Modul Statistika Multivariat

Penulis : Aga Arye Perdana, SE, M.Si

Edisi 1

Tahun 2022

Universitas Muhammad Natsir Bukittinggi

 Struktur Penulisan Modul
1. Daftar Isi

2. Materi

3. Latihan Soal dan Tugas

4. Praktek SPSS

5. Daftar Pustaka
 Daftar Isi

1. Pengenalan dan Konsep Dasar Statistika 1

2. Variabel dan Data Penelitian 30
3. Sampling
4. Estimasi dan Interval
5. Hipotesis
6. Variance
7. Uji Chi Kuadrat
8. Statistik Non-Parametriks
9. Regresi linear sederhana dan regresi linear berganda
10. Korelasi
11. Logistic regresi
 Pengantar

Fokus pada modul ini adalah untuk mahasiswa akuntansi yang akan melakukan persiapan
pembuatan tugas akhir baik itu dalam bentuk skripsi ataupun tesis, tapi tidak tertutup
kemungkinan juga berguna untuk pembaca lain sebagai bagian dari transfer ilmu.
Modul ini menjabarkan tentang pengetahuan suatu metode statistika untuk menganalisis
data yang terdiri dari banyak variabel (multivariat) dan diduga antar variabel yang saling
berhubungan satu sama lain. Di dalam modul ini juga menganalisis semua teknik statistik yang
secara simultan menganalisis sejumlah pengukuran pada individu atau objek, baik itu sampel
maupun populasi.
Modul ini berusaha sebaik mungkin membantu para pembacanya memahami ilmu statistik.
baik itu secara konsep, contoh penggunaan dalam bentuk latihan soal, prakteknya di dunia nyata
dalam bentuk tugas dan simulasi penerapan teori dan prakteknya dalam penggunaan aplikasi SPSS.
Sehingga diharapkan pembaca dapat memahami secara holistic ilmu statistik dan juga menyenangi
imu statistik ini. Karena diharapkan modul ini sebagai panduan dasar bagi pembaca dalam
menyusun karya ilmiah, tugas akhir ataupun skripsi dan tesis dengan lebih baik.

Bukittinggi, 14 Februari 2022

Penulis
1. Pengenalan dan Konsep Dasar Statistika

Statistika dan Statistik memiliki maksud yang berbeda tapi memiliki tujuan yang sama,
Statistika adalah ilmu atau pengetahuan tentang statistik itu sendiri sedangkan statistik adalah
bicara tentang konsep angka yang akan dianalisa untuk dapat ditarik suatu kesimpulan yang lebih
bermanfaat bagi semua pihak.

Secara arti sempit :

Statistik adalah data ringkasan berbentuk angka yang disajikan dalam bentuk tabel, grafik, dan
diagram.

Secara arti luas :

Ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian dan analisis data termasuk
didalamnya aktivitas pengambilan keputusan / kesimpulan.

Sejarah awal mula penerapan ilmu statistik adalah pada tahun 1620, yang dipelopori oleh John
Graunt di Inggris melalui bukunya yang berjudul Bills of Mortality, buku ini menjelaskan tentang
kematian dan kelahiran. Penelitian yang dilakukan oleh John tentang penyebab kematian tertinggi
orang inggris pada waktu itu, yaitu 1) Bunuh diri, 2) Penyakit dan 3) Kecelakaan. Kemudian didalam
buku itu juga dijelaskan tentang kelahiran, dimana kelahiran yang paling banyak adalah berasal
dari jenis kelamin laki-laki dibandingkan dengan jenis kelamin perempuan.

Dengan berkembangnya dunia ke arah digitalisasi dan ditambah semakin merebaknya

pandemi Covid 19, maka banyak profesi baru yang bermunculan tanpa harus datang atau hadir
secara fisk ke kantor atau suatu ruangan secara rutin. seperti Data analyst dan Data Scientist,
kedua profesi ini berasal dari rumpun ilmu yang sama yaitu Statistik. Dua profesi itu tidak hanya
menarik bagi perusahaan atau institusi yang menggunakan jasanya tapi juga memiliki manfaat
yang besar bagi pekerja itu sendiri dengan tawaran gaji yang besar dan menjanjikan.

Dalam perspektif bidang kajian Sosial khususnya Ilmu Ekonomi seperti Akuntansi, Manajemen
dan Ilmu Ekonomi Pembangunan, Ilmu ekonomi itu sendiri dapat dianalisis dan dikembangkan

1
menggunakan 2 pendekatan, 1) Kualitatif dan 2) Kuantitatif. Pendekatan tersebut bisa disebut
dengan alat atau tools dimana untuk membahas lebih detailnya menggunakan ilmu statistik.

Informasi yang ada di dunia ini tersebar dengan banyak dan belum teroganisir dalam bentuk
data yang rapi, sehingga belum bisa diambil suatu kesimpulan atau keputusan. Misal seorang
marketing smartphone ingin menjual barangnya ke suatu negara atau daerah, tapi karena
kurangnya informasi dan data yang lengkap menyebabkan penjualannya tidak signifikan dan tidak
mencapai target yang diharapkan. Maka dari pengalaman tersebut untuk kebijakan yang dimasa
depan marketing mulai mengumpulkan data informasi yang lengkap seperti : Jumlah penduduk,
Jumlah Pendapatan masing-masing penduduk, jenis pekerjaan, Jumlah angkatan muda, jumlah
angkatan tua, Hobi, Pusat Hiburan, Pusat Perkantoran, dan sebagainya yang mendukung dalam
rencana pemenuhan target penjualan smartphone dengan harapan dimasa depan tidak terjadi
salah sasaran dalam memasarkan produk. Nah, kegiatan yang dilakukan tersebut dimulai dari
mengumpulkan data informasi sampai membuat sasaran pelanggan yang dituju adalah bagian dari
ilmu statistik.

Penelitian tidak bisa dilepaskan dengan statistik karena didalamnya terdapat cara ilmiah untuk
mendapatkan data dalam rangka mencapai tujuan dan kegunaan tertentu atau untuk menemukan
kebenaran yang konsisten disamping itu juga merupakan kegiatan yang membuat pemikiran lebih
kritis akan suatu gejala.

Terakhir, semoga dengan gambaran atau narasi awal di atas dapat memberikan pemahaman
yang lebih gamblang (mudah) tentang statistika dan dunia penelitian terutama bagi rekan
Mahasiswa yang akan mempersiapkan diri untuk membuat skripsi atau tesis.

2
1.1 Klasifikasi / Kategori Statistik

Ilmu statistika dibagi ke dalam 3 klasifikasi, yaitu berdasar aktivitas : deskriptif dan
Inferensia, berdasar metode :parametrik dan non parametrk dan berdasar variabel : uniariate
dan multivariate. Bagannya dapat dilihat pada gambar dibawah ini.

Statistika Berdasarkan Aktivitas

Statistika Deskriptif

Merupakan bagian statistika yang membahas cara-cara meringkas dan menyajikan data,
serta melakukan pengukuran pemusatan dan pengukuran penyebaran untuk memperoleh
informasi yang lebih menarik, lebih berguna dan lebih mudah dipahami oleh pengguna.

Pada hakikatnya statistika deskriptif merupakan metode yang berkaitan dengan

pengorganisasian, peringkasan, dan penyajian data secara informatif. Dengan menggunakan
statistika deskriptif, kumpulan data yang diperoleh akan tersaji lebih ringkas dan lebih rapi,
serta mampu mengemukakan informasi inti dari kumpulas (gugus) data yang ada. Statistik ini
menjelaskan fenomena apa adanya secara objektif, tidak mengurangi atau menambahkan
apapun sehingga memberikan gambaran atau deskriptif secara ideal.

Contoh statistika ini : pada suatu lokasi bencana alam, terdapat informasi sebagai berikut

Bencana alam : Gempa Bumi

3
 Tanggal kejadian : 25 Februari 2022

Skala : 7 SR

Lokasi : Pasaman Barat

Korban meninggal : 10 Orang, Pria = 3 orang dan Wanita = 7 orang

Peristiwa tambahan pasca gempa : Longsor, Tanah Bergerak (Likuifaksi), dan Banjir
Bandang, dan Hujan Lebat

Korban : 100 orang, Pria = 60 orang dan Wanita = 40 orang

Frekuensi gempa pasca gempa utama : 32 kali dengan intensitas menurun

Informasi yang tertera di atas adalah bentuk statistika deksriptif secara sederhana,
dengan mengumpulkan informasi yang ada dari berbagai sumber, sehinga dapat disebarkan
kepada khalayak ramai tentang suatu fenomena sehingga pengguna data tidak perlu bertanya
atau konfirmasi kembali. Dan tindakan selanjutnya dapat segera diwujudkan seperti :
Pemberian bantua kemanusiaan baik dari pihak pemerintah maupun swasta atau lembaga
swadaya masyarakat.

Statistika Inferensia / Induktif

Merupakan bagian statistika yang berhubungan dengan proses mencapai kesimpulan

dengan menggunakan konsep peluang dan hipotesis.

Pada hakikatnya statistika inferensia merupakan metode yang berkaitan dengan

pembuatan keputusan, membuat perikiraan, prediksi atau generalisasi tentang populasi yang
menjadi perhatian berdasarkan sampel yang ditarik dari populasi tersebut. Statistika ini
membahas cara menganalisis data dan mengambil kesimpulan (parameter dan pengujian
hipotesis). Metode statistik ini berkaitan dengan aktivitas menganalisis sebagian data hingga
ke prediksi serta peramalan (forecasting) atau penarikan kesimpulan mengenai keseluruhan
data. Metode ini juga sering disebut dengan statistika induktif. Karena kesimpulan yang ditarik
didasarkan informasi dari sebagian data saja. Statistika inferensia ini berkaitan dengan topik :
Sampel, Populasi, Parameter, dan Hipotesis.
4
Statistika Berdasarkan Metode

Statistika Parametrik

Merupakan statistik yang mempertimbangkan nilai dari satu atau lebih parameter
populasi, sehungan dengan kebutuhan infrensia dan menggunakan skala interval. Parameter
adalah nilai yang menyatakan karakteristik populasi yang sebenarnya, Parameter ini
sebenarnya pengertiannya hampir sama dengan statistik, perbedaannya hanya terletak pada
sumber data yang digunakan. Statistik menggunakan sumber data yang berasal dari sampel,
sedangkan parameter menggunakan sumber data yang berasal dari populasi. Statistik
digunakan untuk mengestimasi nilai dari parameter populasi. Parameter adalah nilai yang
menyatakan karakteristik populasi yang sebenarnya. Menggunakan asumsi klasik dalam
penelitian yang bertujuan untuk memberikan kepastian bahwa persamaan regresi yang
didapatkan memiliki ketepatan dalam estimasi, tidak bias dan konsisten.

Statistika Non Parametrik

Merupakan Statistik yang menyediakan “alternatif solusi” saat kondisi asumsi statistika
parametrik tidak dapat dipenuhi (misalnya pemenuhan asumsi Normalitas, homogenitas,
ragam, maupun asumsi lainya). statistika non parametrik menyediakan metode analisis data
yang distribusinya tidak dapat diasumsikan normal. Dalam statistika ini data yang dibutuhkan
lebih banyak berskala ukur nominal dan ordinal.

Berikut di bawah ini matrix perbandingan dan penggunaan statistika Parametrik dan Non
Parametrik

5
 Statistika Uji Parametrik Uji Statistika Non Parametrik

(Banyak digunakan dalam (Banyak digunakan pada

bidang Ekonomi) penelitian bidang Kesehatan)
Aplikasi / Penerapan
^ data harus normal ^ data tidak harus normal

^ Uji asumsi klasik ^ tidak perlu uji asumsi klasik

Uji Dua Sampel ( 1 Independen (X) dan 1 Dependen (Y) )

Dua sampel saling Paired sample t test : Uji Tanda : Ujian Seorang
berhubungan (two dependent Mahasiswa : Belajar Sendiri
samples) atau belajar kelompok
(bersama) – Hasilnya?
^ pengujian yang digunakan
untuk membandingkan selisih ^ menguji perbedaan 2 sampel
dua mean dari dua sampel yang yang saling berhubungan
berpasangan
Uji Wilcoxon : sebelum
merokok dan sesudah merokok

Pengukuran denyut ?

^ menguji ada tidaknya

perbedaan rata-rata dua
sampel yang saling
berhubungan

Dua sampel tidak saling Independent sample t test : Mann Whitney : Perbedaan
berhubungan (two mencari perbedaan Penjualan Efek Hirup kadnium
independent samples) VS Iklan atau tidak pakai Iklan
Hemoglobin VS Menghirup /
Tidak Menghirup

^ menguji rata-rata dari dua ^ menguji satu variabel data

grup yang tidak berhubungan kategori dan satu variabel data
satu dengan yang lain dengan interval
tujuan apakah grup itu
mempunyai rata yang sama
atau tidak

Uji Beberapa Sampel ( Lebih dari satu Variabel Independen (X) dan Dependen (Y) )

Beberapa sampel tidak saling Anova : meneliti khasiat tiga Kruskal Wilis : Menguji
berhubungan (Several buah obat dengan merek X, Y , kesembuhan luka dengan
Independent Samples) Z menggunakan beberapa jenis
obat

6
 Kada dan Lama kesembuhan? Lama kesembuhan VS Obat :
Betadin, Nebacitin,
^ menguji tiga sampel atau Bioplasenton
lebih yang tidak saling
berhubungan ^ menguji sampel yang tidak
berhubungan

Regresi :

Sederhana ( X dan Y)

Berganda (X, X, X dan Y)

Korelasi :

Uji Cramer : data Nominal

Kendall : data ordinal

(Kepuasaan pelanggan)

Spearman : data rasio (DER,

PER, ROI, ROA)

Uji Pearson : data rasio

(Penjualan)

Statistika Berdasarkan Variabel

Statistika Univariate

Adalah metode statistika untuk data yang berhubungan dengan satu variabel terikat
(variabel dependen). Misal hubungan stunting dengan perkembangan motorik halus balita.
Hubungan harga dengan penjualan barang. Hubungan penggunaan metode persediaan
perpetual dalam ketepatan angka laba dan sebagainya.

Statistika Multivariate

Adalah metode statistika unutk data yang berhubungan dengan lebih satu variabel bebas
dan lebih dari satu variabel terikat. Karakteristik metode ini biasa disebut dengan multiple
variabel dependen dan / atau variabel independen dalam analisis.

7
1.2 Populasi dan Sampel

Populasi

Populasi adalah keseluruhan objek penelitian yang memiliki ciri dan karakter tertentu
yang ditentukan oleh peneliti sebagai sumber data dan kemudian kesimpulan berdasarkan
data yang dikumpulkan. Populasi dapat berupa manusia, hewan, benda, tumbuhan, peristiwa,
gejala, ataupu objek lain yang mempunyai ciri tertentu dalam suatu penelitian. Dengan kata
lain populasi merupakan keseluruhan individu-indivdu dengan karakteristik dan ciri yang sudah
ditentukan dan digunakan sebagai sumber data.

Sampel

Sampel adalah sebagian dari populasi yang diambil untuk menggambarkan atau mewakili
seluruh popoulasi. Atau bisa disebut juga sebagai bagian dari populasi yang ditentukan dengan
menggunakan metode tertentu dan sesuai prosedur tertentu sehingga dapat mewakili
populasi. Banyaknya anggota sampel disebut dengan ukuran sampel.

Sampel yang diambil dari populasi harus mewakili (representative) populasi tersebut. Ada
dua pertimbangan dalam pengambilan sampel agar mewakili populasi : 1) ukuran sampel dan
2) metode penarikan sampel.

8
Variabel

Karakteristik atau ciri dari suatu data disebut dengan variabel. Semakin banyak variabel
maka akan semakin mudah menggambarkan pengaruh atau gejala suatu fenomena yang
diteliti. Sebelum mengambil data harus ditentukan variabel yang menjadi fokus perhatian
penelitian. Sebagai contoh : bila jumlah kunjungan pasien ke Rumah Sakit merupakan hal yang
menjadi fokus perhatian, maka jumlah kunjugan dapat bervariasi seperti : Kunjungan per hari
/ bulanan / tahun, kunjungan per poli, kunjungan per dokter, kunjungan sesuai pembayaran
(bayar sendiri / langganan asuransi / BPJS. Jadi untuk menentukan variabel harus fokus dan
tidak mendua agar memberikan hasil yang tepat (presisi) dalam melakukann penelitian.

Variabel Acak

Adalah variabel yang berupa bilangan nyata yang variasi nilainya ditentukan oleh
percobaan acak. Contoh : mata uang koin terdapat dua sisi : sisi angka dan sisi lambang, maka
dalam percobaan 2 kali pelemparan mata uang koin sehingga terdapat peluang muncul sisi
angka (disebut dengan X) adalah X = 0 ; 1 ; 2

9
Jenis Variabel

Terdapat dua jenis variabel yaitu variabel kualitatif dan variabel kuantitatif.

Variabel Kualitatif : berhubungan degan atribut atau karakteristik yang bukan nomerik atau
bukan angka. Pada kondisi tertentu kadang didapati penggunaan angka pada variabel ini,
namun harus diingat bahwa pada saat menggunakan angka pada variabel ini fungsi angka
tersebut sebenarya hanya sebagai lambang yang menunjukkan ke dalam kelompok atau
penggolongan atau pengklasifikasian mama suatu hasil pengamatan harus dimasukkan. Misal
untuk jenis kelamin laki-laki biasanga dilambangkan dengan 1 dan untuk jenis kelamin wanita
dilambangkan dengan 0. Warna mobil : Putih, Hitam, Merah, dan lain-lain.

Variabel Kuantitatif : berhubungan dengan kuantitas atau jumlah

Variabel Diskrit : variabel yang dapat memiliki sejumlah nilai yang dapat dihitung, nilai ini
variabel ini selalu dikaitkan dengan bilangan bulat dan diperoleh melalui pencacahan
(perhitungan, enumerasi, counting). Contoh : banyaknya kamar tidur (1, 2, 3, dst) atau banyak

10
anak dalam setiap keluarga (1, 2, 3, dst) dan tidak mungkin kedua contoh kedua tersebut
memiliki koma misal kamar 2,3 atau anak yang ke 3,5.

Variabel Kontinu : variabel acak yang dapat memiliki nilai yang tidak terhingga, berkaitan
dengan titik- titik dalam suatu interval. Variabel ini nilainya dapat menempati semua nilai yang
ada di antara dua buah nilai tertentu. Pada umumnya, variabel kontinu diperoleh dari hasil
pengkuran (measurement). Pada variabel ini dapat dijumpai nilai-nilai pecahan atau nilai bulat.
Misal berat potongan daging sapi : 2,5 kg atau 100 gram dan lainnya. Tinggi badan para siswa
: 160 cm dan 170 cm.

Kenapa kita belajar tentang populasi dan sampel?

Untuk populasi dengan ukuran kecil, kita bisa mengambil data sampel dari seluruh
anggota populasi. Tetapi untuk populasi yang mempunyai ukuran besar, kita memerlukan
biaya, waktu dan tenaga serta perhatian yang khusus yang jauh lebih besar untuk pengambilan
data dari seluruh populasi.

Rumus Sampel

Dalam penelitian inferesial tidak akan lepas dari masalah sampel yang diambil dalam
menggambarkan populasi penelitian. Benar tidaknya penentuan sampel akan juga
berpengaruh dalam kesimpulan dan analisisnya.

Ukuran sampel atau jumlah sampael yang diambil merupakan hal yang penting jika
peneliti melakukan penelitian yang menggunakan analisis kuantitatif. Pada penelitian yang
menggunakan analisis kualitatif, ukuran sampel bukan menjadi hal yang penting, karena yang
dipentingkan adalah kekayaan informasi dari sampel. Walau jumlahnya sedikit tetapi jika kaya

11
akan informasi, maka sampelnya lebih bermanfaat dan kesimpulan dari penelitian akan lebih
berguna dalam pengambilan keputusan yang lebih baik.

Contoh : kalau kita ingin meneliti tingkat kepuasan pasein terhadap pelayanan Rumah
Sakit Ibnu Sina Bukittinggi selama 3 bulan berturut-turut, sedangkan yang dijadikan sampel
adalah hanya pasien yang berkunjuang di Poli Penyakit dalam, maka pasien tesebut tidak valid
dijadikan sampel karena tidak mengukur sesuatu yang seharusnya diukur, idealnya adalah
semua pasien yang pernah mengunjungi unit layanan Rumah sakit yang dijadikan sampel
penelitian baik itu pada unit Layanan Pendaftaran, Rawat Darurat, Penunjang Medis , Poli dr
spesialis, Paviliun rawatan, gizi, Keuangan dan lainnya.

Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah
sampel di antara 30 s/d 500 elemen. Jika sample dipecah lagi ke dalam subsampel
(Pria/Wanita/SD/SMP/Pahit/Manis dan sebagainya), maka jumlah minimum subsampel harus
30.

Untuk menentukan ukuran sampel digunakan dua kategori yaitu Diketahui populasinya
dan tidak diketahui populasinya.

Jika diketahui populasinya : Slovin dan Tabel Isaac

1. Slovin

Rumus Slovin adalah sebagai berikut :

𝑁
𝑛=
1 + (𝑁 x 𝑒 2 )

Dimana :

n = Ukuran Sampel

N = Populasi

e = Persentase kelonggaran ketidakterikatan karena kesalahan pengambilan sampel yang

masih diinginkan

12
Contoh : Direktur RSI Ibnu Sina Bukittinggi meneliti tentang kepuasan kinerja karyawan selama
6 bulan di tahun 2021. Jumlah karyawan yang aktif adalah lebih kurang 500 orang, dengan
tingkat kepercayaan 95% dan tingkat error 5%. Hitung sampel yang mesti dijadikan objek
penelitian ?

500
𝑛=
1 + (500 x 0,052 )

500
𝑛=
1 + 2,25

𝑛 = 153 𝑜𝑟𝑎𝑛𝑔 𝑦𝑎𝑛𝑔 𝑙𝑎𝑦𝑎𝑘 𝑑𝑖𝑗𝑎𝑑𝑖𝑘𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙 𝑚𝑒𝑤𝑎𝑘𝑖𝑙𝑖 𝑝𝑒𝑟 𝑢𝑛𝑖𝑡

Jadi sampel penelitian untuk populasi 500 orang dengan tingkat kepercayaan 95% adalah 153
orang, dimana setiap unit harus memberikan wakilnya untuk dijadikan sampel dan diberikan
angket atau kuesioner.

13
2. Isaac & Michael

Isaac & Michael merancang sebuah tabel dalam menentukan sampel, seperti gambar tabel di
bawah ini :

Dengan menggunakan soal yang sama dengan perhitungan rumus sampel slovin maka akan
diperoleh sampel untk 500 orang karyawan dengan tingkat kepercayaan 95% adalah 205
orang.
14
Jika tidak diketahui jumlah populasinya, menurut Rao Purba (1996) maka rumusnya adalah
sebagai berikut :

𝑍2
𝑛=
4(𝑀𝑜𝑒)2

Dimana :

n = Ukuran Sampel

Z = Tingkat distribusi normal pada taraf signifikansi 5% = 1,96

Moe = Margin of error Max, yaitu tingkat kesalahan maksimal pengambilan sampel yang
masih dapat ditoleransi atau yang diinginkan.

Contoh : dengan menggunakan Margin of error Max sebesar 10% maka jumlah sampel
minimal yang dapat diambil sebesar :

1,962
𝑛=
4(0,10)2

𝑛 = 96,04 𝑎𝑡𝑎𝑢 97 𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛

1.3 Skala Pengukuran

Sebelum memulai pelaksanaan penelitian ataupun pengambilan data perlu ditentukan

skala pengukuran dari variabel yang menjadi perhatian. Skala pengukuran data menempati
posisi yang penting dalam analisis data. Pertimbangan perbedaan skala pengkuran akan
menghasilkan kualitas informasi yang berbeda dan mempengaruhi analisis yang digunakan.

Statistika mengenal empat macam skala pengukuran, yaitu Nominal, Ordinal, Interval
dan Rasio. Dari empat skala ini dipecah menjadi dua bagian besar : 1) Skala pengukuran
kualitatif : karena karakteristiknya bukan numerik seperti skala : Nominal dan Ordinal. 2) Skala

15
pengukuran kuantitatif : karena karakteristiknya dapat diekspresikan dalam numerik atau
angka seperti skala : Interval dan rasio.

Skala Nominal

Merupakan skala pengukuran yang paling sederhana, karena skala ini untuk
mengklasifikasikan (menggolongkan) objek-objek atau kejadian – kejadian ke dalam kelompok
(kategori) yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari
suatu objek. Kategori yang telah ditentukan di awal diberikan lambang, simbol atau angka.
Dengan skala pengukuran nominal, hasil pengukuran bisa dibedakan tetapi tidak bisa diurutkan
mana yang lebih tinggi, mana yang lebih rendah, mana yang lebih utama, mana yang lebih
terkesampingkan, mana lebih tampan atau cantik dan sebagainya. Hal ini disebabkan karena
fungsi angka, simbol, maupun huruf yang diberikan hanya sebagai lambang yang menunjukkan
ke dalam kelompok mana suatu hasil pengamatan harus dimasukkan. Oleh karena itu nilai yang
ada sama sekali tidak melambangkan besarnya sesuatu yang telah diukur dan tidak pula
mengungkapkan perbandingan besar atau pemeringkatan sesuatu.

Dengan skala ini setiap observasi harus dimasukkan hanya pada satu kategoru saja, tidak
boleh lebih atau dengan lain antara kategori satu dengan yang lainnnya harus saling bebas
(tidak tumpang tindih). Kategori yang ada harus dibuat lengkap sehingga dapat menampung
semua kemungkinan yang relevan bagi objek-objek atau kejadian yang mungkin.

Contoh :

Jenis pasien : Anak-anak, Dewasa dan Tua (Geriatri) diberi lambang : 1 (Anak-anak), 2
(Dewasa) dan 3 (Orang Tua)

Kondisi Bayi lahir : Normal dan abnormal

Perkembangan Balita : Kerdil, Stunting dan Normal

16
Skala Ordinal

Skala pengukuran yang digunakan untuk menggolongkan objek-objek ke dalam

kelompok (kategori) tertentu dengan memberi angka atau huruf yang mengandung makna
tingkatan, sehingga dari kelompok yang terbentuk dapat dibuat urutan peringkat yang
menyatakan hubungan lebih dari atau kurang dari menurut aturan penataan tertentu. Dengan
menggunakan skala pengukuran ordinal, objek-objek yang ada juga dapat digolongkan ke
dalam kelompok (kategori) tertentu. Angka atau huruf yang diberikan mengandung tingkatan
sehingga dari kelompok yang terbentuk dapat dibuat urutan peringkat yang menyatakan
hubungan lebih dari atau kurang dari menurut suatu aturan penataan tertentu.

Ukuran yang ada pada skala ordinal tidak memberikan nilai absolut pada objek, tetap
hanya memberikan urutan, rangking, atau peringkat relatif saja. Jarak antara golongan sau dan
golongan dua tidak harus sam adengan jaraka antara golongan dua dan golongan tiga dan
seterusnya.

Contoh :

Sifat seseorang : Tidak Peduli, Peduli dan Empati

Status Sosial : Rendah, Sedang, Tinggi

Skala usaha : Mikro, Kecil, Menegah, Besar

Peringkat Kesukaan Rasa Konsumen : 1. Green Tea, 2. Durian, 3 Strawberry, 4 Chocolate

Skala Interval

Skala ini adalah kombinasi dari pemberian angka kepada kelompok dari objek-objek yang
mempunyai skala nominal dan ordinal, ditambah dengan satu sifat lain. Sifat tersebut adalah
adanya jarak yang sama pada skala interval yang memperlihatkan jarak yang sama dari ciri atau
sifat objek yang diukur.

17
 Data skala interval diberikan apabila kategori yang digunakan bisa dibedakan, diurutkan,
mempunyai jarak tertentu, tetapi tidak dapat dibandingkan. Suatu ciri penting dari skala
interval adalah dapat melakukan pengolahan matematika terhadap data yang dimiliki sehingga
data tersebut bisa ditambahkan, dikurangi, digandakan, dan dibagi tanpa mempengaruhi jarak
relatif di antara skornya. Skala ini juga memiliki karakteristik tidak mempunyai nilai nol mutlak
sehingga tidak dapat diinterpretasikan secara penuh.

Contoh :

Pengukuran Suhu : Fareinheit = 32 + 1,8 C

Ukuran Jacket : SS = Lingkar Dada = 32 - 34

S = Lingkar Dada = 36 - 38

M = Lingkar Dada = 40 - 42

L = Lingkar Dada = 44 - 46

XL =Lingkar Dada = 48 - 50

Skala Rasio

Skala ini lazim disebut skala nisbah adalah skala pengukuran yang mempunyai semua
sifat skala interval, ditambah satu sifat lainnya yaitu memberikan keterangan tentang nilai
absolut dari objek yang diukur. Skala rasio merupakat tingkat tertinggi dari semua skala
pengukuran. Skala rasio ini merupakan skala pengukuran yang ditujukan kepada hasil
pengukuran yang bisa dibedakan, diurutkan, mempunyai jarak tertentu dan bisa dibandingkan.

Skala ini menggunakan titik baku mutlak (titik nol mutlak). Angka pada skala rasio
menunjukkan nilai yang sebenarnya dari objek yang diukur, sedangkan besar satu satuan ukur
ditetapkan dengan suatu perjanjian tertentu.
18
 Contoh :

Berat badan 2 orang : A : 85 gram dan B : 70 gram

Tinggi badan 3 orang : A : 165 cm, B : 170 cm, C : 155 cm

Rasio keuangan : CR, DER, ROI, ROA, PER, dsb

Maka dari empat skala yang telah dibahas sebelumnya dapat disimpulkan karakteristik
ringkas skala dalam bentuk tabel sebagai berikut :

19
1.4 Pengujian hipotesis: Tipe kesalahan dan Kekuatan analisis

Tipe Kesalahan

Dalam melakukan uji hipotesis, kita tidak yakin bahwa kesimpulan yang kita ambi pasti
benar 100% karena memang dari awal kita sudah menetapkan tingkat keyakinan 90 % atau
95%. Sehingga ada peluang sebesar 5 % pasti ada kesalahan baik itu dari peneliti, responden
atau ada gangguan yang terjadi selama penelitian seperti : Bencana alam, responden asal
jawab, responden tidak mengisi jawaban dan sebagainya. Oleh karena itu peluang terjadi
kesalahan muncul dan dibagi menjadi 2 : Tipe kesalahan Jenis / Tipe I dan Tipe II.

Hipotesis untuk satu variabel dalam penelitian dibagi menjadi 2 : Hipotesis nol (H0)
adalah hipotesis peneliti ingin menolak dan Hipotesis alternatif (H1) adalah apa yang
disimpulkan dari kerangka teori dan konseptual.

Untuk menafsirkan nilai-p, seseorang perlu menentukan tingkat signifikansi yang diwakili
oleh huruf kecil Yunani alpha (a). Nilai umum untuk tingkat signifikansi 5% ditulis 0,05.
Misalnya, tingkat signifikansi 5% berarti ada kemungkinan 5% untuk menolak hipotesis nol
yang benar. Saat melakukan pengujian hipotesis, tingkat signifikansi harus ditentukan untuk
mengidentifikasi nilai kritis yang diperlukan untuk mengevaluasi statistik pengujian.

Dalam pengujian hipotesis, besarnya nila alpha yang paling sering digunakan adalah 0,10,
0,05 dan 0,01, diluar itu jarang digunakan orang walaupun bukan tidak boleh.

Tingkat signifikansi (alpha atau Sig.) : Batas untuk menentukan temuan yang signifikan
secara statistik saat menafsirkan nilai-p. Nilai signifikansi berasal dari nilai hitungan (bisa
dengan manual dan bisa dengan bantuan alat software).

Hasil tes dapat dinilai signifikan secara statistik jika nilai p kurang dari tingkat signifikansi.

p-value ≤ alpha : hasil signifikan, tolak hipotesis nol (H0)

p-value > alpha : bukan hasil yang signifikan, gagal menolak hipotesis nol, distribusi sama

20
 Agar lebih memahami konsep di atas mari kita lihat dengan contoh yang ada di tabel
dibawah ini. Tabel tersebut adalah hasil pengolahan data dengan menggunakan software SPSS
versi 26. Variabel yang diteliti ada tiga untuk variabel independen dan satu untuk variabel
dependen.

Dari gambar tabel di atas, nilai pada kolom Sig. adalah nilai signifikansi. Jika kita
menetapkan tingkat error atau nilai p-value (p) sebesar 0,05 (5%), sedangkan nilai Sig sebesar
0,000 maka kesimpulannya adalah menolak H0 dan menerima H1 artinya teori dan kerangka
konseptual yang dibangun sudah kokoh dan siap untuk diuji dengan analisis statistik.

Kita dapat melihat bahwa nilai-p adalah probabilitas (Peluang atau Kemungkinan) dan
dengan demikian akan berbeda jika pengujiannya (dengan bantuan alat atau software) salah.
Pada dasarnya, kita dapat membuat dua jenis kesalahan dalam penelitian sebagai berikut:

21
Kesalahan Tipe I (positif palsu) atau Alpha : Tolak hipotesis nol meskipun akurat dan seharusnya
diterima

Contoh :

H0 = Tidak ada pengaruh harga terhadap penjualan produk (Idealnya dalam praktek)

H1 = Ada pengaruh harga terhadap penjualan produk (Teori yang kita buat pada Bab II)

Kesalahan Tipe II (negatif palsu) atau Beta : Tidak menolak hipotesis nol (dengan kata lain H0
terima) padahal seharusnya H0 ditolak (karena yang kita cari dari penelitian adalah menerima
H1 dan menolak H0). Kesalahan tipe II ini menjelaskan kesalahan yang terjadi ketika hipotesis
1 gagal menolak hipotesis nol yang sebenarnya salah.

Contoh :

H0 = Tidak ada pengaruh bentuk bingkisan terhadap penjualan produk (Idealnya dalam praktek
sehari-hari)

H1 = Ada pengaruh bentuk bingkisan terhadap penjualan produk (Teori yang kita buat pada
Bab II adalah seharusnya harga yang mempengaruhi penjualan)

Untuk memahami lebih detail atau mendalam akan kita bahas pada bab 5.

Berikut dibawah ini adalah matrix kesalahan Tipe I dan Tipe II

22
Kekuatan Analisis Statistik

Kekuatan statistik (juga disebut kekuatan uji hipotesis) adalah probabilitas bahwa suatu
pengujian akan menolak hipotesis nol palsu dengan benar. Yaitu, kemungkinan hasil positif
benar. Kekuatan statistik memiliki relevansi hanya jika Hipotesis nolnya salah. Intinya adalah
Semakin tinggi kekuatan statistik untuk eksperimen / penelitian tertentu, semakin rendah
kemungkinan membuat kesalahan Tipe II. Kekuatan statistik adalah kebalikan dari
kemungkinan kesalahan Tipe II.

Kekuatan Statistik Rendah : Risiko besar melakukan kesalahan Tipe II, disebut negatif palsu.

Kekuatan Statistik Tinggi : Risiko kecil melakukan kesalahan Tipe II.

1.5 Metode analisis data

Mengenal metode analisis data adalah salah satu tahap yang penting dalam melakukan
penelitian. Metode analisis data merupakan bagian dari proses analisis dimana data primer
atau data sekunder yang dikumpulkan lalu diproses untuk menghasilkan kesimpulan dalam
pengambilan keputusan. Metode ini dibagi menjadi dua bagian besar berdasarkan jenis
datanya yaitu kualitatif dan kuantitatif. Pengolahan data dengan menggunakan teknik statistik
adalah istilah untuk metode analisis kuantitatif, dan pengolahan data menggunakan analisis
tematik dengan pengkodean dan berupa teks merupakan metode analisis kualitatif.

Menurut para ahli, kegiatan analisis data adalah hal yang sangat sulit karena
membutuhkan kerja keras, kreativitas pikiran, dan wawasan tinggi. Metode analisis dari pada
setiap penelitian pun tidak dapat disamakan, apalagi jika metode pengumpulan datanya sudah
berbeda. Prinsip metode analisis data adalah penggunaan prosedur dan teknik yang tepat
untuk menafsirkan hasil dan perencanaan teknik pengumpulan data agar analisisnya mudah
serta memberikan hasil akurat.

23
 Analisis statistik digunakan secara luas dalam berbagai bidang, seperti riset pasar,
business intelligence, analisis data, finance, dan lain sebagainya. Analisis statistik adalah studi,
ilmu mengumpulkan, mengatur, mengeksplorasi, menerjemahkan, dan menyajikan data untuk
mengungkap pola dan trend. Di era Big Data seperti saat ini, sudah banyak perusahaan yang
"melek data", artinya perusahaan-perusahaan tersebut mulai menyadari bahwa data sangat
dibutuhkan sebagai dasar pengambilan keputusan. Salah satu alasan perusahaan
menggunakan analisis statistik adalah untuk memprediksi trend di masa depan dan
meminimalisir risiko.

Analisis data merupakan sebuah proses pemeriksaan, pembersihan, transformasi dan

pemodelan data dengan tujuan menemukan informasi yang bermanfaat, menginformasikan
kesimpulan dan mendukung pengambilan keputusan. Dikutip dari pendidikan.co.id, analisis
data adalah suatu proses atau upaya mengolah data menjadi informasi baru. Proses ini
dibutuhkan agar karakteristik data menjadi lebih mudah dimengerti dan berguna sebagai solusi
bagi suatu permasalahan, khususnya yang berkaitan dengan penelitian.

1. Qualitative Analysis

Metode analisis data ini merupakan metode dengan menggunakan wawancara dan
observasi dengan menjawab pertanyaan seperti apa, mengapa atau bagaimana. Data-data
yang dianalisa dengan metode ini berupa teks atau narasi. Selanjutnya dari keseluruhan data
tersebut dilakukan proses pengklasifikasian berdasarkan kebutuhan dengan proses
pencodingan. Tahap terakhir pada metode ini adalah interpretasi data. Proses interpretasi
data sebenarnya dilakukan secara bersamaan selama coding. Upaya interpretasi dilakukan
bersamaan dalam mengklasifikasikan data. Langkah interpretasi untuk menganalisa data untuk
menghasilkan informasi yang dibutuhkan.

Metode ini memerlukan pendekatan dari data yang sifatnya lebih subjektif. Metode
analisis data kualitatif adalah metode pengolahan data secara mendalam dengan data dari
hasil pengamatan, wawancara, dan literatur. Kelebihan metode ini adalah kedalaman dari hasil
24
analisisnya. Di sisi lain, inilah nilai lebih dari metode analisis kualitatif, di mana si analis
memainkan peran penting dalam proses analisis sebagai bagian dari alat penelitian.

2. Quantitative Analysis

Metode analisis data kuantitatif adalah metode yang bergantung kepada kemampuan
untuk menghitung data secara akurat. Selain itu, metode ini juga memerlukan kemampuan
untuk menginterpretasikan data yang kompleks. Beberapa contoh metode analisis kuantitatif,
seperti analisis deskriptif, regresi, dan faktor. Metode analisis data kuantitatif mempunyai
berbagai macam jenis analisis seperti teknik korelasional, regresi, komparasi, deskriptif dan
sejenisnya.

Metode ini merupakan pendekatan pengolahan data melalui metode statistik atau
matematik yang terkumpul dari data sekunder. Kelebihan dari metode ini adalah kesimpulan
yang lebih terukur dan komprehensif. Metode metode lainnya yang dapat digunakan dalam
proses analisis data adalah analisis teks, statistical, diagnosa, prediktif, perspektif.

3. Kombinasi Qualitative dan Quantitative

Metode analisis kombinasi ini merupakan pendekatan yang mengkombinasikan atau

menghubungkan antara metode analisis kuantitatif dan kualitatif. Hal ini mencakup landasan
filosofis, penggunaan pendekatan kuantitatif dan kualitatif, dan mengkombinasikan kedua
pendekatan. Creswell juga menjelaskan bahwa metode analisis kombinasi disebut juga sebagai
metode multimethods (multi metode). Metode ini digunakan secara bersama-sama dalam
suatu kegiatan analisis, sehingga didapatkan data yang lebih komprehensif, valid, reliabel, dan
obyektif.

25
4. Analisis Korelasi

Analisis ini menguji apakah dua variabel mempunyai hubungan atau tidak, dapat dilihat
dengan tingkat signifikansi. Tingkat signifikansi ini digunakan untuk menyatakan apakah dua
variabel mempunyai hubungan atau tidak terdapa hubungan, sedangkan jika ada hubungan
maka akan dicari seberapa kuat hubungan itu, keeratan hubungan itu dinyatakan dalam
bentuk koefisien korelasi dengan nilai antara -1 hingga +1.

5. Analisis Regresi

Data yang sudah terkumpul dan akan digunakan untuk memprediksi data selanjutnya
bisa dilakukan dengan metode analisis regresi. Analisis Regresi merupakan bagian dari metode
analisis data kualitatif. Pada metode tersebut, data yang sudah ada bisa menjadi dasar untuk
memprediksi tren masa depan. Metode analisis regresi mampu mengukur hubungan antara
variabel dependen dengan satu atau lebih variabel independen.

Metode analisis regresi dinilai efektif untuk mencari tahu hal-hal yang bisa dioptimalkan
dengan melihat tren atau kecenderungan dan hubungan antar data faktor. Model analisis
regresi dapat linier, non-linier, logistik, life data, dan sebagainya. Adapun software untuk
membantu proses analisis korelasi dan regresi adalah antara lain :

• Pemakaian Dasar : Microsoft Excel, SPSS, E Views, Stata

Software di atas bisa digunakan untuk basis data yang distribusi normal dan tidak normal
• Pemakaian Lanjutan untuk model SEM (struktural equation model) : AMOS (Analysis of a
Moment Mtructures), Lisrel (Linear Structural Relationship) dan SmartPLS.
Amos dan Lisrel berbasis data yang berdistribusi normal
• Pemakain Advance : R dan Pyton
Pengguna dapat membuat personalisasi analisis yang diinginkan dengan coding yang telah
disediakan

26
Latihan Soal

A. Rumus Sampel

1. Slovin

Menteri Kesehatan, akan membuat kebijakan wajib vaksin Covid 19 pada 2020 untuk semua
masyarakat Indonesia, sebelum kebijakan itu dijadikan Permenkes dan Perpres, maka vaksin
harus diuji coba kepada sukarelawan. Populasi yang ditunjuk adalah sukarelawan, mereka yang
bersedia adalah berasal dari seluruh golongan masyarakat Indonesia dari Sabang sampai
Merauke yaitu sebanyak 1.700 orang. Agar untuk menghemat waktu dan biaya dimana vaksin
ini harus segera didistribusikan di tahun 2021, maka dari 1.700 orang diambillah sampel,
dengan aturan tingkat kepercayaan 95% dan tingkat error 5%. Hitunglah sampel yang mesti
dijadikan objek penelitian vaksin Covid 19?

2. Isaac & Michael

Dengan kasus yang sama gunakan rumus penarikan sampel oleh Isaac & Michael untuk
menghitung sampel penelitian vaksin.

B. Skala

Dalam kehidupan sehari-hari, kita tidak asing dengan empat macam skala pengukuran
tersebut tapi sering kita tidak sadari bahwanya kita telah menerapkannya dalam kehidupan nyata.
Kasus I :
Prakiraan cuaca Pagi, Siang dan Malam kota Bukittinggi dari Badan Metereologi Klimatologi dan
Geofisika (BMKG) Padang Panjang yang dapat diakses dari websitenya www.bmkg.go.id diprediksi
bahwa kecepatan angin lebih cepat dari kecepatan normal yaitu mencapai 40 km/jam, padahal
normalnya hanya sekitar 10 km/jam. Kecepatan angin yang cukup tinggi ini disebabkan oleh
adanya daerah yang bertekanan rendah (low pressure) di sekitar selatan kota Bukittinggi yaitu dari
27
kawasan gunung Merapi sehingga menyebabkan cuaca di dari hingga malam relatif dingin yang
berkisar 9 C hingga 15 C. Dari informasi tersebut tentukan empat skala di bawah ini.
1. Nominal

2. Rasio

3. Ordinal

4. Interval

Kasus II :

Pada suatu kelas terdapat siswa laki-laki sebanyak 20 orang dan siswa perempuan 25 orang. Pada
akhir semester di adakan acara pemeringkatan kelas hanya untuk 3 besar dengan tujuan apresiasi
dan pemberi motivasi bagi seluruh siswa agar lebih terpacu menjadi lebih baik, yaitu siapa juara 1,
2 dan 3. Penilaian juara berasal dari rata-rata nilai tertinggi dengan rentang sebagai berikut Juara
1 ; rentang nilai 97 – 100, Juara 2 : rentang nilai 93 – 96 dan Juara 3 : rentang nilai 89 – 92. Hadiah
apresiasi untuk para juara adalah tepung kue sebagai berikut : Juara 1 : 2 liter minyak bimoli Juara
2 : 2,5 kg tepung kue dan Juara 3 : 1 kg beras. Dari informasi tersebut tentukan empat skala di
bawah ini.
1. Nominal

2. Ordinal

3. Interval

4. Rasio

28
Tugas 1

1. Buat contoh sampel dan populasi minimal lima dengan Topik : Akuntansi Keuangan, Akuntansi
Sektor Publik, Audit, Perpajakan, dan Akuntansi Rumah Sakit.

2. Cari judul Skripsi dan Buat Hipotesis 0 (Ho) dan Hipotesis 1 (H1), minimal 2

Topik : Akuntansi Keuangan, Akuntansi Sektor Publik, Audit, Perpajakan, dan Akuntansi Rumah
Sakit. (Pilih 2 topik)

3. Hitung sampel dengan rumus Slovin

Populasi responden pegawai Bank Bing Bung Bukittinggi adalah berjumlah 200 orang, maka
sample yang kita ambil sebagai penelitian dengan tingkat kepercayaan 95% dan tingkat error 5%
adalah?

Praktek SPSS (Sederhana)

1. Statistik Deskriptif

2. Korelasi (Uji Parametrik)

3. Regresi (Uji Paramterik)

4. Uji Normalitas

5. Uji Tanda, Uji Wilcoxon, Mann Whitney, Kruskal Willis

29
2. Variabel dan Data Peneliatian

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

3. Sampling

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

4. Estimasi dan Interval

Pembuka

Latihan Soal
30
Tugas

Prakteks SPSS

5. Hipotesis

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

6. Variance

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

31
7. Uji Chi Kuadrat

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

8. Statistik Non-Parametriks

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

9. Regresi linear sederhana dan regresi linear berganda

Pembuka

Latihan Soal
32
Tugas

Prakteks SPSS

10.Korelasi

Pembuka

Latihan Soal

Tugas

Prakteks SPSS

11.Logistic regresi

Pembuka

33
Latihan Soal

Tugas

Prakteks SPSS

34
35
 Daftar Pustaka

Dwiputri, Inayati Nuraini. Statistika Untuk Ekonomi dan Bisnis. Samudra Biru. Yogyakarta. 2020

Ghozali, Imam. Aplikasi Analisis Multivariate Dengan Program SPSS - Cetakan IV. Badan Penerbit
Universitas Diponegoro. Semarang. 2007

Sugiarto & Setyo H.Statistika Terapan Untuk Bisnis Dan Ekonomi. Andi. Jakarta. 2021

Wahyudi, Tri W. Statistika Ekonomi: Konsep, Teori, dan Penerapan. Universitas Brawijaya Press.
Malang. 2017

36