MAKALAH METODOLOGI PENELITIAN 2

UNDERSTANDING RESEARCH RESULTS: STATISTICAL INFERENCE

Dosen Pengampu: Dr. Diana Mutiah, M.Si

Disusun Oleh:

Shofiyah Qubailal Fitri (11210700000049)

Galuh Sekar Ayu (11210700000083)

PROGRAM STUDI PSIKOLOGI

FAKULTAS PSIKOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2022

i
 KATA PENGANTAR
Puja dan puji syukur kami panjatkan atas kehadirat Allah SWT. yang telah memberikan
nikmat iman dan nikmat Islam kepada kami, serta nikmat kesehatan baik jasmani maupun
rohani, sehingga kami dapat menyelesaikan makalah dengan judul Understanding Research
Results: Statistical Inference (Memahami Hasil Penelitian: Inferensi Statistik) dengan tepat
waktu.

Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas mata kuliah
Metodologi Penelitian 2 pada program studi Psikologi UIN Syarif Hidayatullah Jakarta. Selain
itu, penulisan makalah ini bertujuan untuk menambah wawasan mengenai bagaimana cara
memahami hasil penelitian dengan inferensi statistik.

Kami berterima kasih kepada Ibu Dr. Diana Mutiah, M. Si. selaku dosen pengampu mata
kuliah Metodologi Penelitian 2 yang telah memberikan arahannya kepada kami sehingga
makalah ini dapat terselesaikan dengan baik. Kami juga berterima kasih kepada keluarga serta
teman teman di kelas 2E1 yang telah memberikan bantuan serta dukungannya kepada kami.

Kami selaku tim penulis menyadari bahwa makalah yang kami tulis masih memiliki
kekurangan. Maka dari itu, kami sangat mengharapkan kritik dan saran yang membangun
sehingga kami dapat memperbaiki kekurangan kami. Penulis berharap makalah ini dapat
memberikan manfaat serta wawasan baru kepada semua pihak.

Tangerang Selatan, 3 April 2022

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR.....................................................................................................................ii
BAB I...............................................................................................................................................1
PENDAHULUAN...........................................................................................................................1
A. Latar Belakang......................................................................................................................1
RUMUSAN MASALAH.............................................................................................................1
TUJUAN......................................................................................................................................1
BAB II.............................................................................................................................................3
PEMBAHASAN..............................................................................................................................3
Explain how researchers use inferential statistics to evaluate sample data.................................3
Distinguish between the null hypothesis and the research hypothesis.........................................4
Discuss probability in statistical inference, including the meaning of statistical significance....4
Describe the t test and explain the difference between one-tailed and two-tailed tests...............4
Describe the F test, including systematic variance and error variance........................................5
Describe what a confidence interval tells you about your data....................................................6
Distinguish between Type I and Type II errors...........................................................................6
Discuss the factors that influence the probability of a Type II error...........................................7
Discuss the reasons a researcher may obtain nonsignificant results............................................8
Define power of a statistical test..................................................................................................9
Describe the criteria for selecting an appropriate statistical test................................................10
BAB III..........................................................................................................................................12
PENUTUP.....................................................................................................................................12
Kesimpulan................................................................................................................................12
Saran...........................................................................................................................................12

iii
 BAB I

PENDAHULUAN

A. Latar Belakang
Ditinjau dari asal kata, statistika berasal dari bahasa latin, yaitu status atau statista
yang mempunyai arti “negara”. Pada mulanya, status atau statista digunakan untuk
mencatat berbagai kegiatan atau urusan yang berkaitan dengan negara. Misalnya jumlah
penduduk pada tahun tertentu, penerimaan pajak, pengeluaran untuk gaji tenaga pengajar,
dan lain-lain. Pada abad ke-17 dan ke-18 ada tiga peristilahan yang bersaing, yaitu:
political arithmetic, publisistika dan statistika. Pada pertengahan abad ke-18, dari ketiga
istilah tersebut yang masih bertahan sampai sekarang adalah istilah statistika. Statistika
adalah ilmu yang mempelajari tentang mengumpulkan data, mendeskripsikan data,
menganalisis data, dan menarik kesimpulan untuk membuat suatu keputusan.
Sejalan dengan perkembangan zaman, statistika tidak lagi hanya digunakan untuk
urusan pemerintah atau negara, tetapi mulai banyak digunakan di berbagai bidang
kehidupan termasuk kegiatan penelitian di bidang pertanian, ekonomi, kedokteran
biologi, psikologi dan pendidikan. Statistika inferensial adalah bagian statistika yang
membahas cara melakukan analisis data, menaksir, meramalkan, dan menarik kesimpulan
terhadap data, fenomena, persoalan yang lebih luas atau populasi berdasarkan sebagian
data (sampel) yang diambil secara acak dari populasi.

B. Rumusan Masalah
1.2.1 Bagaimana peneliti menggunakan statistik inferensial untuk mengevaluasi
data
sampel
1.2.2 Bagaimana perbedaan antara hipotesis nol dan hipotesis penelitian
1.2.3 Bagaimana probabilitas dalam inferensi statistik, termasuk makna signifikansi
statistic
1.2.4 Bagaimana uji t dan perbedaan antara uji satu sisi dan uji dua sisi
1.2.5 Bagaimana uji F, termasuk varians sistematis dan varians kesalahan
1.2.6 Apa itu interval menurut data anda
1.2.7 Bagaimana perbedaan antara kesalahan Tipe I dan Tipe II
1.2.8 Bagaimana faktor-faktor yang mempengaruhi kemungkinan kesalahan Tipe II
1.2.9 Bagaimana alasan peneliti dapat memperoleh hasil yang tidak signifikan
1.2.10 Bagaimana menentukan kekuatan uji statistic
1.2.11 Bagaimana kriteria pemilihan uji statistik yang sesuai

1
C. Tujuan
1.3.1 Memahami bagaimana peneliti menggunakan statistik inferensial untuk
mengevaluasi data sampel
1.3.2 Memahami perbedaan antara hipotesis nol dan hipotesis penelitian
1.3.3 Memahami probabilitas dalam inferensi statistik, termasuk makna signifikansi
statistic
1.3.4 Memahami uji t dan perbedaan antara uji satu sisi dan uji dua sisi
1.3.5 Memahami uji F, termasuk varians sistematis dan varians kesalahan
1.3.6 Memahami apa itu interval menurut data anda
1.3.7 Memahami perbedaan antara kesalahan Tipe I dan Tipe II
1.3.8 Memahami faktor-faktor yang mempengaruhi kemungkinan kesalahan Tipe II
1.3.9 Memahami alasan peneliti dapat memperoleh hasil yang tidak signifikan
1.3.10 Memahami bagaimana menentukan kekuatan uji statistic
1.3.11 Memahami kriteria pemilihan uji statistik yang sesuai

2
 BAB II

PEMBAHASAN

2.1 Explain how researchers use inferential statistics to evaluate sample data
Statistik inferensial diperlukan karena hasil penelitian yang diberikan hanya
didasarkan pada data yang diperoleh dari sampel tunggal peserta penelitian. Peneliti amat
jarang mengamati seluruh populasi karena biasanya data-data mereka berasal dari
sampel. Lalu bagaimana jika ingin mengamati keseluruhan populasi dan membuktikan
apakah hasil akan sama apabila eksperimen dilakukan berulang kali dengan sampel baru?
Statistik inferensial digunakan untuk menentukan apakah hasilnya cocok dengan
apa yang akan terjadi jika kita melakukan eksperimen berulang kali dengan banyak
sampel. Inferensi statistik dimulai dengan pernyataan hipotesis nol dan hipotesis
penelitian (atau alternatif).
Hipotesis nol:
a. Bahwa rata-rata populasi adalah sama—perbedaan yang diamati disebabkan oleh
kesalahan acak.
b. IV tidak berpengaruh.
c. Dalam percobaan permodelan agresi ->

H0 (hipotesis nol): Rata-rata populasi dari kelompok tanpa model sama dengan rata-
rata populasi dari kelompok model.

Hipotesis penelitian:

a. Bahwa rata-rata populasi, pada kenyataannya, tidak sama.

b. IV memang berpengaruh.
c. Dalam percobaan permodelan agresi ->

H1 (hipotesis penelitian): Rata-rata populasi dari kelompok tanpa model tidak sama
dengan rata-rata populasi dari kelompok model.

Logikanya hipotesis nol digunakan karena merupakan pernyataan yang sangat tepat,
yakni rata-rata populasinya sama persis. Hal ini memungkinkan kita untuk mengetahui
dengan tepat kemungkinan memperoleh hasil kita jika hipotesis nol benar dan hipotesis
penelitian salah.

Jadi, yang dimaksud dengan hasil signifikan adalah hasil yang memiliki kemungkinan
yang sangat rendah untuk terjadi jika rata-rata populasinya sama. Lebih sederhana,
signifikansi menunjukkan bahwa ada kemungkinan rendah bahwa perbedaan antara rata-
rata sampel yang diperoleh adalah karena kesalahan acak. Signifikansi, kemudian, adalah
masalah probabilitas.
3
2.2 Distinguish between the null hypothesis and the research hypothesis
2.2.1 Hipotesis nol:
a) Bahwa rata-rata populasi adalah sama—perbedaan yang diamati
disebabkan oleh kesalahan acak.
b) IV tidak berpengaruh.
c) Dalam percobaan permodelan agresi ->
H0 (hipotesis nol): Rata-rata populasi dari kelompok tanpa model
sama dengan rata-rata populasi dari kelompok model.
2.2.2 Hipotesis penelitian:
a) Bahwa rata-rata populasi, pada kenyataannya, tidak sama.
b) IV memang berpengaruh.
c) Dalam percobaan permodelan agresi ->
H1 (hipotesis penelitian): Rata-rata populasi dari kelompok tanpa
model tidak sama dengan rata-rata populasi dari kelompok model.
Logikanya:
1. Hipotesis nol digunakan karena merupakan pernyataan yang sangat tepat, yakni
rata-rata populasinya sama persis. Hal ini memungkinkan kita untuk mengetahui
dengan tepat kemungkinan memperoleh hasil kita jika hipotesis nol benar dan
hipotesis penelitian salah.
2. Hipotesis nol ditolak ketika ditemukan adanya probabilitas yang sangat rendah
bahwa hasil yang diperoleh dapat disebabkan oleh kesalahan acak.
3. Penerimaan hipotesis penelitian berarti bahwa variabel bebas berpengaruh
terhadap variabel terikat.

2.3 Discuss probability in statistical inference, including the meaning of statistical

significance
Hasil signifikan adalah hasil yang memiliki kemungkinan yang sangat rendah
untuk terjadi jika rata-rata populasinya sama. Lebih sederhana, signifikansi menunjukkan
bahwa ada kemungkinan rendah bahwa perbedaan antara rata-rata sampel yang diperoleh
adalah karena kesalahan acak. Signifikansi, kemudian, adalah masalah probabilitas.
Probabilitas yang diperlukan untuk signifikansi disebut tingkat alpha. Probabilitas
tingkat alpha yang paling umum digunakan adalah 0,05. Hasil penelitian dianggap
signifikan bila ada kemungkinan 0,05 atau lebih kecil untuk memperoleh hasil; yaitu,
hanya ada 5 kemungkinan dari 100 bahwa hasilnya disebabkan oleh kesalahan acak
dalam satu sampel dari populasi.
Jika sangat tidak mungkin bahwa kesalahan acak bertanggung jawab atas hasil
yang diperoleh, hipotesis nol ditolak.

2.4 Describe the t test and explain the difference between one-tailed and two-tailed tests
Uji t biasanya digunakan untuk menguji apakah dua kelompok berbeda secara
signifikan satu sama lain. Jika t yang diperoleh memiliki probabilitas kejadian yang

4
 rendah (0,05 atau kurang), maka hipotesis nol ditolak. Nilai t merupakan perbandingan
dua aspek data, selisih rata-rata kelompok dan variabilitas dalam kelompok. Nilai t apa
pun yang lebih besar atau sama dengan 2,101 memiliki probabilitas 0,05 atau lebih kecil
untuk terjadi di bawah asumsi hipotesis nol.
 Perbedaan Uji Satu Sisi dan Dua Sisi
Di dalam tabel, kita harus menentukan dimana t kritis situasi pada hipotesis
penelitian. Hal tersebut untuk:
1. Menentukan arah perbedaan antara kelompok (misalnya, kelompok 1 akan
lebih besar dari kelompok 2).
2. Tidak menentukan prediksi arah perbedaan (misalnya, kelompok 1 akan
berbeda dari kelompok 2).
 Terdapat dua situasi:
1. Uji Satu Arah
Masalah divisualisasikan dengan melihat distribusi sampling nilai t
untuk 18 derajat kebebasan. Nilai 0 diharapkan paling sering terjadi,
sedangkan nilai yang lebih besar ataupun lebih kecil dari 0 diharapkan
kecil kemungkinannya untuk terjadi.
Dikatakan satu sisi karena hanya dapat menprediksi pada satu arah
yang ditentukan, arah negatif atau arah positif. Jika perbedaan arah telah
diprediksi, nilai kritisnya adalah 1,734. Ini adalah nilai di mana 5% dari
nilai hanya terletak pada satu "ekor" distribusi.
2. Uji Dua Arah
Masalah divisualisasikan dengan melihat distribusi sampling nilai t
untuk 18 derajat kebebasan. Nilai 0 diharapkan paling sering terjadi,
sedangkan nilai yang lebih besar ataupun lebih kecil dari 0 diharapkan
kecil kemungkinannya untuk terjadi.
Dikatakan dua sisi karena dapat memprediksi dua arah, ke arah
positif dan arah negatif. Digunakan nilai 2,101 untuk nilai kritis t dengan
tingkat signifikansi 0,05 karena arah perbedaan tidak diprediksi. Nilai
kritis ini adalah titik di mana 2,5% dari nilai positif dan 2,5% dari nilai
negatif terletak (oleh karena itu, probabilitas total 0,05 digabungkan dari
dua "ekor" distribusi sampling).
Apakah akan menentukan tes satu sisi atau dua sisi akan
tergantung pada apakah Anda awalnya merancang studi Anda untuk
menguji hipotesis terarah.

2.5 Describe the F test, including systematic variance and error variance
Analisis varians atau uji F, merupakan kelanjutan dari uji t. Analisis varians
merupakan prosedur statistik yang lebih umum daripada uji t. Ketika sebuah penelitian
hanya memiliki satu variabel bebas dengan dua kelompok, maka F dan t hampir identik,
yakni nilai F sama dengan t2 dalam situasi ini. Akan tetapi, analisis varians juga

5
digunakan ketika ada lebih dari dua tingkat variabel independen dan ketika telah
digunakannya desain faktorial dengan dua atau lebih variabel independen. Dengan
demikian, uji F sesuai untuk desain eksperimen yang paling sederhana, serta untuk desain
yang lebih kompleks seperti yang telah dibahas dalam Bab 10. Uji t disajikan terlebih
dahulu, karena dengan adanya rumus dapat memungkinkan untuk dengan mudah
menunjukkan hubungan perbedaan grup dan variabilitas dalam kelompok terhadap hasil
uji statistik. Namun, dalam praktiknya, analisis varians merupakan prosedur yang lebih
umum. Untuk perhitungan yang diperlukan dalam melakukan uji F, disajikan dalam
Lampiran B.
Statistik F merupakan rasio dari dua jenis varians, yakni varians sistematis dan
varians kesalahan (karenanya istilah analisis varians). Varians sistematis adalah
penyimpangan rata-rata kelompok dari mean besar, atau skor rata-rata dari semua
individu dalam semua kelompok. Varians sistematis akan kecil ketika perbedaan antara
rata-rata kelompok tersebut kecil dan akan meningkat ketika perbedaan rata-rata
kelompok tersebut meningkat. Sedangkan, varians kesalahan adalah penyimpangan skor
individu di setiap kelompok dari rata-rata kelompoknya masing-masing. Istilah yang
mungkin kita lihat dalam penelitian alih-alih yakni varian sistematis dan kesalahan adalah
varians antara grup dan varians dalam grup. Varians sistematis merupakan variabilitas
skor antara kelompok, sedangkan varians kesalahan adalah variabilitas skor dalam
kelompok. Semakin besar rasio F, maka semakin besar juga kemungkinan hasilnya
signifikan.
1. Signifikansi Statistik: Gambaran Umum
Logika yang mendasari penggunaan uji statistik bersandar pada teori statistik.
Akan tetapi, ada juga beberapa konsep umum yang dapat membantu dalam
memahami apa yang dilakukan saat melakukan uji statistik. Yakni:
a) Tujuan pengujian adalah untuk memungkinkan bahwa apa yang diperoleh
dapat diandalkan dan yakin bahwa hasil yang diperoleh akan sama jika
dilakukan penelitian yang berulang kali.
b) Tingkat signifikansi (tingkat alfa) yang dipilih menunjukkan bahwa seberapa
percaya dirinya saat membuat membuat keputusan. Jika tingkat signifikansi
0,05, maka dapat dikatakan bahwa 95% yakin akan keandalan pada apa yang
ditemukan. Namun, ada 5% yang memungkinkan bahwa itu bisa saja salah.
c) Jika kita memiliki ukuran sampel yang besar, maka ada kemungkinan besar
untuk mendapatkan hasil yang signifikan, karena ukuran yang lebih besar
akan memberikan perkiraan yang lebih baik dari nilai populasi sebenarnya.
Sehingga, apabila ukuran efeknya besar maka ada kemungkinan besar akan
mendapatkan hasil yang signifikan, yakni ketika perbedaan antara kelompok
besar dan variabilitas skor dalam kelompok kecil.

6
2.6 Describe what a confidence interval tells you about your data
Setelah mendapatkan nilai sampel, kita dapat menghitung interval kepercayaan. Interval
nilai menentukan rentang nilai populasi aktual yang paling mungkin. Penting untuk memeriksa
interval kepercayaan untuk mendapatkan pemahaman yang lebih baik tentang arti dari data yang
Anda peroleh. Meskipun sarana sampel yang diperoleh memberikan perkiraan terbaik dari nilai
populasi, Anda dapat melihat kemungkinan kisaran nilai yang mungkin. Ukuran interval terkait
dengan ukuran sampel dan tingkat kepercayaan. Ketika ukuran sampel meningkat, interval
kepercayaan menyempit. Ini karena mean sampel yang diperoleh dengan ukuran sampel yang
lebih besar lebih cenderung mencerminkan mean populasi.

Kedua, kepercayaan yang lebih tinggi dikaitkan dengan interval yang lebih besar. Jika
Anda ingin hampir yakin bahwa interval tersebut berisi rata-rata populasi yang sebenarnya
(misalnya, interval kepercayaan 99%), Anda perlu memasukkan lebih banyak kemungkinan.
Perhatikan bahwa interval kepercayaan 95% untuk kedua rata-rata tidak tumpang tindih. Ini
harus menjadi petunjuk bagi Anda bahwa perbedaannya signifikan secara statistik.

2.7 Distinguish between Type I and Type II errors

Keputusan untuk menolak hipotesis nol didasarkan pada probabilitas daripada
kepastian. Yang artinya, keputusan dibuat tanpa pengetahuan secara langsung tentang
keadaan yang sebenarnya dalam suatu populasi. Dengan demikian, bisa saja keputusan
itu mungkin tidak benar, kesalahan dapat terjadi akibat penggunaan statistik inferensial.
Sebuah matriks keputusan ditunjukkan dalam gambar 13.3
Dalam gambar tersebut dapat diperhatikan bahwa ada 2 kemungkinan keputusan,
yakni:
1. Tolak hipotesis nol benar, atau
2. Hipotesis nol salah.
Singkatnya, seperti yang telah ditunjukkan oleh matriks keputusan, ada 2 jenis
keputusan yang benar dan dua jenis kesalahan.

2.8 Discuss the factors that influence the probability of a Type II error
2.8.1 Kesalahan Tipe I
Kesalahan Tipe I dapat terjadi jika kita menolak hipotesis nol tetapi
hipotesis nol sebenarnya benar. Dapat diambil keputusan bahwa rata-rata populasi
tidak sama padahal sebenarnya sama. Kesalahan tipe I terjadi ketika secara
kebetulan kita memperoleh nilai t atau F yang besar. Misalnya, meskipun pada
nilai 4,025 sangat tidak mungkin jika mean populasi memang sama (kurang dari 5
peluang dari 100) ini bisa terjadi. Jika diperoleh nilai t yang begitu besar secara
kebetulan, maka dapat dikatakan bahwa kita salah dalam memutuskan variabel
independen berpengaruh.
Probabilitas terjadinya kesalahan Tipe I ditentukan oleh pilihan tingkat
signifikansi atau alfa (alfa dapat ditampilkan sebagai huruf Yunani alfa — ).
Ketika tingkat signifikansi untuk memutuskan apakah akan menolak hipotesis nol
7
 adalah 0,05, maka probabilitas kesalahan Tipe I (alfa) adalah 0,05. Jika hipotesis
nol ditolak, maka ada 5 kemungkinan dari 100 bahwa keputusan itu salah.
Probabilitas kesalahan Tipe I dapat diubah dengan mengurangi atau
meningkatkan tingkat signifikansi. Jika kita menggunakan tingkat alfa yang lebih
rendah dari 0,01, maka kemungkinan kesalahan Tipe I lebih kecil. Dengan tingkat
signifikansi 0,01, hipotesis nol ditolak jika probabilitas memperoleh hasil 0,01
dan akan kurang jika hipotesis nol itu benar.
2.8.2 Kesalahan Tipe II
Kesalahan Tipe II terjadi ketika hipotesis nol diterima meskipun dalam
populasi hipotesis penelitian benar. Rata-rata populasi tidak sama, tetapi hasil
eksperimen tidak mengarah pada keputusan untuk menolak hipotesis nol.
Penelitian harus dirancang sedemikian rupa sehingga kemungkinan kesalahan
Tipe II (probabilitas ini disebut beta) atau relatif rendah. Terdapat 3 faktor
Probabilitas dalam kesalahan Tipe II:
1. Tingkat signifikansi (alpha)
Jika kita menetapkan tingkat signifikansi yang sangat rendah untuk
mengurangi kemungkinan kesalahan Tipe I, maka kita meningkatkan
kemungkinan dalam kesalahan Tipe II. Dengan kata lain, jika kita
membuatnya sangat sulit untuk menolak hipotesis nol, maka terdapat
kemungkinan salah dalam menerima hipotesis nol meningkat.
2. Ukuran sampel
Perbedaan yang sebenarnya lebih mungkin untuk dideteksi jika
ukuran sampelnya besar.
3. Ukuran efek
Jika ukuran efeknya besar, kesalahan Tipe II tidak mungkin terjadi.
Namun, jika ukuran efek kecil maka mungkin saja tidak signifikan
terhadap sampel yang kecil.

2.9 Discuss the reasons a researcher may obtain nonsignificant results

Seorang peneliti dapat memperoleh hasil yang tidak signifikan dapat diakibatkan
karena kesalahan Tipe II. Hal tersebut dapat terjadi ketika seorang peneliti memberikan
instruksi yang tidak dapat dipahami kepada partisipan, memanipulasi variabel independen
yang sangat lemah, atau dengan menggunakan ukuran dependen yang tidak dapat
diandalkan dan tidak sensitif. Kesalahan tipe II dapat dipengaruhi oleh 3 faktor sebagai
berikut:
1. Tingkat signifikansi (alfa), ukuran sampel, dan ukuran efek.
Hasil yang tidak signifikan lebih mungkin ditemukan jika peneliti
sangat berhati-hati dalam memilih tingkat alfa. Jika peneliti menggunakan
tingkat signifikansi 0,001 daripada 0,05, lebih sulit untuk menolak
hipotesis nol (tidak banyak kemungkinan kesalahan Tipe I). Namun, itu
juga berarti bahwa ada kemungkinan lebih besar untuk menerima hipotesis

8
 nol yang salah (yaitu, kesalahan Tipe II lebih mungkin terjadi). Dengan
kata lain, hasil yang bermakna lebih mungkin diabaikan ketika tingkat
signifikansinya sangat rendah.
2. Ukuran sampel yang terlalu kecil untuk mendeteksi hubungan nyata antar
variabel.
Prinsip umum adalah bahwa semakin besar ukuran sampel,
semakin besar kemungkinan untuk memperoleh hasil yang signifikan. Ini
karena ukuran sampel yang besar memberikan perkiraan yang lebih akurat
dari populasi sebenarnya daripada ukuran sampel yang kecil. Dalam setiap
studi tertentu, ukuran sampel mungkin terlalu kecil untuk memungkinkan
deteksi hasil yang signifikan.
3. Ukuran efeknya kecil.
Efek yang sangat kecil sulit dideteksi tanpa ukuran sampel yang
besar. Secara umum, ukuran sampel harus cukup besar untuk menemukan
efek nyata, bahkan jika itu kecil. Fakta bahwa ada kemungkinan efek yang
sangat kecil menjadi signifikan secara statistik menimbulkan masalah lain.

2.10 Define power of a statistical test

Kekuatan uji statistik dapat digunakan dalam berbagai bentuk sebagai berikut:
1. Untuk memilih ukuran sampel analisis daya
Analisis daya diperlukan untuk menentukan ukuran sampel
berdasarkan perkiraan ukuran efek, tingkat signifikansi, dan daya yang
diinginkan. Jika seorang peneliti sedang mempelajari hubungan dengan
korelasi ukuran efek .20, ukuran sampel yang cukup besar diperlukan
untuk signifikansi statistik pada tingkat .05. Ukuran sampel yang tidak
tepat rendah dalam situasi ini cenderung menghasilkan temuan yang tidak
signifikan.
2. Untuk replikasi
Replikasi digunakan untuk menyelidiki penelitian tunggal. Dalam
menyimpulkan nilai populasi berdasarkan penyelidikan tunggal, kita dapat
melihat hasil beberapa penelitian yang mereplikasi penyelidikan
sebelumnya.
3. Signifikansi a pearson r koefisien korelasi
Koefisien korelasi r Pearson digunakan untuk menggambarkan
kekuatan hubungan antara dua variabel ketika kedua variabel memiliki
sifat skala interval atau rasio. Uji signifikansi statistik akan
memungkinkan untuk memutuskan apakah akan menolak hipotesis nol.
4. Analisis data computer
Meskipun statistic dapat dihitung dengan kalkulator, namun
sebagian besar analisis data dilakukan melalui program komputer. Paket
perangkat lunak analisis statistik yang canggih memudahkan penghitungan

9
 statistik untuk kumpulan data apa pun. Statistik deskriptif dan inferensial
diperoleh dengan cepat, perhitungannya akurat, dan informasi tentang
signifikansi statistik disediakan dalam output. Komputer juga
memfasilitasi tampilan grafik data. Beberapa program statistik utama
termasuk SPSS, SAS, SYSTAT, dan R dan MYSTAT yang tersedia secara
bebas. Banyak orang melakukan sebagian besar analisis statistik mereka
menggunakan program spreadsheet seperti Microsoft Excel.

2.11 Describe the criteria for selecting an appropriate statistical test

Kriteria untuk memilih uji statistik untuk variable tunggal yang tepat dalam
menganalisis data dapat dilakukan dengan mengetahui jenis variable, yakni nominal,
ordinal, atau interval. Dalam menganalisis datanya dapat menggunakan jenis metrik
statistik (statistik) yang disesuaikan dengan skala pengukuran variabel tersebut. Tabel di
bawah ini memberikan ringkasan mengenai cara pemilihan uji statistik:

Jenis Tendensi
Frekuensi Penyebaran Simetri Puncak Normalitas
Variabel Sentral

Frekuensi
relatif
(misalnya, Frekuensi
Nominal Modus persentase relatif dari
) atau nilai modal
frekuensi
absolut

Frekuensi
relatif
(misalnya,
Deviasi
persentase
Ordinal Median antar
) atau
kuartil
frekuensi
absolut,
atau uji-N

Interval Mean, Frekuensi Standar Kecondonga Kurtosis Kolmogorov-

Median, relatif deviasi n Smirnov uji
dan (misalnya, atau satu sampel
ukuran persentase koefisien atau
lainnya ) atau variasi, perpanjangan
frekuensi atau Lilliefors
absolut, dari uji

10
 Kolmogorov-
Smirnov,
atau uji-N rentang atau uji
kecocokan
Chi-kuadrat

Dalam memilih metrik yang sesuai untuk tendensi sentral dari variabel interval dapat
dipertimbangkan sebagai berikut:
1. Apakah ada outlier yang signifikan?
2. Apakah distribusinya miring?
Jika ada outlier, sebaiknya lakukan salah satu transformasi berikut ke dalam variabel:
1. Memenangkan kumpulan data
2. Memangkasnya (yaitu menghapus nilai ekstrem)
3. Jika distribusi Anda tidak simetris (yaitu miring), Anda harus
menggunakan mean dan median.

11
 BAB III

PENUTUP
Kesimpulan
Dari penjelasan yang sudah dipaparkan diatas mengenai statistic inferensia, dapat
disimpulkan bahwa dalam pelaksanaannya, statistic inferensia dapat digunakan untuk
mengevaluasi data sampel. Selain itu dapat digunakan untuk mengetahui perbedaan
antara hipotesis nol dan hipotesis penelitian, mengetahui probabilitas dalam inferensi
statistik, termasuk makna signifikansi statisti, mengetahui uji t dan perbedaan antara uji
satu sisi dan uji dua sisi, mengetahui uji F, termasuk varians sistematis dan varians
kesalahan, mengetahui interval sesuai data, mengetahui perbedaan antara kesalahan Tipe
I dan Tipe II, mengetahui faktor-faktor yang mempengaruhi kemungkinan kesalahan Tipe
II, mengetahui alasan peneliti dapat memperoleh hasil yang tidak signifikan, mengetahui
cara menentukan kekuatan uji statistic, serta mengetahui kriteria pemilihan uji statistik
yang sesuai.

Saran
Dalam membuat makalah mengenai statistika interferensial ini sarannya adalah
lebih membaca lagi materi, mencari materi dari banyak sumber, agar makalah dapat
tersusun secara lengkap dan dapat dipahami pembaca. Kami juga meminta saran dan
kritik yang membangun guna perbaikan makalah selanjutnya.

12
 DAFTAR PUSTAKA
Cozby, Paul C. 2009. Methods in Behaviral Research Edisi ke-9. Yogyakarta: Pustaka Pelajar.

13