Kelompok 7 Analisis Riset B

“ Distribusi Frekuensi, Tabulasi Silang, dan Pengujian Hipotesis Distribusi Frekuensi,

Tabulasi Silang, dan Pengujian Hipotesis “

DISUSUN OLEH :

1. SHEERIN TIARA BUMBUNGAN ( A021191112 )

2. IDA AYU MADE SRI MAYUNI ( A021191121 )
3. NURUL IZZAH ( A021191126 )
4. NURUL IHWANA AZIS ( A021191071 )

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

MAKASSAR

2021
 KATA PENGANTAR

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa yang telah memberi
kesehatan serta kemudahan dalam pembuatan makala dapat selesai tepat waktu. Tanpa
penyertaanNya mungkin kami tidak dapat menyelesaikan makala ini bahkan mungkin tidak
dapat berbuat apa-apa. kami juga ingin mengucapkan banyak terima kasih kepada pihak
Universitas Hasanuddin yang telah menyediakan tempat serta fasilitas bagi kami untuk dapat
mengembangkan diri , khususnya dalam pengerjaan makala ini. Tidak lupa pula kami
berterima kasih kepada dosen pendamping yang telah memberikan pengarahan .

Dalam penyusunan ini saya tentu menjumpai beberapa hambatan, namun berkat
dukungan dari berbagai pihak akhirnya kami dapat menyelesaikan nya dengan sebaik-
baiknya, oleh karena itu melalui kesempatan ini kami sebagai penyusun mengucapkan
terimakasih sebesar-besarnya kepada berbagai pihak terkait yang telah membantu kami
menyelesaikan makala ini untuk kami mohon maaf yang sebesar-besarnya apabila dalam
penyusunan masih terdapat berbagai kesalahan baik itu dalam penulisan atau tata bahasa.

Demikian Semoga laporan magang ini bermanfaat khususnya bagi kami sebagai
penyusun umumnya dan untuk semua pihak yang membaca dan kami juga tidak segan
menerima kritikan beserta saran yang membangun, sangat kami mengharapkan guna untuk
memperbaiki kesalah-kesalahan pada tahap selanjutnya Terima kasih.

Timika , Oktober 2021

Penulis
DAFTAR ISI

KATA PENGANTAR .................................................................................................... i

DAFTAR ISI ................................................................................................................ ii

BAB I PENDAHULUAN .............................................................................................. 1

1.1 LATAR BELAKANG.................................................................................. 1

1.2 RUMUSAN MASALAH ..............................................................................

BAB II PEMBAHASAN ............................................................................................. 3

2.1. Pertempuran Komersial Jenis Kelamin, Distribusi Frekuensi

Pengantar Pengujian Hipotesis...................................................................

2.2 Contoh Hipotesis Yang Dihasilkan Dalam Riset Pemasaran

Berlimpah..................................................................................................

2.3 Prosedur Umum Pengujian Hipotesis Langkah-Langkah Berikut Terlibat Dalam

Pengujian Hipotesis........................................................................................

2.4 Jelaskan Dan Sebutkan Mengenai Tabulasi Silang........................................

2.5 Jelaskan Bagimana Tes Parametrik .............................................................

2.6 Beberapa Analisis Statistik Nonparametrik........................................................

BAB III PENUTUP .......................................................................................................

KESIMPULAN ..............................................................................
 BAB I

PEMBAHASAN

LATAR BELAKANG

   Dalam sebuah distribusi frekuensi , satu variabel yang diperhatikan dalam satu waktu.
Tujuannya adalah untuk memperoleh sebuah hitungan jumlah tanggapan yang diasosiasikan
dengan nilai-nilai yang berbeda dari variabel tersebut . Kemunculan relatif , atau frekuensi ,
dari nilai-nilai yang berbeda dari suatu variabel yang dinyatakan dalam persentase . Sebuah
distribusi frekuensi untuk sebuah variabel menghasilkan sebuah tabel hitungan frekuensi ,
persentase , dan persentase komulatif untuk seluruh nilai yang diasosiasikan dengan variabel
itu .Sebuah distribusi frekuensi membantu menentukan sejauh mana suatu item tidak direspon
Distribusi frekuensi juga mengindikasikan sejauh mana respons-respons yang tidak sah .

Sebuah tabel frekuensi mudah dibaca dan menyediakan informasi dasar , namun
terkadang informasi ini bisa terlalu detil dan peneliti harus merangkumnya dengan
menggunakan statistik deskriptif . Statistik tersebut adalah statistik yang paling umum
digunakan berhubungan dengan frekuensi dan ukuran lokasi ( rata-rata , mode , dan
median ) , pengukuran variabilitas ( rentang , rentang interkuartil , simpangan baku , dan
koefisien variasi ) , dan ukuran bentuk ( skewness dan kurtosis )

Menguji hipotesis asosiatif menguji hubungan antara dua variabel atau lebih yang ada
pada sampel untuk diberlakukan pada seluruh populasi dimana sampel diambil. Untuk
mencari hubungan antara dua variabel atau lebih dilakukan dengan menghitung korelasi
antara variabel yang akan dicari hubungannya. Korelasi merupakan angka yang
menunjukkan arah dan kuatnya hubungan antara dua variabel atau lebih. Arah dinyatakan
dalam bentuk hubungan positif dan negatif, sedangkan kuatnya hubungan dinyatakan dalam
besarnya koefisien korelasi. Koefisien korelasi positif sebesar = 1 dan koefisien korelasi
negatif terbesar adalah = -1, sedangkan yang terkecil adalah 0. Terdapat bermacam-macam
teknik statistik korelasi yang dapat digunakan untuk menguji hipotesis asosiatif. Teknik
korelasi mana yang akan dipakai tergantung pada jenis data yang akan dianalisis. Pengujian
penelitian ini menggunakan analisis jenis statistik nonparametris.

Sebuah teknik statistik yang menjelaskan dua atau lebih variabel secara bersamaan
dan hasil dalam tabel mencerminkan distribusi gabungan dua atau lebih variabel yang
mempunyai kategori terbatas atau nilai yang berbeda .Tabulasi silang digunakan secara luas
dalam riset pemasaran komersial , karena:  Analisis dan hasil dari tabulasi silang mudah di
interpretasikan dan mudah dipahami oleh para manajer yang tidak mempunyai orientasi
statistik  . Penafsiran yang jelas memberikan kaitan yang lebih erat antara hasil riset dengan
tindakan manajerial .Suatu seri tabulasi silang bisa memberikan gambaran lebih besar
mengenai sebuah fenomena rumit dibandingkan dengan suatu analisis mutivariate tunggal
.Tabulasi silang dapat mengurangi masalah yang ditimbulkan oleh angka yang jarang dalam
setiap sel ( sparse cell ) , yang dapat menjadi masalah serius dalam analisis multivariat untuk
variabel diskrit Analisis tabulasi silang mudah untuk dilakukan dan menarik bagi para
peneliti tidak terlalu yang canggih .
Rumusan Masalah

1. Jelaskan Pertempuran Komersial Jenis Kelamin, Distribusi Frekuensi Pengantar

Pengujian Hipotesis ?
2. Contoh Hipotesis Yang Dihasilkan Dalam Riset Pemasaran Berlimpah ?
3. Prosedur Umum Pengujian Hipotesis Langkah-Langkah Berikut Terlibat Dalam
Pengujian Hipotesis ?
4. Jelaskan Dan Sebutkan Mengenai Tabulasi Silang ?
5. Jelaskan Bagimana Tes Parametrik ?
6. Beberapa Analisis Statistik Nonparametrik ?

BAB II

PEMBAHASAN

Pertempuran Komersial Jenis Kelamin

Perbandingan iklan televisi di Australia, Meksiko, dan Amerika Serikat difokuskan pada
analisis peran seks dalam iklan. Hasil penelitian menunjukkan perbedaan penggambaran jenis
kelamin di berbagai negara. Iklan Australia mengungkapkan sedikit lebih sedikit, dan iklan
Meksiko sedikit lebih banyak, peran seks perbedaan dari iklan AS. Tabulasi silang dan
analisis chi-kuadrat memberikan hal berikut: informasi untuk Meksiko. Hasil ini
menunjukkan bahwa dalam iklan Meksiko, wanita muncul dalam iklan untuk produk yang
digunakan oleh wanita atau oleh kedua jenis kelamin tetapi jarang dalam iklan untuk produk
pria.

Distribusi Frekuensi

Dalam distribusi frekuensi, satu variabel dipertimbangkan pada suatu waktu. Tujuannya
adalah untuk memperoleh hitungan jumlah tanggapan yang terkait dengan nilai-nilai yang
berbeda dari variabel. kejadian relatif, atau frekuensi, dari nilai-nilai yang berbeda dari
variabel kemudian dinyatakan dalam persentase. Distribusi frekuensi untuk variabel
menghasilkan tabel jumlah frekuensi, persentase, dan persentase kumulatif untuk semua nilai
yang terkait dengan variabel tersebut.

 Ukuran Lokasi
Ukuran lokasi yang kita bahas adalah ukuran tendensi sentral karena cenderung
menggambarkan pusat distribusi. Jika seluruh sampel diubah dengan menambahkan
konstanta tetap untuk setiap pengamatan, maka mean, modus, dan median berubah
dengan jumlah tetap yang sama.
  Ukuran Variabilitas
Ukuran variabilitas, yang dihitung pada data interval atau rasio, termasuk rentang,
rentang interkuartil, varians atau standar deviasi, dan koefisien variasi.
 Ukuran Bentuk:
Selain ukuran variabilitas, ukuran bentuk juga berguna dalam memahami sifat dari
distribusi. Bentuk distribusi dinilai dengan memeriksa skewness dan kurtosis.

Pengantar Pengujian Hipotesis

Analisis dasar selalu melibatkan beberapa pengujian hipotesis. Contoh hipotesis yang
dihasilkan dalam riset pemasaran berlimpah:

1. Department store dilindungi oleh lebih dari 10 persen rumah tangga.

2. Pengguna berat dan ringan dari suatu merek berbeda dalam hal karakteristik
psikografis.
3. Satu hotel memiliki citra yang lebih mewah daripada pesaing dekatnya.
4. Keakraban dengan restoran menghasilkan preferensi yang lebih besar untuk restoran
itu

Prosedur Umum Pengujian Hipotesis Langkah-langkah berikut terlibat dalam pengujian

hipotesis

1. Langkah 1: Merumuskan Hipotesis

Langkah pertama adalah merumuskan hipotesis nol dan alternatif. Hipotesis nol
adalah pernyataan status quo, salah satu dari tidak ada perbedaan atau tidak ada efek.
Jika hipotesis nol tidak ditolak, tidak ada perubahan yang akan dilakukan. Hipotesis
alternatif adalah hipotesis di mana beberapa perbedaan atau efek diharapkan.
Menerima hipotesis alternatif akan menyebabkan perubahan pendapat atau tindakan.
Dengan demikian, hipotesis alternatif adalah kebalikan dari hipotesis nol.Hipotesis
nol selalu merupakan hipotesis yang diuji. Hipotesis nol mengacu pada nilai tertentu
dari parameter populasi (misalnya, m, s, p), bukan statistik sampel (misalnya, X, s, p).
Hipotesis nol dapat ditolak, tetapi tidak pernah dapat diterima berdasarkan satu
pengujian. Tes statistik dapat memiliki salah satu dari dua hasil. Pertama, hipotesis
nol ditolak dan hipotesis alternatif diterima. Hasil lainnya adalah bahwa hipotesis nol
tidak ditolak berdasarkan bukti. Namun, tidak tepat untuk menyimpulkan bahwa
karena hipotesis nol tidak ditolak, hipotesis tersebut dapat diterima sebagai valid.
Dalam pengujian hipotesis klasik, tidak ada cara untuk menentukan apakah hipotesis
nol itu benar.
2. Langkah 2: Pilih Tes yang Tepat
Untuk menguji hipotesis nol, perlu untuk memilih teknik statistik yang tepat. Peneliti
harus mempertimbangkan bagaimana statistik uji dihitung dan distribusi sampel yang
diikuti oleh statistik sampel (misalnya, mean). Statistik uji mengukur seberapa dekat
sampel dengan hipotesis nol. Statistik uji sering mengikuti distribusi yang terkenal,
seperti distribusi normal, t, atau chi-kuadrat. Pedoman untuk memilih tes yang sesuai
atau teknik statistik dibahas nanti dalam bab ini.
 3. Langkah 3: Pilih Tingkat Signifikansi
Setiap kali kita menarik kesimpulan tentang suatu populasi, ada risiko bahwa
kesimpulan yang salah akan tercapai. Dua jenis kesalahan dapat terjadi.
4. Langkah 4: Kumpulkan Data dan Hitung Statistik Uji
Ukuran sampel ditentukan setelah memperhitungkan kesalahan a dan b yang
diinginkan dan pertimbangan kualitatif lainnya, seperti keterbatasan anggaran.
5. Langkah 5: Tentukan Probabilitas (atau Nilai Kritis)
Dengan menggunakan tabel normal standar (Tabel 2 dari Lampiran Statistik),
probabilitas memperoleh nilai z 1,88 dapat dihitung (lihat Gambar 15.5). Daerah
yang diarsir antara q dan 1,88 adalah 0,9699. Oleh karena itu, luas di sebelah kanan z
1,88 adalah 1,0000 0,9699 0,0301. Ini juga disebut nilai p dan merupakan
probabilitas untuk mengamati nilai statistik uji seekstrem, atau lebih ekstrem dari,
nilai yang benar-benar diamati, dengan asumsi bahwa hipotesis nol itu benar.
6. Langkah 6 dan 7: Bandingkan Probabilitas (atau Nilai Kritis) dan Buat
Keputusan
Probabilitas yang terkait dengan nilai statistik uji yang dihitung atau diamati adalah
0,0301. Ini adalah probabilitas mendapatkan nilai p 0,567 ketika p 0,40. Ini lebih
kecil dari tingkat signifikansi 0,05. Oleh karena itu, hipotesis nol ditolak. Atau, nilai
yang dihitung dari statistik uji z 1,88 terletak di daerah penolakan, di luar nilai 1,645.
Sekali lagi, kesimpulan yang sama untuk menolak hipotesis nol tercapai. Perhatikan
bahwa dua cara pengujian hipotesis nol adalah setara tetapi secara matematis
berlawanan dalam arah perbandingan.
7. Langkah 8: Kesimpulan Riset Pemasaran
Kesimpulan yang dicapai dengan pengujian hipotesis harus diungkapkan dalam
kaitannya dengan masalah riset pemasaran. Dalam contoh kami, kami menyimpulkan
bahwa ada bukti bahwa proporsi pengguna Internet yang berbelanja melalui Internet
secara signifikan lebih besar dari 0,40. Oleh karena itu, rekomendasi kepada
department store adalah memperkenalkan layanan belanja Internet yang baru.

Tabulasi Silang

Meskipun jawaban atas pertanyaan yang terkait dengan satu variabel menarik, mereka sering
menimbulkan pertanyaan tambahan tentang bagaimana menghubungkan variabel tersebut
dengan variabel lain. Untuk memperkenalkan distribusi frekuensi, kami mengajukan
beberapa pertanyaan riset pemasaran yang representatif. Untuk masing-masing, peneliti
mungkin mengajukan pertanyaan tambahan untuk menghubungkan variabel-variabel ini
dengan variabel lain. Sebagai contoh:

1. Berapa banyak pengguna setia merek adalah laki-laki?

2. Apakah penggunaan produk (diukur dari pengguna berat, pengguna menengah, pengguna
ringan, dan bukan pengguna) terkait dengan minat pada kegiatan di luar ruangan (tinggi,
sedang, dan rendah)?
3. Apakah keakraban dengan produk baru berhubungan dengan usia dan tingkat
pendidikan?
4. Apakah kepemilikan produk berhubungan dengan pendapatan (tinggi, sedang, dan
rendah)?

Jawaban atas pertanyaan tersebut dapat ditentukan dengan memeriksa tabulasi silang.
Sedangkan distribusi frekuensi menggambarkan satu variabel pada satu waktu, tabulasi silang
menggambarkan dua atau lebih variabel secara bersamaan. Tabulasi silang adalah
penggabungan distribusi frekuensi dua variabel atau lebih dalam satu tabel. Ini membantu
kita untuk memahami bagaimana satu variabel seperti loyalitas merek berhubungan dengan
variabel lain seperti jenis kelamin. Tabulasi silang menghasilkan tabel yang mencerminkan
distribusi bersama dari dua atau lebih variabel dengan jumlah kategori atau nilai yang
berbeda terbatas. Kategori dari satu variabel diklasifikasikan silang dengan kategori dari satu
atau lebih variabel lainnya. Dengan demikian, distribusi frekuensi satu variabel dibagi lagi
menurut nilai atau kategori variabel lainnya.

Dua Variabel

Tabulasi silang dengan dua variabel juga dikenal sebagai tabulasi silang bivariat.
Pertimbangkan lagi klasifikasi silang penggunaan Internet dengan jenis kelamin Apakah
penggunaan berhubungan dengan seks? Kami melihat bahwa secara tidak proporsional lebih
banyak responden laki-laki adalah pengguna Internet berat dibandingkan dengan perempuan.
Perhitungan persentase dapat memberikan lebih banyak wawasan.

Karena dua variabel telah diklasifikasikan silang, persentase dapat dihitung baik berdasarkan
kolom, atau berdasarkan baris, Jawabannya tergantung pada variabel mana yang akan
dianggap sebagai variabel bebas dan mana sebagai variabel terikat. Aturan umumnya adalah
menghitung persentase ke arah variabel independen, di seluruh variabel dependen. Dalam
analisis kami, jenis kelamin dapat dianggap sebagai variabel bebas dan penggunaan internet
sebagai variabel terikat, dan cara yang benar untuk menghitung persentase. Perhatikan
bahwa meskipun 66,7 persen pria adalah pengguna berat, hanya 33,3 persen wanita yang
termasuk dalam kategori ini. Hal ini tampaknya menunjukkan bahwa laki-laki lebih
cenderung menjadi pengguna berat Internet dibandingkan dengan perempuan.

MEMPERBAIKI HUBUNGAN AWAL

Pemeriksaan hubungan antara pembelian pakaian fashion dan status perkawinan

menghasilkan data yang dilaporkan pada Responden diklasifikasikan ke dalam kategori tinggi
atau rendah berdasarkan pembelian pakaian fashion mereka. Status perkawinan juga diukur
dalam dua kategori: saat ini menikah atau belum menikah. Seperti dapat dilihat dari Tabel 2
persen responden yang belum menikah termasuk dalam kategori pembelian tinggi,
dibandingkan dengan 31 persen responden yang sudah menikah. Sebelum menyimpulkan
bahwa responden yang belum menikah membeli lebih banyak pakaian fashion daripada
mereka yang sudah menikah, variabel ketiga, jenis kelamin pembeli, dimasukkan ke dalam
analisis.
MENGUNGKAPKAN ASOSIASI YANG TERHADAP

Seorang peneliti menduga keinginan untuk bepergian ke luar negeri dapat dipengaruhi oleh
usia. Namun, tabulasi silang dari dua variabel menghasilkan hasil menunjukkan tidak ada
hubungan. Ketika jenis kelamin diperkenalkan sebagai variabel ketiga, diperoleh. Di antara
pria, 60 persen dari mereka yang berusia di bawah 45 tahun menunjukkan keinginan untuk
bepergian ke luar negeri, dibandingkan dengan 40 persen dari mereka yang berusia 45 tahun
atau lebih. Polanya terbalik untuk wanita, di mana 35 persen dari mereka yang berusia di
bawah 45 tahun menunjukkan keinginan untuk bepergian ke luar negeri, dibandingkan
dengan 65 persen dari mereka yang berusia 45 tahun atau lebih. Karena hubungan antara
keinginan untuk bepergian ke luar negeri dan usia berjalan dalam arah yang berlawanan
untuk laki-laki dan perempuan, hubungan antara kedua variabel ini tertutupi ketika data
dikumpulkan berdasarkan jenis kelamin.

Komentar Umum tentang Tabulasi Silang

Lebih dari tiga variabel dapat ditabulasi silang, tetapi interpretasinya cukup kompleks. Juga,
karena jumlah sel meningkat secara berlipat ganda, mempertahankan jumlah responden atau
kasus yang memadai di setiap sel dapat menjadi masalah. Sebagai aturan umum, harus ada
setidaknya lima pengamatan yang diharapkan di setiap sel agar statistik yang dihitung dapat
diandalkan. Jadi, tabulasi silang adalah cara yang tidak efisien untuk menguji hubungan
ketika ada beberapa variabel. Perhatikan bahwa tabulasi silang memeriksa hubungan antar
variabel, bukan sebab akibat.

Statistik Terkait dengan Tabulasi Silang

Kami akan membahas statistik yang biasa digunakan untuk menilai signifikansi statistik dan
kekuatan asosiasi variabel tabulasi silang. Signifikansi statistik dari asosiasi yang diamati
biasanya diukur dengan statistik chi-kuadrat. Kekuatan asosiasi, atau derajat asosiasi, penting
dari perspektif praktis atau substantif. Umumnya, kekuatan asosiasi menarik hanya jika
asosiasi tersebut signifikan secara statistik.

Chi-Square

Statistik chi-kuadrat (χ 2) digunakan untuk menguji signifikansi statistik dari asosiasi yang
diamati dalam tabulasi silang. Ini membantu kita dalam menentukan apakah ada hubungan
sistematis antara dua variabel. Hipotesis nol, H0, adalah bahwa tidak ada hubungan antara
variabel. Pengujian dilakukan dengan menghitung frekuensi sel yang diharapkan jika tidak
ada hubungan antara variabel, mengingat total baris dan kolom yang ada. Frekuensi sel yang
diharapkan ini, dilambangkan fe, kemudian dibandingkan dengan frekuensi yang diamati
sebenarnya, fo, ditemukan dalam tabulasi silang untuk menghitung statistik chi-kuadrat.
Semakin besar perbedaan antara frekuensi yang diharapkan dan frekuensi aktual, semakin
besar nilai statistiknya.
Koefisien Phi

NS koefisien phi (F) digunakan sebagai ukuran kekuatan asosiasi dalam kasus khusus tabel
dengan dua baris dan dua kolom (tabel 2 2). Koefisien phi sebanding dengan akar kuadrat
dari statistik chi-kuadrat. Untuk sampel ukurann,

Koefisien Kontingensi

Sedangkan koefisien phi khusus untuk 2 2 meja, koefisien kontingensi (C) dapat digunakan
untuk menilai kekuatan asosiasi dalam tabel dari berbagai ukuran. Indeks ini juga terkait
dengan chisquare,

Koefisien Lambda

Lambda mengasumsikan bahwa variabel diukur pada skala nominal. lambda asimetris
mengukur persentase peningkatan dalam memprediksi nilai variabel dependen, mengingat
nilai variabel bebas. Lambda juga bervariasi antara 0 dan 1. Nilai 0 berarti tidak ada
peningkatan dalam prediksi. Nilai 1 menunjukkan bahwa prediksi dapat dibuat tanpa
kesalahan. Hal ini terjadi ketika setiap kategori variabel bebas diasosiasikan dengan satu
kategori variabel terikat.

Statistik Lainnya

Perhatikan bahwa dalam perhitungan statistik chi-kuadrat, variabel-variabel diperlakukan

sebagai diukur hanya pada skala nominal. Statistik lain seperti tauB, tau C, dan gamma
tersedia untuk mengukur hubungan antara dua variabel tingkat ordinal. Semua statistik ini
menggunakan informasi tentang urutan kategori variabel dengan mempertimbangkan setiap
kemungkinan pasangan kasus dalam tabel. Setiap pasangan diperiksa untuk menentukan
apakah urutan relatifnya pada variabel pertama sama dengan urutan relatifnya pada variabel
kedua (konkordan), jika urutannya dibalik (discordant), atau apakah pasangannya terikat.
Cara di mana hubungan diperlakukan adalah perbedaan mendasar antara statistik ini.
Keduanya tauB dan tau C menyesuaikan ikatan. tau B adalah yang paling sesuai dengan tabel
persegi, di mana jumlah baris dan jumlah kolom adalah sama.

Tabulasi Silang dalam Praktek

Saat melakukan analisis tabulasi silang dalam praktik, akan berguna untuk melanjutkan
langkah-langkah berikut.

1. Uji hipotesis nol bahwa tidak ada hubungan antar variabel menggunakan statistik
chisquare. Jika Anda gagal menolak hipotesis nol, maka tidak ada hubungan.
2. Jika H0 ditolak, kemudian menentukan kekuatan asosiasi menggunakan statistik yang
sesuai (koefisien phi, koefisien kontingensi, Cramer's V, koefisien lambda, atau
statistik lainnya).
3. Jika H0 ditolak, menafsirkan pola hubungan dengan menghitung persentase dalam
arah variabel independen, di seluruh variabel dependen.
 4. Jika variabel diperlakukan sebagai ordinal daripada nominal, gunakan tau B, tau C,
atau gamma sebagai statistik uji. JikaH0 ditolak, kemudian menentukan kekuatan
asosiasi menggunakan besaran, dan arah hubungan menggunakan tanda statistik uji.
5. Terjemahkan hasil pengujian hipotesis, kekuatan asosiasi, dan pola asosiasi ke dalam
implikasi manajerial dan rekomendasi jika bermakna.

Tes Parametrik

Tes parametrik memberikan kesimpulan untuk membuat pernyataan tentang cara populasi
induk. AT tes umum digunakan untuk tujuan ini. Tes ini didasarkan pada SiswaT statistik.
NST statistik mengasumsikan bahwa variabel terdistribusi normal dan mean diketahui (atau
diasumsikan diketahui), dan varians populasi diperkirakan dari sampel. Asumsikan bahwa
variabel acakx terdistribusi normal, dengan mean M dan varians populasi yang tidak
diketahui S2, yang diperkirakan oleh varians sampel S2. Ingatlah bahwa simpangan baku
sampel rata-rata,x, diperkirakan sebagai Sx = S/1n. KemudianT = (x - M)/S adalah T
didistribusikan dengan n - 1 derajat kebebasan.

1. Formulasikan nol (H0) dan alternatif (H1) hipotesis.

2. Pilih rumus yang sesuai untuk T statistik.
3. Pilih tingkat signifikansi, A, untuk pengujian H0. Biasanya, level 0,05 dipilih.13
4. Ambil satu atau dua sampel dan hitung rata-rata dan simpangan baku untuk setiap
sampel.
5. Hitung T asumsi statistik H0 adalah benar.
6. Hitung derajat kebebasan dan perkirakan probabilitas mendapatkan nilai statistik yang
lebih ekstrim dari Tabel 4. (Atau, hitung nilai kritis dari T statistik.)
7. Jika probabilitas yang dihitung pada langkah 6 lebih kecil dari tingkat signifikansi
yang dipilih pada langkah 3, tolak H0. Jika probabilitasnya lebih besar, jangan
tolakH0. (Atau, jika nilai absolut dari yang dihitungT statistik pada langkah 5 lebih
besar dari nilai kritis absolut yang ditentukan pada langkah 6, tolak H0. Jika nilai
hitung absolut lebih kecil dari nilai kritis absolut, jangan ditolakH0.) Kegagalan untuk
menolak H0 belum tentu menyiratkan bahwa H0 adalah benar. Ini hanya berarti
bahwa keadaan sebenarnya tidak berbeda secara signifikan dari yang diasumsikan
olehH0.14
8. Nyatakan kesimpulan yang dicapai oleh T tes dalam hal masalah riset pemasaran.

Dua Sampel Independen

Beberapa hipotesis dalam pemasaran berhubungan dengan parameter dari dua populasi yang
berbeda: misalnya, pengguna dan bukan pengguna merek berbeda dalam hal persepsi mereka
terhadap merek, konsumen berpenghasilan tinggi menghabiskan lebih banyak untuk hiburan
daripada konsumen berpenghasilan rendah, atau proporsi pengguna setia merek di segmen I
lebih banyak daripada proporsi di segmen II. Sampel yang diambil secara acak dari populasi
yang berbeda disebutsampel independen. Seperti dalam kasus untuk satu sampel, hipotesis
bisa berhubungan dengan cara atau proporsi.
NONPARAMETRIK

Uji nonparametrik umumnya digunakan untuk menggantikan uji parametrik ketika asumsi
tentang populasi yang diteliti dipertanyakan. Sebagai contoh, ketika membandingkan dua
sample independen, uji Wicoxon Mann-Whitney tidak mengasumsikan jika perbedaan antara
dua sampel terdistribusi normal, sedangkan asumsi parametrik menyimpulkan sebaliknya,
dilakukan uji t-test. Uji nonparametrik mungkin, dan sering , lebih kuat dalam mendeteksi
perbedaan populasi ketika asumsi tertentu tidak memuaskan,"(Valerie J Easton dan John H
Mc Coll) Salah satu keuntungan uji nonparametrik selain diabaikannya anggapan ditarik dari
distribusi tertentu, misalnya distribusi normal juga dapat dipergunakan sampel-sampel kecil.

Ada beberapa analisis statistik nonparametrik :

1. Kasus satu sampel

a) Uji run test test digunakan untuk menguji pada kasus satu sampel. Sampel diambil
dari populasi, apakah sampel yang diambil berasal dari sampel acak atau bukan.
b) Satu sampel kolmogorov-smirnov Uji Kolmogorov-Smirnov digunakan untuk
menguji asumsi normalitas data. Tes dalam uji ini adalah tes goodness of fit yang
mana tes tersebut untuk mengukur tingkat kesesuaian antara serangkaian distribusi
sampel (data observasi) dengan distribusi teoritis tertentu.

2. Kasus dua sampel berhubungan

a. UJI MCNEMAR
Uji Mcnemar digunakan untuk penelitian sebelum dan sesudah peristiwa/treatment
dimana setiap objek digunakan pengontrol dirinya sendiri. Uji ini digunakan pada dua
(2) sampel yang berhubungan, skala pengukurannya berjenis nominal (binary respon)
dan untuk crosstabulasi data 2 x 2.
b. UJI MARGINAL HOMOGENITY
Uji Marginal Homogenity dilakukan untuk tes dua sampel yang saling berhubungan
dan merupakan perluasan uji McNemar. Pengunaan uji ini untuk melihat apakah
perbedaan atau perubahan antara 2 peristiwa sebelum dan sesudahnya. Kategori data
yaitu data multinominal lebih dari 2 x 2.
c. UJI WILCOXON
Uji Wilcoxon dilakukan untuk membandingkan dua kelompok data yang saling
berhubungan. Uji ini memiliki kekuatan test dibandingkan dengan uji tanda (Sign
Test).
d. UJI TANDA (Sign Test)
Uji Tanda (Sign Test) digunakan untuk dua kelompok sampel data yang saling
berhubungan. Uji tanda meghitung perbedaan dua kelompok data untuk semua sampel
dan diklasifikasikan menjadi perbedaan positif, negatif atau sama. Jika dua kelompok
data memiliki distribusi sama, maka jumlah perbedaan positif dan negatif tidak
signifikan.
3. Dua sampel independen

a) UJI MANN-WHITNEY
Uji Mann Whitney digunakan untuk mengetahui apakah terdapat perbedaan respon
dari dua populasi data yang saling independen. Tes ini merupakan tes paling kuat
diantara tes-tes nonparametrik. Uji ini merupakan alternatif uji t parametrik ketika
data yang diambil dalam penelitiannya lebih lemah dari skala interval.

4. K SAMPLE YANG SALING BERHUBUNGAN

a) UJI Q COCHRAN
Uji Q Cochran digunakan untuk pengujian statistik nonparametrik untuk peristiwa atau
perlakuan lebih dari 2. Uji ini merupakan perluasan dari uji McNemar. Data yang
digunakan berbentuk binary. Perlakuan lebih dari dua yang dimaksud adalah sebelum,
ketika dan sesudah perlakuan.

BAB III

PENUTUP

KESIMPULAN

Tabulasi data merupakan suatu bentuk deskripsi yang sifatnya umum dari skor-skor
hasil scoring atau dari hasil penetapan skor pada item tertentu. Biasanya pemberian skor ini
karena kita ingin mengukur suatu data-data perilaku. Misalnya sangat setuju, sangat puas,
puas dan sebagainya. Tabulasi data responden penting untuk dibuat. Dari tabulasi itulah
seluruh data dianalisis baik secara kualitatif maupun kuantitatif. Misalnya membuat teknik
analisis frekwensi dan analisis lainnya seperti regresi. Membuat tabulasi data cukup mudah
jika sobat menyimak tahapanya.  Uji nonparametrik merupakan uji statistika yang
“distribution-free”. Istilah ini menyatakan bahwa dalam data yang digunakan dalam
nonparametrik tidak perlu mengikuti suatu distribusi tertentu. Beberapa contoh uji yang
masuk dalam uji nonparametrik adalah uji run, uji Mann-Whitney, dan uji Friedman.