CHAPTER 21 (Z) 22 (Z) & 23 (Z)

KELOMPOK 8 :

1. Denta Sella Lokunuha 242221024

2. Nada Kustia Perdana Putri 242221025
3. Salsabila Nurussyifa 242221032

KELAS E2M

UNIVERSITAS AIRLANGGA SURABAYA

PASCASARJANA MANAJEMEN 2023

Bab 21

1. Menerapkan prosedur pengujian hipotesis. Pengujian hipotesis dapat melibatkan univariat,

statistik bivariat, atau multivariat. Dalam bab ini, fokusnya adalah pada statistik univariat. Ini
adalah pengujian yang melibatkan satu variabel. Biasanya, ini berarti bahwa nilai yang diamati
untuk satu variabel akan menjadi dibandingkan dengan beberapa patokan atau standar. Analisis
statistik diperlukan untuk menguji hipotesis ketika pengamatan sampel digunakan untuk menarik
kesimpulan tentang beberapa populasi yang sesuai. Itu penelitian menetapkan tingkat
signifikansi yang dapat diterima, mewakili kemungkinan kesalahan Tipe I, dan kemudian
menghitung statistik yang berlaku untuk situasi tersebut. Statistik pasti yang harus dihitung
sangat tergantung pada tingkat skala pengukuran.

2. Gunakan nilai-p untuk menguji signifikansi statistik. Nilai-p adalah nilai probabilitas yang
terkait dengan uji statistik. Probabilitas dalam nilai-p adalah probabilitas bahwa nilai yang
diharapkan untuk beberapa distribusi uji adalah benar. Dengan kata lain, untuk uji-t, nilai yang
diharapkan dari distribusi-t adalah 0. Jika seorang peneliti adalah menguji apakah suatu variabel
berbeda secara signifikan dari 0, maka nilai p yang dihasilkan dari nilai-t yang dihitung mewakili
probabilitas bahwa rata-rata populasi sebenarnya sebenarnya adalah 0. Untuk sebagian besar
hipotesis penelitian, nilai-p yang rendah mendukung hipotesis. Jika p-nilai lebih rendah dari
tingkat signifikansi yang dapat diterima peneliti (a), maka hipotesis biasanya didukung.

3. Uji hipotesis tentang rata-rata yang diamati dibandingkan dengan beberapa standar. Peneliti
sering harus membandingkan rata-rata sampel yang diamati dengan beberapa nilai tertentu.
Statistik yang sesuai tes untuk membandingkan rata-rata variabel tingkat interval atau rasio
dengan beberapa nilai adalah uji-Z atau uji-t. Z-test paling tepat ketika ukuran sampel besar atau
standar deviasi populasi dikenal. Uji-t paling tepat bila ukuran sampel kecil atau standar populasi
penyimpangan tidak diketahui. Dalam sebagian besar aplikasi praktis, uji-t dan uji-Z akan
menghasilkan hasil yang sama kesimpulan. Uji-t lebih sering digunakan dalam praktik.

4. Ketahui perbedaan antara kesalahan Tipe I dan Tipe II. Kesalahan Tipe I terjadi ketika
seorang peneliti mencapai kesimpulan bahwa beberapa perbedaan atau hubungan ada dalam
suatu populasi padahal sebenarnya tidak ada ada. Dalam konteks uji-t univariat, peneliti dapat
menyimpulkan bahwa beberapa nilai rata-rata untuk suatu variabel lebih besar dari 0 padahal
sebenarnya nilai sebenarnya untuk variabel tersebut dalam populasi yang dipertimbangkan
adalah 0. Kesalahan Tipe II adalah situasi sebaliknya. Ketika peneliti sampai pada kesimpulan
bahwa tidak ada perbedaan ada ketika seseorang benar-benar ada dalam populasi, peneliti telah
melakukan kesalahan Tipe II. Lagi perhatian biasanya diberikan pada kesalahan Tipe I.
Kesalahan tipe II sangat sensitif terhadap ukuran sampel.

5. Mengetahui X 2 univariat tes dan bagaimana melakukannya. Sebuah X 2 tes adalah salah satu tes
yang paling dasar untuk signifikansi statistik. Tes ini sangat sesuai untuk menguji hipotesis
tentang frekuensi yang disusun dalam tabel frekuensi atau kontingensi. X 2 nilai tes adalah fungsi
dari yang diamati nilai untuk entri tertentu dalam tabel frekuensi dikurangi nilai statistik yang
diharapkan untuk sel tersebut. Itu nilai statistik yang diamati dapat dibandingkan dengan nilai
kritis untuk menentukan nilai-p dengan tes apa pun. X 2 Tes sering dianggap sebagai tes
kecocokan karena dapat menguji seberapa baik matriks yang diamati mewakili beberapa standar
teoritis.

BAB 22

1. Kenali kapan uji statistik bivariat tertentu sesuai. Statistik bivariat teknik menganalisis skor
pada dua variabel sekaligus. Tes perbedaan menyelidiki hipotesis menyatakan bahwa dua (atau
lebih) kelompok berbeda sehubungan dengan perilaku tertentu, karakteristik, atau sikap. Baik
jenis pengukuran maupun jumlah kelompok yang akan dibandingkan berpengaruh pilihan
peneliti dari jenis uji statistik. Ketika kedua variabel kurang dari tingkat interval, tabel
kontingensi dan X 2 tes yang sesuai. Ketika satu variabel kurang dari interval dengan dua tingkat
dan variabel lainnya adalah tingkat interval atau rasio, uji-t sesuai. Ketika satu variabel kurang
dari interval dengan tiga tingkat atau lebih dan variabel lainnya adalah tingkat interval atau rasio,
ANOVA adalah teknik statistik yang tepat.

2. Menghitung dan menginterpretasikan X 2 tes untuk tabel kontingensi. Sebuah X 2 tes

digunakan secara bersama-sama dengan klasifikasi silang atau tab silang. Jadi, ketika variabel
independen adalah ordinal atau nominal dan variabel dependen juga ordinal atau nominal, X 2 test
dapat menguji apakah ada hubungan antara variabel baris dan variabel kolom. Sebuah X 2 tes
dihitung dengan memeriksa perbedaan kuadrat antara jumlah sel yang diamati dan nilai yang
diharapkan untuk setiap sel dalam tabel kontingensi. X 2 lebih tinggi nilai-nilai umumnya
dikaitkan dengan nilai-p yang lebih rendah, artinya ada kemungkinan lebih besar bahwa
hubungan antara variabel baris dan kolom secara statistik penting.

3. Menghitung dan menginterpretasikan uji-t sampel independen yang membandingkan dua rata-
rata. Ketika sebuah peneliti perlu membandingkan rata-rata untuk variabel yang dikelompokkan
menjadi dua kategori berdasarkan beberapa kurang dari variabel interval, uji-t sesuai. Uji-t
sampel independen memeriksa apakah variabel dependen seperti kepuasan kerja berbeda
berdasarkan variabel pengelompokan seperti jenis kelamin biologis. Secara statistik, tes ini
menguji apakah ada perbedaan rata-rata antara laki-laki dan perempuan berbeda dari 0. Uji-t
sampel berpasangan menguji ada atau tidaknya rata-rata dari dua variabel yang tidak mandiri
berbeda. Situasi umum yang membutuhkan tes ini adalah ketika keduanya pengamatan berasal
dari responden yang sama. Tes sederhana sebelum dan sesudah membutuhkan uji-t sampel
berpasangan selama variabel dependennya kontinu.

4. Memahami konsep analysis of variance (ANOVA). ANOVA adalah teknik statistik yang tepat
untuk menguji pengaruh variabel independen dengan interval kurang dari tiga atau lebih kategori
pada variabel dependen setidaknya interval. Secara konseptual, partisi ANOVA variabilitas total
menjadi tiga jenis: variasi total, variasi antar kelompok, dan dalam kelompok variasi. Karena
varians yang dijelaskan diwakili oleh SSB menjadi lebih besar relatif terhadap SSE atau SST, itu
Model ANOVA lebih cenderung signifikan, menunjukkan bahwa setidaknya satu rerata
kelompok berbeda dari rata-rata kelompok lain.

5. Menafsirkan tabel ANOVA. Tabel ANOVA memberikan informasi penting. Yang paling
penting, tabel ANOVA berisi rasio-F model. Peneliti harus memeriksa nilai ini bersama dengan
nilai-p yang sesuai. Umumnya, ketika F meningkat, p menurun, artinya a model ANOVA yang
signifikan secara statistik lebih mungkin.

BAB 23

1. Terapkan dan interpretasikan korelasi bivariat sederhana. Bab ini mencakup dua pendekatan
untuk mempelajari hubungan antara dua variabel interval setidaknya. Korelasi bivariat adalah
indeks yang menampilkan berapa banyak dua variabel covary. Cara lain untuk memikirkan
korelasi adalah sebagai standar ukuran kovarian. Ketika dua variabel menampilkan korelasi 1,0,
mereka berhubungan sempurna. Itu berarti bahwa mereka tidak memiliki varian yang unik. Pada
dasarnya, mereka adalah satu dan sama. Ketika dua variabel berkorelasi 21,0 mereka berkorelasi
negatif sempurna. Dalam pengertian ini mereka merupakan bayangan cermin satu sama lain.
Dengan demikian, korelasi dapat berkisar antara 21,0 dan 1,0. Korelasi mendekati 0
menunjukkan kurangnya hubungan antara dua variabel.

2. Menafsirkan matriks korelasi. Matriks korelasi menyajikan semua kemungkinan korelasi

bivariat diantara sekumpulan variabel. Signifikansi statistik dari setiap variabel dapat diuji
dengan uji-t. Nilai p yang rendah untuk tes ini menunjukkan korelasi yang signifikan. Pola
korelasi yang kuat di antara variabel menunjukkan variabel yang berbagi varian yang sama.

3. Memahami regresi sederhana (bivariat). Regresi linier sederhana menyelidiki garis lurus
hubungan antara satu variabel dependen dan satu variabel independen. Regresi bisa dilakukan
secara intuitif dengan memplot diagram pencar dari titik X dan Y dan menggambar garis agar
pas hubungan yang diamati. Estimasi OLS secara matematis menentukan regresi paling pas baris
untuk data yang diamati. Garis yang ditentukan dengan metode ini dapat digunakan untuk
meramalkan nilai dari variabel dependen, diberi nilai untuk variabel independen. Kebaikan baris
mungkin dievaluasi dengan teknik analisis varians (ANOVA) varian atau dengan menghitung
koefisien determinasi.

4. Memahami teknik estimasi kuadrat terkecil. OLS adalah teknik estimasi yang meminimalkan
kesalahan kuadrat terkecil untuk semua pengamatan. Model regresi dievaluasi berdasarkan
berapa banyak varian yang mereka jelaskan. Model dengan SSR relatif tinggi terhadap SST atau
SSE menjelaskan lebih lanjut varians dalam variabel dependen. SSR mewakili proporsi total
deviasi dari rata-rata di antara pengamatan yang dapat dijelaskan oleh garis regresi. SSE, jumlah
kuadrat kesalahan, mewakili jumlah penyimpangan dari rata-rata untuk pengamatan yang tidak
diperhitungkan oleh garis regresi. OLS menyesuaikan garis untuk meminimalkan SSE.
5. Menafsirkan keluaran regresi termasuk pengujian hipotesis yang dikaitkan dengan parameter
tertentu koefisien. Hasil regresi diinterpretasikan dalam proses dua langkah. Pertama,
signifikansi model dievaluasi. Model F-ratio, yang merupakan rasio SSR terhadap SSE,
merupakan kunci statistik. Rasio-F yang signifikan berarti bahwa variabel independen
menjelaskan sebagian besar varians dalam dependen variabel. Kedua, koefisien parameter
individu dievaluasi. Saat regresi dijalankan tujuan peramalan, koefisien parameter mentah paling
berguna. Saat regresi dijalankan tujuan penjelasan, bobot regresi standar (b) paling berguna.