BAB 1

PENDAHULUAN

Kadang kita terjebak dengan pemakaian berbagai uji atau analisis statistik mulai dari
metode yang sederhana (bivariat) sampai yang rumit (Multivariat), tanpa mengetahui dengan
jelas mengapa kita memilikih uji tersebut.
Sebagai ilustrasi, kita harus memilih pisau yang tepat sesuai dengan bahan yang akan
kita potong dengan pisau tersebut. Jangan sampai kita memilih pisau kue untuk memotong
daging, atau sebaliknya kita menggunakan pedang untuk mengiris bawang. Kita harus
mengetahui terlebih dahulu apakah kita berurusan dengan bawang atau daging. Setelah
bahannya jelas, selanjutnya kita baru bisa memilih pisau yang tepat. Daging memang masih
bisa teriris dengan pisau kue namun irisannya tidak sesuai yang diharapkan atau daging alot
itu tetap tidak bisa terpotong. Pemilihan pisau yang salah menunjukkan kesalahan teknis yang
terjadi pada proses penelitian. Kesalahan teknis mempunyai kadar kesalahannya yang lebih
berat dibandingkan kesalahan manusiawi. Kesalahan teknis tersebut bisa berujung pada
kehilangan informasi, atau bahkan, informasi yang menyesatkan.

1
 BAB II
PEMBAHASAN

A. Skala Pengukuran Variabel

Pengukuran variabel adalah proses pemberian nilai atau atribut pada suatu objek.
Terdapat empat Jenis Skala Pengukuran Variabel yaitu Nominal, Ordinal, Interval, Ratio.
Skala yang paling rendah adalah Nominal dan yang tertinggi adalah Skala Rasio. Skala
pengukuran yang lebih tinggi akan memiliki karakteristik skala pengukuran di bawahnya.
Keempat skala pengukuran tersebut diusulkan oleh seorang psikologis, Stanley Smith
Stevens, pada tahun 1946 pada salah satu artikel ilmiahnya yang berjudul "On the theory of
scales of measurement".
Pengukuran adalah dasar dari penyelidikan ilmiah. Segala sesuatu yang kita lakukan
dimulai dengan pengukuran objek yang akan kita pelajari. Pengukuran adalah pemberian
angka atau kode pada suatu obyek. Terdapat empat Jenis Skala Pengukuran yaitu Nominal,
Ordinal, Interval, Ratio. Skala yang paling rendah adalah Nominal dan yang tertinggi adalah
Skala Rasio. Skala pengukuran yang lebih tinggi akan memiliki karakteristik skala
pengukuran di bawahnya. Misalnya, skala Rasio akan memiliki karakteristik Nominal,
Interval, dan Ordinal.

Contoh Data

Jenis Warna Perilaku/ Suhu Berat Ujian Peringkat Huruf

Kelamin Kulit Sikap Tubuh Badan Mutu
(L-P) (20-80) °Celcius (0- (1-11) (A-F)
100)
Barb P Hitam 80 36 60 100 1 A
Chris L Coklat 48 35 65 96 2.5 A
Bonnie P Putih 74 36 55 96 2.5 A
Robert L Kuning 35 37 57 93 4 A
Jim L Merah 79 35 70 92 5 A
tembaga
Tina P Putih 60 34 45 89 7 B
Ron L Hitam 40 36 67 89 7 B
Jeff L Coklat 56 37 58 89 7 B
Brenda P Coklat 74 35 50 88 9 B
Mark L Putih 56 37 100 82 10 B
Mike L Kuning 65 36 90 75 11 C
Skala nominal Nominal Interval interval rasio rasio ordinal ordinal

Perhatikan nilai/data yang terdapat pada Variabel Jenis Kelamin. Apakah anda bisa
membedakan antara jenis kelamin laki-laki dan perempuan? Tentu Anda bisa! Barb adalah
perempuan sedangkan Cris laki-laki. Disini kita bisa menentukan antara yang jenis
kelaminnya sama (=) dan yang berbeda (≠). Dapatkah Anda megurutkan atau membuat
rangking? L > P atau L < P? Tentu kita tidak dapat membuat peringkatnya! Demikian juga
dengan warna kulit, disini kita hanya bisa membedakan tanpa bisa membuat peringkatnya!

2
 Kita hanya bisa membedakan atau mengkatagorikan nilai/kode dari variabel tersebut,
namun kita tidak mungkin merangkingnya. Skala pengukuran demikian dinamakan Nominal

Sekarang perhatikan variabel Huruf Mutu. Barb dan Chris mendapatkan nilai yang sama
(=) yaitu A, dan berbeda (≠) dengan Tina yang hanya mendapatkan Huruf Mutu B. Pada
contoh ini, selain kita bisa melihat siapa yang mendapatkan huruf mutu yang sama (=) dan
siapa yang berbeda (≠), kita juga bisa merangkingnya. Nilai yang mendapatkan A lebih (>)
baik dibandingkan dengan yang mendapatkan B. Demikian juga untuk variabel Peringkat.
Peringkat 1 tentu lebih baik dibandingkan dengan peringkat 11.

1. Skala Nominal
Variabel nominal merupakan variabel dengan skala pengukuran yang paling rendah
tingkatannya dan hanya bisa digunakan untuk klasifikasi kualitatif atau kategorisasi.
Artinya, variabel tersebut hanya dapat diukur dari segi apakah karakteristik suatu objek
bisa dibedakan dari karekateristik lainnya, tetapi kita tidak dapat mengukur atau bahkan
mengurutkan peringkat kategori tersebut.
Sebagai contoh, kita dapat mengatakan bahwa jenis kelamin ke 2 orang tersebut
berbeda, satu perempuan dan satunya lagi laki-laki. Di sini kita bisa membedakan
karakteristik keduanya, tetapi kita tidak bisa mengukur dan mengatakan mana yang
"lebih" atau mana yang "kurang" dari kualitas yang diwakili oleh variabel tersebut. Kita
hanya bisa memberikan kode/label pada kedua karakteristik tersebut, misalnya angka 0
untuk perempuan dan angka 1 untuk laki-laki. Kode/label angka tersebut bisa saja di
tukar. Kode di sana hanya berfungsi sebagai pembeda antara kedua objek dan tidak
menunjukkan urutan atau kesinambungan. Angka 1 tidak menunjukkan lebih tinggi atau
lebih baik di banding 0.

Operator aritmetika yang bisa digunakan pada skala nominal hanya tanda "=" atau "≠".
Contoh-contoh variabel nominal lainnya adalah:

 jenis tanah,
 varietas,
 ras,
 warna,
 bentuk,
 kota,
 Golongan darah
 Jenis penyakit
 Agama
 Suku
 Nomor KTP/SIM/Kartu Pelajar

2. Skala Ordinal
Variabel ordinal memungkinkan kita untuk mengurutkan peringkat dari objek yang
kita ukur. Dalam hal ini kita bisa mengatakan A "lebih" baik dibanding B atau B
"kurang" baik dibanding A, namun kita tidak bisa mengatakan seberapa banyak lebihnya
A dibanding B. Dengan demikian, batas satu variasi nilai ke variasi nilai yang lain tidak
jelas, sehingga yang dapat dibandingkan hanyalah apakah nilai tersebut lebih tinggi,
sama, atau lebih rendah daripada nilai yang lain, namun kita tidak bisa mengatakan
berapa perbedaan jarak (interval) diantara nilai-nilai tersebut.

3
 Contoh umum variabel ordinal adalah status sosial ekonomi keluarga. Sebagai contoh,
kita tahu bahwa kelas menengah ke atas lebih tinggi status sosial ekonominya dibanding
kelas menengah ke bawah, tapi kita tidak bisa mengatakan berapa lebihnya atau
mengatakan bahwa kelas menengah ke atas 18 % lebih tinggi. Pemberian simbol/kode
angka pada skala ordinal, selain berfungsi untuk membedakan karakteristik antar objek
juga sudah menetukan urutan peringkat dari objek tersebut.
Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda "=", "≠", "<"
dan ">". Misal kode angka untuk kelas bawah = 0, menengah = 1, dan atas = 2. Angka 0
berbeda dengan 1 ataupun 2 (operator aritmetk: = dan ≠), 0 lebih rendah dibanding 1
(operator aritmetk: < dan >), Contoh:
 Tingkat pendidikan atau kekayaan
 Tingkat keparahan penyakit
 Tingkat kesembuhan
 Derajat keganasan kanker

3. Skala Interval
Variabel Interval tidak hanya memungkinkan kita untuk mengklasifikasikan,
mengurutkan peringkatnya, tetapi kita juga bisa mengukur dan membandingkan ukuran
perbedaan diantara nilai. Sebagai contoh, suhu, yang diukur dalam derajat Fahrenheit
atau Celcius, merupakan skala interval. Kita dapat mengatakan bahwa suhu 50 derajat
lebih tinggi daripada suhu 40 derajat, demikian juga suhu 30 derajat lebih tinggi
dibanding dengan suhu 20 derajat. Perbedaan selisih suhu antara 40 dan 50 derajat
nilainya sama dengan perbedaan suhu antara 20 dan 30 derajat, yaitu 10 derajat. Jelas
disini bahwa pada skala interval, selain kita bisa membedakan (mengkategorikan),
mengurutkan nilainya, juga bisa di hitung berapa perbedaannya/selisihnya dan jarak atau
intervalnya juga dapat dibandingkan. Perbedaan antara kedua nilai pada skala interval
sudah punya makna yang berarti, berbeda dengan perbedaan pada skala ordinal yang
maknanya tidak berarti. Misalnya, perbedaan antara suhu 40 dan 50 derajat dua kali lebih
besar dibandingkan dengan perbedaan antara suhu 30 dan 35. Dengan demikian, selain
sudah mencakup sekala nominal, juga sudah termasuk skala ordinal, tetapi nilai
mutlaknya tidak dapat dibandingkan secara matematik, oleh karena batas-batas variasi
nilai pada interval adalah arbiter (angka nolnya tidak absolut).

Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda "=", "≠", "<",
">", "+", "-". Misal suhu: 30 +10 = 40 derajat. Contoh Skala Interval lainnya:
 Tingkat kecerdasan (IQ)
 Beberapa indeks pengukuran tertentu

4. Skala Rasio
Variabel rasio sangat mirip dengan variabel interval; di samping sudah memiliki
semua sifat-sifat variabel interval, juga sudah bisa diidentifikasi titik nol mutlak,
sehingga memungkinkan menyatakan rasio atau perbandingan di antara kedua nilai,
misalnya x adalah dua kali lebih y. Contohnya adalah berat, tinggi, panjang, usia, suhu
dalam skala kelvin. Sebagai contoh, berat A = 70 kg, berat B =35 kg, Berat C = 0 kg.
Disini kita bisa membandingkan rasio, misalnya kita bisa mengatakan bahwa berat A dua
kali berat B. Berat C = 0 kg, artinya C tidak mempunyai bobot. Angka 0 di sini jelas dan
berarti dan angka 0 menunjukkan nilai 0 mutlak. Memang agak sedikit susah dalam
membedakan antara skala interval dengan rasio. Kuncinya adalah di angka 0, apakah
nilai nol tersebut mutlak (berarti) atau tidak? Sebagai contoh, suhu bisa berupa skala
interval tapi bisa juga skala rasio, tergantung pada skala pengukuran yang digunakan.

4
 Apabila kita menggunakan skala Celcius atau Fahrenheit, termasuk skala interval,
sedangkan apabila Kelvin yang digunakan, suhu termasuk skala rasio. Mengapa? Karena
suhu 0 derajat Kelvin adalah mutlak! Kita tidak saja dapat mengatakan bahwa suhu 200
derajat lebih tinggi daripada suhu 100 derajat, tetapi kita juga sudah dapat menyatakan
dengan pasti bahwa rasionya benar dua kali lebih tinggi.

Operator aritmetika yang bisa digunakan pada skala rasio adalah tanda "=", "≠", "<", ">",
"+", "-", "x" dan "÷". Misal nilai Berat A 70 kg, berat B = 35 kg.
 Operator aritmetik "=", "≠", kita bisa mengatakan Berat A berbeda dengan Berat B (A
≠ B);
 Operator aritmetik "<", ">": A lebih berat dibanding B (A > B),
 Operator Aritmetik "+", "-": Beda antara berat A dengan B = 35 kg (A – B = 70 – 35
= 35) kg,
 Operator aritmetik "x" dan "÷":A dua kali lebih berat dibanding B ( A = 2xB).

Contoh:
 Waktu, panjang, tinggi, berat, usia
 Kadar zat dan jumlah sel tertentu
 Dosis obat, dll

Skala interval tidak memiliki karakteristik rasio. Kebanyakan prosedur analisis data
statistik tidak membedakan antara data yang diukur dalam skala interval dan rasio.

Ringkasan skala pengukuran:

Skala Definisi Level Operasi Contoh
Aritmetik
Nominal Data  Mutually =, ≠  Jenis Kelamin
Kategori exclusive  Wana Kulit

Ordinal Data yang  Mutually =, ≠ <, >  Status sosial ekonomi

hanya bisa exclusive keluarga
diurutkan  Urutannya  Peringkat Kelas
dari kecil ke Pasti/Jelas  Pangkat/Jabatan/Golon
besar atau gan
sebaliknya
Interval Selain  Mutually =, ≠, <, >,  Suhu (Celsius &
mencakup exclusive +, - Fahrenheit)
karakateristik  Urutannya  IQ (tingkat kecerdasan)
Nomina dan Pasti
Ordinal, juga  Jarak antara
sudah bisa kode sama
dilakukan
operasi
penjumlahan
karena jarak
antara
datanya
sudah jelas.
Tidak
mempunyai

5
 nilai nol
mutlak
Ratio Mencakup  Mutually =, ≠, <, >,  Suhu (Kelvin)
karakteristik exclusive +, - x, ÷  Waktu
Interval dan  Urutannya  Panjang
mempunyai Pasti  Berat
nilai nol  Jarak antara  Tinggi
mutlak kode sama
 Terdapat nilai
nol mutlak

Hubungan antara skala pengukuran dengan jenis datanya (kuantitatif dan kualitatif)
Skala pengukuran Kualitatif Kuantitatif
Nominal √
Ordinal √
Interval √
Ratio √

B. HIPOTESIS
Hipotesis merupakan jawaban sementara terhadap masalah penelitian yang kebenarannya
harus diuji secara empiris. Hipotesis menyatakan hubungan apa yang kita cari atau ingin kita
pelajari. Hipotesis adalah keterangan sementara dari hubungan fenomena-fenomena yang
kompleks. Oleh karena itu, rumusan hipotesis menjadi sangat penting dalam sebuah
penelitian.

1. Hipotesis Satu Arah

Sebagai pengujian satu arah. Hipotesis satu arah digunakan untuk hipotesis yang sudah
jelas arahnya positif atau negatif. Contohnya hipotesisnya ,terdapat hubungan yang positif
antara variabel x dengan variabel Y”. Maka penelitian ini menggunakan hipotesis satu
arah. Karena arah hipotesis sudah diketahui sebelumnya (Yakni arah positif). Atau
dengan kata lain tujuan dari penelitian ini tidak hanya untuk mengetahui ada atau tidak
hubungan antara variabel x dengan variable Y. Namun lebih jauh dari itu yakni untuk
membuktikan apakah hubungan antara variabel x dengan Y adalah positif.

2. Hipotesis Dua Arah

Sebagai pengujian dua arah ,hipotesis dua arah digunakan untuk hipotesis yang belum
jelas arahnya (apakah positif atau negatif). Contohnya, hipotesis : “Terdapat hubungan
antara variabel x dengan variabel Y”. Maka penelitian ini menggunakan hipotesis dua
arah. Karena arah hipotesis belum diketahui. Atau dengan kata lain tujuan dari penelitian
ini hanya untuk mengetahui ada atau tidak hubungan antara variabel x dengan variabel Y.

3. Hipotesis nol
Tidak Terdapat hubungan kepemimpinan kepala sekolah dengan aktivitas guru
diMadrasah Aliyah Islamiyah Pontianak

4. Hipotesis Alternatif

6
 Terdapat hubungan antara kepemimpinan kepala sekolah dengan aktivitas guru
diMadrasah Aliyah Islamiyah Pontianak

5. Hipotesis Komparatif
Pengertian Hipotesis Komparatif adalah dugaan terhadap perbandingan nilai dua sampel
atau lebih. Hipotesis komparatif merupakan salah satu dari macam macam hipotesis.
Dalam hal komparasi ini terdapat beberapa macam, yaitu :
(1) Komparasi berpasangan (related) dalam dua sampel dan lebih dari dua sampel (k
sampel).
(2) Komparasi independen dalam dua sampel dan lebih dari dua sampel (k sampel).

Contoh :
Sampel Berpasangan, komparatif dua sampel
Ho : Tidak terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan.
Ha : Terdapat berbedaan nilai penjualan sebelum dan sesudah ada iklan
Sampel Independen, komparatif tiga sampel
Ho : Tidak terdapat perbedaan antara birokrat, akademisi dan pebisnis dalam memilih
partai.
Ha : Terdapat perbedaan antara birokrat, akademisi dan pebisnis dalam memilih partai.

6. Hipotesis Korelatif
untuk mengetahui asosiasi atau korelasi antara variabel bebas terhadap variabel
tergantung. Contoh : berapa besar korelasi antara kadar trigliserid dan kadar gula darah?

7. Kesalahan Pengambilan Keputusan

Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan pengambilan keputusan.
Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik, yaitu:
1. Kesalahan tipe 1 alpha (α)
2. Kesalahan tipe II beta (β)
Kesalahan tipe I adalah kesalahan menolok H0 padahal sesungguhnya H0 benar. Artinya
bahwa adanya perbedaan padahal sesungguhnya tidak ada perbedaan. Peluang kesalahan
tipe satu (I) adalah α atau sering disebut tingkat signifikansi (Significance level).
Sebaliknya peluang untuk tidak membuat kesalahan tipe I adalah 1-α, yang disebut dengan
tingkat kepercayaan (confidence level).
Kesalahan tipe II adalah kesalahan tidak menolak H0 padahal sesungguhnya H0 salah.
Artinya bahwa tidak ada perbedaan padahal sesungguhnya ada perbedaan. Peluang untuk
membuat kesalahan tipe dua (II) ini adalah sebesar β. Peluang untuk tidak membuat
kesalahan tipe kedua (II) adalah sebesar 1-β, dan dikenal sebagai tingkat Kekuataan Uji
(Power Of The Test).

8. Tingkat kemaknaan
Pernyataan yang menunjukkan besarnya peluang terhadap kesimpulan tentang adanya
perbedaan/hubungan/pengaruh variabel yang disimpulkan peneliti ketika H0 benar.
Ditunjukkan dengan nilai p (p-value).
Ketelitian dalam menaksir hubungan/pengaruh variabel-variabel yg diteliti. Ukuran
presisi yg lazim adalah standart error (SE), atau lebarnya kelas interval taksiran variabel,
misalkan Interval Keyakinan 95%. Makin kecil SE, makin persis taksiran. Dalam statistik
presisi adalah kebalikan dari varians. Presisi dapat ditingkatkan dengan menaikan sampel,
lain-lain tidak berubah.

7
 Pengujian hipotesis statistik memiliki prosedur yang harus diikuti tergantung pada
hipotesisnya yang distribusi populasi. Prosedur umum yang harus diikuti tergantung pada
hipotesisnya dan distribusi populasi. Prosedur umum yang harus diikuti dapat dibagi
dalam beberapa langkah :
a) Rumuskan dengan baik hipotesis penelitian agar dapat dihitung statistik sampelnya,
seperti rata-rata, seperti :
Pengujian hipotesis dapat dilakukan terhadap satu populasi untuk pengujian hipotesis
rata-rata dua populasi. Misalnya, rata-rata tekanan darah sapi Ongole sama dengan
tekanan darah sapi Brahman.
 H0 : =
 = rata-rata tekanan darah sapi Ongole
 = rata-rata tekanan darah sapi Brahman
 Rata-rata tekana darah sampel sapi Ongole dan sapi Brahman adalah x1 dan x2.
b) Tentukan derajat kemaknaan α atau kesalahan tipe 1 yang akan digunakan. Penentuan
ini harus dilakukan pada saat perencanaan.
c) Tentukan kesalahan tipe 2 atau β. Biasanya penentuan ini dilakukan pada saat
menghitung besarnya sampel.
d) Tentukan distribusi yang akan digunakan dalam perhitungan. Tentukan metode
statistik yang akan digunakan untuk menghitung statistik sampel.
e) Tentukan kriteria menerima atau menolak hipotesis nol pada derajat kemaknaan yang
telah ditentukan.
f) Buatlah kesimpulan yang tepat pada populasi yang bersangkutan.

Pengujian hipotesa dapat menggunakan rumus-rumus untuk variabel normal

baku (Z) atau t dan sesuai dengan tingkat nyata yang dipilih (α) dan jenis pengujian
yang dipilih (dua sisi, satu sisi kanan atau satu sisi kiri). Menggunakan (Z) jika
datanya berdistribusi atau mempunyai fungsi normal (data sampel ≥ 30)dan
menggunakan uji t jika data sampel kecil (<30).

9. Penentuan nilai alpa

Nilai alpha atau luas daerah yang diarsir adalah nilai probabilitas dari variabel X
dengan batas titik kritisnya. Dan jika titik kritisnya dari negatif tak hingga sampai tak
hingga, maka luas daerahnya adalah satu. Dan luas daerah dari titik kritis 0 hingga tak
hingga sama dengan luas daerah dari negatif tak hingga sampai 0 yaitu 0,5 (karena
simaetris, yait 1:2=0,5).

Rumus umum distribusi normal :

dengan
 mean
 standar deviasi/simpangan baku
 π = 3,14 = 22/7
 e = Eksponensial

Dan rumus untuk distribusi normal standar (Z) dengan mean nol dan simpangan baku
satu :

8
 dengan

Sedangkan nilai alpha adalah luas daerah di bawah kurva, yang mana kita tahu dalam
kalkulus untuk menghitung luas daerah bentuk yang tidak beraturan atau yang
diwakili oleh fungsi, adalah menghitung intergral dari fungsi tersebut dengan batas-
batas yang diberikan. Khusus untuk gambar di atas dapat kita hitung dengan :

Hal ini nanti akan sangat berguna dalam pengujian hipotesis, untuk memudahkannya
menghitung luas daerah di bawah kurva sehingga ada tabel yang memudahkan kita
untuk menghitung nilai integral tersebut. Kita kenal dengan Tabel Kurva Normal
Standar atau Tabel Kurva Z.

10. Pendekatan probabilistik

Pengertian mengenai probabilitas dapat dilihat dari tiga macam pendekatan, yaitu
(1). Pendekatan Klasik,
(2). Pendekatan Frekuensi Relatif, dan
(3). Pendekatan Subjektif. Ketiga pendekatan tersebut dijelaskan sebagai berikut :

C. Istilah Hubungan, Perbedaan dan Pengaruh

1. Hubungan
Hubungan adalah mengukur derajat keeratan (korelasi) antara dua variabel baik yang
sudah jelas secara literatur berhubungan atau sesuatu masalah yang akan diteliti. Analisis
hubungan tidak menjelaskan arah hubungan dengan landasan teori baku. Metode yang
paling cocok untuk mengukur hubungan adalah korelasi. Analisis korelasi atau hubungan
untuk mengukur tingkat hubungan kedua variabel penelitian adalah bersifat tetap atau
fix, baik variabel Y maupun variabel X Pengaruh meneliti pola kausalitas atau fungsi
sebab akibat dari sebuah variabel atau lebih terhadap variabel lain berlandaskan teori
tertentu. Artimya, ada variabel yang secara teoritik mempengaruhi (independent
variabel) kemudian melihat efek dari variabel tersebut terhadap variabel lain yang
dipengaruhi (dependent variabel).

2. Perbedaan
Menyatakan perbedaan adalah satu jenis hubungan juga. Jika kita menyatakan bahwa
variabel A dapat dibedakan atas dasar Variabel B, Maka secara implisit ada hubungan
antara A dengan B. Perbedaan tidak menekankan aspek arah hubungan, jadi sifatnya
dapat juga simetris atau asimetris.

3. Pengaruh
Metode untuk mengukur pengaruh adalah analisis regresi (regression analysis), atau
analisis jalur (path analysis) dan variannya seperti cross-section, time series, panel data
dan lainnya (tergantung dari skala data pada variabel dependen dan variabel independen).
Contoh jika skala data pada variabel dependennya adalah kategorik, sedangkan skala

9
 data variabel independennya adalah numerik, maka statistika yang digunakan untuk
mengukur pengaruh adalah analisis varians. Read more:
http://allansetyoko.blogspot.com/2014/04/perbedaan-antara-hubungan-
dengan.html#ixzz4QAr4ODZh

C. Jenis-jenis sampel
1. Satu sampel
Uji-t (t-test) merupakan statistik uji yang sering kali ditemui dalam masalah-masalah
praktis statistika. Uji-t digunakan untuk menguji apakah rata-rata suatu sampel sama
dengan suatu harga tertentu atau apakah rata-rata dua sampel sama/berbeda secara
signifikan. Statistik uji ini digunakan dalam pengujian hipotesis. Uji-t dapat dibagi
menjadi 2, yaitu uji-t yang digunakan untuk pengujian hipotesis 1-sampel dan uji-t yang
digunakan untuk pengujian hipotesis 2-sampel.

Uji – t satu sampel ini tergolong hipotesis deskriptif, yaitu untuk menguji apakah satu
sampel sama/berbeda dengan rata-rata populasinya
Langkah-langkah Uji t
1) Buatlah Ha dan Ho dalam uraian kalimat.
2) Buatlah Ha dan Ho dalam model statistik.
3) Mencari thitung.

t hitung =
othitung = harga yang dihitung dan menunjukkan nilai standard deviasi dari
distribusi t (table t)
x = rata-rata nilai yang diperoleh dari hasil pengumpulan data
µ = nilai yang dihopotesiskan
s = standard deviasi sampel yang dihitung
n = jumlah sampel penelitian

Adapun standar deviasi sampel dapat dihitung berdasarkan data yang terkumpul. Pada
umumnya standar deviasi setiap populasi jarang yang diketahui, maka penggunaan
rumus zhitung kurang digunakan.
Pengujian hipotesis deskriptif, ada dua jenis yaitu:uji dua pihak dan uji satu pihak (
uji pihak kiri dan uji pihak kanan)

2. Dua Sampel Bebas

Dua sampel bebas adalah dua kelompok data yang berasal dari dua subjek yang berbeda.

3. Dua sampel Berhubungan

Dua sampel berpasangan adalah dua kelompok data yang berasal dari subjek yang sama.
Contoh 1:
Apakah ada perbedaan pengetahuan ibu tentang kesehatan reproduksi sebelum dan
sesudah penyuluhan ?
Contoh 2:
Termasuk dua sampel berpasangan karena dua kelompok data (data sebelum dan data
sesudah) berasal dari subjek yang sama.

10
D. Istilah Data terdistribusi Normal
Distribusi normal merupakan suatu alat statistik yang sangat penting untuk menaksir
dan meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal disebut juga dengan
distribusi Gauss untuk menghormati Gauss sebagai penemu persamaannya (1777-
1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi mengikuti
distribusi norma
Rumus umum distribusi normal :

dengan

E. Langkah-Langkah pengujian statistika

Langkah langkah penentuan jenis uji statistik yang di gunakan dalam penelitian secara garis
besarnya adalah sebagai berikut :

1. Identifikasi tujuan hipotesis penelitian yang di gunakan ( komparatif atau koleratif )

2. Indentifikasi jenis skala pengukuran variabel yang di gunakan( nominal, ordinal ,
interval, atau rasio )
3. Indetifikasi jenis sample yang di gunakan ( satu sampel, dua sampel berpasangan, dua
sampel bebas k, sampel bebas atau k sampel bebas , k sampel bebas atau k sampel
berpasangan )
4. Indetifikasi distribusi datanya ( terdistribusi normal atau tidak normal)

11
 BAB III
PENUTUP
A. Kesimpulan
Variabel Penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa
saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik kesimpulannya. Banyak sekali definisi variable
yang diungkapkan para ahli, dan definisi tersebut berpotensi membingungkan para
peneliti pemula. Perhatikan definisi variable menurut para ahli berikut:
Menurut Hatch & Farhady (1981). Variable didefinisikan sebagai Atribut
seseorang atau obyek yang mempunyai variasi antara satu orang dengan yang lain
atau satu obyek dengan obyek yang lain. Kerlinger (1973). Variable adalah konstruk
(constructs) atau sifat yang akan dipelajari. Kidder (1981). Variable dapat dikatakan
sebagai suatu sifat yang diambil dari suatu nilai yang berbeda (different values).
Dengan demikian, Variabel itu merupakan suatu yang bervariasi. Bhisma Murti
(1996), variable adalah suatu kualitas (qualities) dimana peneliti mempelajari dan
menarik kesimpulan darinya. Sudigdo Sastroasmoro, variable merupakan karakteristik
subyek penelitian yang berubah dari satu subyek ke subyek lainnya. Er. Ahmad Watik
Pratiknya (2007), variable adalah Konsep yang mempunyai variabilitas. Sedangkan
Konsep adalah penggambaran atau abstraksi dari suatu fenomena tertentu. Konsep
yang berupa apapun, asal mempunyai ciri yang bervariasi, maka dapat disebut sebagai
variable.
Secara peribadi, variabel penelitian saya pahami sebagai atribut yang
mencerminkan pengertian atau bangunan pengertian dan memiliki nilai. Contoh,
tinggi badan, kenapa dianggap sebagai variable, karena memiliki nilai, dan antara satu
dan yang lain memiliki tinggi badan yang berbeda. Kalau masih membingungkan.
Jika masih membingungkan, perhatikan contoh berikut; masalah banyaknya kosakata
dalam buku pelajaran menyulitkan siswa, maka variable yang bisa diambil adalah
ukuran banyaknya kosakata, dan ukuran kemampuan siswa. Jadi konsep yang menjadi
perhatian dalam suatu penelitian, itulah yang menjadi variable penelitian.
Variabel penelitian sangat penting dalam sebuah penelitian, karena variabel
bertujuan sebagai landasar mempersiapkan alat dan metode pengumpulan data, dan
sebagai alat menguji hipotesis. Itulah sebabnya, sebuah variable harus dapat diamati
dan dapat diukur.

12
 Daftar Pustaka

http://www.mushlihin.com/2013/11/other/variabel-penelitian-pengertian-tujuan-dan-jenis.php
Saryono. Metodologi Penelitian Kesehatan. Cetakan ke-4, Yogyakarta : Mitra Cendekia
Press, 2011.Nazir, Mohammad. Metode Penelitian. Cetakan ke-6, Bogor : Ghalia Indonesia,
2005.Http://navelmangelep.wordpress.com

13