DESAIN & ANALISIS DATA

KUANTITATIF
 ANALISIS UNIVARIAT
• Analisis terhadap satu variabel
• Biasanya dilakukan analisis untuk
mengetahui:
– Distribusi frekuensi
– Kecenderungan tengah (central tendency)
– Penyebaran (dispersion)
 Distribusi Frekuensi
• Merupakan himpunan frekuensi dari nilai atau
kisaran nilai suatu variabel
 TENDENSI SENTRAL
Tendensi Sentral:
- Merupakan estimasi “pusat” distribusi nilai-nilai suatu variabel
- menunjukkan nilai sentral dari distribusi data penelitian yang
dapat dinyatakan dalam tiga ukuran, yaitu:

a. Rata-rata (mean), dirumuskan:

Keakuratan penggunaan rata-rata tergantung dari dua faktor,
yaitu:
–Ukuran sampel; semakin besar sampel, maka semakin akurat
estimasi rata-rata populasi.
–Variabilitas (spread) dari data yang ada; semakin banyak variasi
data, maka semakin berkurang akurasi estimasi rata-rata.

nxi
x
i 1 n
b. Median: adalah ukuran tendensi sentral berdasarkan nilai
data yang terletak di tengah-tengah (midpoint) dari
suatu distribusi data penelitian yang disusun secara
berurutan.
Median dihitung dengan cara:
– Apabila jumlah data ganjil, maka median diperoleh dari
nilai tengah.
– Apabila jumlah data genap, maka median diperoleh dari
rata-rata antara dua angka.

c. Modus : mengukur tendensi sentral berdasarkan data yang

memiliki frekuensi paling banyak dari suatu distribusi
data.
 Mean (rata-rata/rataan/rerata)
• Paling umum digunakan
• Jumlahkan nilai semua pengamatan
(observasi) lalu bagi dengan jumlah
pengamatan. Misal:
15, 20, 21, 20, 36, 15, 25, 15
• Jumlah 8 nilai tadi adalah 167, maka mean-
nya adalah 167/8 = 20.875.
 Median
• Nilai yang terdapat persis di tengah-tengah jika nilai
semua pengamatan diurutkan dari yang terkecil
sampai terbesar.
15,15,15,20,20,21,25,36
• Ada 8 nilai pengamatan dan nilai pengamatan 4 dan
pengamatan 5 berada di tengah-tengah, karena
nilainya sama-sama 20 maka mediannya adalah 20.
 Contoh Median penghasilan

25
a

20

15
frekuensi

10

0
195.0 -294.9 295.0 - 394.9 394.0 - 494.9 495.0 - 594.9 595.0 - 694.9 695.0 - 794.9 795.0 - 894.9 895.0 - 994.9 995.0 - 1095

Penghasilan dalam ribuan rupiah

 Modus
• Adalah nilai yang paling tinggi frekuensi
kemunculannya.
• Dalam contoh tadi, modusnya adalah 15
• Suatu variabel dapat memiliki lebih dari satu
modus, misalnya bimodal= dua nilai modus;
multimodal= lebih dari 2 nilai modus
 Perhatikan !
• Dalam contoh tadi, mean=20,875; median=20;
modus=15

• Jika distribusinya betul-betul normal (bell

shape/berbentuk lonceng) maka ketiga ukuran
central tendency tersebut nilainya sama.
 Ukuran Variabilitas (Penyimpangan)
Ukuran Variabilitas: adalah suatu ukuran yang mengukur sebaran data.
Ukuran variabilitas yang sering digunakan adalah:
a. Varian, dirumuskan:

 xi  x 
2
s 
2

n 1
b. Deviasi Standar, dirumuskan:

xi  x 
2
s
n 1
c. Skewness (Kecondongan): adalah ukuran bentuk atau derajat simetri
distribusi data, dirumuskan:

Mean - Modus
Skewness 
Deviasi Standar
 Dispersi (ukuran penyebaran)
• Merupakan rentang sebaran nilai-nilai di
seputar nilai “pusat”
• Dua ukuran yang biasa digunakan:
– Range (kisaran): nilai tertinggi dikurangi nilai
terendah (36-15=21)
– Standard deviation (SD/simpangan baku): lebih
akurat dan detail, kisaran dipengaruhi oleh
outlier(s)/nilai yang ekstrem
 Standard deviation (1)
15,20,21,20,36,15,25,15
• Mula-mula hitung jarak masing-masing nilai dari
mean (20,875):

15 - 20.875 = -5.875
20 - 20.875 = -0.875
21 - 20.875 = +0.125
20 - 20.875 = -0.875
36 - 20.875 = 15.125
15 - 20.875 = -5.875
25 - 20.875 = +4.125
15 - 20.875 = -5.875
 Standard deviation (2)
• Masing-masing “jarak” tadi dikuadratkan:

-5.875 * -5.875 = 34.515625

-0.875 * -0.875 = 0.765625
+0.125 * +0.125 = 0.015625
-0.875 * -0.875 = 0.765625
15.125 * 15.125 = 228.765625
-5.875 * -5.875 = 34.515625
+4.125 * +4.125 = 17.015625
-5.875 * -5.875 = 34.515625
 Standard deviation (3)
• Hitung Sum of Squares (SS)= jumlahkan
seluruh nilai jarak yang telah dikuadratkan tadi
= 350,875
• Hitung variance= SS dibagi dengan (jumlah
pengamatan dikurangi 1) = 350.875 / 7 =
50,125
• Hitung standard deviation= Akar kuadrat dari
variance =7,079901129253.
Standard deviation (4)
 Standard deviation (5)
• Standard deviation membantu menyarikan sebaran
data secara lebih spesifik. Jika distribusi normal
(atau mendekati normal), maka:
• Kira-kira 69% nilai berada antara mean + 1 SD; kira-
kira 95% nilai berada antara mean + 2 SD; 99% nilai
berada antara mean + 3 SD
• Misalnya: mean 20,875 dan SD=7,0799 maka kira-
kira 95% nilai-nilai pengamatan berada pada kisaran
20,875-(2x7,0799) sampai 20,875+(2x7,0799) atau
antara 6,7152 dan 35,0348.
 Analisis Data Secara Grafik
• Secara umum, bidang studi statistik deskriptif adalah menyajikan data dalam
bentuk tabel dan grafik. Bentuk grafik yang sering dipakai dalam analisis adalah
grafik batang, pie, dan histogram.

• Histogram adalah diagram yg paling penting digunakan utk menyajikan data dari
suatu tabel frekuensi, dimana masing-masing frekuensi diwakili oleh suatu blok.
Setiap blok dlm histogram menunjukkan suatu frekuensi utk suatu interval kelas.
Sumbu horizontal menunjukkan pembagian kelas, sedangkan sumbu vertikal
menunjukkan frekuensinya.
100

%
90

80

70
frekuensi kurang dari

60

50

40

30

20

10

0
195.0 294.9 394.9 494.9 594.9 694.9 794.9 894.9 994.9
Penghasilan dalam ribuan rupiah
 Belanja Litbang IPTEK

12.96%
11.88% 39.00%

4.59%

31.58%

IPSK Teknik Kedokteran MIPA Pertanian

 Statistik Untuk Analisis Komparasi

• Penelitian komparasi bertujuan untuk menemukan persamaan-

persamaan dan perbedaan-perbedaan tentang objek penelitian
(benda, orang, prosedur kerja, ide, ...).

• Untuk melakukan analisis komparasi dibedakan antara penelitian

yang merupakan hipotesis atau non hipotesis.
– Dalam penelitian non-hipotesis, peneliti belum merumuskan kesimpulan
sementara.
– Dalam penelitian hipotesis, peneliti telah merumuskan kesimpulan
sementara.
• Dikenal uji dengan formulasi Ho ( Hipotesis nol), Ha (hipotesis
alternatif), m (tingkat komparasinya)
Contoh : Ho= tidak ada perbedaan kedalaman penurunan tanah: m1=m2
Ha= ada perbedaan kedalaman penurunan tanah: m1= m2
 Statistik untuk Analisis Korelasi

Korelasi adalah salah satu teknik statistik yang digunakan untuk mencari
hubungan antara dua variabel atau lebih yang sifatnya kuantitatif.

Hubungan antara dua variabel yang dapat hanya karena kebetulan, dapat pula
memang merupakan hubungan sebab-akibat.

Dua variabel dikatakan berkorelasi apabila perubahan pada variabel yang satu
akan diikuti perubahan pada variabel yang lain secara teratur, dengan arah yang
sama atau dapat pula dengan arah yang berlawanan.
Contoh: Y = 1,5 + 4 X1 + 3X2 + 5X3 - 2X4
Artinya?
 Arah Hubungan Antara Dua Variabel Dapat Dibedakan
Menjadi 3, Yaitu:

a. Direct correlation (positive correlation): perubahan pada

salah satu variabel diikuti perubahan variabel lain secara
teratur dengan arah sama.
b. Inverse correlation (negative correlation): perubahan pada
salah satu variabel diikuti perubahan variabel lain secara
teratur dengan arah berlawanan.
c. Korelasi nihil (tidak berkorelasi): kenaikan nilai variabel yang
satu kadang-kadang disertai turunnya nilai variabel yang lain
atau kadang-kadang diikuti kenaikan variabel yang lain. Arah
hubungannya tidak teratur, kadang-kadang dengan arah yang
sama, kadang-kadang berlawanan.
Koefisien korelasi merupakan ukuran besar kecilnya atau kuat atau
tidaknya hubungan antara variabel-variabel apabila bentuk
hubungan tersebut linier.

Koefisien korelasi (r) dinyatakan dengan bilangan antara 0 sampai

+1 atau 0 sampai –1.
Apabila koefisien korelasi mendekati +1 atau –1 berarti terdapat
hubungan yang kuat, sebaliknya apabila mendekati 0 berarti
terdapat hubungan yang lemah atau tidak ada hubungan. Tanda (+)
menunjukkan adanya korelasi positif, tanda (-) menunjukkan adanya
korelasi negatif, dan 0 menunjukkan tidak adanya korelasi.

 xy
Dimana: n = Banyaknya pasangan data
Salah satu metode untuk menghitung koefisien korelasi adalah
r 2 2
  
x = variabel
metode Rank Correlation, yang independent sebagai berikut:
dirumuskan

x y y = variabel dependent
 Korelasi (1)
• Koefisien korelasi= angka yang menunjukkan
kekuatan hubungan antara 2 (dua) variabel
• Contoh: kita ingin mengetahui hubungan
antara tinggi badan (height dalam inci)
dengan rasa percaya diri (self esteem)
• Hipotesis: Tinggi Badan mempengaruhi rasa
Percaya Diri
 Korelasi (2)
Person Height Self Esteem
1 68 4.1
2 71 4.6
3 62 3.8
4 75 4.4
5 58 3.2
6 60 3.1
7 67 3.8
8 68 4.1
9 71 4.3
10 69 3.7
11 68 3.5
12 67 3.2
13 63 3.7
14 62 3.3
15 60 3.4
16 63 4.0
17 65 4.1
18 67 3.8
19 63 3.4
20 61 3.6
 Korelasi (3)

Variable Mean StDev Variance Sum Minimum Maximum Range

Height 65.4 4.40574 19.4105 1308 58 75 17

Self Esteem 3.755 0.426090 0.181553 75.1 3.1 4.6 1.5

Korelasi (4)
Korelasi (5)
 Korelasi (6)
Person Height (x) Self Esteem (y) x*y x*x y*y
1 68 4.1 278.8 4624 16.81
2 71 4.6 326.6 5041 21.16
3 62 3.8 235.6 3844 14.44
4 75 4.4 330 5625 19.36
5 58 3.2 185.6 3364 10.24
6 60 3.1 186 3600 9.61
7 67 3.8 254.6 4489 14.44
8 68 4.1 278.8 4624 16.81
9 71 4.3 305.3 5041 18.49
10 69 3.7 255.3 4761 13.69
11 68 3.5 238 4624 12.25
12 67 3.2 214.4 4489 10.24
13 63 3.7 233.1 3969 13.69
14 62 3.3 204.6 3844 10.89
15 60 3.4 204 3600 11.56
16 63 4 252 3969 16
17 65 4.1 266.5 4225 16.81
18 67 3.8 254.6 4489 14.44
19 63 3.4 214.2 3969 11.56
20 61 3.6 219.6 3721 12.96
Sum = 1308 75.1 4937.6 85912 285.45
Korelasi (7)
Korelasi (8)
 Korelasi (9)
• Setelah diperoleh koefisien korelasi, dapat
ditentukan apakah korelasi tersebut terjadi
karena kebetulan (by chance) atau suatu
korelasi yang riil.
• Dalam hal ini, ingin diuji hipotesis berikut:
Null Hypothesis: r = 0
Alternative Hypothesis: r <> 0
 Korelasi (10)
• Selanjutnya lihat tabel nilai kritis r
• Tetapkan terlebih dahulu:
– Tingkat signifikansi (α), misalnya 0,05 (5%,
artinya peluang bahwa korelasi terjadi karena
kebetulan adalah tidak lebih dari 5 dari 100.
– Derajat bebas = N-2 (dalam contoh kita: 20-2=18)
– Jenis uji: satu ekor atau dua ekor (satu arah atau
dwiarah), misal: dwiarah
 Korelasi (11)
• Di tabel ditemukan bahwa nilai kritis untuk ketiga
parameter tersebut adalah: 0,4438
• Artinya jika koefisien korelasi kita >0,4438 atau <-
0,4438 maka korelasi tersebut dapat dikatakan
“secara statistik signifikan” atau “bermakna secara
statistik”
• Jadi ada hubungan positif antara TB dan rasa PD:
semakin tinggi semakin PD
• Tapi jangan khawatir dulu ya, datanya kan cuma
hipotetis saja….
 Jenis uji korelasi
• Jika data interval: Pearson product moment
• Jika data ordinal: Spearman rank (rho) atau
Kendall rank (tau)
• Jika satu interval kontinyu dan satu
dikotomus: Point-Biserial
 Uji beda
• Uji-t (t-test): menguji
apakah nilai mean (rata-
rata) dua kelompok
secara statistik berbeda
 Uji-t (1)
• Tiga situasi di mana
terdapat perbedaan
mean

• Harus dilihat
perbedaan mean
relatif terhadap
variabilitas
 Uji-t (2)
• Rumus uji-t:
 Uji-t (3)
• Rumus standard error:

• Rumus uji-t:
 Uji-t (4)
• Untuk menguji signifikansi:
– Tetapkan tingkat signifikansi (α)
– Tetapkan derajat bebas (N-2)
– Bandingkan dengan nilai t di tabel, jika lebih besar
maka signifikan
 Uji beda yang lain:
• Chi-square untuk data nominal dua kelompok
independen
• Fisher’s exact test untuk data nominal dua
kelompok independen tetapi ada frekuensi
yang kecil
• McNemar atau Kappa untuk data nominal dua
kelompok dependen
 Interpretasi Hasil Analisis dan Statistik
Menerjemahkan hasil analisis sesuai tujuan: mendiskripsikan, membandingkan,
mencari korelasi
Hasil analisis dapat dikatakan masih faktual, sehingga harus diberi arti oleh
peneliti.
Hasil analisis dapat mempertegas diskripsi, menguji hipotesis, mendapatkan
korelasi dengan uritan faktor yang dominan.
Beberapa sumber tidak terbuktinya hipotesis penelitian, antara lain:
- Landasan teori yang telah kadaluarsa dan kurang valid.
- Sampel yang tidak representatif.
- Instrumen penelitian yang tidak valid dan realibel.
- Rancangan penelitian yang kurang tepat.
- Perhitungan-perhitungan yang salah.
- Pengaruh variabel-variabel luaran (extraneous variable) terhadap data yang
demikian besar, sehingga data tersebut bukanlah dat yang dimaksudkan.
 Untuk hipotesis atau korelasi yang tidak terbukti
kebenarannya:

 Tidak berarti penelitian gagal sama sekali,

 yang penting adalah peneliti memberikan keterangan
alasan yang jelas dan kuat mengenai tidak terbuktinya
hipotesis tersebut.
 Namun demikian, yang sebaiknya dilakukan oleh
peneliti adalah memperkecil kemungkinan terjadinya
hipotesis yang tidak terbukti kebenarannya dengan
persiapan yang cermat dan menyeluruh sejak langkah-
langkah awal penelitian.
TERIMA KASIH