OLEH
KELOMPOK 5
i
KATA PENGANTAR
ii
DAFTAR ISI
KATA PENGANTAR…………………………………………………………...i
DAFTAR ISI……………………………………………………………………..ii
BAB I PENDAHULUAN
BAB II PEMBAHASAN
3.1 Simpulan……………………………………………………………………..14
3.2 Saran…………………………………………………………………………14
DAFTAR PUSTAKA
iii
BAB I
PENDAHULUAN
1
1.3 Tujuan Masalah
1.3.1 Untuk mengetahui pengertian dari statistika parametric.
1.3.2 Untuk mengetahui keunggulan dan kelemahan dari statistika parametric.
1.3.3 Untuk mengetahui persyaratan analisis parametrik yang ada di dalam
statistika parametric.
2
BAB II
PEMBAHASAN
3
2.2 Keunggulan dan kelemahan statistik parametrik
a. Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data
dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.
b. Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi
harus normal dan bervarian sama, dan harus merupakan kombinasi linear
dari efek-efek yang ditimbulkan.
4
ada dua , yaitu pengujian normalitas dengan uji Liliefors dan dengan uji
kecocokan Chi Square.
1. Susunlah data dari kecil ke besar. Setiap data ditulis sekali, meskipun ada data
yang sama.
2. Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi harus
ditulis).
3. Dari frekuensi susun frekuensi kumulatifnya.
4. Berdasarkan frekuensi kumulatif, hitunglah proporsi empirik (observasi).
5. Hitung nilai z untuk mengetahui theoritical proportion pada tabel z.
6. Menghitung theoritical proportion.
7. Bandingkan empirical proportion dengan theoritical proportion, kemudian
carilah selisih terbesar titik observasinya.
8. Buat kesimpulan, dengan kriteria uji, tolak H0 jika D > D(n,?), dengan
kriteria: H0 : X mengikuti distribusi normal. H1 : X tidak mengikuti distribusi
normal.
2. Homogenitas Data
Persyaratan uji parametrik yang kedua adalah homogenitas data. Pengujian
homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi dua
buah distribusi atau lebih. Uji homogenitas yang akan dibahas dalam tulisan ini
adalah Uji Homogenitas Variansi dan Uji Burlett.
Uji homogenitas variansi digunakan untuk membandingkan dua buah peubah
bebas. Kriteria uji yang digunakan adalah dua buah distribusi dikatakan memiliki
penyebaran yang homogen apabila nilai hitung F lebih kecil dari nilai tabel F
dengan a tertentu dan dk1 = (n1-1) dan dk2 = (n2 – 1). Dalam hal lainnya
distribusi tidak homogen/ berbeda. Pengujian homogenitas data dengan uji Barlett
adalah untuk melihat apakah variansi-variansi k buah kelompok peubah bebas
yang banyaknya data per kelompok bisa berbeda dan diambil secara acak dari data
populasi masing-masing yang berdistribusi normal, berbeda atau tidak
(Ruseffendi, 1998: 297).
Kriteria uji yang digunakan adalah apabila nilai hitung > nilai tabel , maka
H0 yang menyatakan varians homogen ditolak, dalam hal lainnya diterima.
5
Rumus lihat buku sumber (Sambas Ali Muhidin. 2007. Analisis Korelasi, Regresi,
dan Jalur dalam Penelitian. Bandung: Pustaka Setia).
Langkah-langkah yang dapat dilakukan dalam pengujian homogenitas dengan uji
Barlett adalah :
1. Menentukan kelompok-kelompok data, dan menghitung varians untuk tiap
kelompok tersebut
2. Membuat tabel pembantu untuk memudahkan proses perhitungan
3. Menghitung varians gabungan.
4. Menghitung log dari varians gabungan.
5. Menghitung nilai Barlett.
6. Menghitung nilai
7. Menentukan nilai dan titik kritis.
8. Membuat kesimpulan.
3. Uji T
Dalam Statitika, uji t adalah salah satu alat uji yang termasuk uji beda, karena
uji t ini digunakan untuk mencari ada/tidaknya perbedaan antara dua means dari
dua sample/kelompok/kategori data. Uji t termasuk kelompok uji parametrik,
yaitu kelompok uji statistika yang memerlukan persyaratan tertentu agar
memberikan hasil yang baik, dalam hal ini terkait asumsi distribusi data.
Uji parametrik mensyaratkan distribusi data yang diuji berdistribusi normal.
Oleh karenanya, ketika kita ingin menggunakan uji t, maka sebelumnya variabel
yang diujikan (yang bertipe interval/rasio) harus berdistribusi normal (biasanya
menggunakan alat uji one sample kolmogorov-smirnov). Berikut merupakan
jenis-jenis uji t:
1) One-sample t test (uji t satu sampel)
a. Digunakan untuk membandingkan antara sekelompok data yang berasal dari 1
sampel/kelompok dengan 1 nilai acuan/referensi/dugaan. Jadi data sampel
dibandingkan dengan 1 angka (makanya satu sampel).
b. Cukup 1 variabel bertipe interval/rasio karena 1 lagi berupa angka acuan.
6
c. Contoh: ingin menguji apakah rata-rata nilai mata kuliah fisika dasar
mahasiswa semester 1 lebih besar atau sama dengan 70. (variabel: nilai MK
fisika dasar, nilai acuan: 70).
2) Paired-sample t test (uji t sampel berpasangan)
a) Digunakan untuk membandingkan rata-rata (mean) dari dua kumpulan data
yang ada dimana kedua kumpulan data tersebut berasal dari 1 kelompok
obyek/responden yang sama. Hal ini dimungkinkan karena misalnya
pengukuran dilakukan pada waktu yag berbeda namun obyek/respondennya
tetap sama, sehingga memiliki 2 kelompok data; atau dilakukan pengukuran
yang berbeda karena adanya perlakuan pada obyek/responden tersebut.
b) Akan ada kumpulan data sebelum dan sesudah perlakuan/waktu yang
berbeda.
c) Variabel: ada 2 variabel (keduanya interval/rasio), variabel 1 (sebelum
perlakuan atau waktu pengukuran ke-1) dan variabel 2 (setelah
perlakuan/waktu pengukuran ke-2)
d) Contoh: sebuah perusahaan pupuk ingin menguji apakah pupuk yang dibuat
mampu meningkatkan produksi buah cabai. (untuk riset ini diperlukan
pengukuran produksi buah cabai sebelum diberi pupuk dan produksi buah
cabai setelah diberi pupuk, kemudian kedua data ini dibandingkan; kedua data
tentu diambil atau diukur pada waktu yang berbeda, karena kelompok pohon
cabai yang diukur adalah kelompok pohon cabai yang sama).
3) Independent-sample t test (uji t sampel independen)
a) Digunakan untuk membandingkan rata-rata (mean) dari dua kelompok data
yang berbeda satu sama lain. Jadi benar-benar memiliki 2 sampel/kelompok
obyek/responden.
b) Variabel: ada 2 variabel (1 bertipe interval/rasio dan 1 lagi bertipe nominal).
Variabel bertipe interval/rasio untuk menampung data
c) yang akan dibandingkan, sedang variabel bertipe nominal untuk menampung
jenis/kelompok sampelnya.
d) Contoh: seorang walikota menanggap pembangunan ekonomi masyarakatnya
lebih baik daripada masyrakat kota lain disekitarnya. Maka diukurlah
sekelompok masyarakat kota tersebut dan sekelompok masyarakat kota
7
tetangga sebagai pembanding. Maka akan ada 2 data yang bersumber dari
masyarakat yang berbeda; akan ada 2 variabel, variabel #1: income
masyarakat, variabel #2: jenis kota (1->kota ybs, 2-> kota tetangga)).
8
Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah
dan Anova dua arah. Anova satu arah hanya memperhitungkan 1 faktor yang
menimbulkan variasi, sedangkan Anova dua arah memperhitungkan dua faktor
yang menimbulkan variasi. Pada dasarnya pola sampel dapat dikelompokan
menjadi dua kelompok, yaitu :
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan
yang ada di kelompok lain, berasal dari populasiyang sama. Untuk kondisi ini
hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan).
2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda dengan
populasi sampel dengan populasi sampel yang ada di kelompok lainnya.
Melalui perbandingan sederhana adalah teknik analisis statistik yang dapat
memberi jawaban atas ada tidaknya perbedaan skor pada masing-
masing kelompok (khususnya untuk kelompok yang banyak), dengan suatu
risiko kesalahan yang sekecil mungkin. Anova mempunyai kemampuan
membedakan antar banyak kelompok dengan risiko kesalahan yang kecil, juga
dapat memberi informasi tentang ada tidaknya interaksi antar variabel bebas
sehubungan dengan variableterikat.
Pada dasarnya ANOVA dapat dibagi menjadi 2 kelompok besar, yaitu:
1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu
independen varibel (variabel bebas)
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa
independen varibel (variabel bebas) Asumsi dasar dalam Anova :
a Kenormalan Setiap harga dalam sampel berasal dari distribusi normal,
sehingga distribusi skor sampel dalam kelompok pun hendaknya normal.
Kenormalan dapat diatasi dengan memperbanyak sampel dalam kelompok,
karena semakin banyak n maka distribusi akan mendekati normal. Apabila
sampel tiap kelompok kecil dan tidak dapat pula diatasi dengan jaln
melakukan transformasi.
b Kesamaan Variasi Masing-masing kelompok hendaknya berasal dari
populasi yang mempunyai variansi yang sama. Untuk sampel yang sama
pada setiap kelompok, kesamaan variansi dapat diabaikan. Tetapi, jika
9
banyaknya sampel pada masing-masimg kelompok tidak sama, maka
kesamaan variansi populasi memang sangat diperlukan.
c Penamatan Bebas Sampel hendaknya diambil secara acak (random),
sehingga setiap pengamatan merupakan informasi yang bebas.
Perbandingan anova satu jalur dengan anova dua jalur adalah sebagai berikut:
Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi kasus
variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per satu,
sehingga akan menghadapi banyak kasus ( N semakin banyak ). Dengan
melakukan Anova dua arah akan dihindari pula pula terjadinya noise (suatu
kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya suatu
analisis data). Noise ini dapat dihindari pada ANOVA dua arah karena analis
disini melibatkan kontor terhadap perbedaan(katagorikal) variabelbebas. Interaksi
suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas, dengan
sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika terdapat
interaksi berarti efek faktor satu terhadap variabel terikatakan mempunyai garis
yang tidak sejajar dengan efek faktor lain terhadap variabel terikatsejajar (saling
berpotongan), maka antara faktor tidak mempunyai interaksi. Anova dua arah
digunakan peneliti untuk mengatasi perbedaan nilai variabel terikat yang
dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing variabel
terdiri dari beberapa kelompok. Anova dua arah merupakan penyempurnaan
Anova satu arah.
Anova dua arah lebih efisien daripada anova satu arah, karena:
a. Kasus yang dihadapi lebih sedikit yaitu sejumlah sampel .
b. Noise noise dapat dihilangkan.
c. Dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
variabel terikat.
10
antara 2 variabel yang dimaksud disini adalah apakah hubungan tersebut erat,
lemah, ataupun tidak erat sedangkan bentuk hubungannya adalah apakah bentuk
korelasinya linier positif ataupun linier negetif.
a) Korelasi Linier Positif (+1)
Perubahan salah satu nilai Variabel diikuti perubahan nilai variable yang
lainnya secara teratur dengan arah yang sama. Jika nilai variable X mengalami
kenaikan, maka variable Y akan ikut naik. Jika variable X mengalami penurunan,
maka variable Y akan ikut turun. Apabila Nilai Koefisien korelasi mendekati +1 (
positif satu ) berarti pasangan data variable X dan variable Y memiliki korelasi
linier positif yang kuat/erat.
b) Korelasi Linier Negatif (-1)
Perubahan salah satu nilai variable diikuti perubahan nilai variable yang lainnya
secara teratur dengan arah yang berlawanan. Jika nilai variable X mengalami
kenaikan, maka nilai variable Y akan turun. Jika nilai variable X mengalami
penurunan maka, nilai variable Y akan naik. Apabila nilai koefisien korelasi
mendekati -1 (negative satu) maka hal ini menunjukkan pasangan data variable X
dan variable Y memiliki korelasi linier negative yang kuat/erat.
c) Tidak Berkorelasi
Kenaikan nilai variabelyang satunya kadang – kadang diikuti dengan
penurunan variable lainnya atau kadang – kadang diikuti dengan kenaikan
variable lainnya. Arah hubungannya tidak teratur, kadang – kadang searah,
kadang – kadang berlawanan. Apabila nilai koefesian korelasi mendekati 0 (Nol)
berarti pasangan data variable X dan variable Y memiliki korelasi yang sangant
lemah atau berkemungkinan tidak berkorelasi.
Tabel tentang Pedoman Umum dalam Menentukan Kriteria Korelasi
R Kriteria Hubungan
0 Tidak ada korelasi
0 – 0,5 Korelasi Lemah
0,5 – 0,8 Korelasi Sedang
0,8 – 1 Korelasi Kuat / erat
1 Korelasi Sempurna
11
Kekuatan hubungan antara 2 variabel biasanya disebut dengan koefisien
korelasi dan dilambangkan dengan symbol “r”. Nilai koefisien akan selalu berada
diantara -1 sampai +1. Hal yang perlu diingat adalah Koefisien korelasi akan
selalu dalam range -1 ≤ r ≤ +1. Jika ditemukan perhitungan di luar Range tersebut,
berarti telah terjadi kesalahan perhitungan dan harus di koreksi terhadap
perhitungan tersebut. Koefisien korelasi sederhana disebut juga dengan koefisien
korelasi pearson karena rumus perhitungan koefisien korelasi sederhana ini
ditemukan oleh Karl Pearson yaitu seorang ahli Matematika yang berasal dari
Inggris.
Rumus yang dipergunakan untuk menghitung koefisien korelasi sederhana
adalah sebagai berikut:
12
5 70 475 4900 225625 33250
6 60 455 3600 207025 27300
7 80 475 6400 225625 38000
8 75 470 5625 220900 35250
9 85 485 7225 235225 41225
10 90 480 8100 230400 43200
11 70 475 4900 225625 33250
12 85 480 7225 230400 40800
Jumlah ∑X=885 ∑Y=5640 ∑X²=66325 ∑Y²=2652350 ∑XY=416825 17
Penyelesaian: Rumus : = Dari penghitungan rumus tersebut di atas, diperoleh nilai
r : 0.684 Interpretasi: Berdasar hasil penghitungan tersebut (0.684), jika kita
konsultasikan dengan tabel angka kasar, hubungan antara motivasi dengan kinerja
dosen KUAT.
13
BAB III
PENUTUP
3.1 Simpulan
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi
hasil pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik
parametrik digunakan untuk parameter dari distribusi normal. Distribusi normal
dikenal juga dengan istilah Gaussian Distribution. Distribusi normal mengandung
dua parameter, yaitu rata-rata (mean) dan ragam (varians). Parameter-parameter
ini memberikan karakteristik yang unik pada suatu distribusi berdasarkan
“lokasi”-nya (central tendency). Berbagai metode statistik mendasarkan
perhitungannya pada kedua parameter tersebut. Keunggulan : Syarat - syarat
parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat,
observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen. Kelemahan : Populasi harus memiliki varian
yang sama, variabel-variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval, dalam analisis varian ditambahkan persyaratan rata-rata dari
populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear
dari efek-efek yang ditimbulkan. Persyaratan dalam menganalisis statistic
parametric adalah uji normalitas data, uji homogenitas data, uji t, anova satu arah
dan anova dua arah, uji pearson product.
3.2 Saran
14
DAFTAR PUSTAKA
https://adivb.wordpress.com/2015/09/08/statistika-uji-t-seperti-apa-sih/
https://analisispertanian.wordpress.com/2013/01/21/anova-satu-arah-dan-anova-
dua-arah/http://pensa-sb.info/persyaratan-analisis-data/
http://teknikelektronika.com/pengertian-analisis-korelasi-sederhana-rumus-
pearson/
15