METODE PENELITIAN KUANTITATIF AKUNTANSI

MAK 203

“ PERSIAPAN DAN DESKRIPSI DATA

EKSPLORASI, TAMPILAN, DAN PEMERIKSAAN DATA
UJI HIPOTESIS”

NI KADEK RIA FITRIANI (2081611011)

PROGRAM MAGISTER AKUNTANSI

PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
2020
1. PERSIAPAN DAN DESKRIPSI DATA
1.1 Pendahuluan
Persiapan data adalah aktivitas yang mencakup penyuntingan, penyandian, dan entri
data serta merupakan aktivitas untuk memastikan keakuratan dan konversi data dari bentuk
metah menjadi bentuk yang sudah direduksi dan diklasifikasikan sehingga lebih tepat untuk
analisis. Menyiapkan ringkasan statistik deskriptif adalah langkah pendahuluan lainnya untuk
lebih menahami data yang dikumpulkan.
1.2 Penyuntingan
Penyuntingan dilakukan untuk mendeteksi kesalahan dan penghilangan, melakukan
perbaikan bila diperlukan, dan menjamin bahwa standar kualitas data maksimum telah
tercapai. Tujuan penyuntingan adalah menjamin bahwa data:
a. Akurat.
b. Konsisten dengan maksud pertanyaan dan informasi lain dalam survei.
c. Dimasukkan secara seragam.
d. Lengkap.
e. Diatur untuk menyederhanakan penyadian dan tabulasi.
Penyuntingan Lapangan
Penyuntingan lapangan adalah tanggung jawab penyelia lapangan. Penyuntingan
harus dilakukan segera sesudah data dikumpulkan. Tekanan yang dialami selama
pengumpulan data dalam suatu wawancara langsung dan pencatatan menggunakan kertas dan
pensil dalam suatu observasi, menyebabkan periset seringkali menggunakan singkatan atau
simbol tertentu. Fungsi kontrol dari penyelia lapangan adalah melakukan validasi atas hasil
lapangan. Artinya, ia akan melakukan wawancara ulang atas sekian persen dari responden,
paling sedikit untuk beberapa pertanyaan, guna memverifikasi bahwa mereka telah
berpartisipasi dan bahwa pewawancara melakukan wawancara secara memadai.
Penyuntingan Sentral
Dalam studi besar, tugas penyuntingan harus dialokasikan agar tiap-tiap penyunting
menangani satu bagian secara keseluruhan. Kadang-kadang sangat jelas bahwa satu entri
salah. Mungkin akan lebih baik untuk menghubungi responden untuk mendapatkan informasi
yang benar, apabila waktu dan anggaran memungkinkan. Masalah lain yang dapat dideteksi
dalam penyuntingan berkaitan dengan pemalsuan wawancara yang tidak pernah terjadi.
Beberapa aturan yang bermanfaat untuk menuntun penyuntingan dalam pekerjaan yaitu:
a. Memahami instruksi yang berkaitan kepada pewawancara dan pembuat sandi.
b. Jangan menghancurkan, menghapus, atau membuat tak terbaca entri asli yang dibuat oleh
pewawancara; entri asli harus tetap dapat dibaca.
c. Buat semua entri penyuntingan pada instrument dengan warna yang mencolok dan dalam
bentuk standar.
d. Beri paraf semua jawaban yang diubah atau diberikan.
e. Beri paraf dan tanggal penyuntingan pada setiap instrumen yang sudah diselesaikan.
1.3 Penyandian
Penyandian adalah pemberian nomor atau simbol lain pada jawaban agar tanggapan
dapat dikelompokkan ke dalam jumlah kategori yang terbatas. Dalam penyandian, kategori
adalah pembagian sekumpulan data dari variabel tertentu. Ketegorisasi adalah proses

1
penggunaan aturan untuk membagi sekumpulan data. Semua pertanyaan, baik tanggapan
tertutup maupun terbuka harus disandikan.
Penyusunan Buku Kode
Buku kode atau skema penyandian berisikan setiap variabel dalam studi dan dapat
menetapkan aplikasi aturan penyandian pada variabel bersangkutan. Panduan ini digunakan
oleh periset dan staf riset untuk mendorong entri data yang lebih akurat dan lebih efisien.
Penyandian Pertanyaan Tertutup
Tanggapan terhadap pertanyaan tertutup mencakup item-item skala yang jawabannya
dapat diantisipasi. Pertanyaan tertutup disukai oleh periset dibandingkan pertanyaan terbuka
kerena efisiensi kespesifikannya. Pernyataan tertutup lebih mudah disandikan, direkam, dan
dianalisis. Penyandian awal sangat membantu dalam entri data manual karena membuat
langkah antara penyelesaian lembar penyandian entri data menjadi tidak diperlukan.
Penyandian Pertanyaan Tanggapan Terbuka
Alasan utama penggunaan pertanyaan terbuka adalah informasi yang tidak memadai
atau tidak adanya hipotesis yang dapat menghambat persiapan kategori tanggapan
sebelumnya. Periset terpaksa untuk melakukan kategorisasi tanggapan sesudah data
dikumpulkan. Alasan lain penggunaan tanggapan terbuka mencakup kebutuhan untuk
mengukur perilaku yang sensitif atau tidak disetujui, menemukan hal yang menonjol atau hal
yang penting, atau mendorong untuk suatu ekspresi yang alami. Penggunaan pertanyaan
terbuka dalam jumlah yang besar akan memperlambat proses analisis dan meningkatkan
kemungkinan terjadinya kesalahan.
Aturan Penyandian
Terdapat empat aturan sebagai pedoman penyandian awal dan pascapenyandian serta
kategorisasi sekumpulan data. Kategori-kategori dalam sebuah variabel haruslah:
a. Kesesuaian
Kesesuaian ditentukan pada dua tingkat: (1) pemisahan terbaik atas data untuk penyajian
hipostesis dan menunjukkan hubungannya, dan (2) ketersediaan data pembanding.
b. Kelengkapan
Periset seringkali menambahkan pilihan “lain-lain” pada pertanyaan pengukuran karena
mereka tau mereka tidak dapat mengantisipasi semua kemungkinan jawab. Namun “lain-
lain” dalam jumlah besar menunjukkan bahwa skala pengukuran yang dirancang oleh
periset tidak mengantisipasi rentang informasi secara lengkap.
c. Ekslusif satu sama lain
Standar ini dipenuhi jika jawaban tertentu hanya dapat diletakkan dalam satu sel dalam
sekumpulan kategori.
d. Diambil dari satu prinsip klasifikasi (Dimensi tunggal)
Kebutuhan sekumpulan kategori untuk mengikuti prinsip klasifikasi tunggal berarti
semua pilihan dalam kumpulan kategori didefinisikan dengan satu konsep atau konstruk.
Menggunakan Analisis Isi Untuk Pertanyaan Terbuka
Analisis isi mengukur isi semantik atau aspek dari suatu pesan. Keluasannya
menjadikan alat ini sebagai alat yang fleksibel dan memiliki rentang yang luas yang dapat
digunakan sebagai metodologi yang berdiri sendiri atau sebagai teknik masalah spesifik.

2
 Analisis isi mengikuti suatu proses yang sistematik untuk penyandian dan menarik
kesimpulan dari teks. Analisis ini dimulai dengan menentukan unit data mana yang akan
dianalisis. Dalam teks tertulis atau verbal, unit data terdiri atas empat jenis, yaitu:
a. Unit sintaksis, dapat berupa kata, frasa, kalimat, dan alenia. Kata adalah unit data terkecil
dan paling dapat dihandalkan utnuk dianalisis.
b. Unit referensi, digambarkan oleh kata, frasa, dan kalimat. Unit ini dapat berupa kejadian,
orang, dan sebagainya yang dirujuk oleh ekspresi verbal atau tulisan.
c. Unit proposisi, asersi atau penegasan mengenai suatu objek, kejadian, orang, dan lainnya
d. Unit tematik, adalah topik yang terkandung di dalam teks, unit ini menggambarkan
abstraksi tingkat yang lebih tinggi yang disimpulkan dari teks dan konteksnya.
Analisis isi digunakan untuk menganalisis data tertulis, audio, atau video yang berasal
dari eksperimen, observasi, survei dan studi data sekunder. Data nyata yang dianalisis isi
mencakup catatan kelompok fokus, catatan dari wawancara, dan tanggapan survei terbuka.
Tanggapan “Tidak Tahu”
Tanggapan “tidak tahu” (don’t know = DK) memungkinkan timbulnya masalah
khusus dalam persiapan data. Jawaban DK mengilustrasikan kegagalan periset untuk
mendapatkan informasi yang tepat. Tanggapan DK lebih mungkin merupakan kegagalan
proses pertanyaan, walaupun sebagian merupakan tanggapan yang sah.
Menangani Tanggapan DK yang Tidak Dikehendaki
Periset harus mengidentifikasi pertanyaan yang tanggapan DK-nya tidak memuaskan
dan melakukan desain ulang. Ada beberapa kemungkinan tindakan, seperti meningkatkan
hubungan baik antara pewawancara dan responden akan memotivasi responden untuk
memberikan jawaban yang lebih berguna.
Data yang Hilang
Data yang hilang adalah informasi dari partisipasi atau kasus yang tidak tersedia
untuk satu atau lebih variabel yang diminati. Dalam survei, data yang hilang biasanya terjadi
ketika partisipan tidak sengaja melewati, menolak untuk menjawab, atau tidak tahu jawaban
terhadap suatu item dalam kuesioner. Dalam studi longitudinal, data yang hilang mungkin
diakibatkan karena partisipan mengundurkan diri dari studi, atau absen untuk satu atau lebih
periode pengumpulan data. Data yang hilang juga terjadi karena kesalahan periset, arsip data
yang rusak, dan perubahan dalam desain riset atau instrumen sesudah data dikumpulkan dari
beberapa partisipan, serta ketika variabel dibuang atau ditambah. Strategi untuk menangani
data yang hilang dapat dilakukan dengan cara periset mengeksplorasi pola data yang hilang
untuk menentukan mekanisme kehilangan dan kemudian memilih teknik data yang hilang.
Mekanisme Untuk Data yang Hilang
Untuk memilih data yang hilang, pertama-tama periset harus menentukan apa yang
menyebabkan data yang hilang tersebut. Ada tiga mekanisme dasar untuk melakukan hal
tersebut, yaitu: data hilang sepenuhnya secara acak (missing completely at random= MCAR);
data hilang secara acak (missing at random = MAR); dan data tidak hilang secara acak (not
missing at random = NMAR).
Teknik Data Hilang
Tiga jenis teknik dasar dapat digunakan untuk menyelamatkan kumpulan data yang
mengandung data yang hilang, yaitu:
a. Penghapusan menurut daftar.

3
b. Penghapusan menurut pasangan.
c. Penggantian nilai yang hilang menggunakan skor yang diestimasi.
1.4 Entri Data
Entri data mengubah informasi yang dikumpulkan dengan menggunakan metode
sekunder maupun primer menjadi suatu perantara agar memungkinkan melihat dan
memanipulasi data. Pengetikan merupakan cara utama bagi periset untuk segera menciptakan
arsip data dan menyimpannya dalam ruang minimal pada berbagai macam media.
2. EKSPLORASI, TAMPILAN, DAN PEMERIKSAAN DATA
2.1 Analisis Data Eksplorasi
Analisis data ekplorasi adalah perspektif analisis data dan sekumpulan teknik. Dalam
analisis data eksplorasi periset mempunyai fleksibilitas untuk menanggapi pola yang
terungkap dalam analisis data awal. Analisis konfirmasi adalah proses analitis yang dipandu
oleh inferensi statistik klasik dan pengujian signifikansi dan keyakinan. Kontribusi utama
pendekatan eksplorasi terletak pada penekanan atas representasi dan teknik grafis atas
statistik ringkasan.
Histogram
Histogram adalah solusi konvensional untuk menampilkan data interval-rasio.
Histogram digunakan ketika variabel dikelompokkan menjadi interval. Histogram disusun
dengan batang yang menggambarkan nilai data, dimana tiap nilai menempati jumlah area
yang sama dalam area tertutup. Analisis data merasakan manfaat histogram: (1) menampilkan
semua interval dalam suatu distribusi, bahkan interval tanpa nilai yang diobservasi, (2)
memeriksa bentuk distribusi untuk melihat pola kecondongan, kurtosis, dan modus.
Tampilan Batang dan Daun
Tampilan batang dan daun adalah teknik yang terkait erat dengan histogram. Teknik
ini memiliki ciri-ciri histogram, tetapi memiliki keuntungan yang unik. Teknik ini disusun
dengan tangan untuk sampel kecil atau dapat dihasilkan dengan program komputerisasi.
Dibandingkan dengan histogram, yang kehilangan informasi akan pengelompokkan nilai
menjadi interval, batang dan daun menyajikan nilai data aktual yang dapat diperiksa secara
langsung, tanpa menggunakan batang atau asterisk sebagai media representasi.
Diagram Pareto
Diagram pareto adalah bagan batang yang jumlah presentasenya 100 persen. Datanya
diperoleh dari skala pilihan ganda, tanggapan tunggal; skala pilihan ganda, tanggapan ganda
atau hitungan frekuensi kata dari analisis isi. Jawaban responden disortir menurut penurunan
kepentingan, dengan ketinggian batang dalam urutan menurun dari kiri ke kanan.
Boxplot
Boxplot adalah teknik lain yang sering digunakan dalam analisis data eksplorasi.
Boxplot mengurangi rincian tampilan batang dan daun dan memberikan visual yang berbeda
mengenai lokasi, sebaran, bentuk, panjang ekor, dan pencilan distribusi. Boxplot adalah
perluasan dari ringkasan lima angka dari suatu distribusi. Boxplot dapat dibuat dengan
mudah, baik dengan tangan atau program terkomputerisasi yang terdiri dari:
a. Plot empat persegi panjang yang mencakup 50 persen dari nilai-nilai data.
b. Garis pusat yang menandai median dan melewati lebar kotak.
c. Tepi kotak, yang disebut engsel.
d. Garis yang memanjan dari engsel kanan dan kiri hingga nilai terbesar dan terkecil.

4
2.2 Tabung Silang
Tabulasi silang adalah teknik untuk membandingkan data dari dua atau lebih kategori
seperti jenis kelamin dan seleksi untuk penugasan ke luar negeri. Tabulasi silang digunakan
dengan variabel demografis dan variabel target dari studi yang bersangkutan. Teknik-teknik
tersebut menggunakan tabel-tabel yang mempunyai baris dan kolom yang sesuai dengan
tingkat atau nilai sandi dari kategori masing-masing variabel.
Penggunaan Persentase
Presentase mempunyai dua tujuan dalam penyajian data. Pertama, persentase
menyederhanakan dengan mengurangi semua angka ke dalam rentang dari 0 sampai 100.
Kedua, persentase menerjemahkan data ke dalam bentuk standar dengan basis 100, untuk
perbandingan relatif. Persentase-persentase yang digunakan tampaknya hanya masalah
urusan dengan angka saja, akan tetapi penggunaannya sering kali tidak benar. Pedoman
berikut ini mencegah kesalahan dalam pelaporan apabila digunakan selama analisis, yaitu:
a. Merata-ratakan persentase.
b. Menggunakan persentase yang terlalu besar.
c. Memakai basis yang terlalu kecil.
d. Penurunan persentase tidak pernah melampaui 100 persen.
Analisis Lain Berbasis Tabel
Paket-paket statistik seperti Minitab, SAS, dan SPSS mempunyai banyak pilihan
untuk penyusunan table n-arah dengan ketentuan bagi banyak variabel kontrol. Variabel yang
lebih maju pada table n-arah adalah deteksi interaksi otomatis (automatic interaction
detection/AID). AID adalah suatu proses statistik terkomputerisasi yang mensyaratkan periset
mengenali suatu variabel terikat dan sekumpulan prediktor atau variabel bebas.
3. UJI HIPOTESIS
3.1 Signifikansi Statistik
Dalam pendekatan statistik klasik, kita menerima atau menolak suatu hipotesis
berdasarkan formasi pengambilan sampel saja. Oleh karena sampel berbeda dari populasinya,
kita harus memulai apakah perbedaan tersebut signifikan atau tidak signifikan secara statistik.
Sebuah perbedaan dikatakan mempunyai signifikan statistik apabila ada alasan yang bagus
untuk bahwa perbedaan tersebut tidak hanya mewakili fluktuasi sampel acak saja.
3.2 Logika Uji Hipotesis
Dalam uji statistik kalsik, terdapat dua jenis hipotesis yang digunakan. Hipotesis nol
yang digunakan untuk pengujian merupakan pertanyaan bahwa tidak ada perbedaan di antara
parameter dan angka statistik yang sedang dibandingkan dengannya. Analisis biasanya
melakukan pengujian untuk menentukan apakah tidak ada perubahan dalam populasi yang
dikaji atau apakah ada perbedaan yang nyata.
Hipotesis alternatif berpendapat bahwa terdapat perubahan dalam rata-rata mpg.
Hipotesis alternatif merupakan lawan yang logis dari hipotesis nol. Jenis-jenis hipotesis
alternatif ini berhubungan dengan uji dua-arah dan uji satu-arah. Uji dua-arah atau uji tanpa
arah, mempertimbangkan dua kemungkinan: Rata-rata mungkin lebih dari 50 mpg, atau
mungkin kurang dari 50. Untuk menguji hipotesis ini, wilayah penolakan dibagi menjadi dua
distribusi. Uji satu-arah, atau uji tanpa arah, menetapkan keseluruhan probabilitas dari hasil
yang tidak mungkin ke dalam arah yang ditetapkan oleh hipotesis alternatif. Apabila kita

5
menolak hipotesis nol (menemukan perbedaan yang signifikan secara statistik) maka kita
menerima hipotesis alternatif.
Eror Tipe I
Dengan mengubah probabilitas eror Tipe I, kita dapat memindahkan nilai kritis
menjadi lebih dekat atau lebih jauh dari parameter yang diasumsikan. Hal ini dapat dilakukan
jika diinginkan eror α yang lebih kecil atau yang lebih besar dan nilai kritis dipindahkan
untuk mencerminkan keadaan tersebut. Kita juga dapat mengubah eror Tipe I dan wilayah
penerimaan dengan mengubah jumlah sampel.
Eror Tipe II
Eror jenis ini sulit dideteksi. Probabilitas melakukan eror β tergantung pada lima
faktor, yaitu: (1) nilai sebenarnya dari parameter; (2) tingkat α yang sudah kita pilih; (3)
apakah digunakan uji satu atau dua arah untuk mengevaluasi hipotesis bersangkutan; (4)
deviasi standar sampel; serta (5) besarnya sampel.Ada beberapa cara untuk mengurangi eror
Tipe II. Kita dapat mengubah nilai kritis mendekati asli 50; tetapi untuk melakukan ini, kita
harus menerima α yang lebih besar.
3.3 Prosedur Uji Statistik
Uji signifikan statistik mengikuti pola yang relatif didefinisikan dengan baik,
walaupun para penulis berbeda dalam jumlah dan urutan langkah-langkahnya. Urutan
langkah adalah sebagai berikut:
a. Nyatakan hipotesis nol.
b. Pilih uji statistiknya.
c. Pilih tingkat signifikansi yang diinginkan.
d. Perhitungan nilai perbedaan yang dihitung.
e. Dapatkan nilai uji kritis.
f. Interpretasikan hasil pengujian.
3.4 Nilai Probilitas (Nilai p)
Nilai p adalah probabilitas sampel yang diamati mempunyai nilai ekstrim atau lebih
ekstrim dari nilai yang benar-benar diobeservasi, seandainya hipotesis nol itu benar. Area ini
menggambarkan probabilitas eror Tipe I yang harus diasumsikan apabila hipotesis nol
ditolak. Nilai p dibandingkan dengan tingkat signifikansi (α) dan dijadikan sebagai dasar
untuk menolak atau menerima hipotesis nol. Jika nilai p kurang dari tingkat signifikansi,
maka hipotesis nol ditolak (jika nilai p < α, tolak hipotesis nol). Jika p lebih besar dari atau
sama dengan tingkat signifikansi, maka hipotesis nol tidak ditolak (apabila nilai p > α, jangan
menolak hipotesis nol).
3.5 Uji Signifikansi
Jenis-Jenis Pengujian
Dua kelompok umum uji signifikansi yaitu parametrik dan nonparametrik. Uji parametrik
lebih kuat karena data diambil dari pengukuran interval dan rasio. Uji nonparametrik
digunakan untuk menguji hipotesis dengan data nominal dan ordinal. Teknik parametrik
adalah pilihan apabila asumsinya dipenuhi. Asumsi untuk uji parametrik mencakup:
a. Observasinya harus bebas/independen – yaitu, seleksi satu kelas mana pun tidak boleh
mempengaruhi peluang bagi kasus lain mana pun untuk disertakan di dalam sampel.
b. Observasinya harus diambil dari populasi yang berdistribusi normal.
c. Populasi ini harus memiliki varians yang sama.

6
d. Skala pengukuran setidaknya berupa skala interval agar pengoperasian aritmatika dapat
digunakan.
Uji parametrik menetapkan penekanan yang berbeda atas pentingnya asumsi.
Beberapa pengujian cukup kuat dan bertahan dengan baik walaupun mengalami pelanggaran
asumsi. Sedangkan dalam pengujian lainnya, penyimpangan dari lineritas atau varians yang
sama mungkin mengancam validitas hasil.
Uji nonparametrik mempunyai lebih sedikit asumsi serta memiliki asumsi yang
kurang keras. Pengujian ini tidak menetapkan populasi yang berdistribusi normal atau varians
yang sama. Beberapa pengujian memerlukan kasus-kasus yang berdiri sendiri, sedangkan
pengujian lainnya di desain untuk situasi dengan kasus yang berhubungan. Uji nonparametrik
merupakan satu-satunya pengujian yang dapat dipakai untuk data ordinal.
Cara Memilih Pengujian
Dalam upaya uji signifikansi tertentu, periset harus mempertimbangkan pertanyaan:
a. Apakah uji ini melibatkan satu sampel, dua sampel, atau k (lebih dari dua) sampel?
b. Apabila melibatkan dua sampel atau k sampel, apakah kasus-kasus tersebut berdiri sendiri
atau berhubungan?
c. Apakah skala pengukurannya nominal, ordinal, interval, atau rasio?
Memilih Pengujian Menggunakan Kriteria Pilihan
Uji parametrik lebih disukai karena lebih berdaya uji apabila asumsi mereka
terpenuhi, maka kita membahas uji parametrik lebih dulu dalam setiap uji.
Uji Satu Sampel
Uji satu sampel digunakan ketika kita mempunyai sampel tunggal dan ingin menguji
hipotesis bahwa sampel tersebut berasal dari suatu populasi tertentu.
a. Uji parametrik
Uji Z dan uji- t digunakan untuk menentukan signifikansi statistik antara rata-rata sampel
dan parameter. Distribusi Z dan distribusi t merupakan distribusi yang berbeda. Distribusi
t mempunyai banyak ujung area dibandingkan yang ditemukan di dalam uji normal.
b. Uji Nonparametrik
Dalam situasi satu sampel, berbagai uji non parametrik dapat digunakan, tergantung pada
skala pengukuran dan kondisi lainnya. Uji signifikansi nonparametrik yang paling banyak
digunakan adalah uji shi-square. Pengujian ini sangat berguna jika melibatkan data
nominal. Tetapi juga digunakan skala yang lebih tinggi. Chi square berguna dalam kasus
analisis satu sampel, dua sampel, atau k sampel yang harus dihitung dengan pertimbangan
aktual dan bukan dengan presentase.
Uji Dua Sampel Bebas
Kebutuhan menggunakan dua sampel bebas sering dijumpai dalam riset bisnis. Kita
dapat membandingkan kecenderungan pembelian suatu sampel pelanggan dari dua majalah
untuk mengetahui apakah mereka berasal dari populasi yang sama.
a. Uji Parametrik
Uji Z dan Uji t adalah uji parametrik yang digunakan untuk sampel bebas, walaupun uji F
juga dapat digunakan. Uji Z digunakan untuk sampel yang besar (lebih dari 30 untuk
kedua sampel bebas) atau jumlah sampel yang lebih kecil ketika datanya berdistribusi
normal dan varians populasinya diketahui. Dengan ukuran sampel kecil, populasi
berdistribusi normal, serta asumsi variabel populasi sama, maka penggunaan uji t tepat.

7
b. Uji Nonparametrik
Uji chi square tepat digunakan untuk situasi di mana diperlukan uji beda antara sampel.
Uji ini berguna bagi data nominal, tetapi dapat digunakan untuk pengukuran ordinal.
Uji Dua Sampel Berhubungan
Uji dua sampel berhubungan terkait dengan situasi di mana orang, objek, atau
kejadian memiliki kecocokan yang erat antara kejadiannya diukur dua kali.
a. Uji Parametrik
Uji t untuk sampel bebas tidak tepat dalam situasi ini karena salah satu asumsinya adalah
observasi yang bebas. Masalah ini dipecahkan menggunakan formula, jika ditemukan
perbedaan di antara pasangan observasi yang cocok, maka turunkanlah kedua sampel
tersebut menjadi kasus satu sampel sehingga sekarang terdapat beberapa perbedaan,
masing-masing bebas dari yang lain dan orang dapat menghitung berbagai statistik.
b. Uji Nonparametrik
Uji signifikansi atas perubahan observasi dilakukan dengan membuat tabel frekuensi lipat
empat untuk menggambarkan tanggapan pertama dan kedua.
Uji k Sampel Bebas
Kita menggunakan uji k sampel bebas dalam riset ketika terdapat tiga atau lebih
sampel. Dalam kondisi ini, kita tertarik untuk mengetahui apakah sampel-sampel berasal dari
populasi yang sama atau identik. Ketika data diukur menggunakan skala interval, rasio dan
kita memenuhi asumsi yang diperlukan, maka analisis varians dan uji F dapat digunakan.
a. Uji Parametrik
Metode statistik analisis varians (ANOVA) digunakan untuk menguji hipotesis nol bahwa
rata-rata dari beberapa populasi adalah sama. Kondisi tertentu harus dipenuhi untuk
menggunakan ANOVA. Sampel harus dipilih secara acak dari populasi normal, dan
populasi harus mempunyai varians yang sama. Jarak dari satu nilai ke nilai rata-rata
kelompoknya harus bebas dari jarak nilai lain dengan rata-rata itu (bebas dari eror).
b. Uji Nonparametrik
Uji Kruskal Wallis digunakan untuk data yang dikumpulkan pada skala ordinal atau data
interval yang tidak memenuhi asumsi uji F, data yang tidak dapat ditransformasi, atau
data untuk alasan lain terbukti tidak tepat bagi uji parametrik. Uji ini mengasumsikan
sampel yang dpilih secara acak dan bebas, serta mempunyai distribusi yang kontinyu.
Uji k Sampel Berhubungan
a. Uji parametrik
Uji k sampel berhubungan diperlukan untuk situasi di mana (1) faktor pengelompokkan
mempunyai lebih dari dua tingkat, (2) observasi atau subjek dijodohkan atau subjek yang
sama diukur lebih dari sekali, (3) data setidaknya interval. Dalam eksperimen uji pasar
atau desain a post facto dengan k sampel, sering kali perlu melakukan pengukuran subjek
beberapa kali yang dikenal dengan istilah percobaan (trial). Ukuran berulang ANOVA
adalah jenis khusus dari analisis varian n-cara.
b. Uji Nonparametrik
Ketika k sampel berhubungan diukur pada sakala nominal, Uji Conchran Q adalah pilihan
yang baik. Uji ini menguji hipotesis bahwa proporsi kasus dalam satukategori adalah
sama untuk beberapa kategori yang berhubungan.

8
 DAFTAR PUSTAKA

Cooper, Donald R. dan Pamela S. Schindler. 2006. Metode Riset Bisnis, Volume 1. Jakarta:
PT Media Global Edukasi.