MODUL 2

B. PERTEMUAN 2

Deskripsi Materi Materi ini dirancang untuk mengkaji konsep-konsep

Statistika yang dapat diterapkan pada proses analisa
lingkungan bisnis dan pengambilan keputusan bisnis.
Hal ini diharapkan dapat memberikan metode statistik
untuk menganalisis dan menyelesaikan permasalahan
bisnis.
Capaian Pembelajaran  Memahami statistik Inferensial :
a. Parametrik
b. Non Parametrik
 Merasakan pentingnya kejujuran data dan
penggunaannya
 Mampu menggunakan statistik Inferensial dalam
menyelesaikan permasalahan bisnis
Pokok Bahasan Statistik Inferensial
Sub Pokok Bahasan a. Statistika Parametrik
b. Statistika Non Parametrik

1. Isi Materi
A. Pendahuluan
Pada bab ini, akan dibahas mengenai data yang berskala ordinal (jenjang), di mana data
ini urutan kode angka mempunyai arti berdasarkan urutan tingkat kepentingan, misalnya sangat
bagus, bagus, cukup bagus, jelek, dan sangat jelek, masing-masing dengan kode 1,2,3,4, …,
maka urutan angka-angka tersebut mempunyai arti urutan ke atas dan sebagainya bahkan bisa
juga ke bawah.

B. Statistika Parametrik
Statistika parametrik adalah statistika yang mempertimbangkan jenis sebaran/distribusi
data yang berdistribusi normal dan memiliki varians homogen. Pada umumnya, data yang
digunakan pada statistik parametrik ini bersifat interval dan rasio.
Uji statistik yang dapat digunakan pada statistika parametrik antara lain:
1) Uji z (1 atau 2 sampel)
2) Uji t (1 atau 2 sampel)
3) Korelasi sederhana dan berganda
4) One or Two Way Anova test
5) Analisis Regresi sederhana dan berganda

Uji z (1 atau 2 sampel)

Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan distribusi
normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan berdistribusi
normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang sampelnya berukuran
besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran besar. Selain itu, uji Z ini dipakai
untuk menganalisis data yang varians populasinya diketahui. Namun, bila varians populasi tidak
diketahui, maka varians dari sampel dapat digunakan sebagai penggantinya.
Kriteria Penggunaan uji Z
1. Data berdistribusi normal
2. Variance (σ2) diketahui
3. Ukuran sampel (n) besar, ≥ 30
4. Digunakan hanya untuk membandingkan 2 buah observasi.

Uji t (1 atau 2 sampel)

Student t test adalah uji komparatif untuk menilai perbedaan antara nilai tertentu dengan rata-rata
kelompok populasi. Student t test disebut juga dengan istilah one sample t test atau uji t satu
sampel oleh karena uji t di sini menggunakan satu sampel.
Rumus Student T Test
x̅- μ0
t= s
⁄ n
√
Keterangan:
t : t hitung
: rata-rata sampel
: rata-rata spesifik atau rata-rata tertentu (yang menjadi perbandingan)
s : standart deviasi sampel
n : jumlah sampel.
 Sebagai contoh uji student t adalah penelitian yang bertujuan untuk menilai apakah
terdapat perbedaan yang bermakna antara rata-rata (mean) tinggi badan siswa SD sekolah A
kelas 6 dengan tinggi badan rata-rata nasional siswa SD kelas 6. Rata-rata atau harapan tinggi
badan siswa SD kelas 6 secara nasional misalkan 150 cm. Maka penelitian tersebut menguji
apakah terdapat perbedaan bermakna rata-rata tinggi badan siswa SD kelas 6 sekolah A dengan
rata-rata tinggi badan nasional siswa SD kelas 6 yaitu 150 cm.
Misalkan siswa kelas 6 sekolah A yang menjadi sampel penelitian sebesar 50 orang, maka
apabila hasilnya nanti misalkan rata-rata tinggi badan sebesar 145 cm. Apakah 145 cm ini
berbeda signifikan secara statistik dengan 150 cm pada tingkat kepercayaan penelitian 95%? Di
sinilah fungsi dari uji t student untuk menjawab hipotesis tersebut.
Asumsi Student T Test
Sebagaimana halnya uji parametris lainnya, uji student test juga mempunyai asumsi atau syarat
yang harus dipenuhi. Asumsi tersebut antara lain:
a) Data harus berskala data interval atau rasio. Untuk mempelajari skala data, baca artikel
kami pada Pengertian Data.
b) Data bersifat independen, artinya tidak terdapat korelasi antara rata-rata populasi dengan
nilai tiap-tiap sampel dalam populasi. Hal ini biasanya terjadi jika data anda berasal dari
data time series. Jadi sebenarnya hanya terdapat satu subjek namun diuji berulang-ulang
dalam berbagai waktu. Jadi dengan kata lain, sampel yang diambil berasal dari
pengambilan acak atau simple random sampling.
c) Data tidak terdapat outlier atau data pencilan. Adanya outlier harus dicari dan sampel yang
menjadi outlier harus dikeluarkan dari penelitian. Biasanya batasan pencilan ini jika
nilainya menjadi nilai ekstrem atau melebihi dari 3 kali standart deviasi. Untuk mendeteksi
outlier, anda dapat menggunakan grafik stem-leaf, box-plot atau nomal qq plot.
Selengkapnya pelajari di Normalitas pada SPSS.
d) Data harus berdistribusi normal. Uji normalitas yang digunakan dapat berbagai macam,
tentunya jika anda menggunakan SPSS maka pilihannya adalah uji shapiro
wilk, lilliefors atau kolmogorov smirnov. Untuk menentukan uji yang tepat sebaiknya
perhatikan jumlah sampel.

Korelasi sederhana dan berganda

Koefisien korelasi adalah bilangan yang menyatakan kekuatan hubungan antara dua variabel atau
lebih atau juga dapat menentukan arah dari kedua variabel. Nilai korelasi r = (-1 ≤ 0 ≤ 1)
  Apabila nilai r = -1, korelasi negatif sempurna artinya terjadi hubungan bertolak belakang
antara variabel X dan vairbael Y, bila variabel X naik maka variabel Y akan turun.
 Apabila nilai r = 1, korelasi positif sempurna artinya terjadi hubungan searah antara
variabel X dan vairbael Y, bila variabel X naik maka variabel Y akan naik.
Analisis korelasi sederhana adalah untuk mengetahui derajat atau kekuatan hubungan
antara dua variabel. Analisis korelasi berganda adalah untuk mengetahui derajat atau kekuatan
hubungan antara tiga variabel atau lebih, serta untuk mengetahui kontribusi yang diberikan secaa
simultan oleh variabel X1 dan X2 terhadap nilai variabel Y dan kontribusi secara parsial yang
diberikan oleh variabel X1 terhadap Y serta X2 terhadap Y.

One or Two Way Anova test

One way Anova biasanya digunakan untuk menguji rata-rata / pengaruh perlakukan dari
suatu percobaan yang menggunakans atu faktor di mana satu faktor tersebut memiliki tiga atau
lebih kelompok. Disebut satu arah karena peneliti dalam penelitiannya hanya berkepentingan
dnegan satu faktor saja atau juga dapat dikatakan One Way Anova mengelompok data
berdasarkan satu kriteria saja. Misalnya ingin mengetahui ada perbedaan yang nyata antara rata-
rata hitung tiga kelompok data dan uji stastistika yang digunakan uji F.
Two way anova adalah pengujian hipotesis komparatif untuk k sampel dengan mengukur
atau mengelompokkan data berdasarkan dua faktor yang berpengaruh yang disusun dalam baris
dan kolom, misalnya keragaman berat badan disebabkan oleh perbedaan usia, atau adanya
pengaruh gizi yang dikonsumsi ataukah kedua-duanya. Uji statistika yang digunakan uji F.
Ada beberapa asumsi yang digunakan pada pengujian Two Way Anova, yaitu:
a) Data dari populasi-populasi (sampel) berjenis interval atau rasio.
b) Populasi-populasi yang akan diuji berdistribusi normal
c) Varians setiap populasi (sampel) harus sama.

Analisis Regresi sederhana dan berganda

Regresi linier dibagi ke dalam dua kategori, yaitu regresi linier sederhana dan regresi linier
berganda. Regresi linier sederhana digunakan hanya untuk satu variabel bebas dan satu variabel
tak bebas. Sedangkan regresi linier berganda digunakan untuk satu variabel tak bebas dan dua
atau lebih variabel bebas. Tujuan penerapan kedua metode ini adalah untuk meramalkan atau
mempredeksi besaran nilai variabel tak bebas yang dipengaruhi oleh variabel bebas.
Model persamaan garis regresi linier sederhana, adalah sebagai berikut:
Y = a + b.X
 Model persamaan regresi linier berganda, adalah sebagai berikut.
Y = α + β1 X1 + β2X 2 + β3 X3….. + βn Xn

C. Statistika Non Parametrik

Statistika non parametrik merupakan bagian dari statistik yang parameter populasinya
atau datanya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi yang bebas dari
persyaratan dan variansnya tidak perlu homogen. Statistik non parametrik biasanya digunakan
untuk melakukan analisis pada data berjenis nominal atau ordinal.
Analisis non parametrik, terdiri dari:
1) Uji korelasi Rank Spearman
2) Uji Wilxocon
3) Uji U Mann-Whitney
4) Uji Kruskal-Willis
5) Uji Chi-Kuadrat

Uji korelasi Rank Spearman

Koefisien korelasi spearman digunakan apaila data tidak berdistribusi normal sehingga
diperlukan analisis koefisien korelasi dari statistik nonparametrik. Asumsi-asumsi yang digunakan
dalam melakukan analisis koefisien korelasi peringkat spearman, adalah:
a) Data untuk analisis untuk analisis merupakan sebuah sampel acak yang terdiri atas n
pasangan hasil pengamatan numerik atau non nomerik. Setiap pasangan hasil
pengamatan, yang berasal sari dua pengukuran terhadap objek atau individu yang sama.
b) Jika data terdiri atas hasil-hasil pengamatan dari suatu populasi yang bivariate maka
ditetapkan ke-n hasil pengamatan (X1, Y1); (X2, Y2); (Xn, Yn).
c) Setiap X ditetapkan peringkatnya relatif terhadap semua nilai X lain yang teramati dari
yang terkecil hingga yang terbesar. Peringkat nilai X ke i diberi notasi R(Xi),dan R(X1) = 1,
bila Xi, bila Xi adalah nilai X teramati yang paling kecil.
d) Setiap Y ditetapkan peringkatnya relatif terhadap semua nilai Y lain yang teramati dari
yang terkecil hingga yang terbesar. Peringkat nilai Y ke i diberi notasi R(Yi),dan R(Y1) = 1,
bila Yi, bila Yi adalah nilai Y teramati yang paling kecil.
e) Bila diantara nlai-nilai X atau diantara nilai-nilai Y terdapat angka sama masing-masing
nilai yang sama diber peringkat rata-rata dari posisi-posisi yang seharusnya.
f) Jika data terdiri atas hasil-hasil pengamatan non numerik bukan angka, data tersebut
harus dapat diperingkat seperti yang telah dijelaskan.
 Rumus:
6 ∑ 𝑑𝑖2
𝑟𝑠 ℎ𝑖𝑡𝑢𝑛𝑔 = 1 −
𝑛(𝑛2 − 1)
Di mana:
rs = koefisien korelasi spearman (rho)
di = selisih antara R(x) – R(y)
n = jumlah data

Uji Wilxocon
Uji wilxocon merupakan alat ntuk menguji perbedaan dari dua media yang diperoleh dari dua
himpunan data dengan cara pengambilan data secara bertahap.
Asumsi yang digunakan untuk menerapkan metode ini antara lain adalah:
a) Variabel dependen berskala data ordinal atau interval/rasio tetapi berdistribusi tidak
normal. Oleh karenanya anda perlu melakukan uji normalitas terlebih dahulu pada selisih
antara kedua kelompok. Selisih yang dimaksud adalah misal: nilai pretest atau sebelum
pelajaran dikurangi nilai posttest atau setelah pelajaran. Apabila memenuhi asumsi
normalitas maka sebaiknya menggunakan uji parametris yang sesuai yaitu uji paired t test.
Dan apabila tidak memenuhi maka uji Wilcoxon Signed Rank Test dapat digunakan
sebagai alternatif.
b) Variabel independen terdiri dari 2 kategori yang bersifat berpasangan. Seperti yang sudah
dijelaskan di atas, berpasangan artinya subjek sebagai sumber data adalah 1 individu atau
observasi yang sama. Apabila subjeknya beda, misal nilai ujian kelas A dan kelas B, maka
uji yang tepat apabila memenuhi asumsi normalitas adalah uji Independen T Test. Dan
apabila tidak memenuhi asumsi normalitas, maka uji yang tepat adalah Mann Whitney U
Test atau yang disebut juga Wilcoxon Rank Sum Test.
c) Bentuk dan sebaran data antara kedua kelompok yang berpasangan adalah simetris. Jika
tidak memenuhi asumsi ini maka gunakanlah alternatif uji yang lain, yaitu uji Sign Test.

Uji U Mann-Whitney
Metode Mann Whitney Test digunakan untuk menguji dua perbedaan Media dari dua
sampel yang diambil secara independent, sampel-sampel random yang besarnya n1 dan n2 bisa
diperoleh dari populasi-populasi yang berdistribusi normal atau tidak berdistribusi normal. Asumsi
yang digunakan untuk menerapkan metode ini antara lain:
 1) Data merupakan sampel acak hasil pengamatan X1, X2 …, Xn1 dari populasi 1 dan sampel
acak hasi pengamatan Y1, Y2 …, Yn1 dari populasi 2.
2) Skala pengukuran yang dipakai ordinal
3) Kedua sampel tidak saling mempengaruhi
4) Variabel yang diamati adalah variabel acak kontinu
5) Fungsi-fungsi distribusi kedua populasi hanya berbeda dalam hal lokasi, yakni apabila
keduanya sungguh berbeda.

Uji Kruskal-Willis
Uji Kruskal-Willis digunakan pada analisis komparatif untuk menguji lebih dari dua sampel
independen (bebas) dengan data berjenis ordinal dan ukuran sampel tidak sama. Asumsi yang
digunakan untuk menerapkan metode ini antara lain:
a) Data merupakan sampel acak hasil-hasil pengamatan
b) Populasi (sampel) tidak berdistribusi tertentu
c) Jumlah sampel tidak sama besar
d) Skala pengukuran yang dipakai ordinal
e) Ketiga sampel tidak saling mempengaruhi.
f) Variabel yang diamati adalah variabel acak kontinu

Uji Chi-Kuadrat
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji
komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel
adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji
chi square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah). Berikut akan
kita bahas tentang rumus chi square.
Syarat Uji Chi Square
Uji chi square merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar,
sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
a) Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)
sebesar 0 (Nol).
b) Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
 c) Apabila bentuk tabel lebih dari 2 x 2, misal 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.

D. Perbedaan Statistik Parametrik dan Non Parametrik

Berikut ini merupakan perbedaan antara statisik parametrik dan non parametrik.
No Statistik Parametrik Statistik Non Parametrik
1 Memerlukan asumsi distribusi dari Tidak memerlukan asumsi distribusi
data yang digunakan. Biasanya sehingga sebaran data bebas.
distribusi data yang diperlukan adalah
distribusi normal.

2 Memerlukan jenis data bersifat metrik
(kuantitatif). Bisa dikatakan juga
bahwa data yang digunakan hanya
data dalam bentuk data interval atau
rasio.
Memerlukan data metrik (kuantitaif) dan
nonmetrik (kualitatif). Atau bisa
dikatakan bahwa data yang digunakan
bisa dalam bentuk data nominal,
ordinal, interval atau rasio.

3 Biasanya jumlah data yang digunakan Biasanya jumlah data yang digunakan
lebih atau sama dengan 30 (data kurang dari 30.
berukuran besar), sebab data yang
lebih atau sama dengan 30
diasumsikan mengikuti teorema limit
pusat (central limit teorema).

Sumber: https://www.rumusstatistik.com/

2. Latihan Essay
Jawablah pertanyaan berikut dengan singkat dan jelas.
1. Jelaskan apa yang dimaksud dengan statistika parametrik?
2. Jelaskan apa yang dimaksud dengan statistika non paramterik?
3. Sebutkan jenis-jenis analisis statistika paramterik?
4. Sebutkan jenis-jenis analisis statistika non parametrik?
5. Apabila penelitian keuangan, menggunakan data-data sekunder laporan keuangan. Maka
statistika yang digunakan adalah
3. Referensi
https://www.rumusstatistik.com/
https://www.statistikian.com
Supangat, Andi. 2017. Statistika: dalam Kajian Deskriptif, Inferensi, dan Non Parametrik. Penerbit
Kencana
Siregar, Syofian, (2013), Metode Penelitian Kuantitatif: dilengkapi dengan perbandingan
perhitungan manual dan SPSS, Penerbit Kencana