ganjil saja atau genap saja atau kelipatan dari bilangan tertentu
b. Sampling Kuota
Teknik untuk menentukan sampel dari populasi dengan ciri tertentu sampai jumlah (kuota) yang
diinginkan.
Contoh : penelitian kepuasan layanan mau dilakukan terhadap 100 orang pembeli mobil avanza,
maka selama belum tercapai 100 orang, , penelitian belum dianggap selesai
c. Sampling Insidental
Teknik penentuan sampel berdasarkan kebetulan/secara kebetulan bertemu dengan peneliti dan
dipandang cocok.
d. Sampling Purposive
Contoh : penelitian tentang kualitas makanan, maka sampelnya harus ahli makanan.
e. Sampling Jenuh (sensus)
Teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Sering
digunakan jika populasinya kurang dari 30
f. Snowball Sampling
Dengan menggunakan Tabel 3.1 bila jumlah pupulasi = 1000, kesalahan 5%, maka jumlah
sampelnya = 258, karena populasinya berstrata, maka sampelnya juga berstrata. Stratanya
ditentukan menurut jenjang pendidikan. Dengan demikian masing-masing sampel untuk tingkat
pendidikan harus proporsional sesuai dengan pupulasi. Berdasarkan perhitungan dengan cara
berikut ini jumlah sampel untuk kelompok S1 = 13, Sarjana Muda (SM) = 77, SMK = 129, SMP
= 26, dan SD = 13.
Jadi jumlah sempelnya = 12,9 + 77,4 + 129 + 25,8 + 12,9 = 258. Jumlah yang pecahan bisa
dibulatkan, sehingga jumlah sampel menjadi 13 + 77 + 129 + 26 + 13 = 258.
Pada perhitungan yang menghasilkan pecahan (terdapat koma) sebaiknya dibulatkan ke atas
sehingga jumlah sampelnya lebih 259. Hal ini lebih aman daripada kurang dari 258. Gambaran
jumlah populasi dan sampel dapat ditunjukkan pada gambar 3.8 berikut:
Gambar 3.2
Sampel yang diambil dari populasi berstrata dengan kesalahan 5%
1. Normalitas Data
a.Kurva Normal
2) Bila data tidak normal, teknik statistik parametris tidak dapat digunakan untuk analisis
Suatu data membentuk distribusi normal bila jumlah data di atas dan di bawah rata-rata adalah
sama, demikian juga simpangan bakunya
Lihat gambar :
2 4 6 8 10
2,27 % 13,59 % 34,13 % 34,13 % 13,59
% 34,13 %
1S 1S
2S 2S
3S 3S
Penjelasan
– Secara teoritis, kurva tidak akan pernah menyentuh garis dasar, sehingga luasnyapun
tidak sampai 100 %, tetapi hanya mendekati (99,999 %)
– Bentuk kurva sistematif : luas rata-rata mean ke kiri dan ke kanan masing-masing
mendekati 50 %, tetapi dalam prakteknya dinyatakan dalam 50 %
– Disamping kurva normal umum, terdapat kurva normal standar, karena nilai rata-ratanya
= 0, dan simpangan bakunya = 1,2,3,4 dst
Kurva normal umum dapat dirubah ke dalam kurva normal standar, dengan rumus :
_
Z = (xi – x )
Dimana :
X = Rata-rata kelompok
S = simpangan baku
1S 1S
2S 2S
3S 3S
Terdapat 200 mahasiswa yang ikut ujian mata kuliah statistik. Nilai rata-ratanya adalah 6 dan
simpangan bakunya adalah 2. Berapa orang yang mendapat nilai 8 ke atas ?
Jawab :
Rata-rata ( x) =6
S =2
Maka
z = (xi – x ) = (8 – 6) = 1 = 34,13 %
s 2
Dibulatkan = 32 orang
Statistik parametris didasarkan atas asumsi bahwa data setiap variabel dianalisis
berdasakan distribusi normal.
Sebelum menggunakan teknik statistik parametris, maka kenormalan data harus diuji
terlebih dahulu.
Bila data tidak normal, maka statistik parametris tidak dapat digunakan, sehingga
digunakan statistik non parametris.
Penyebab ketidaknormalan data : kesalahan alat dan pengumpulan data.
Pengujian normalitas data menggunakan Chi Kuadrat (Χ2), dilakukan dengan cara
membandingkan kurva normal yang terbentuk dari data yang telah terkumpul (B) dengan
kurva normal baku/standar (A) atau (B : A)
Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang
berdistribusi normal.
? ?
? ?
? ?
Semua Data harus dikelompokkan menjadi 6 kelas, sesuai 6 bidang kurva normal
Contoh
INTERVAL F
321
13 – 2728 – 42
56
43 – 57
45
58 – 72
21
73 – 87
4
88 – 102
Langkah-langkah
1. Menentukan jumlah kelas interval. Jumlah kelas interval disesuaikan dengan jumlah
bidang = 6
2. Menentukan panjang kelas interval
1. Menyusun ke dalam tabel distribusi frekuensi, sekaligus tabel penolong untuk menguji
harga chi kuadrat hitung
2. Menghitung fh (frequensi yang diharapkan)
Prosentasi luas tiap bidang kurva x jumlah total data
fh
1. 6. Membandingkan harga chi Kuadrat Hitung dengan Chi Kuadrat Tabel. Jika Chi
kuadrat hitung lbih kecil dari chi kuadrat Tabel, maka distribusi data dinyatakan normal,
dan bila lebih bsar dinyatakan tidak normal
INTERVAL (fo-fh)2fh
Fo Fh = ( % x n) Fo-fh (fo-fh)2
13 – 27 3
42051 -115 1125 0,250,050,49
28 – 42 21
51 -6 36 0,70
43 – 57 56
20 1 1 0,05
58 – 72 45
4 0 0 0
73 – 87 21
88 – 102 4
db = 6-1 :5
tingkat kesalahan :5%
Adalah : 11,070
Kesimpulan :
Jika Chi Kuadrat Hitung < Chi Kuadrat Tabel, maka data dinyatakan normal, tapi
Jika Chi Kuadrat Hitung > Chi Kuadrat Tabel, maka data dinyatakan tidak normal,
Hasil :
Karena Chi Kuadrat Hitung (1,55) < Chi Kuadrat Tabel (11,070), maka data dinyatakan normal,
BAB IV
Dalam statistik hipotesis dapat diartikan sebagai pernyataan statistik tentang parameter populasi.
Terdapat perbedaan mendasar pengertian hipotesis menurut statistik dan penelitian. Dalam
penelitian, hipotesis diartikan sebagai jawaban sementara terhadap rumusan masalah penelitian.
1. Hipotesis Deskriptif
Adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat perbandingan atau hubungan.
Contoh :
Dalam perumusan hipotesis statistik, antara hipotesis nol (Ho) dan hipotesis alternative (Ha)
selalu berpasangan, bila salah satu ditolak, maka yang lain pasti diterima.
Contoh :
Suatu bimbingan tes menyatakan bahwa murid yang dibimbing di Lembaga itu, paling sedikit
90% dapat diterima di Perguruan Tinggi Negeri. Rumusan hipotesis statistiknya adalah :
Ho : µ ≥ 0,90
Ha : µ < 0,90
2. Hipotesis Komparatif
Adalah pernyataan yang menunjukan dugaan nilai dalam satu variabel atau lebih pada sampel
yang berbeda.
Contoh :
“Apakah ada perbedaan produktivitas kerja antara pegawai golongan I, II, III?”
Rumusan Hipotesis :
Rumusan Statistiknya :
Ho : µ1 = µ2 = µ3 µ : dibaca ‘mu’
Ha : µ1 ≠ µ2 ≠ µ3
Adalah suatu pernyataan yang menunjukan dugaan tentang hubungan antara dua variabel atau
lebih.
Contoh :
Rumusan Statistiknya :
Ho : ρ = 0
Ha : ρ ≠ 0
Menguji hipotesis pada dasarnya adalah menaksir parameter populasi berdasarkan data sampel.
Terdapat dua cara menaksir yaitu :
1. A point astimate : suatu taksiran parameter populasi berdasarkan satu nilai data sampel.
Contoh : Daya tahan kerja orang Indonesia 10 jam/hari.
2. Interval estimate : suatu taksiran parameter populasi berdasarkan nilai interval data
sampel. Contoh : Daya tahan kerja orang Indonesia antara 8 sampai dengan 12 jam/hari.
3. Dua Kesalahan dalam Pengujian Hipotesis
Dalam menaksir parameter populasi berdasarkan data sampel, kemungkinan akan terdapat dua
kesalahan yaitu :
1. Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan α (alpha).
2. Kesalahan Tipe II adalah kesalahan bila menerima hipotesis yang salah (seharusnya
ditolak). Tingkat kesalahan untuk ini dinyatakan dengan β (betha).
BAB V
Dalam pengujian hipotesis komparatif 2 sampel atau lebih, terdapat berbagai teknik statistik
yang dapat digunakan. Untuk data interval dan rasio digunakan statistik parametris sedangkan
untuk data nominal/diskrit dapat digunakan statisik non parametris.
Statistik Parametris
Statistik parametris yang digunakan untuk menguji hipotesis komparatif rata-rata dua sampel bila
datanya berbentuk interval atau ratio adalah dengan menggunakan t-test
_ _
t = x1 – x2
s12 + s2 2 – 2 r ( s1 ) ( s2 )
n1 n2 ( √n1 ) (√n2 )
X : rata-rata sampel 1
X2 : rata-rata sampel 2
S1 2 : varian sampel 1
S2 2 : varians samel 2
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan produktivitas kerja pegawai PT
Meregehese sebelum dan setelah diberi kendaraan dinas. Berdasarkan 25 sampel pegawai yang
dipilih secara random dapat diketahui bahwa produktivitas pegawai sebelum dan sesudah diberi
kendaraan dinas adalah seperti yang ditunjukkan pada Tabel berikut :
Ho : Tidak terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan
setelah mendapatkan kendaraan dinas
Ha : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
PRODUKTIFITAS
NO RESPONDEN
SESUDAH (X2)
SEBELUM (X1)
1 75 85
2 80 90
3 65 75
4 70 75
5 75 75
6 80 90
7 65 70
8 80 85
9 90 95
10 75 70
11 60 65
12 70 75
13 75 85
14 70 65
15 80 95
16 65 65
17 75 80
18 70 80
19 80 90
20 65 60
21 75 75
22 80 85
23 70 80
24 90 95
25 70 75
74,00 79,20
Rata-rata
7,50 10,17
Simpangan baku
56,25 103,50
Varians
dk = n1 + n2 – 2 = 50 – 2 = 48
Karena t thitung di sebelah kiri t tabel, atau berada di daerah penolakan Ho, maka Ho ditolak
atau Ha diterima
Kesimpulan : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
Mc Nemar Test : berbentuk “before after”/sebelum dan sesudah perlakuan dalam bentuk segi 4
ABCD berikut :
SEBELUM SESUDAH
– +
+ A B
– C D
Tanda (+) dan (-) dipakai untuk menandai jawaban yang berbeda.
Seseorang dicatat dalam sel A jika berubah dari positif (+) ke negatif (-) dan dicatat di sel D jika
berubah dari negatif (-) ke positif (+).
Χ2 = Σ ( fo – fh ) 2
I=1 fh
Uji signifikansi hanya berkenaan dengan A dan D,sehingga rumus Chi kuadrat menjadi :
Χ 2 = ( A – D – 1) 2
A+D
dengan dk = 1
Contoh :
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu
pwertandingan olah raga terhadap nilai penjualan barangnya. Dalam penelitian ini digunakan
sampel yang diambil secara random yang jumlah anggotanya 200 orang. Sebelum sponsor
diberikan, terdapat 50 orang yang membeli barang tersebut dan 150 orang tidak membeli.
Setelah sponsor diberikan dalam pertandingan dalam pertandingan olah raga ternyata dari 200
orang tersebut terdapat 125 orang yang membeli dan 75 orang tidak membeli. Dari 125 orang
tersebut terdiri dari pembeli tetap 40 orang dan yang berubah dari tidak membeli menjadi
membeli ada 85 orang. Selanjutnya dari 75 orang yang tidak membeli itu terdiri atas yang
berubah dari membeli menjadi tidak membeli ada 10 orang dan yang ettap tidak membeli ada 65
orang.
KEPUTUSAN
f f TOTAL TETAP BERUBAH
Membeli 125 = 40 + 85
50
Tidak Membeli 75 = 65 + 10
150
200 = 105 + 95
200
Untuk Keperluan pengujian, data tersebut harus disajikan dalam tabel ABCD sebgai berikut :
Keputusan Tidak Membeli Membeli
Membeli
10 40
Tidak Membeli
65 85
Jumlah
75 125
Ketentuan : Bila Chi Kuadrat hitung ≤ Chi Kuadrat tabel, maka terima Ho
Χ 2 = ( A – D – 1) 2
A+D
= ( 85 – 10 ) – 1) 2
95
= 57, 642
Kesimpulan :
Komparatif k sampel
Untuk sampel lebih dari 2, Pengujian dilakukan dengan menganalisis apakah terdapat perbedaan
nilai rata-rata (mean) secara signifikan antar kelompok sampel satu dengan lainnya.
Misalnya penelitian yang dilakukan untuk mengetahui perbedaan disiplin kerja antar pegawai
Negeri Sipil (X1), Swasta (X2) dan BUMN (X3)
Sampel Berkorelasi
Teknik Statistik :
Statistik Parametrik
1. Analisis Varians :
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila datanya berbentuk
interval atau ratio
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel, bila pada setiap sampel hanya
terdiri atas satu kategori
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila pada setia sampel terdiri
atas 2 atau lebih kategori.
Contoh :
Bila ingin menguji hipotesis ada tidaknya perbedaan secara signifikan antara penghasilan
Pegawai Negeri Sipil, Petani, Pedagang dan Nelayan, maka digunakan ANOVA satu jalan, tetapi
bila akan menguji hipotesis ada tidaknya perbedaan secara siginifikan antara penghasilan
Pegawai Negeri, Petani, Pedagang dan Nelayan berdasarkan jenis kelamin (pria/wanita) maka
digunakan 2 jalan.
KEP
SV dk JUMLAH KUADRAT (JK) MK fh ft
Σ X tot2 – ( Σ X tot )2
tot N-1 N
( Σ X kel)2 – (Σ X ant)2
JK ant MK ant
Σ Fh > Ft
n kel N Ha diterima
Ant m-1 m -1 MK dal Tab F
JK dal
JK tot – JK ant
Keterangan :
SV = Sumber Variasi
Tot = Total
MK = Mean Kuadrat
Fh = F hitung
Ft = F table
Contoh soal :
Dilakukan penelitian untuk mengetahui pengaruh alat kerja baru terhadap tingkat produktivitas
kerja di perusahaan sepatu. Penelitian menggunakan sampel yang terdiri atas 15 orang yang
diambil secara random. Penelitian dilakukan dengan cara mengukur produktivitas karyawan
sebelum menggunakan alat kerja baru, dan sesudah menggunakan 3 bulan dan 6 bulan. Jadi
karyawan yang digunakan sebagai sampel adalah tetap, dan diulang selama 3 kali. Produktivitas
kerja diukur dari jumlah pasang sepatu yang dihasilkan setiap hari. Produktivitas selama 3
periode itu selanjutnya disusun ke dalam Tabel berikut :
Tabel Produktivitas Kerja Karyawan (X1, X2, X3) selama tiga Periode Pengukuran,
1 12 13 18
2 13 15 18
3 10 12 14
4 15 18 20
5 13 15 15
6 14 17 19
7 10 18 20
8 12 20 21
9 13 14 18
10 14 16 17
11 13 18 17
12 10 16 19
13 13 15 16
14 10 13 17
15 15 16 14
Jml 187,00 236,00 263,00
Hipotesis Penelitian :
Syarat ANOVA :
Pengujian homogenitas :
F = Varians terbesar
Varians terkecil
F = 4,92 = 1,58
3,12
– pembilang = dk – 1 = 15- 1 = 14
– penyebut = dk – 1 = 15 – 1 = 14
Selanjutnya karena setelah terbukti varians data homogen, maka perhitungan ANOVA dapat
dilanjutkan
N1 = 15 N2 = 15 N3 = 15 N = 45
45
n1 n2 nm N
m -1 3 -1
N–m 45 – 3
MK dal 4,2
F hitung = 23, 56
F tabel (dk )
– pembilang = m-1 = 3 -1 = 2
– penyebut = N-m = 45 – 3 = 42
Kesimpulan :
JUMLAH KUADRAT
(JK)
SV Dk MK fh ft KEPUTUSAN
374,3 Fh > Ft
45-1 =
Total –
44
(23,56 > 3,22)
197,92 98,96 23,56
5%= Maka
Antar Kelompok 3-1 = 2
3,22
Tolak Ho,
BAB VI
Hipotesis Asosiatif
Merupakan dugaan tentang adanya hubungan antar variabel dalam populasi, yang akan diuji
melalui hubungan antar variabel dalam sampel.
Langkah pertama pembuktian : perlu dihitung terlebih dahulu koefisiensi korelasi yang ada pada
sampel untuk diberlakukan pada seluruh populasi.
Bila penelitian dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian signifikansi
terhadap koefisien korelasi yang ditemukan, yang berarti peneliti tidak perlu merumuskan dan
menguji instrumen statistik
Terdapat 3 hubungan Asosiatif :
1. Simetris
2. Sebab akibat (kausal)
3. Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif (-)
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang satu mengakibatkan
kenaikan nilai variabel yang lain, dan sebaliknya bila nilai penurunan nilai variabel yang satu
mengakibatkan penurunan nilai variabel yang lain
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang satu justru
mengakibatkan penurunan nilai variabel yang lain dan sebaliknya penurunan nilai variabel yang
satu justru mengakibatkan kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna oleh variabel yang lain,
tanpa melakukan kesalahan sedikitpun
Semakin kecil r, semakin besar error (kesalahan) untuk membuat prediksi
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan titik-titk antar
variabel x dan y :
1. Spearman Rank
Ordinal
2. Kendal Tau
Digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua variabel, bila
data kedua variabel berbentruk interval atau ratio, dan sumber data dari kedua variabel tersebut
adalah sama
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
r xy = n Σ xi yi – (Σ xi ) (Σ yi)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan
pengeluaran. Untuk keperluan tersebut telah dilakukan pengumpulan data terhadap 10
responden yang diambil secara random. Berdasarkan 10 responden tersebut diperoleh data
tentang pendapatan (x) dan pengeluaran (y) per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900 600 500 500
y = 300 300 200 200 200 200 300 100 100 100
atau :
Ho : ρ=0
Ha : ρ≠0
Pendapatan Pengeluaran _ _
1 8 3 1 1 1 1 1
2 9 3 2 1 4 1 2
3 7 2 0 0 0 0 0
4 6 2 -1 0 1 0 0
5 7 2 0 0 0 0 0
6 8 2 1 0 1 0 0
7 9 3 2 1 4 1 2
8 6 1 -1 –1 1 1 1
9 5 1 –2 -1 4 1 2
10 5 1 2 –1 4 1 2
Σ = 20
Σ = 70
_ 0 0
_ 20 6 10
Y=2
X=7
r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran setiap bulannya,
dimana semakin besar pendapatan, semakin besar pula pengeluaran
Pertanyaan :
Apakah r tersebut signifikan (dapat digeneralisir) atau tidak ?
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu (Tabel III)
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran dengan nilai korelasi
sebesar 0,9129 dapat digeneralisasikan
Koefisien Determinasi
Koefisien Penentu, dimana varians yang terjadi pada variabel dependen dipengaruhi sebesar r 2
oleh
variabel independen.
Contoh : r = 0,9129
r 2 = (0,9129) 2
= 0,83
Artinya :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel independen atau lebih
secara bersama-sama dengan satu variabel dependen :
Contoh :
r1
r3 R
r2
X1 = Kepemimpinan
Y = Kepuasan Kerja
R = Korelasi Ganda
R ≠ r1 + r2 + r3,
1 – r x1x2 2
Dimana :
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang Kantor dalam
kaitannya dengan Kepuasan Kerja Pegawai di Lembaga A”. Berdasarkan data yang terkumpul
untuk setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut
1. Korelasi antara kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45
2. Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48
3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor r3 = 0,22
1 – r x1x2 2
1 – (0,22) 2
= 0,5959
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut adalah :
Fh = (0,5959) 2 / 2
(1 – (0,5959) 2 ) / (30 – 2 – 1)
= 7,43
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat diberlakukan untuk populasi
https://materimatakuliah.wordpress.com/category/mata-kuliah/statistika/