STATISTIK
“Uji Komparasi dengan Statistik Parametrik”
OLEH
Dini Bismutika (21175004)
Nurul Fauziah (21175013)
Wandika (21175029)
Westi Widia Wati (21175022)
DOSEN PEMBIMBING:
Dr. Desnita, M.Si
Dr. Hamdi, M.Si
Penulis
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Pada zaman globalisasi, hampir semua bdiang tidak terlepas dengan menggunakan
angka, data dan fakta. Hal ini menunjukan bahwa statistik sangat dibutuhkan. Statistik
sebagai sarana mengembangkan cara berfikir logistik, lebih dari itu statistik
mengembangkan berpikir secaa ilmiah untuk merencanakan (perkiraan) menyelidiki,
menyimpulkan dan membuat keputusan yang diteliti dan pasti. Statistik merupakan
bagian subtansi dari latihan profesional dan menjadi landasan dari kegiatan – kegiatan
penelitian. Statistik dalam dunia pendidikan dapat dirasakan manfaat oleh para pemakai
seperti pendidik, mahasiswa, peneliti dll. Dalam kegiatan penilaian , statistik menjadi alat
bantu untuk menganalisis dan menyimpulkan data hasil evaluasi.
Metode statistika adalah prosedur – prosedur yang digunakan dalam pengumpulan,
penyajian, analisis dan tambahan data. Menurut Santoso (2010:10) pada prinsipnya ilmu
statistik bisa diartikan sebagai sebuah kegiatan untuk menelaah data, meringkas /
menyajikan data, menganalisis data dengan metode tertentu serta menginterprestasi hasil
analisis tersebut. Secara metode, ilmu statistik dibagi menjadi dua bagian yaitu: Statistik
deskriptif (Deduktif) dan statistik inferensi (Induktif). Pengunaan metode tersebut
tergantung bagaimana bentuk data yang akan diolah atau dianalisis.
Dalam pengolahan data ada beberapa hal yang harus diperhatikan untuk menentukan
statistik mana yang cocok digunakan pada data tersebut. Seperti melihat jenis data yang
diolah, bagaimana karakter data, apakah data tersebut normal atau tidak, apakah data
tersebut homogen atau tidak dan apakah data tersebut liniear atau tidak. Jadi dalam
pengunaan rumus statistik, kita harus mempertimbangkan bagaimana bentuk datanya
terlebih dahulu. Pada kesempatan kali ini penulis akan menjelaskan apa itu statistik
parametrik serta apa saja syarat – syarat yang harus dipenuhi agar data tersebut bisa
dianalisis dengan menggunakan statistik parametrik tersebut.
1
B. Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas maka rumusan masalah adalah
sebagai berikut:
1. Apa yang dimaksud dengan statistik parametrik ?
2. Bagaimana karakteristik statistik parametrik ?
3. Apa saja uji – uji yang dilakukan pada statistik parametrik ?
C. Tujuan Penulis
Adapun tujuan penulisan makalah berdasarkan rumusan masalah di atas adalah
sebagai berikut:
1. Untuk mengetahui apa yang dimaksud dengan statistik parametrik
2. Untuk mengetahui bagaimana karakteristik statistik parametrik
3. Untuk mengetahui apa saja uji yang dilakukan pada statistik parametrik
2
BAB II
LANDASAN TEORI
A. Statistik Parametrik
1. Pengertian Statistik Parametrik
Statistik parametrik adalah statistik yang berhubungan dengan inferensi
statistik yang membahas tentang parameter – parameter populasi, jenis data interval
atau rasio dan distribusi data normal atau mendekati normal. Statistik parametrik yaitu
ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah
data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis
menggunakan statistik parametrik harus memenuhi asumsi normalitas.
Pada umumnya, jika data tidak menyebar normal, maka data seharunya
dikerjakan dengan metode statistik non parametri, atau setidak – tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa
dikerjakan dengan statistik parametrik. Statistik parametrik bisa digunakan jika
memenuhi beberapa kriteria yaitu seperti data harus berdistribusi normal, data
homogen serta harus terpenuhi asumsi linieritas. Statistik parametrik banyak
digunakan untuk menganalisis data interval dan rasio, contohnya: uji – z, uji – t,
korelasi pearson dan anova.
Berdasarkan penjelasan diatas maka dapat disimpulkan bahwa statistik
parametrik merupakan uji statistik yang hanya bisa digunakan jika data berdistribusi
normal, homogen dan harus linieritas. Serta uji statistik parametrik biasanya
digunakan untuk menganalisis data interval dan rasio.
3
3. Perbandingan antar Statistik Parametrik dan Statistik Non Parametrik
Statistik parametrik dan statistik non parametrik merupaka dua uji statistik
yang memiliki perbedaan dalam pengunaannya, adapun berbedaaan statistik
parametrik dan non parametrik yaitu:
Parametrik Non Parametrik
Adanya syarat – syarat Tidak ada syarat – syarat mengenai
mengenai parameter populasi parameter populasi seperti tak ada
seperti asumsi kenormalan asumsi kenormalan
Variabel yang dianalisis Variabel yang dianalisis pada
umumnya terukur dalam skala umumnya terukur dalam skala ordinal
interval atau rasio atau nominal
Lebih dari dua variabel bebas Sampai saat ini, sebagian besar
dapat dianalisis secara analisis non – parametrik terbatas satu
bersamaan dalam satu analisis variabel bebas
4
5. Syarat Uji statistik parametrik
Adapun syarat yang harus dipenuhi dalam menggunakan uji statistik
parametrik yaitu:
Masalah skala pengukuran variabel Variabel harus variabel numerik
Distribusi data Distribusi data harus normal
Varians data Kesamaan varians tidak menjadi
syarat untuk uji kelompok yang
berpasangan
Kesamaan varians adalah syarat tidak
mutlak untuk 2 kelompok tidak
berpasangan, artinya varians data bole
sama boleh juga berbeda
Kesamaan varians adalah syarat
mutlak > 2 kelompok tidak
berpasangan artinya varians data
harus / wajib sama
5
B. Uji perbandingan Statistik Parametrik
1. One sampel t-test ( 1 kelompok )
a. Pengertian one sampel t - test
Pengujian rata – rata satu sampel dimaksudkan untuk menguji nilai tengah
atau rata – rata populasi 𝜇 sama dengan nilai tertentu 𝜇o, lawan hipotesis
alternatifnya bahwa nilai tengah atau rata-rata populasi µ tidak sama dengan µo.
Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu
(yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan
rata-rata sebuah sampel. Nilai tertentu di sini pada umumnya adalah sebuah nilai
parameter untuk mengukur suatu populasi.
Jadi kita akan menguji :
Ho : µ = µo lawan H1 : µ ≠ µo
Ho merupakan hipotesa awal sedangkan H1 merupakan hipotesis alternatif atau
hipotesis kerja.
Keterangan:
t = nilai t hitung s = standar deviasi sample
𝑋 = rata – rata sample n = Jumlah sample
µo = nilai parameter
c. Interpretasi
1) Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan:
- Nilai signifikansi 𝛼
- Df (degree of freedom) = N – k, khusus untuk one sample t-test Df = N - 1
2) Bandingkan nilai thit dengan ttab, dimana ttab = 𝑡𝛼 𝑁−1
2
6
d. Contoh
Seorang mahasiswa melakuan penelitian mengenai galon susu murni yang
rata-rata isinya 10 liter. Telah diambil sampel secara acak dari 10 botol yang telah
diukur isinya, dengan hasil sebagai berikut:
Galon ke Volume
1 10,2
2 9,7
3 10,1
4 10,3
5 10,1
6 9,8
7 9,9
8 10,4
9 10,3
10 9,8
Dengan taraf signifikasnsi 𝛼 = 0,01. Apakah galon susu murni rata – rata isinya 10
liter.
Penyelesaian:
Analisa secara manual:
1) Hipotesis Ho : µ = 10 lawan H1 : µ ≠ 10
2) Uji statistik t (karena 𝛼 tidak diketahui atau n < 30 )
3) 𝛼 = 0,01
4) Wilayah kritik : thit < 𝑡𝛼 𝑁−1 atau thit > 𝑡𝛼 𝑁−1
2 2
SD = 𝑣𝑎𝑟
𝑥 − µo
thit = 𝑆 = 0,772
𝑛
ttab = 3,259
Karena thit = 0,772 < ttab = 3,259, maka Ho diterima. Atau untuk menguji
Hipotesis nol menggunakan interval Confidence dengan ketentuan apabila terletak
diantara -0,1927 dan 0,3127 disimpulkan untuk menerima Ho , artinya pernyataan
bahwa rata-rata isi galon susu murni 10 liter dapat diterima.
7
2. Paired Sample t – Test ( Uji t berpasangan )
a. Pengertian paired Sample t – Test
Uji - t berpasangan (paired t-test) adalah salah satu metode pengujian hipotesis
dimana data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang paling
sering ditemui pada kasus yang berpasangan adalah satu individu (objek
penelitian) dikenai 2 buah perlakuan yang berbeda. Walaupun menggunakan
individu yang sama, peneliti tetap memperoleh 2 macam data sampel, yaitu data
dari perlakuan pertama dan data dari perlakuan kedua.
Hipotesis dari kasus ini dapat ditulis:
Ho = µ1 - µ2 = 0 atau µ1 = µ2
Ha = µ1 - µ2 ≠ 0 atau µ1 ≠ µ2
Ha berarti bahwa selisih sebenarnya dari kedua rata – rata tidak sama dengan nol.
t = nilai t hitung
𝐷 = rata – rata selisih pengukuran 1 dan 2
SD = standar deviasi selisih pengukuran 1 dan 2
n = jumlah sample
c. Interpretasi
1) Untuk menginterpretasikan uji t-test terlebih dahulu harus ditentukan:
- Nilai signifikasi 𝛼
- Df (degree of freedom) = N – k, khusus untuk paired sample t-test df = N -
1
2) Bandingkan nilai thit dengan ttab = 𝛼 ;n-1
3) Apabila : thit > ttab berbeda secara signifikasi (Ho ditolak)
thit < ttab Tidak berbeda secara signifikasi (Ho diterima)
8
d. Contoh
Seorang peneliti ingin mengetahui efektivitas pengaruh model pembelajaran
Cooperative Learning type Jigsaw terhadap prestasi belajar matematika. Dari satu
kelas hanya diambil sample 10 siswa dan dilakukan tes prestasi sebelum dan
sesudah diterapkan model pembelajaran Cooperative Learning Type Jigsaw.
9
5) Dari tabel perhitungan diperoleh:
𝐷 = 58 / 10 = 5.8
6) Karena thit = 4,250 > t0,05:9 = 2,262 disimpulkan untuk menolak Ho , artinya
pernyataan bahwa selisih rata-rata antara sebelum dan sesudah diterapkan
model Cooperative Learning Type Jigsaw berbeda. Atau dapat dikatakan
terdapat pengaruh/efektif Cooperative learning type jigsaw terhadap prestasi
belajar matematika.
10
b. Rumus
Keterangan:
M1 = rata – rata skor kelompok 1
M2 = rata – rata skor kelompok 2
SS1 = sum of square kelompok 1
SS2 = sum of square kelompok 2
n1 = jumlah subjek / sample kelompok 1
n2 = jumlah subjek / sample kelompok 2
Dimana:
c. Interpretasi
1) Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan:
- Nilai signifikasi 𝛼
- Interval Confidence = 1 – 𝛼
- Df (degree of freedom ) = N – k, khusus untuk independent sample t – test
df = N – 2 atau Df = (n1 + n2 ) - 2
2) Bandingkan nilai thit dengan ttab
3) Apabila : thit > ttab berbeda secara signifikasi (Ho ditolak)
thit < ttab Tidak berbeda secara signifikasi (Ho diterima)
d. Contoh
Seorang Guru ingin mengetahui pengaruh musik klasik terhadap kecepatan
mengerjakan puzzle pada anak TK. Setelah mendapatkan 16 orang anak Tk, ia
mengacak mereka untuk dimasukkan ke dalam 2 kelompok, yaitu KE dan KK.
Pada KE diperdengarkan musik klasik saat setiap anak mengerjakan puzzle,
sedangkan pada KK mengerjakan hal yang sama tanpa diperdengarkan apapun.
Nilai yang diperoleh dari waktu (detik) yang dibutuhkan untuk menyelesaikan
puzzle.
11
Data adalah waktu (dalam detik) yang dibutuhkan untuk mengerjakan puzzle.
12
6) Dari perhitungan di atas, diperoleh nilai thit sebesar 6,13. Untuk mengetahui
signifikansi nilai-t hitung yang diperoleh ini, maka perlu dibandingkan dengan
nilai-t tabel. Pada tabel dengan degreesof freedom sebesar 14 ( df = N − 2 =
16 − 2) dan signifikansi (𝛼) 0,05 diperoleh nilai ttab sebesar 2,145. Karena nilai
thit lebih besar dari nilai ttab (6,13 > 2,145), berarti ada perbedaan waktu yang
signifikan dalam mengerjakan puzzle antara anak TK yang diperdengarkan
musik klasik dengan yang tidak diperdengarkan musik klasik. Dengan
demikian, Ho ditolak karena nilai-t yang diperoleh signifikan. Kesimpulan
dari hasil analisis statistik ini adalah ada pengaruh musik klasik terhadap
kecepatan mengerjakan puzzle.
13
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau
varian itu asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata
(KR).
Rumus:
𝐽𝐾
KR = 𝑑𝑏
Keterangan:
JK = Jumlah kuadrat ( some of square )
db = derajat bebas ( degree of freedom )
Menghitung nilai Anova atau F (Fhitung) dengan rumus:
𝑉𝐴 𝐾𝑅 𝐴 𝐽𝐾 𝐴 𝑑𝑏 𝐴 𝑉𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
Fhitung = = = : = 𝑉𝑎𝑟𝑖𝑎𝑛
𝑉𝐷 𝐾𝑅𝐷 𝐽𝐾 𝐷 𝑑𝑏 𝐷 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat
dirumuskan:
Dimana:
= sebagai faktor koreksi
2 Menghitung jumlah
kuadrat antar kelompok
(JKantar)
3 Menghitung Jumlah JKdal = JKtot - JKantar
Kuadrat dalam
Kelompok (JKdal)
14
4 Menghitung Retana 𝐽𝐾 𝑎𝑛𝑡𝑎𝑟
RJKantar = 𝑎−1
Jumlah Kuadrat antar
a = banyaknya kelompok
Kelompok (RJKantar
15
c. Contoh anava 1 jalur
Seorang peneliti ingin mengetahui pengaruh metode pembelajaran terhadap
prestasi belajar IPA pada siswa klas II di kota X. Metode mengajardigolongkan
menjadi 4, yaitu: Metode ceramah (A1), Metode Diskusi (A2), Metode Pemberian
Tugas (A3), dan Metode campuran (A4).
Hipotesis Penelitian:
Ho : Metode mengajar tidak berpengaruh terhadap prestasi belajar IPA
H1 : Metode mengajar berpengaruh terhadap prestasi belajar IPA
Hipotesis statistik:
Ho : µ1 = µ2 = µ3 = µ4
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 (salah sati tanda ≠)
= 125,8
16
17
Selanjutnya tabel ringkasan Analisis Varians untuk menguji Hipotesis 4 Sampel:
Kesimpulan:
1) Metode mengajar berpengaruh terhadap hasil belajar siswa
2) Metode mengajar IV lebih berpengaruh terhadap hasil belajar siswa dari pada
metode mengajar III, II, dan I
3) Metode mengajar III lebih berpengaruh terhadap prestasi belajar siswa
daripada metode mengajar II dan I
4) Metode mengajar II lebih berpengaruh terhadap prestasi belajar siswa
dibandingkan dengan metode mengajar I
18
5. Korelasi berganda ( > 2 variabel )
a. Pengetian korelasi berganda
Korelasi ganda digunakan apabila penelitian bertujuan untuk mengetahui
hubungan dua atau lebih variabel independen dengan satu variabel dependen.
Dengan perkataan lain, variabel independen yang diteliti terdiri dari dua variabel
atau lebih. Korelasi ganda merupakan angka yang menunjukkan arah dan kuatnya
hubungan antara dua variabel secara bersama-sama atau lebih dengan variabel
yang lain yang disebut koefisien korelasi ganda dan biasanya disimbolkan dengan
R. Korelasi ganda: Koefisien korelasi Y atas X1 dan X2
Keterangan:
Rx1x2y = Koefisien korelasi ganda X1 dan X2 bersama – sama dengan Y
rx1y = Koefisien korelasi antara X1 dan Y
rx2y = koefisien korelasi antara X2 dan Y
rx1x2 = Koefisien korelasi antra X1 dan X2
Hipotesis yang diuji yaitu hipotesis dua pihak:
Ho : ρy.12 = 0
Ha : ρy.12 ≠ 0
Pengujian hipotesis korelasi ganda menggunakan uji F (tabel distribusi F)
dengan derajat kebebasan (dk) terdiri dkpembilang = k (k= banyaknya variabel
bebas) dan dkpenyebut = n – k – 1 (n = banyaknya pasang data/sampel).
19
Konversi nilai koefisien R ke dalam nilai Fhitung menggunakan rumus:
20
1) Tabel penolong
21
Dari tabel di atas diketahui:
N = 30 X1X2 = 355045
X1 = 2153 X12 = 157723
X2 = 4916 X22 = 828008
X1Y = 2133 Y2 = 156173
X2Y = 353609
2) Menghitung korelasi variabel X1 dengan variabel Y
Hipotesis yang diuji adalah:
Ho : ρy.1 = 0
Ha : ρy.1 ≠ 0
Ho : Tidak terdapat hubungan antara komitmen pada tugas (X1) dengan
kinerja (Y)
Ha : Terdapat hubungan antara komitmen pada tugas (X1) dengan kinerja (Y)
= 0,392
Perhitungan Uji keberartian:
22
Selanjutnya koefisien determinasi (R2) Y atas X1 sebagai berikut:
= 0,405
Perhitungan keberartian:
= 2,34
ttabel dk 28 pada 𝛼 = 0,05 yaitu 1,70
Dengan demikian thitung (2,34) > ttabel (1,705), hal ini bermakna bahwa variabel
X2 terhadap variabel Y adalah berarti. Dengan demikian menolak Ho dan
tentunya menerima Ha sehingga dapat disimpulkan bahwa terdapat hubungan
antara motivasi kerja (X2) dengan kinerja (Y).
23
Selanjutnya koefisien determinasi (R2) Y atas X2 sebagai berikut:
= 0,263
Perhitungan keberartian
24
5) Menghitung korelasi ganda variabel X1 dan X2 dengan variabel Y
Hipotesis yang diuji adalah:
Ho : ρy.12 = 0
Ha : ρy.12 ≠ 0
Ho : tidak terdapat hubungan antara komitmen pada tugas (X1) dan motivasi
kerja (X2) secara bersama-sama dengan kinerja (Y)
Ha : terdapat hubungan antara komitmen pada tugas (X1) dan motivasi kerja
(X2) secara bersama-sama dengan kinerja (Y)
Diketahui:
rx1y = 0,392 r2x1y = 0,154
rx2y = 0,405 r2x2y = 0,164
rx1x2 = 0,263 r2x1x2 =0,069
Sehingga dapat dihitung korelasi ganda sebagai berikut:
= 0,501
6) Uji keberartian koefisien korelasi ganda
=7
Ftabel (2,27) pada 𝛼 = 0.05 yaitu 3,35
Hal ini berarti Fhitung (7) > Ftabel (3,35) dengan demikian dapat dinyatakan
bahwa anatra variabel X1 dan X2 secara bersama – sama mempunyai korelasi
yang positif dan signifikan terhadap variabel Y
25
DAFTAR PUSTAKA
Ananda, Rusydi & Fadhli Muhammad. (2018). Statistika Pendidikan. CV Widya Puspita.
Medan.
Darmansyah. (2016). Statistik Bahan ajar, Silabus dan Media. Bahan ajar Pascasarjana
Unviersitas Negeri Padang. Padang.
Harlan, Johan. (2007). Biostatistika Dasar. Gunadarma. Jakarta
Kadir. (2015). Statistika Terapan. Rajagrafindo Persada. Jakarta
Kariadinata, Rahayu & Abdurahman, Maman. (2012). Dasar – Dasar Statistik Pendidikan.
CV Pustaka Setia. Bandung.
Kustituanto, Bambang. (1994). Statistika 1 (Deskriptif). Gunadarma. Jakarta
Nuryani. (2017). Dasar – Dasar Statistik Penelitian. Sibuku Media. Yogyakarta.
Sudarman. (2015). Statistik Pendidikan. Mulawarman University Press. Samarinda.
Sugiyono. (2007). Statistika untuk penelitian. CV Alfabeta. Bandung.
26
TABEL DISTRIBUSI F
27
TABEL T
28