Handout PSY407 Uji Statistik
Handout PSY407 Uji Statistik
4. Hipotesis kausal:
dugaan yang menyatakan pengaruh 1 atau lebih
IV terhadap 1 DV.
Dalam pengujian hipotesis, yang diuji adalah hipotesis nol (null hypothesis; H0), meskipun yang kita susun adalah hipotesis alternatif (Ha).
Penentuan teknik analisis statistik untuk pengujian hipotesis ditentukan oleh skala/jenis data (nominal, ordinal, atau interval/rasio). Untuk jenis
data nominal atau ordinal, menggunakan statistik non-parametrik. Untuk data interval/rasio dapat menggunakan statistik parametrik apabila
memenuhi asumsi normalitas; bila asumsi normalitas tidak terpenuhi, maka harus menggunakan statistik non-parametrik dengan menurunkan/
mengubah jenis datanya (menjadi ordinal atau nominal). Hipotesis juga harus ditentukan apakah bersifat berarah (directional hypothesis; one-tail
hypothesis) atau tidak berarah (non-directional hypothesis; two-tail hypothesis). Hipotesis berarah maksudnya hipotesis secara spesifik
menyatakan “lebih tinggi”, “lebih rendah”, “positif”, “negatif”, dsb; sedangkan hipotesis tidak berarah menyatakan “ada hubungan”, “ada
pengaruh”, “ada perbedaan”, dsb. Ada atau tidaknya arah hipotesis ini akan menentukan keputusan untuk menerima atau menolak H0.
- Hipotesis two-tail:
Ha: mean IQ mahasiswa baru berbeda secara signifikan
interval/rasio* dengan 90. (μ ≠ 90) One-sample
- Hipotesis one-tail: t-test
Ha: mean IQ mahasiswa baru lebih tinggi secara signifikan dari
90. (μ > 90)
1. Hipotesis Ordinal Ha: urutan pilihan dalam memilih cuti melahirkan bersifat Run-test
deskriptif random.
- Hipotesis two-tail:
Ha: jumlah mahasiswa berbeda secara signifikan dengan jumlah
mahasiswi di prodi psikologi.
Nominal One-sample
- Hipotesis one-tail:
Ha: jumlah mahasiswa lebih sedikit secara signifikan chi-square
dibandingkan dengan jumlah mahasiswi di prodi psikologi.
- Hipotesis two-tail:
Ha: ada hubungan yang signifikan antara konsep diri dan
prestasi akademik pada mahasiswa prodi Psikologi. Korelasi
interval/rasio* - Hipotesis one-tail: Pearson
Ha: ada hubungan positif yang signifikan antara konsep
diri dan prestasi akademik pada mahasiswa prodi
Psikologi.
2. Hipotesis
Asosiatifa - Hipotesis two-tail:
Ha: ada hubungan yang signifikan antara ranking di
Korelasi
Ordinal raport dan inteligensi pada mahasiswa prodi Psikologi.
Spearman
- Hipotesis one-tail:
Ha: ada hubungan positif yang signifikan antara ranking
di raport dan prestasi akademik pada mahasiswa prodi
Psikologi.
- Hipotesis two-tail:
Ha: ada hubungan yang signifikan antara kelulusan kuliah
statistik dan jenis kelamin pada mahasiswa prodi Psikologi.
Nominal - Hipotesis one-tail: chi-square
Ha: ada hubungan negatif yang signifikan antara kelulusan (ꭓ2)
kuliah statistik dan jenis kelamin pada mahasiswa prodi
Psikologi.
* perlu uji normalitas
a
Apabila kedua variabel memiliki jenis data yang berbeda, maka gunakan jenis data yang paling rendah (ubah data). Misal, hubungan jenis data
interval dan jenis data ordinal, maka gunakan korelasi Spearman (ubah data interval menjadi data ordinal). Pengecualian untuk data interval dan
data nominal dikotomi, misal hubungan inteligensi dan jenis kelamin; maka gunakan korelasi point biserial (variasi dari korelasi Pearson, untuk
data berisi 0 dan 1).
Hipotesis asosiatif hanya menunjukkan adanya hubungan korelasional tanpa menunjukkan kausalitas/sebab-akibat/pengaruh.
Pada penelitian di atas akan diperoleh 2 koefisien korelasi dari 2 kelompok berbeda, yaitu korelasi di remaja laki-laki dan korelasi di remaja
perempuan. Langkah berikutnya, tentukan signifikansi pada masing-masing korelasi. Bila hanya salah satu korelasi yang signifikan (misal, hubungan
penerimaan teman sebaya dan prestasi pada remaja laki-laki), maka dengan mudah kita dapat katakan hubungan penerimaan teman sebaya dan
konsep diri hanya terjadi pada remaja laki-laki, dan tidak terjadi hubungan kedua variabel pada remaja perempuan. Namun, apabila kedua korelasi
signifikan, yang harus dilakukan selanjutnya adalah menentukan apakah perbedaan kedua korelasi tersebut signifikan, sehingga kita dapat katakan
hubungan kedua variabel pada remaja laki-laki lebih besar (atau lebih kecil) dibandingkan pada remaja perempuan. Apabila tidak ditemukan
perbedaan nilai korelasi yang signifikan, maka dapat dikatakan bahwa kedua korelasi sama besar.
Formula di atas dapat dihitung dengan bantuan Ms. Excel dengan function “=fisher(r)”, dimana r adalah nilai korelasi yang akan diubah
menjadi zr.
Dimana: zr1 = nilai z dari korelasi di kelompok 1; zr2 = nilai z dari korelasi di kelompok 2;
N1 = jumlah anggota kelompok 1; N2 = jumlah anggota kelompok 2.
3. untuk taraf signifikansi 5%, maka dapat dikatakan signifikan bila zdiff > 1,96. Abaikan apabila diperoleh nilai negatif, karena negatif hanya
menunjukkan bahwa nilai korelasi kedua (r2) lebih besar dari korelasi pertama (r1).
Contoh:
Diketahui korelasi pada 52 remaja laki-laki, rlaki-laki = -0,506; sedangkan korelasi pada 51 remaja perempuan, rperempuan = -0,381; kedua korelasi ini
signifikan pada taraf 5% (p < 0,05). Oleh karena itu perlu diketahui manakah hubungan yang lebih besar, meskipun dari angka korelasinya diketahui
hubungan pada remaja laki-laki lebih besar. Dengan kata lain, ingin diketahui apakah ditemukan perbedaan nilai korelasi yang signifikan diantara
kedua kelompok.
- Hipotesis two-tail:
Ha: ada perbedaan mean IQ yang signifikan antara
mahasiswa dengan mahasiswi. (μ1 ≠ μ2)
Ha: ada perbedaan mean skor agresitivas antara subjek Independent
interval/rasio*
yang ditayangkan film agresif dengan subjek yang samples t-
ditayangkan film komedi. (μ1 ≠ μ2) testc
- Hipotesis one-tail:
A. 2 kelompok Ha: mean IQ mahasiswa lebih tinggi secara signifikan
diperbandingkan dibandingkan mahasiswi. (μ1 > μ2)
Ha: mean skor agresivitas pada subjek yang ditayangkan
film agresivitas lebih tinggi secara signifikan
dibandingkan subjek yang ditayangkan film komedi.
3. Hipotesis (μ > μ )
komparatif - Hipotesis:
Mann-Whitney
Ordinal Ha: ada perbedaan ranking di raport yang signifikan
U test
antara siswa dan siswi.
- Hipotesis two-tail:
Ha: ada perbedaan keputusan melanjutkan studi S2 yang
signifikan antara mahasiswa dengan mahasiswi lulusan
Independent
Nominal prodi psikologi.
sample chi-
- Hipotesis one-tail:
square (ꭓ2)
Ha: mahasiswa lebih banyak secara signifikan dalam
memutuskan untuk melanjutkan studi S2 dibandingkan
mahasiswi lulusan prodi psikologi.
* perlu uji normalitas
c
perlu uji homogeneity/equality of variances
Hipotesis komparatif digunakan untuk:
1. membandingkan 2 atau lebih kelompok subjek dalam satu variabel tertentu.
2. membandingkan satu variabel tertentu dari 2 waktu berbeda pada sebuah kelompok subjek.
Pertimbangan jenis data berdasarkan variabel yang dibandingkan. Hipotesis komparatif digunakan pada penelitian komparatif (membandingkan
kelompok subjek sudah terkategorisasi) maupun penelitian eksperimen (membandingkan beberapa perlakuan). Untuk analisis statistik yang
digunakan juga ditentukan oleh banyaknya yang diperbandingkan (2 atau lebih dari 2).
- Hipotesis two-tail:
Ha: ada perbedaan mean IQ yang signifikan antara mahasiswa
interval/rasio* prodi psikologi, komunikasi, dan DKV. One-way
Ha: ada perbedaan mean skor atensi yang signifikan antara subjek ANOVA F
yang diperdengarkan musik klasik, musik rock, dan musik pop. testc
3. Hipotesis - Hipotesis one-tail: d
Ha: mean IQ mahasiswa prodi psikologi lebih tinggi secara
komparatif signifikan dibandingkan mahasiswa prodi komunikasi dan DKV.
Ha: subjek yang tidak diperdengarkan musik memiliki mean skor
atensi yang lebih tinggi secara signifikan dibandingkan subjek
B. >2 kelompok yang diperdengarkan musik klasik dan musik rock.
diperbandingkan
- Hipotesis:
Ordinal Ha: ada perbedaan ranking di raport yang signifikan antara Kruskal-Wallis
siswa jurusan IPA, IPS, dan kejuruan. H test
- Hipotesis two-tail:
Ha: ada perbedaan jumlah kelulusan kuliah statistik yang
Independent
Nominal signifikan antara mahasiswa prodi psikologi, komunikasi,
sample chi-
dan akuntansi.
square (ꭓ2)
- Hipotesis one-tail:
Ha: jumlah mahasiswa prodi psikologi yang lulus kuliah
statistik lebih banyak secara signifikan dibandingkan
mahasiswa prodi komunikasi dan akuntansi.
* perlu uji normalitas
c
perlu uji homogeneity of variance
d
menggunakan planned comparison/contrast.
- Hipotesis two-tail:
Ha: ada perbedaan mean IQ yang signifikan pada
mahasiswa prodi Psikologi ketika di semester 1
dibandingkan di semester 8.
Ha: ada perbedaan mean skor agresitivas pada subjek
interval/rasio* sebelum mengikuti anger management dibandingkan dependent
setelah mengikuti anger mangement. /paired
- Hipotesis one-tail: samples t-test
Ha: mean IQ mahasiswa prodi Psikologi lebih tinggi
C. Dua data dari 1 secara signifikan di semester 8 dibandingkan ketika di
kelompok semester 1.
Ha: mean skor agresitivas pada subjek sesudah
mengikuti anger management lebih tinggi secara
3. Hipotesis signifikan dibandingkan sebelum mengikuti anger
mangement.
komparatif
Ordinal - Hipotesis: Wilcoxon
Ha: ada perbedaan ranking di raport yang signifikan signed-rank test
pada siswa ketika di semester 1 dan ketika di
semester 2.
- Hipotesis two-tail:
Ha: ada perbedaan kategori kepuasaan pelanggan PT X
sebelum dan sesudah menghubungi customer care. McNemar
Nominal - Hipotesis one-tail: test
Ha: ada peningkatan jumlah pelanggan PT X yang puas
sesudah menghubungi customer care dibandingkan
sebelum menghubungi customer care.
- Hipotesis two-tail:
Ha: ada perbedaan mean IQ yang signifikan pada
mahasiswa prodi Psikologi ketika di semester 1,
semester 5, dan semester 8.
Ha: ada perbedaan mean skor agresitivas yang signifikan
interval/rasio* pada subjek saat tidak diperdengarkan musik, Repeated
diperdengarkan musik klasik, dan diperdengarkan measures
musik rock. ANOVAf
- Hipotesis one-tail:c
D. >2 data dari 1 Ha: mean IQ mahasiswa prodi Psikologi di semester 8
kelompok lebih tinggi secara signifikan dibandingkan ketika di
semester 1 dan semester 5.
Ha: mean skor agresitivas subjek ketika diperdengarkan
3. Hipotesis musik rock lebih tinggi secara signifikan dibandingkan
ketika tidak diperdengarkan musik dan ketika
komparatif diperdengarkan musik klasik.
- Hipotesis:
Friedman test
Ordinal Ha: ada perbedaan ranking di raport yang signifikan
pada siswa SMP ketika di kelas VII, kelas VIII, dan kelas
- Hipotesis two-tail:
Ha: ada perbedaan keputusan melanjutkan studi S2 yang
signifikan antara mahasiswa dengan mahasiswi lulusan
Nominal prodi psikologi.
Chi-square
- Hipotesis one-tail:
test (ꭓ2)
Ha: mahasiswa lebih banyak secara signifikan dalam
memutuskan untuk melanjutkan studi S2 dibandingkan
* perlu uji normalitas mahasiswi lulusan prodi psikologi.
c
menggunakan planned comparison/contrast.
f
perlu uji sphericity
A. DV interval/
rasio*
Ha: ada pengaruh ranking raport di SMA yang
ordinal/ signifikan terhadap skor konsep diri Simple linear
nominal mahasiswa baru. regressionh
4. Hipotesis Ha: ada pengaruh jenis kelamin yang signifikan
kausal terhadap skor konsep diri mahasiswa baru.
Interval,
2 atau rasio, Ha: ada pengaruh IQ, suku bangsa, dan konsep
multiple linear
lebih IV ordinal, diri yang signifikan terhadap IPK pada
regressiong
nominal mahasiswa prodi Psikologi.
Interval,
1 atau rasio, Ha: ada pengaruh IQ dan suku bangsa yang Logistic
B. DV nominal
lebih IV ordinal, signifikan terhadap kelulusan seleksi CPNS. regression
nominal
Pengujian hipotesis kausal menggunakan analisis regresi. Jenis analisis regresi ditentukan oleh:
1. jenis data DV
2. jumlah IV yang terlibat
Tujuan regresi adalah menghasilkan persamaan regresi dan mengetahui besarnya kontribusi IV (sendiri ataupun bersama-sama).
Persamaan regresi:
- Simple linear regression: Y = b0 + b1X; dimana Y adalah DV dan X adalah IV.
- Multiple linear regression: Y = b0 + b1X1 + b2X2; dimana Y adalah DV, X1 adalah IV pertama, dan X2 adalah IV kedua.
Contoh: pengaruh psychological well-being terhadap konsep diri pada remaja laki-laki dan remaja perempuan.
Pada penelitian di atas akan diperoleh 2 koefisien regresi (b) dari 2 kelompok berbeda, yaitu koefisien regresi psychological well-being di remaja
laki-laki dan korelasi di remaja perempuan. Langkah berikutnya, tentukan signifikansi pada masing-masing koefisien regresi. Bila hanya salah satu
koefisien regresi yang signifikan (misal, pengaruh psychological well-being pada remaja laki-laki), maka dengan mudah kita dapat katakan
psychological well-being terhadap konsep diri hanya ada pada remaja laki-laki, dan tidak ada pengaruhnya pada remaja perempuan. Namun,
apabila kedua koefisien regresi signifikan, yang harus dilakukan adalah menentukan apakah perbedaan kedua koefisien regresi tersebut signifikan,
sehingga kita dapat katakan bahwa pengaruh psychological well-being pada remaja laki-laki lebih besar (atau lebih kecil) dibandingkan pada remaja
perempuan. Apabila tidak ditemukan perbedaan nilai koefisien regresi yang signifikan, maka dapat dikatakan bahwa pengaruh psychological well-
being pada kedua kelompok sama besar.
Langkah yang dilakukan untuk membandingkan koefisien regresi dari dua kelompok berbeda:
1. Pada masing-masing kelompok, dapatkan koefisien regresi (b) dan Standard Error (SE) untuk pengaruh sebuah IV yang akan dibandingkan.
2. hitung perbedaan z antara kedua koefisien regresi (zdiff) dari IV tersebut, dengan formula:
−
=
+
Dimana: b1 = koefisien regresi IV1 pada kelompok 1, b2 = koefisien regresi IV1 pada kelompok 2,
SEb1 = Standard Error koefisien regresi IV1 pada kelompok 1, SEb2 = koefisien regresi IV1 pada kelompok 2.
3. untuk taraf signifikansi 5%, maka dapat dikatakan signifikan bila zdiff > 1,96. Abaikan apabila diperoleh nilai negatif.
Contoh:
Berikut hasil analisis regresi pengaruh psychological well-being terhadap konsep diri pada remaja laki-laki dan remaja perempuan:
Remaja laki-laki:
Coefficients
Model Unstandardized Standard Error Standardized t p
1 (Intercept) 14.78 3.66 4.04 < .001
PWB 1.04 0.07 0.90 13.99 < .001
Remaja perempuan:
Coefficients
Model Unstandardized Standard Error Standardized t p
1 (Intercept) 13.72 3.40 4.03 < .001
PWB 1.03 0.07 0.87 14.71 < .001
1. Pada remaja laki-laki, koefisien regresi psychological well-being, b1 = 1,04; dan Standard Error-nya, SEb1 = 0,07. Pada remaja perempuan,
koefisien regresi psychological well-being, b2 = 1,03; dan Standard Error-nya, SEb2 = 0,07.
3. dengan zdiff = 0,10, maka dapat dikatakan tidak ada perbedaan yang signifikan pada pengaruh psychological well-being di remaja laki-laki dan
remaja perempuan. Dengan kata lain, pengaruh psychological well-being terhadap konsep diri di remaja laki-laki sama besar dengan di remaja
perempuan.
Catatan:
1. Uji normalitas = untuk mengetahui apakah distribusi sampling dari populasi berbentuk normal. Hanya dilakukan untuk statistik inferensial
dengan data interval/rasio serta analisis statistik parametrik (seperti: korelasi Pearson, linear regression, dsb). Seperti kutipan berikut: “a
reason for implementing normality tests is that many statistical procedures require or are optimal under the assumption of normality, and it
is therefore of interest to know whether or not this assumption is fulfilled” (Steinskog, Tjøstheim, & Kvamstø, 2007, hlm 1151). Oleh karena
itu, bila asumsi normalitas terpenuhi (hasil uji tidak signifikan), maka analisis statistik parametrik dapat digunakan. Bila asumsi normalitas
tidak terpenuhi (hasil uji signifikan), maka gunakan analisis statistik untuk data ordinal/nominal.
Untuk pengujian normalitas, sebaiknya menggunakan Shapiro–Wilk test dibandingkan Kolmogorov–Smirnov test. Alasan:
a. “The Shapiro-Wilk test is based on the correlation between the data and the corresponding normal scores and provides better power than
the K-S test even after the Lilliefors correction. Power is the most frequent measure of the value of a test for normality—the ability to
detect whether a sample comes from a non-normal distribution. Some researchers recommend the Shapiro-Wilk test as the best choice
for testing the normality of data” (Ghasemi, & Zahediasl, 2012, hlm 487). For this reason, it is a good test to use with small samples
(Hinton, 2014, hlm 102).
b. “Standard KS goodness-of-fit test is not recommended when parameters are estimated from the data (usually the case), regardless of
sample size. It should also be noted that the term “KS test” does not necessarily mean the same test in different software packages”
(Steinskog, Tjøstheim, & Kvamstø, 2007, hlm 1156). Sering kali uji normalitas pada SPSS dilakukan menggunakan menu: Analyze
Nonparametric Tests 1-sample K-S…, dimana cara ini sebenarnya tidak tepat. Seharusnya menggunakan menu: Analyze Descriptive
statistic Explore… (selengkapnya lihat tabel di bawah).
3. Untuk hipotesis komparatif, bagaimana bila jumlah anggota kelompok yang diperbandingkan berbeda?
Untuk t-test dan Anova F-test hal ini tidak menjadi masalah asalkan asumsi equality of variance (Levene’s Test) terpenuhi (dengan akta lain,
tidak signifikan).
4. Hipotesis two-tail: dugaan mengenai sama atau berbedanya nilai suatu variabel, tanpa menyatakan arahnya. Dibuat apabila belum ada
penelitian-penelitian sebelumnya tentang variabel yang sama, atau bila hasil penelitian-penelitian sebelumnya saling berlawanan (ada yang
menyatakan lebih tinggi, hasil yang lain lebih rendah).
Hipotesis one-tail: dugaan yang sudah menyatakan arah nilai suatu variabel. Dibuat apabila penelitian-penelitian sebelumnya ataupun teori
sudah menyatakan secara jelas bagaimana nilai suatu variabel.
1. identifikasi N,
https://bit.ly/2Pu6Hw0
https://bit.ly/2D90Ars
Uji normalitas:
“Asumsi normalitas diuji menggunakan Shapiro-Wilk test. Hasil uji menunjukkan Kepuasaan kerja tidak berbeda secara signifikan dengan
distribusi normal, SW(483) = 0,997, p > 0,05.”
Korelasi Pearson:
“Prestasi dan IQ tidak memiliki hubungan yang signifikan, r(8) = 0,103, p > 0,05.”
“Hasil uji Levene’s test menunjukkan varians kedua kelompok tidak setara, F(1, 25) = 7,718, p < 0,05. Oleh karena itu, akan digunakan
independent sample t-test yang tidak mengasumsikan kesetaraan varians. Tidak ada perbedaan yg signifikan dalam skor pengungkapan diri
antara remaja Jawa (M = 74,42; SD = 10,681) dengan remaja Madura (M = 72,20; SD = 6,721), t(17,679) = 0,627, p > 0,05.”
Regression
Linear Regression
Model Summary
Model R R² Adjusted R² RMSE
1 0.252 0.063 0.059 0.756
ANOVA
Model Sum of Squares df Mean Square F p
1 Regression 8.583 1 8.583 15.017 < .001
Residual 126.880 222 0.572
Total 135.463 223
Coefficients
Model Unstandardized Standard Error Standardized t p
1 (Intercept) 1.284 0.352 3.642 < .001
satm 0.002 5.859e -4 0.252 3.875 < .001
“Regresi linear sederhana digunakan untuk mengetahui apakah TPA dapat mempengaruhi (memprediksi) IPK. Hasil regresi
menunjukkan bahwa TPA dapat menjelaskan 6,3% varians IPK, R2=0,063; F(1, 222) = 15,017, p < 0,001. TPA secara signifikan
berpengaruh (memprediksi) secara positif terhadap IPK, b = 0,002, p < 0,001. Oleh karena itu dapat dibuat persamaan regresi
untuk memprediksi IPK dari TPA sebagai berikut:
IPK = 1,284 + 0,002(TPA)
Dari persamaan regresi tersebut dapat dikatakan bila seorang subjek memiliki skor TPA sebesar 0, maka IPK-nya diprediksi
sebesar 1,284. Pertambahan TPA sebesar 1 skor, meningkatkan IPK sebesar 0,002.”
REFERENSI:
Field, A. (2009). Discovering statistics using SPSS. London: Sage Publications, Ltd.
Ghasemi, A., & Zahediasl, S. (2012). Normality tests for statistical analysis: A guide for non-statisticians. International Journal Endocrinology &
Metabolism, 10(2), 486-489.
Hinton, P. R. (2014). Statistic explained. New York: Routledge.
Steinskog, D. J., Tjøstheim, D. B., & Kvamstø, N. G. (2007). A cautionary note on the use of the Kolmogorov–Smirnov test for normality. Monthly
Weather Review, 135(3), 1151-1157.
Sugiyono (2016). Statistik untuk penelitian. Bandung: Penerbit Alfabeta.