UJI NORMALITAS
Chi Square
Uji normalitas dengan menggunakan uji Chi Kuadrat disebut juga Uji Goodness of Fit.
Menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan
nilai yang diharapkan. Uji normalitas datanya disajikan secara berkelompok. Data
berbentuk nominal atau ordinal.
a. Selalu positif
b. df = k – 1, dimana k adalah jumlah kategori (variabel). Jadi bentuk distribusi chi-
kuadrat tidak ditentukan banyaknya sampel, melainkan banyaknya derajat bebas.
c. Bentuk distribusi chi-kuadrat menjulur positif. Semakin besar derajat bebas, semakin
mendekati distribusi normal.
Rumus umum :
Keterangan :
c. Mencari luas 0-Z dari Tabel Kurva Normal dari 0-Z dengan menggunakan Z hitung.
d. Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-nilai 0-Z
tepi bawah dengan tepi atas.
9. Mencari frekuensi yang diharapkan dengan cara mengalikan luas tiap interval dengan
jumlah responden.
10. Mencari Chi-Kuadrat hitung
3. Hipotesis uji
Uji liliefors digunakan untuk menguji apakah data itu berdistribusi normal atau tidak.
Tedapat persyaratan untuk menggunakan mettode liliefors ini, yaitu:
a. Data berskala interval atau ratio (kuantitatif).
b. Data tunggal atau belum dikelompokkan pada tabel distribusi frekuensi.
c. Dapat untuk n besar maupun n kecil.
HIPOTESIS UJI :
H0 : Data populasi berdistribusi normal
H1 : Data populasi berdstribusi tidak normal
SIGNIFIKANSI UJI :
nilai terbesar | F(zi) - S(zi) | dibandingkan dengan nilai tabel Lilliefors.
1. Jika Lhitung < Ltabel liliefors , maka :
a. Ho diterima
b. H1 ditolak.
2. Jika Lhitung > Ltabel liliefors , maka :
a. Ho ditolak
b. H1 diterima
F(Zi) = P(Zi ≤ Ztabel (peluang)
S(Zi) = proporsi Z1 , Z2 , Z3 , Z4 , ... Zn yang ≤ Zi .
Lhitung = | F(zi) - S(zi) |
Ltabel liliefors = dilihat pada tabel liliefors
TABEL NILAI KRITIS L UNTUK UJI LILIEFORS :
LANGKAH-LANGKAH PENGUJIAN :
Contoh : misalkan sampel dengan data : 23, 27, 33, 40, 48, 48, 57, 59, 62, 68, 69, 70 telah
diambil dari sebuah opulasi.
Hipotesis Uji :
H0 = Sampel berasal dari populasi yang berdistribusi normal.
H1 = Sampel berasal dari populasi yang berdistribusi tidak normal
1. Urutkan data dari yang terkecil ke yang terbesar lalu cari rata-rata, simpangan baku
(standar deviasi) dari sampel data.
3. Mencari (Ztabel ) pada tabel distribusi normal
BAB II UJI HIPOTESIS
A. UJI HIPOTESIS KORELASI
1. Chi Square
Uji Chi Square atau dikenal juga di Indonesia sebagai uji Kai Kuadrat, adalah
salah satu cara yang digunakan untuk menyampaikan atau menunjukkan
keberadaan hubungan (ada atau tidaknya) antara variabel yang diteliti.
Uji Ⅹ² untuk ada tidaknya hubungan antara dua variabel (Independency test).
Uji Ⅹ² untuk homogenitas antar- sub kelompok (Homogenity test).
Uji Ⅹ² untuk Bentuk Distribusi (Goodness of Fit)
Chi square Ⅹ² dan Goodness of Fit
Uji Chi square merupakan salah satu teknik yang termasuk dalam tipe Goodness
of fit.
Goodness of Fit adalah suatu teknik yang menunjukkan bahwa suatu tes dapat
digunakan untuk menguji apakah terdapat perbedaan yang signifikan antara
objek yang diamati dengan objek yang dikategorikan sebagai harapan
berdasarkan hipotesis nol (H₀).
a. Tidak ada cell dengan nilai frekuensi amatan atau observasi bernilai 0
(Nol).
b. Apabila bentuk tabel kontingensinya adalah 2 X 2, maka tidak boleh ada 1
cell pun dari frekuensi harapan yang bernilai kurang dari 5.
c. Apabila bentuk tabel lebih dari 2 x 2, misalkan 2 x 3, maka jumlah cell
frekuensi harapan yang bernilai kurang dari 5 tidak boleh lebih dari 20%
dari keseluruhan cell.
Apabila jumlah sampel yang digunakan terlalu kecil, hal ini akan
mengakibatkan fekuensi harapan yang tercipta pun menjadi kecil. Padahal
dalam uji Pearson Chi Square disyaratkan bahwa frekuensi harapan yang
tercipta harus minimal 5 atau lebih.
Dalam melakukan uji chi square, terdapat beberapa syarat sampel lainnya yang
wajib dipenuhi yaitu:
a. Penentuan Sampel untuk observasi harus dipilih secara acak Semua
pengamatan dilakukan dengan independen
b. Setiap sel hanya berisi 1 (satu) frekuensi harapan.
c. Besar sampel sebaiknya > 40 (Cochran, 1954)
χ2=∑(Oi−Ei)2Ei
atau dalam text book yang lain, formula chi square dapat
dirumuskan sebagai berikut:
χ2c=∑(F0−Fe) Fe 2
Keterangan:
Daerah Penolakan χ2
Penentuan nilai Chi square tabel didasarkan pada besar nilai α dan
derajat bebasnya.
Untuk tabel satu arah, maka nilai derajat kebebasan sama dengan r-
1.
Untuk tabel dua arah, maka nilai derajat kebebasan sama dengan
(r-1)(c-1)
2. Spearman rho
Korelasi spearman rho adalah metode statistik yang digunakan untuk menguji
dugaan tentang adanya hubungan antara variabel apabila datanya berskala
ordinal (rangking) atau berskala rasio/interval namun tidak memenuhi asumsi
normalitas. Pada uji ini, nilai korelasi tidak dihitung berdasarkan nilai aktual
data, melainkan melalui peringkat yang sudah diberikan pada data. Koefisien
korelasi ini digunakan untuk mengukur derajat erat tidaknya hubungan antar
satu variabel terhadap variabel lainnya dimana pengamatan pada masing-masing
variabel tersebut didasarkan pada pemberian peringkat tertentu yang sesuai
dengan pengamatan serta pasangannya. Uji Korelasi Spearman juga merupakan
salah satu uji statistik non paramateris yang digunakan apabila ingin mengetahui
hubungan antara 2 subjek dengan sumber data yang berasal dari subjek yang
berbeda.
Rumus Perhitungan
Diberikan (x1,y1),(x2,y2),(x3,y3),...,(xn,yn) adalah sampel yang berukuran n
data yang saling berpasangan. Untuk menghitung koefisien korelasi spearman
terlebih dahulu disusun peringkat dari seluruh sampel berpasangan Xi dan Yi
kemudian koefisien korelasi Spearman dihitung menggunakan rumus :
Dengan :
rs : Koefisien korelasi Spearman
d : selisih antar rangking
n : banyaknya data pengamatan
Z_{s}=\frac{r_{s}}{\frac{1}{\sqrt{n-1}}}
3. Pearson
Uji Pearson Product Moment adalah salah satu dari beberapa jenis uji korelasi
yang digunakan untuk mengetahui derajat keeratan hubungan 2 variabel yang
berskala interval atau rasio, di mana dengan uji ini akan mengembalikan nilai
koefisien korelasi yang nilainya berkisar antara -1, 0 dan 1. Nilai -1 artinya
terdapat korelasi negatif yang sempurna, 0 artinya tidak ada korelasi dan nilai 1
berarti ada korelasi positif yang sempurna.
Rentang dari koefisien korelasi yang berkisar antara -1, 0 dan 1 tersebut dapat
disimpulkan bahwa apabila semakin mendekati nilai 1 atau -1 maka hubungan
makin erat, sedangkan jika semakin mendekati 0 maka hubungan semakin
lemah.
Berdasarkan tabel di atas, dapat kami jelaskan tentang nilai koefisien korelasi uji
pearson product moment dan makna keeratannya dalam sebuah analisis statistik
atau analisis data. Berikut penjelasannya:
1. Nilai koefisien 0 = Tidak ada hubungan sama sekali (jarang terjadi),
2. Nilai koefisien 1 = Hubungan sempurna (jarang terjadi),
3. Nilai koefisien > 0 sd < 0,2 = Hubungan sangat rendah atau sangat lemah,
4. Nilai koefisien 0,2 sd < 0,4 = Hubungan rendah atau lemah,
5. Nilai koefisien 0,4 sd < 0,6 = Hubungan cukup besar atau cukup kuat,
6. Nilai koefisien 0,6 sd < 0,8 = Hubungan besar atau kuat,
7. Nilai koefisien 0,8 sd < 1 = Hubungan sangat besar atau sangat kuat.
8. Nilai negatif berarti menentukan arah hubungan, misal: koefisien korelasi antara
penghasilan dan berat badan bernilai -0,5. Artinya semakin tinggi nilai
penghasilan seseorang maka semakin rendah berat badannya dengan besarnya
keeratan hubungan sebesar 0,5 atau cukup kuat (lihat tabel di atas).
Agar anda bisa menghitung uji pearson product moment secara manual, maka
kenali rumus uji pearson product moment terlebih dahulu. Berikut adalah rumus
uji pearson product moment tersebut:
Nilai t hitung yang di dapat nantinya kita bandingkan dengan nilai t tabel.
Apabila t hitung > t tabel pada derajat kepercayaan tertentu, misal 95 % maka
berarti signifikan atau bermakna.
4. Gamma
Uji Gamma adalah salah satu dari uji Asosiatif Non Parametris. Gamma
mengukur hubungan antara 2 variabel berskala ordinal yang dapat dibentuk ke
dalam tabel kontingensi. Uji ini mengukur hubungan yang bersifat symmetris
artinya variabel A dan variabel B dapat saling mempengaruhi. Dalam bahasan
ini, kami akan sampaikan artikel tentang rumus uji korelasi gamma atau disebut
juga dengan istilah rumus koefisien gamma.
Gamma = Concordant-Discordant/Concordant+Discordant.
Kelemahan dari uji Gamma adalah tidak memperhatikan adanya TIES atau bias,
yaitu banyaknya pasangan yang bisa dibentuk. Ties kalau diartikan secara
mudah adalah banyaknya responden pada peringkat yang sama. Contoh:
Peringkat Pengetahuan baik, respondennya ada 23 sampel dan peringkat
pengetahuan kurang ada 12 sampel. Itulah yang disebut TIES.
5. Etta
Uji Eta adalah uji korelasi antara dua variabel yang digunakan apabila skala data
kedua variabel tidak sama, dimana variabel yang pertama berskala data nominal,
sedangkan variabel yang kedua berskala data interval. Dalam artikel ini kita akan
membahas rumus uji eta, cara perhitungannya, indikasi penggunannya dan cara
membaca hasil analisis serta cara menjawab hipotesisnya.
Keterangan:
6. Kendal tau
Korelasi Kendall Tau merupakan statistik nonparametrik dengan skala pengukuran
data sekurang-kurangnya data ordinal. Korelasi kendall tau digunakan untuk
mengukur tingkat kesesuaian yakni apakah ada perbedaan tingkat kesesuain ranking
antara 2 variabel yang diamati.
Metodologi
Rumus yang digunakan untuk mengukur koefisien korelasi kendall tau adalah:
Jika ada ranking yang sama, maka rumus di atas dilengkapi dengan faktor
koreksi rank yang sama, yaitu:
di mana:
Keterangan:
Sebagai contoh, kita ambil sebuah kasus yaitu: “Pengaruh Rokok Terhadap
Penyakit Kanker Pada Pria Usia Di Atas 50 Tahun”.
Odds Ratio yang dimaksud dalam contoh di atas adalah: seberapa besarkah
pengaruh rokok terhadap Penyakit Kanker pada pria usia di atas 50 tahun. Maka
jawabannya bisa jadi 2 kali lipat, 3 kali lipat atau 5,5 kali lipat. Nilai kali lipat
inilah yang disebut sebagai “odds ratio”.
Berdasar contoh di atas, nilai OR bisa sebesar 2 atau 3 atau 5,5. Artinya: pria
dengan usia di atas 50 yang merokok memiliki resiko sebesar 2 kali lipat untuk
dapat menderita kanker dibandingkan dengan pria di atas 50 tahun yang tidak
merokok. Dalam hal ini perlu diketahui: Rokok adalah paparan atau faktor
resiko sedangkan kanker adalah kejadian efek atau penyakit.
Di mana: “a” adalah cell a, “b” adalah cell b, “c” adalah cell c dan “d” adalah
cell d.
Manfaat Odds ratio
OR juga hanya boleh dilakukan pada penelitian dengan pendekatan Case
Control. Sedangkan untuk penelitian dengan pendekatan kohort, maka disebut
Relatif Risk. Ada sedikit perbedaan antara OR dan Relatif Risk (RR), namun
dalam bahasan artikel kali ini, kita hanya fokus pada OR.
Berdasar rumus di atas, tampak seolah uji OR sangatlah mudah, tetapi
sesungguhnya tidak semudah itu. Seperti uji inferensial lainnya, maka
diperlukan nilai signifikansi atau yang disebut juga P Value. P Value pada odds
ratio artinya, apakah nilai odds ratio yang didapat dari penelitian yang
menggunakan sampel, apakah bisa diberlakukan bagi keseluruhan populasi atau
yang disebut juga bisa dijadikan generalisasi. Maka kita juga akan
memperhatikan taraf signifikansi, pada batas kepercayaan berapa? apakah 95 %
atau 99 % atau yang lain?
1. Paired T-Test
Paired T-Test merupakan uji parametrik yang dapat digunakan pada dua data
berpasangan. Tujuan dari uji ini adalah untuk melihat apakah ada perbedaan rata-
rata antara dua sampel yang saling berpasangan atau berhubungan. Karena
berpasangan, maka data dari kedua sampel harus memiliki jumlah yang sama atau
berasal dari sumber yang sama. Misalkan jika kedua sampel tidak saling
berhubungan ataupun tidak memiliki jumlah data yang sama, maka dapat
menggunakan Uji Independent Sample T-Test.
Baca juga : Data Analisis : 2 Jenis Metode yang Penting Untuk Kamu Tahu dalam
Analisis Data
Sebagai contoh uji Wilcoxon Signed Rank Test yaitu mengukur signifikansi
perbedaan nilai ujian siswa sebelum dan sesudah pelajaran. Dari ini kita bisa
mengetahui bahwa terdapat 2 variabel, antara lain: 1 variabel bebas yaitu pelajaran
dengan 2 kelompok (sebelum pelajaran dan sesudah pelajaran), 1 variabel terikat
yaitu nilai ujian. Perhatikan bahwa kelompok sebelum dan sesudah adalah
kelompok yang berpasangan, sebab sampel atau subjeknya adalah individu atau
observasi yang sama. Masing-masing sampel yaitu masing-masing siswa memiliki 2
atribut yaitu nilai ujian sebelum pelajaran dan nilai ujian sesudah pelajaran.
Data
Prosedur Analisa
Masukan Variabel :
Klik Statistics..
Continue
Kemudian Klik Cells..
Continue
Kemudian Klik OK
OUTPUT
Tabel Kontingensi
Informasi mengenai proporsi jumlah Laki-laki dan Perempuan berdasarkan Katagori
Sekolah. Terlihat persentasi/proporsi jumlah LAKI-LAKI di sekolah NEGERI dan SWASTA
relatif sama, begitu pula dengan siswa PEREMPUAN..
Uji Chi-Square
Terlihat dari hasil uji Pearson Chi-square di dapat nilai signifikan (p-value) = 0,828
sehingga keputusan yang kita ambil adalah menerima Ho yang berarti bahwa tidak ada
perbedaan yang signifikan proporsi LAKI-LAKI dan PEREMPUAN antara sekolah Negeri
dengan sekolah SWASTA.
B. TUGAS