Halaman
JUDUL ............................................................................................................. i
IDENTITAS PERKULIAHAN ....................................................................... ii
KATA PENGANTAR ..................................................................................... iii
DAFTAR ISI.................................................................................................... iv
BAB I PENDAHULUAN ........................................................................... 1
1. Pengertian Statistik........................................................................ 1
2. Pentingnya Statistik....................................................................... 2
3. Analisis Data Statistik ................................................................... 2
BAB II UJI BEDA DUA MEAN DAN TEKNIK T-TEST.......................... 3
1. T-Test Sampel-Sampel Independen (Uncorrelated T-Test) .......... 3
2. T-Test Sampel-Sampel Berpasangan (Paired Samples T-test) ..... 6
BAB III UJI HUBUNGAN DAN ANALISIS KORELASI ........................... 8
1. Korelasi Product-Moment ............................................................. 8
2. Korelasi Jenjang ............................................................................ 10
BAB IV ANALISIS VARIANS ..................................................................... 12
1. Analisis Varians Satu Jalan (One Way Anova) ............................ 12
2. Analisis Varians Dua Jalan ( Two Way Anova) ........................... 14
BAB V ANALISIS REGRESI...................................................................... 17
1. Analisis Regresi Sederhana (Simple Regression) ......................... 17
2. Analisis Regresi Ganda (Multiple Regression) ............................. 20
BAB I
PENDAHULUAN
TUJUAN
Mahasiswa memahami pengertian statistik, pentingnya statistik dan
analisis data secara statistik.
MATERI
1. Pengertian Statistik
Istilah statistik mempunyai dua pengertian, pertama istilah statistik
menunjuk pada kumpulan fakta yang umumnya berbentuk angka yang
menggambarkan suatu persoalan. Terkait dengan pengertian ini, kita mengenal
adanya statistik kelahiran, statistik kecelakaan kereta api, statistik penerimaan
mahasiswa baru, dsb. Kedua, istilah statistik merujuk pada pengetahuan yang
berupa seperangkat teknik matematik yang disiapakan untuk mengumpulkan,
mengolah, dan menganalisis data, menarik kesimpulan serta pembuatan keputusan
berdasarkan fakta dan analisis yang dilakukan. Untuk pengertian yang kedua biasa
disebut sebagai statistika.
Mempelajari statistika mempunyai dua orientasi yaitu teoritis dan praktis.
Orientasi teoritis bermaksud membahas aturan-aturan, dalil, rumus, menciptakan
model dan segi-segi lain yang bersifat teoritis dan matematis. Sedang pada
orientasi praktis, dimaksudkan menerapkan aturan-aturan dan rumus-rumus yang
telah diciptakan oleh statistika teoritis. Pada statistik yang berorientasi praktis ini
tidak dipersoalkan bagaimana lahirnya atau diperolehnya suatu rumus atau aturan
tertentu, melainkan ditekankan pada bagaimana cara-cara atau metode statistika
tersebut digunakan. Dalam perkuliahan Statistik II ini akan mengacu pada
orientasi yang kedua.
2. Pentingnya Statistika dalam Penelitian
Penggunaan statistika dalam kegiatan penelitian sangat penting, terutama
dalam penelitian kuantitatif. Beberapa alasan yang dapat dikemukakan adalah :
a. Statistika memungkinkan data penelitian secara eksak.
b. Statistik memaksa peneliti menganut pola pikir dan tata kerja yang definit dan
eksak.
c. Statistik menyediakan cara-cara meringkas data ke dalam bentuk yang lebih
banyak artinya.
d. Statistik memberi dasar-dasar untuk menarik konklusi melalui proses yang bisa
dipertanggungjawabkan.
e. Statistik memberi landasan untuk membuat prediksi.
b. Analisis Inferensial
Analisis statistik inferensial memiliki tugas mengambil kesimpulan
tentang sesuatu hal yang diselidiki dari bahan-bahan (data) yang diperoleh dari
sample untuk digeneralisasikan pada populasi. Oleh karena itu statistik inferensial
selalu melibatkan proses sampling.
Penerapan metode statistik dalam analisis data penelitian yang melibatkan
variabel bebas dan variabel terikat harus memperhatikan jenis data penelitian yang
dimiliki. Jelasnya, dalam penelitian suatu teknik statistik perlu
mempertimbangkan jenis data untuk variabel bebas dan jenis data untuk variabel
terikatnya. Persyaratan jenis data dan tugas yang dijalankan oleh masing-masing
teknik statistik akan dibicarakan pada bab berikut.
BAB II
UJI BEDA DUA MEAN DAN TEKNIK T-TEST
TUJUAN PEMBELAJARAN
Mahasiswa mampu menerapkan teknik analisis t-test untuk menguji
signifikansi perbedaan mean dua kelompok.
MATERI
A. T-Test Sampel-Sampel Independen (Uncorrelated T-Test)
Teknik t-test mempunyai tugas untuk menguji signifikansi perbedaan dua
buah mean. Kalau dua kelompok sampel menunjukkan dua buah mean yang
berbeda, tidak boleh kita langsung mengatakan bahwa kelompok yang satu lebih
baik dari kelompok yang lain, karena perbedaan mean tersebut belum tentu
signifikan. Sebagai contoh, mahasiswa FIP UNNES menunjukkan skor
kecerdasan emosional : 65, 74, 68, 65 (diperoleh mean sebesar 68). Sedang
mahasiswa FIS UNNES menunjukkan skor kecerdasan emosional 70, 64, 65, 69
(diperoleh mean sebesar 67). Sebelum diketahui signifikansi kedua mean tersebut,
tidak boleh dikatakan mahasiswa FIP lebih bagus kecerdasan emosionalnya
dibanding mahasiswa FIS. Boleh jadi perbedaan mean tersebut hanya karena
kesalahan sampling.
Data penelitian yang dianalisis dengan teknik t-test, sudah barang tentu
untuk data pada variabel bebas berupa data diskrit atau data kategorik, sedang data
untuk variabel bebas berupa data interval. Dari contoh di atas, variabel terikatnya
adalah kecerdasan emosional, sedang variabel bebasnya adalah asal Fakultas. Data
kecerdasan emosional berupa data interval, sedang data asal Fakultas berupa data
diskrit.
Rumus :
Mx = Mean dari kelompok satu;
My = Mean dari kelompok yang lainnya;
SB = Simpang Baku (Standar Deviation);
SBbM = Simpang Baku beda Mean;
Contoh komputasi :
Data motivasi berprestasi mahasiswa program penyetaraan dan program
reguler yang berhasil dikumpulkan seorang peneliti sbb :
JENIS Nomor Subyek
PROGRAM 1 2 3 4 5 6 7 8 9 10
REGULER 9 8 8 8 8 7 7 7 6 6
PENYETARAAN 9 7 7 6 6 5 5 5 5 5
REGULER PENYATARAAN
2
SB
SB2M
= 0,520683307
Md = Perbedaan Mean
∑d = Jumlah Perbedaan
Contoh Komputasi
Seorang peneliti bermaksud menguji efektivitas model konseling behavior untuk
meningkatkan asertivitas. Data yang berhasil dikumpulkan sbb :
Nomor Subyek
1 2 3 4 5 6 7 8
PRE-TEST 34 83 48 82 10 70 20 57
POST-TEST 37 84 48 84 14 71 24 60
TABEL KERJA
Nomor Pre-Test Post-Test D D d2
Subyek (Beda) (D-Mean D)
1 34 37 3 0,75 0,5625
2 83 84 1 -1,25 1,5625
3 48 48 0 -2,25 5,05625
4 82 84 2 -0,25 0,0625
5 10 14 4 1,75 3,0625
6 70 71 1 -1,25 1,5625
7 20 24 4 1,75 3,0625
8 57 60 3 0,75 0,5625
∑ 404 422 18 --- 15,44375
M = 50,5 M = 52,75 M = 2,25
= 4,277
Selanjutnya, kita lakukan pengujian terhadap signifikansi t empiris kita dengan
menggunakan tabel t. Sebagai acuannya adalah db (derajat bebas) = ∑ pasangan –
1 = 8 – 1 = 7. Ternyata pada t.s. 5% = 2,365 dan pada 1% = 3,499.
Berarti t empiris kita signifikan (karena t empiris lebih besar daripada t tabel).
Sebagai konsekuensinya, hipotesis nihil (yang menyatakan tidak ada perbedaan)
ditolak, dan sebaliknya hipotesis kerja diterima.
Interpretasinya : ada perbedaan signifikan dalam asertivitas antara sebelum diberi
perlakuan dan setelah diberi perlakuan, dan karena mean post-test lebih tinggi
dibanding mean pada pre-test maka dapat dikatakan bahwa model konseling
behavioral efektif untuk meningkatkan asertivitas.
BAB III
UJI HUBUNGAN DAN ANALISIS KORELASI
TUJUAN PEMBELAJARAN
Mahasiswa mampu menerapkan teknik analisis korelasi untuk menguji
signifikansi dua variabel.
MATERI
Korelasi mempunyai arti hubungan atau pertalian. Hubungan antara dua
variabel X dan Y dimana nilai kenaikan variabel X selalu diikuti oleh kenaikan
variabel Y, atau sebaliknya turunnya nilai variabel X diikuti oleh turunnya nilai
variabel Y, dinamakan korelasi positif. Sebaliknya jika kenaikan nilai variabel X
diikuti oleh turunnya nilai variabel Y, atau sebaliknya turunnya nilai variabel X
diikuti oleh naiknya nilai variabel Y, korelasi semacam ini disebut korelasi
negatif.
Tugas analisis korelasi adalah menguji derajat hubungan antar variabel.
Ukuran yang dipakai untuk menentukan derajat hubungan tersebut dinamakan
koefisien korelasi. Koefisien korelasi bergerak antara -1 sampai dengan
+1. Koefisien korelasi negatif menunjukkan arah korelasi negatif, sedangkan
koefisien korelasi positif menunjukkan arah korelasi positif.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
KE 2 5 3 2 4 4 3 5 4 2 3 4 1 5 4
KK 14 18 16 10 14 18 16 18 16 14 14 19 12 18 16
TABEL KERJA
No Subyek X Y X2 Y2 XY
1 2 14 4 196 28
2 5 18 25 324 90
3 3 16 9 256 48
4 2 10 4 100 20
5 4 14 16 196 56
6 4 18 16 324 72
7 3 16 9 256 48
8 5 18 25 324 90
9 4 16 16 258 64
10 2 14 4 196 28
11 3 14 9 196 42
12 4 19 16 361 76
13 1 12 1 144 12
14 5 18 25 324 90
15 4 16 16 256 64
∑ 51 233 195 3709 828
Bahan belanja statistik tersebut dapat dicari lewat kalkulator (fx-3800P). Pertama,
pilih mode LR (mode – 2). Selanjutnya masukkan data tiap subyek, data X
melalui xd yd dan data Y melalui DATA. Setelah data semua subyek dimasukkan,
selanjutnya kita tinggal mengambil bahan belanja statistik yang dibutuhkan :
N = Kout 3 ∑X = Kout 2 ∑X2 = Kout 1
∑Y = Kout 5 ∑Y2 = Kout 4 ∑XY = Kout 6
INDEKS KORELASI dapat diambil lewat INV atau SHIFT 9
= 0,813
Selanjutnya indeks korelasi tersebut kita uji signifikansinya dengan melihat tabel r
product moment. Dengan N sebanyak 15, untuk 1% = 0,641 dan 5% = 0,514.
Karena r empiris > dari r pada tabel maka r empiris kita itu signifikan. Berarti,
hipotesis nihil yang menyatakan tidak ada hubungan antara kecerdasan emosional
dan kepuasan dalam komunikasi ditolak, sebaliknya hipotesisi kerja diterima.
Interpretasinya, ada korelasi positif yang signifikan antara kecerdasan emosional
dengan kepuasan dalam kominikasi.
2. Korelasi Jenjang
Teknik analisis korelasi jenjang dikembangkan oleh Charles Spearman,
dipergunakan untuk menganalisis hubungan antara dua variabel yang bersakala
ordinal. Indeks korelasi dilambangkan dengan σ (Rho).
CONTOH KOMPUTASI :
Seorang peneliti hendak menguji apakah prestasi belajar bahasa berkorelasi
dengan prestasi lomba karya tulis.
No X (R1) Y (R2) B B2
Subyek (beda R1 dan
R2)
1 1 1 0 0
2 4 5 1 1
3 5 6 1 1
4 3 2 1 1
5 6 4 2 4
6 2 3 1 1
∑ 21 21 -- 8
= 1 – 0,22857
= 0,771
Selanjutnya menguji signifikansi rho tentu dengan menggunakan tabel rho.
BAB IV
ANALISIS VARIANS
CONTOH KOMPUTASI :
Seorang peneliti hendak mengetahui perbedaan dorongan berprestasi pada empat
kelompok pekerjaan orang tua. Data yang berhasil dikumpulkan sbb :
CONTOH KOMPUTASI
Seorang peneliti hendak menguji efektivitas teknik motivasi price & blame, dan
pelatihan atribusi kausal pada siswa pria dan wanita, dengan menggunakan
satu kelompok kontrol.
Data penelitian yang berhasil dikumpulakan sbb :
Price & Blame (A1) Pelatihan Atribusi Kontrol (A3)
Kausal (A2)
Pria (B1) 5, 1, 3, 2, 2 6, 5, 9, 6, 7 4, 7, 6, 6, 3
Wanita (B2) 2, 4, 6, 1, 2 7, 6, 9, 7, 6 6, 4, 6, 1, 2
Statistik Induk
Simple Effect TOTAL Main Effect
A1B1 A1B2 A2B1 A2B2 A3B1 A3B1 A1 A2 A3 B1 B2
N 5 5 5 5 5 5 30 10 10 10 15 15
∑X 13 15 33 35 26 19 141 28 68 45 72 69
2
∑X 43 61 227 251 146 93 821 - - - - -
Menghitung JK T :
= 158,3
= 80,6
Menghitung JK antar klasifikasi B (JKB) : Lihat bahan pada main effect !
= 0,3
Menghitung JK interaksi AB (JKAB) : Lihat bahan pada simple effect !
CONTOH KOMPUTASI :
Seorang peneliti hendak mengetahui pengaruh tingkat intelegensi terhadap
pencapaian indeks prestasi. Data penelitian yang berhasil dikumpulkan sbb :
No. Sub 1 2 3 4 5 6 7 8 9 10
Var
IQ 9 8 4 5 7 7 7 9 6 8
IP 3,5 3,7 2,5 2,6 3,0 2,8 2,9 3,7 2,7 2,9
0 X Y
0 10 70 30,3
X 514 217,7
Y 93,59
Y
X Y
X ∑x2 = 24 ∑xy = 5,6
Y ∑y2 = 1,781
Mencari korelasi X dan Y (Untuk regresi dengan satu prediktor) :
= 0,856545517
Indeks korelasi sebesar 0,856545517 selanjutnya di uji signifikansi dengan tabel r
product moment. Dengan N sebesar 10 diketahui taraf signifikansi 5% = 0,635;
dan 1% = 0,765. Berarti r xy sebesar 0,856545517 adalah signifikan. Ini
menunjukkan bahwa untuk data tersebut, kita dibenarkan untuk membuat prediksi
terhadap Y (indeks prestasi) berdasarkan data X (IQ). Untuk regresi ganda,
keputusan ini perlu mendasarkan pada hasil uji signifikansi F regresi. Pada data
tersebut juga dapat dilakukan penghitungan F regresi dan selanjutnya di uji
signifikansinya.
Ternyata dari perhitungan di atas tampak bahwa F regresi kita signifikan, ini
menunjukkan bahwa kita dapat membuat prediksi terhadap Y berdasarkan data X.
MEMBUAT PERSAMAAN GARIS REGRESI
Salah satu tugas analisis regresi adalah membuat prediksi nilai suatu
variabel berdasarkan variabel lain yang sudah diketahui nilainya. Setelah korelasi
r xy terbukti signifikan (pada regresi sederhana) atau F regresi terbukti signifikan
(pada regresi sederhana dan regresi ganda), langkah selanjutnya adalah membuat
persamaan garis regresi. Untuk regresi sederhana, persamaan garis regresinya
adalah Y = a X + K ; di mana Y adalah kriterium (yang dipredik), a adalah
koefisien prediktor dari variabel X, dan K adalah bilangan konstan. Pada tahap
sekarang ini yang menjadi tugas kita adalah mencari harga a dan harga K. Harga
a dan harga K tersebut dapat dicari melalui persamaan (dengan menggunakan
bahan-bahan dari statistik induk) sbb :
Statistik Induk :
0 X Y
0 N ∑X ∑Y
X ∑X2 ∑XY
Y ∑Y2
K a
0 X Y
0 10 70 30,3
X 70 514 217,7
Y 93,59
CONTOH KOMPUTASI
Seorang peneliti hendak mempredik Performansi Kerja karyawan berdasarkan
Indeks Prestasi ketika lulus kuliah dan Motivasi Kerja. Data penelitian yang
berhasil dikumpulkan sbb :
Karena F reg tidak signifika, maka sesungguhnya tidak ada dasar untuk
mempredik Y (performansi kerja) berdasar X1 dan X2 yang kita miliki tersebut
karena korelasi Y dengan kedua variabel X tersebut tidak signifikan. Namun
komputasi tetap dilanjutkan pada pembuatan persamaan garis regresi, sekedar
untuk memberikan contoh langkah-langkah komputasinya.
Y = a1X1 + a2X2 + K
Jadi persamaan garis regresinya adalah :
Y = 0,198 X1 – 1,209 X2 + 21,407