Metode statistika yaitu prosedur yang dipakai dalam pegumpulan, penyajian, analisis, dan
penafsiran data. Metode-metode tersebut dikelompokkan dalam dua kelompok besar, yaitu:
1. Statistika Deskriptif
2. Statistika Inferensial
Statistika deskriptif
Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan / penyajian data
hingga memberi informasi yang berguna.
Statistika di klasifikasikan menjadi dua yaitu statistika deskriptif dan statistika inferensia
dilakukan berdasarkan aktivitas yang dilakukan.
tabel
diagram
grafik
besaran-besaran lain di majalah dan koran-koran.
Histogram
Pie Chart
Ogive
Poligon
Diagram Batang Daun (Stem and Leaf)
Central Tredency
Fractile
Skewness
Pengukuran Keruncingan
Dispersion / pencaran
Statistik Inferensial
Statistik inferensia yaitu sebuah sebuah metode yang mampu dipakai untuk menganalisis
kelompok kecil dari data induknya atau sample yang diambil dari populasi sampai pada
peramalan dan penarikan kesimpulan pada kelompok data induknya atau populasi.
Generalisasi yang berhubungan dengan inferensia statistik memiliki sifat tidak pasti, karena
mendasarkan pada informasi parsial yang didapat dari sebagian data. Sehingga yang didapat
hanya peramalan.
Catatan kelulusan selama lima tahun terakhir pada sebuah Sekolah Menengah Atas
menunjukkan bahwa 72% diantara siswa SMA tersebut lulus dengan nilai yang memuaskan.
Nilai numerik 72% adalah bentuk suatu statistika deskriptif.
Jika berdasarkan ini kemudian seorang siswa menyimpulkan bahwa peluang dirinya akan
lulus dengan nilai yang memuaskan adalah lebih dari 70%, jadi,siswa tersebut telah
melakukan inferensia statistika yang tentu saja memiliki sifat yang tidak pasti.
Pengambilan kesimpulan statistika inferensial yang hanya didasari pada sebagian data yang
menyebabkan sifat tidak pasti, memungkinkan terjadi kesalahan pada pengambilan
keputusan, hingga pengetahuan mengenai teori peluang mutlak diperlukan dalam melakukan
metode-metode statistika inferensial.
Statistika Inferensial / induktif merupakan statistik yang bertujuan menaksir secara umum
suatu populasi dengan memakai hasil sampel, termasuk didalamnya teori penaksiran dan
pengujian teori. Statistika Inferensial digunakan untuk melakukan :
Statistik deskriptif hanya terbatas pada menyajikan data bentuk tabel, diagram, grafik, dan
besaran lain
Sedangkan statistik inferensial selain mencakup statistik deskriptif juga mampu dipakai untuk
melakukan estimasi dan penarikan kesimpulan terhadap populasi dari sampelnya. Untuk
sampai pada penarikan kesimpulan statistik inferensia melalui tahap uji hipotesis dan uji
statistik.
Dalam terminologi ilmu statistika, statistik parametrik dan non parametrik merupakan dua hal
yang sering digunakan. Lantas apa perbedaan keduanya? Secara sederhana sebetulnya antara
statistik parametrik dan non parametrik mudah dibedakan dari istilahnya saja. Statistik non
parametrik adalah statistik yang ditidak mendasarkan pada parameter-parameter statistik. apa
itu parameter-parameter statistik? jika anda melakukan penelitian, tentu anda melakukan
pengukuran-pengukuran, nah ukuran-ukuran tersebut diistilahkan dengan parameter. dalam
statistik kita mengenal mean, median, modus dan standar deviasi. itulah parameter-parameter
statistik. dalam statistik non parametrik, parameter tersebut tidak dijadikan acuan. Mengapa?
ketika kita menggunakan skala data nominal atau ordinal, parameter-parameter tersebut
menjadi tidak relevan. itu lebih kepada membuat ranking pada data. selain itu, statistik non
parametrik tidak mendasakan pada distribusi data tertentu.
Ketika peneliti menggunakan skala ordinal dalam mengukur suatu variabel, statistik non
parametrik merupakan metode yang cocok untuk menganalisis data tersebut. Namun,
kebanyakan peneliti menggunakan statistik parametrik melalui penghitungan parameter mean
dan standar deviasi terlebih dahulu. Memang, dalam hal interpretasi, statistik parametrik lebih
mudah dipahami dibandingkan statistik non parametrik. Kita tentu akan lebih mudah
membaca rata-rata atau penyimpangan suatu data dibandingkan ranking dari data itu sendiri.
Alasan kemudahan membaca hasil inilah yang sering dijadikan justifikasi untuk menghindari
statistik non parametrik.
Alasan kedua penggunaan statistik non parametrik adalah ketika data peneliti dihadapkan
pada data yang tidak berdistribusi normal atau peneliti tidak memiliki cukup bukti yang kuat
data berasal dari distribusi data seperti apa. Kita sering dihadapkan pada kondisi di mana data
tidak berdistribusi normal, misalnya distribusi data terlalu miring ke kiri atau ke kanan.
Berbagai usaha dapat dilakukan dengan mereduksi data outlier atau data ekstrim. Namun, jika
hal tersebut tidak merubah distribusi data menjadi terdistribusi normal, maka metode non
parametrik dapat dilakukan.
Begitu pun ketika kita menganalisis hubungan antara dua variabel. Biasanya kita
menggunakan analisis korelasi Pearson Product Moment. Namun, dalam metode non
parametrik analisis korelasi lebih dikenal dengan korelasi Rank spearman. Teknik
perhitungannya berbeda. Dalam Rank spearman, kita terlebih dahulu membuat ranking dari
data yang akan dikorelasikan sementara dalam Pearson product moment tidak dilakukan.
Metode korelasi non parametrik populer lainnya adalah Kendall Tau.
Ketika kita hendak melakukan uji perbandingan antara kelompok, maka metode
analisis yang digunakan dalam statistik parametrik adalah uji t (ketika yang kita
bandingkan 2 kelompok), atau uji anova (ketika kelompok yang kita bandingkan lebih
dari 2). Berbeda dengan statistik parametrik, dalan non parametrik ada uji Kruskall
wallis yang sebaiknya digunakan. Macam-Macam Uji t dan Perbedaannya
17.23
Dalam melakukan uji t kita sering mengalami kebingungan uji mana yang akan kita
guanakan. Berikut akan dijelaskan mengenai Macam-Macam Uji t dan Perbedaannya.
semoga bermanfaat.
Salah satu cabang ilmu statistik yang digunakan untuk membuat keputusan adalah uji
hipotesis. Hipotesis adalah suatu anggapan atau pernyataan yang mungkin benar dan
mungkin juga tidak benar tentang suatu populasi. Dengan menggunakan uji hipotesis, peneliti
dapat menguji berbagai teori yang berhubungan dengan masalah-masalah yang sedang
diteliti.
Salah satu metode untuk menguji hipotesis adalah sample t-Test, dimana metode sample t-
Test dibagi menjadi tiga, yaitu one sample t-Test, paired sample t-Testdan independent
sample t-Test. Uji hipotesis t-Test adalah uji hipotesis yang digunakan untuk mengetahui
apakah ada perbedaan rata-rata dari sampel yang diambil.
Uji T
One sample t test merupakan teknik analisis untuk membandingkan satu variabel bebas.
Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan atau tidak
dengan rata-rata sebuah sampel. Pada uji hipotesis ini, diambil satu sampel yang kemudian
dianalisis apakah ada perbedaan rata-rata dari sampel tersebut. Prosedur yang umum dan
harus diikuti untuk melakukan uji hipotesis ini adalah sebagai berikut :
2. Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang diambil.1. Pilih
statistik uji yang sesuai sebagai dasar bagi prosedur pengujian.
3. Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah ke dalam variable
normal standar (Z) atau t (tergantung banyaknya sampel).
Paired-sample t-Test
Analisis Paired-sample t-Test merupakan prosedur yang digunakan untuk membandingkan rata-
rata dua variabel dalam satu group. Artinya analisis ini berguna untuk melakukan pengujian
terhadap satu sampel yang mendapatkan sutau treatment yang kemudian akan dibandingkan
rata-rata dari sampel tersebut antara sebelum dan sesudah treatment.
Pengertian ANOVA
Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini
bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan oleh seorang
ahli statistik bernama Ronald Fisher.
Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang
mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari
dua kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji
perbedaan rerata dari dua kelompok saja.
Kegunaan Anova
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai
adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F
test atau F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai
pada tabel f. Jika nilai f hitung lebih dari f tabel, maka dapat disimpulkan bahwa menerima
H1 dan menolak H0 atau yang berarti ada perbedaan bermakna rerata pada semua kelompok.
Contoh ANOVA
Contohnya adalah seorang peneliti ingin menilai adakah perbedaan model pembelajaran A, B
dan C terhadap hasil pembelajaran mata pelajaran fisika pada kelas 6. Dimana dalam
penelitian tersebut, kelas 6A diberi perlakuan A, kelas 6B diberi perlakuan B dan kelas 6C
diberi perlakuan C. Setelah adanya perlakuan selama satu semester, kemudian dibandingkan
hasil belajar semua kelas 6 (A, B dan C). Masing-masing kelas jumlahnya berkisar antara 40
sampai dengan 50 siswa.
Hasil akhir yang didapatkan adalah nilai f hitung. Nilai tersebut dibandingkan dengan nilai
dalam tabel f pada derajat kebebasan tertentu (degree of freedom). Jika F hitung > F Tabel,
maka disimpulkan bahwa menerima H1 atau yang berarti ada perbedaan secara nyata atau
signifikan hasil ujian siswa antar perlakuan model pembelajaran.
Anova Dalam Regresi Linear
Kadang para pembaca cukup dibingungkan oleh adanya tabel ANOVA pada hasil
analisis regresi linear. Tentunya jika anda mengerti maksud sesungguhnya dari uji yang satu
ini, maka anda tidak akan bingung lagi. Anova dalam perhitungannya membandingkan nilai
mean square dan hasilnya adalah menilai apakah model prediksi linear tidak berbeda nyata
dengan nilai koefisien estimasi dan standar error.
Ciri-ciri ANOVA
Ciri khasnya adalah adanya satu atau lebih variabel bebas sebagai faktor penyebab dan satu
atau lebih variabel response sebagai akibat atau efek dari adanya faktor. Contoh penelitian
yang dapat menggambarkan penjelasan ini: “Adakah pengaruh jenis bahan bakar terhadap
umur thorax mesin.” Dari judul tersebut jelas sekali bahwa bahan bakar adalah faktor
penyebab sedangkan umur thorax mesin adalah akibat atau efek dari adanya perlakuan faktor.
Ciri lainnya adalah variabel response berskala data rasio atau interval (numerik atau
kuantitatif).
Anova merupakan salah satu dari berbagai jenis uji parametris, karena mensyaratkan adanya
distribusi normal pada variabel terikat per perlakuan atau distribusi normal pada residual.
Syarat normalitas ini mengasumsikan bahwa sample diambil secara acak dan dapat mewakili
keseluruhan populasi agar hasil penelitian dapat digunakan sebagai generalisasi. Namun
keunikannya, uji ini dapat dikatakan relatif robust atau kebal terhadap adanya asumsi
tersebut.
Jenis ANOVA
Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau variabel bebas)
dan jumlah variabel responsen (dependent variable atau variabel terikat). Pembagiannya
adalah sebagai berikut:
Univariat:
1. Univariate One Way Analysis of Variance. Apabila variabel bebas dan variabel terikat
jumlahnya satu.
2. Univariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan
variabel terikat ada satu.
3. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan
variabel terikat ada satu.
Multivariat:
1. Multivariate One Way Analysis of Variance. Apabila variabel bebas dan variabel terikat
jumlahnya lebih dari satu.
2. Multivariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan
variabel terikat jumlahnya lebih dari satu.
3. Multivariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan
variabel terikat jumlahnya lebih dari satu.
Demikian di atas telah kita bahas secara singkat perihal ANOVA. Tentunya artikel ini
sangatlah terbatas dan tidak cukup untuk membuat anda mahir dapat dapat melakukan uji
tersebut dalam penelitian anda. Maka dari itu, statistikian telah membuat berbagai artikel
yang kiranya dapat membantu para pembaca sekalian.
Silahkan baca artikel kami yang berjudul: One Way Analysis of variance dengan SPSS,
MANOVA dengan SPSS, Two Way Analysis of variance dengan SPSS dan Two Way
MANOVA dengan SPSS serta masih banyak artikel lainnya seputar Analysis of variance
terutama tutorialnya dengan berbagai alat komputasi statistik, misalnya tutorial
perhitungannya dengan aplikasi excel.
KPM merupakan salah satu bentuk statistik parametris karena menguji data pada skala interval atau
rasio. Oleh karena itu, ada beberapa persyaratan untuk dapat menggunakan KPM, yaitu :
Nilai KPM disimbolkan dengan r (rho). Nilai KPM juga berada di antara -1 < r < 1. Bila nilai r = 0,
berarti tidak ada korelasi atau tidak ada hubungan anatara variabel independen dan dependen. Nilai r
= +1 berarti terdapat hubungan yang positif antara variabel independen dan dependen. Nilai r = -1
berarti terdapat hubungan yang negatif antara variabel independen dan dependen. Dengan kata lain,
tanda “+” dan “-“ menunjukkan arah hubungan di antara variabel yang sedang diopersionalkan.
Uji signifikansi KPM menggunakan uji t, sehingga nilai t hitung dibandingkan dengan nilai t tabel.
Kekuatan hubungan antarvariabel ditunjukkan melalui nilai korelasi. Berikut adalah tabel nilai
korelasi beserta makna nilai tersebut :
0,60 – 0,79
0,80 – 1,00
Sangat rendah / sangat lemah
B. Menghitung Korelasi Product Moment
Langkah – langkah menghitung KPM adalah sebagai berikut :