MODUL PRAKTIKUM

STATISTIK I

PROGRAM STUDI S1 KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN DAN FARMASI
UNIVERSITAS MUHAMMADIYAH
KALIMANTAN TIMUR
2018/2019
VISI, MISI DAN TUJUAN PROGRAM STUDI S1 KESEHATAN
MASYARAKAT

A. VISI
“Pada Tahun 2037, menjadi Program Studi Kesehatan Masyarakat yang
islami berbasis teknologi informasi yang unggul di bidang pemberdayaan
masyarakat dan berkonstribusi terhadap penyelesaian masalah sosial dan
lingkungan”

B. MISI

1. Menyelenggarakan pendidikan kesehatan masyarakat yang islami

berbasis teknologi informasi yang peka terhadap kesehatan di
masyarakat.
2. Mengembangkan riset dibidang kesehatan masyarakat untuk
berkonstribusi dalam penyelesaian masalah sosial dan lingkungan.
3. Menerapkan ilmu pengetahuan dan teknologi kesehatan masyarakat
dalam bentuk pengabdian dan pemberdayaan masyarakat untuk
menjadi solusi masalah sosial khususnya pengangguran, kemiskinan
dan lingkungan.
4. Mengembangkan kerjasama dibidang kesehatan masyarakat dengan
berbagai pihak yang saling menguntungkan baik di dalam ataupun luar
negeri.

C. TUJUAN

1. Menghasilkan lulusan tenaga kesehatan masyarakat yang berkarakter,

berwawasan dan berkemajuan yang berpijak pada nilai – nilai
keislaman dan mampu memanfaatkan teknologi informasi yang
berkontribusi terhadap pembangunan dan menjadi solusi masalah
sosial dan lingkungan.

ii
 2. Menghasilkan produk penelitian IPTEKS kesehatan masyarakat yang
berbasis teknologi informasi dan ramah lingkungan.
3. Melaksanakan pengabdian dan pemberdayaan masyarakat untuk
menjadi solusi masalah sosial khususnya pengangguran, kemiskinan
dan lingkungan.
4. Menghasilkan kerjasama dalam bidang Catur Dharma Perguruan
Tinggi yang produktif dan saling menguntungkan baik dalam dan luar
negeri

D. SASARAN

1. Peningkatan mutu pembelajaran dan lulusan

2. Pengembangan SDM dosen dan tenaga kependidikan
3. Pengembangan wahana pendidikan
4. Pengembangan program studi baru
5. Peningkatan penelitian dan publikasi ilmiah
6. Optimalisasi pengabdian masyarakat yang diprioritaskan pada upaya
mengatasi masalah sosial, pengangguran dan lingkungan
7. Peningkatan kerjasama nasional maupun internasional

iii
 KATA PENGANTAR

Assalamualaikum Wr. Wb

Puji syukur praktikan panjatkan kehadirat Allah SWT yang maha kuasa atas
segala limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
penyusunan Modul pembelajaran tentang Statistik I ini dengan baik dan lancar.
Dalam penyusunannya, penulis ucapkan terimakasih kepada semua pihak yang
telah memberikan dorongan dan support kepada penulis untuk menyelesaikan
Modul ini. Untuk itu pada kesempatan ini, kami mengucapkan terima kasih
kepada yang terhormat:
1. Rektor Universitas Muhammadiyah Kalimantan Timur
2. Dekan Fakultas llmu Kesehatan Dan Farmasi
3. Ketua Program Studi S1 Kesehatan Masyarakat
4. Berbagai pihak yang tidak bisa disebutkan satu persatu.
Namun disamping itu menyadari masih banyak kekurangan dalam penulisan
modul ini, oleh karena itu praktikan mengharapkan kritik dan saran yang
membangun agar modul ini dapat lebih baik lagi.

Wassalamualaikum Wr. Wb

Samarinda, Agustus 2019

Penyusun

iv
 DAFTAR ISI

HALAMAN JUDUL ...................................................................................... i

VISI, MISI DAN TUJUAN PRODI ............................................................. ii
KATA PENGANTAR ................................................................................... iv
DAFTAR ISI ................................................................................................... v
BAB I PENDAHULUAN .............................................................................. 1
A. Latar Belakang .................................................................................... 1
B. Tujuan .................................................................................................. 2
BAB II TINJAUAN PUSTAKA.................................................................... 3
A. Memasukan Data ................................................................................. 3
B. Recoding Data ...................................................................................... 11
C. Dekrisi variabel Ktegorik dan Variabel Numerik ................................ 12
D. Uji Normalitas ...................................................................................... 13
E. Uji Chi Square ...................................................................................... 17
F. Uji T .................................................................................................... 18
BAB III PENUTUP ....................................................................................... 22
A. Kesimpulan ......................................................................................... 22
B. Saran .................................................................................................... 22
DAFTAR PUSTAKA .................................................................................... 23
FORMULIR PENILAIAN ............................................................................ 25

v
 BAB I
PENDAHULUAN

A. Latar Belakang
Pada zaman sekarang ini, semua sudah serba modern sehingga semua
kegiatan dituntut untuk serba cepat, seperti pengolahan data dan yang lain yang
sulit untuk dikerjakan secara manual. Dan untuk memudahkan itu semua maka
diciptakanlah komputer. Komputer berasal dari bahasa yunani „Computare‟
yang artinya menghitung. Komputer memang memudahkan kita untuk
mengolah data yang didasarkan pada operasi matematika seperti operasi logika.
Meskipun komputer merupakan buatan manusia, namun alat ini sangat
membantu pekerjaan manusia dalam pengolahan data karena mempunyai tiga
keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.
Ternyata komputer saja tidak cukup untuk membantu manusia dalam
memasukkan data (data entry), mengedit data, transformasi data, analisis data
yang dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan
mendistribusikan informasi yang berguna untuk pengambilan keputusan dalam
suatu organisasi, agar tetap eksis dan unggul dalam kompetisi yang ketat, yang
dialami oleh mahasiswa dalam mata kuliah Statistika. Maka dari itu dibuat
suatu program aplikasi SPSS. Software ini dibuat oleh tiga mahasiswa Stanford
University yang dioperasikan pada komputer mainframe pada tahun 1968.
Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS (Statistical
Product and Service Solution) yang nantinya dapat digunakan mahasiswa
dalam menghitung dan menganalisis suatu data yang telah diperoleh
sebelumnya.
Analisis kuantitatif dalam suatu penelitian dapat didekati dari dua sudut
pendekatan, yaitu analisis kuantitatif secara deskriptif, dan analisis kuantitatif
secara inferensial. Masing-masing pendekatan ini melibatkan pemakaian dua
jenis statistik yang berbeda. Yang pertama menggunakan statistik deskriptif
dan yang kedua menggunakan statistik inferensial. Kedua jenis statistik ini
memiliki karakteristik yang berbeda, baik dalam hal teknik analisis maupun

1
 tujuan yang akan dihasilkannya dari analisisnya itu. Sesuai dengan namanya,
deskriptif hanya akan mendeskripsikan keadaan suatu gejala yang telah
direkam melalui alat ukur kemudian diolah sesuai dengan fungsinya.
Hasil pengolahan tersebut selanjutnya dipaparkan dalam bentuk angka-
angka sehingga memberikan suatu kesan lebih mudah ditangkap maknanya
oleh siapapun yang membutuhkan informasi tentang keberadaan gejala
tersebut. Dengan demikian hasil olahan data dengan statistik ini hanya sampai
pada tahap deskripsi, belum sampai pada tahap generalisasi. Dengan kata lain,
statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan
menganalisa data angka, agar dapat memberikan gambaran secara teratur,
ringkas dan jelas, mengenai suatu gejala, peristiwa atau keadaan, sehingga
dapat ditarik pengertian atau makna tertentu. Statistik inferensial fungsinya
lebih luas lagi, sebab dilihat dari analisisnya, hasil yang diperoleh tidak sekedar
menggambarkan keadaan atau fenomena yang dijadikan obyek penelitian,
melainkan dapat pula digeneralisasikan secara lebih luas kedalam wilayah
populasi.

B. Tujuan
1. Untuk mengetahui cara memasukan data.
2. Untuk mengetahui cara recoding data.
3. Untuk mengetahui cara membuat deskrisi variabel.
4. Untuk mengetahui cara menggunakan uji normalitas.
5. Untuk mengetahui cara menggunkana uj chi Square.
6. Untuk mengetahui cara menggunakan uji T.

2
 BAB II
TINJAUAN PUSTAKA

A. Memasukan Data
1. Definisi Statistik
Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara
atau untuk menyatakan hal-hal yang berhubungan dengan ketatanegaraan.
Cakupan statistik bukan hanya pada angka-angka pemerintahan saja, tetapi
telah mengambil bagian dari berbagai kehidupan. Berikut ini pengertian
statistik sesuai dengan perkembangannya.
a) Pengertian pertama
Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik
angka yang belum tersusun maupun angka-angka yang sudah tersusun
dalam suatu daftar atau grafik.
b) Pengertian kedua
Statistik adalah sekumpulan cara dan aturan tentang pengumpulan,
pengolahan, analisis, serta penafsiran data yang terdiri dari angka-
angka.
c) Pengertian ketiga
Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data
atau hasil pengamatan.
Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa
statistika merupakan suatu metode atau ilmu, yaitu metode atau ilmu yang
mempelajari cara pengumpulan, pengolahan, penganalisisan, penafsiran,
dan penarikan kesimpulan dari data yang ada. Dari pengertian-pengertian di
atas, unsur-unsur dari statistik adalah:
a) Data
b) Perlakuan data, seperti pengumpulan dan pengolahan
c) Kesimpulan
d) Angka-angka

3
Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu:
a) Croxton dan Cowden
Statistik adalah metode untuk mengumpulkan, mengolah, dan
menyajikan, serta menginterpretasikan data yang berwujud angka-
angka.
b) Anderson dan Bancroft
Statistik adalah ilmu dan seni perkembangan dan metode paling
efektif untuk pengumpulan, pentabulasian, dan penginterpretasian data
kuantitatif sedimikian rupa, sehingga kemungkinan salah dalam
kesimpulan dan estimasi dapat diperkirakan dengan penggunaan
penalaran induktif yang didasarkan pada matematika probabilitas.
c) Prof. Dr. Sudjana, M.A., M.sc.
Statistik adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan penganalisisannya, dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisisan yang
dilakukan.
d) Steel dan Torrie
Statistik adalah metode yang memberikan cara-cara guna menilai
ketidaktentuan dan penarikan kesimpulan yang bersifat induktif.
e) J. Supranto
Dalam arti sempit Statistika adalah data ringkasan yang berbentuk
angka(kuantitatif). Dalam arti luas Statistika adalah ilmu yang
mempelajari cara pengumpulan, penyajian, dan analisis data, serta cara
pengmbilan kesimpulan secara umum berdasarkan hasil penelitian yang
menyeluruh.
f) Drs. Djarwanto Ps.
Statistik adalah kumpulan angka-angka yang berhubungan dengan
atau melukiskan suatu persoalan.

4
 Peranan statistik antara lain:
a) Dalam kehidupan sehari-hari
Sebagai penyedia bahan-bahan atau keterangan-keterangan
berbagai hal untuk diolah dan ditafsirkan.
b) Dalam penelitian ilmiah
Sebagai penyedia alat untuk mengemukakan atau menemukan
kembali keterangan-keterangan yang seolah-olah tersembunyi dalam
angka-angka statistik.
c) Dalam ilmu pengetahuan
Sebagai peralatan analisis dan interpretasi dari data kuntitatif ilmu
pengetahuan, sehingga didapatkan suatu kesimpulan dari data-data
tersebut. (Ir. M. Iqbal Hasan,M.M., 2002).
2. Variabel Statistik Dan Skala Pengukuran
a) Variabel statistik
Variabel adalah suatu sifat atau fenomena yang menunjukan
sesuatu yang dapat diamati dan nilainya berbeda-beda Sesuatu dikatakan
variabel, jika:
1) Mempunyai nama
2) Dapat diamati atau diukur
3) Nilainya berbeda-beda
4) Memiliki definisi verbal
5) Ada kelompok penggolongan atau satuan

Variabel Penekan/ Pra Kondisi

1) Variabel penekan atau prakondisi adalah variabel yang merupakan
prasyarat bekerjanya variabel bebas dan variabel tergantung
2) Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB
(varibel tergantung) → proses diatas dapat berlangsung pada saat
kondisi tubuh lemah (variabel penekan/ prakondisi).

5
Variabel Pengganggu/ Distorter
1) Variabel pengganggu/ distorter adalah variabel yang mengganggu
bekerjanya variabel bebas dan variabel tergantung
2) Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak
daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini
disebabkan ada variabel pengganggu yaitu variabel status pekerjaan:
PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non
PNS

Definisi Operasional Variabel Definisi operasional adalah

seperangkat instruksi yang lengkap untuk menetapkan apa yang akan
diukur dan bagaimana cara mengukur variable. Hal-hal yang perlu
diperhatikan dalam menyusun definisi operasional sebuah variable
adalah:
1) Nama variable
2) Definisi verbal variable
3) Kelompok penggolongan variable
4) suatu cara untuk menggolongkannya
Agar variabel dapat diamati dan diukur, maka setiap konsep yang
ada dalam permasalahan atau yang ada dalam hipotesis harus disusun
Definisi Operasional.
Definisi operasional dari variabel sangat diperlukan terutama untuk
menentukan alat atau instrumen yang akan digunakan dalam
pengumpulan data.
Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan
sebagai: Orang yang dapat menghabiskan sepiring nasi dalam waktu
kurang dari dua menit.
Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan
lesu. Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi
1 diperlukan sepiring nasi dan sebuah pencatat waktu, sedang berdasar
definisi 2 tidak diperlukan alat, kecuali indera pengamatan.

6
b) Skala pengukuran
Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal,
ordinal, interval dan ratio.
1) Nominal
Skala pengukuran nominal digunakan untuk mengklasifikasikan
obyek, individual atau kelompok; sebagai contoh mengklasifikasi
jenis kelamin, agama, pekerjaan, dan area geografis. Dalam
mengidentifikasi hal-hal di atas digunakan angka-angka sebagai
symbol. Apabila kita menggunakan skala pengukuran nominal, maka
statistik non-parametrik digunakan untuk menganalisa datanya. Hasil
analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita
mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-
laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat
melakukan operasi arimatika dengan angka-angka tersebut, karena
angka-angka tersebut hanya menunjukkan keberadaan atau
ketidakadanya karaktersitik tertentu.
Contoh:
Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang
bersifat kategorikal dapat diberi symbol angka-angka sebagai
berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.
2) Ordinal
Skala pengukuran ordinal memberikan informasi tentang jumlah
relatif karakteristik berbeda yang dimiliki oleh obyek atau individu
tertentu. Tingkat pengukuran ini mempunyai informasi skala
nominal ditambah dengan sarana peringkat relatif tertentu yang
memberikan informasi apakah suatu obyek memiliki karakteristik
yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan
kelebihannya.
Contoh:
Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju,
tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol

7
 angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol
peringkat, tidak mengekspresikan jumlah.
3) Interval
Skala interval mempunyai karakteristik seperti yang dimiliki
oleh skala nominal dan ordinal dengan ditambah karakteristik lain,
yaitu berupa adanya interval yang tetap. Dengan demikian peneliti
dapat melihat besarnya perbedaan karaktersitik antara satu individu
atau obyek dengan lainnya. Skala pengukuran interval benar-benar
merupakan angka. Angka-angka yang digunakan dapat dipergunakan
dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau
dikalikan. Untuk melakukan analisa, skala pengukuran ini
menggunakan statistik parametric.
Contoh:
Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan,
misalnya: Berapa kali Anda melakukan kunjungan ke Jakarta dalam
satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-angka
1,3, dan 5 merupakan angka sebenarnya dengan menggunakan
interval 2.
4) Ratio
Skala pengukuran ratio mempunyai semua karakteristik yang
dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan
skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol
tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang
sedang diukur. Pengukuran ratio biasanya dalam bentuk
perbandingan antara satu individu atau obyek tertentu dengan
lainnya.
Contoh:
Berat Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari
dibanding dengan berat Maya sama dengan 1 dibanding 2.

8
 5) Validitas
Suatu skala pengukuran dikatakan valid apabila skala tersebut
digunakan untuk mengukur apa yang seharusnya diukur. Misalnya
skala nominal yang bersifat non-parametrik digunakan untuk
mengukur variabel nominal bukan untuk mengukur variabel interval
yang bersifat parametrik. Ada 3 (tiga) tipe validitas pengukuran yang
harus diketahui, yaitu:
a) Validitas Isi (Content Validity)
Validitas isi menyangkut tingkatan dimana item-item skala
yang mencerminkan domain konsep yang sedang diteliti. Suatu
domain konsep tertentu tidak dapat begitu saja dihitung semua
dimensinya karena domain tersebut kadang mempunyai atribut
yang banyak atau bersifat multidimensional.
b) Validitas Kosntruk (Construct Validity)
Validitas konstruk berkaitan dengan tingkatan dimana skala
mencerminkan dan berperan sebagai konsep yang sedang diukur.
Dua aspek pokok dalam validitas konstruk ialah secara alamiah
bersifat teoritis dan statistik.
c) Validitas Kriteria (Criterion Validity)
Validitas kriteria menyangkut masalah tingkatan dimana
skala yang sedang digunakan mampu memprediksi suatu variable
yang dirancang sebagai kriteria.
6) Reliabilitas
Reliabilitas menunjuk pada adanya konsistensi dan stabilitas
nilai hasil skala pengukuran tertentu. Reliabilitas berkonsentrasi
pada masalah akurasi pengukuran dan hasilnya.
3. Klasifikasi Statistik
a) Statistik Parametrik
Statistika parametrik adalah ilmu statistika yang mempertimbangkan
jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau
tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus

9
 dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya
dilakukan transformasi agar data mengikuti sebaran normal, sehingga
bisa dikerjakan dg statistika parametrik. Contoh metode statistika
parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi
pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll.
(Ir. M. Iqbal Hasan,M.M., 2002)
b) Statistik deskriptif
Statistik deskriptif adalah bagian dari statistik yang mempelajari cara
pengumpulan dan penyajian data sehingga mudah dipahami. Statistik
deskriptif hanya berfungsi untuk menerangkan keadaan, gejala, atau
persoalan. Penarikan kesimpulan pada statistik deskriptif hanya ditujukan
pada kumpulan data yang ada. Didasarkan pada ruang lingkup
bahasannya, statistik deskriptif mencakup hal sebagai berikut: Distribusi
frekuensi beserta bagian-bagiannya seperti:
1) Grafik distribusi (histogram, poligon frekuensi, dan ogif)
2) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan
sebagainya)
3) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan
baku, dan sebagainya)
4) Kemencengan dan keruncingan kurva
5) Angka Indeks
6) Time Series/deret waktu atau data berkala
7) Korelasi dan Regresi Sederhana
c) Statistik Inferensi
Statistik inferensi adalah bagian dari statistik yang mempelajari
mengenai penafsiran dan penarikan kesimpulan yang berlaku secara
umum dari data yang telah tersedia. Penarikan kesimpulan pada statistik
inferensi merupakan generalisasi dari suatu populasi berdasarkan data
yang ada. Didasarkan atas ruang lingkup bahasannya, statistik ini
mencakup:

10
 1) Probabilitas atau teori kemungkinan
2) Distribusi teoritis
3) Sampling dan distribusi sampling
4) Pendugaan populasi dan teori populasi
5) Uji hipotesis
6) Analisis korelasi dan uji signifikasi
7) Analisis regeresi untuk peramalan
(Ir. M. Iqbal Hasan,M.M., 2002)

b. Statistik Non Parametrik

Statistika non-parametrik -> statistika non-parametrik adalah
statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter
populasi, baik normal atau tidak). Statistika non-parametrik biasanya
digunakan untuk melakukan analisis pada data berjenis Nominal atau
Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal.
Contoh metode Statistika non-parametrik:Binomial test, Chi-square test,
Median test, Friedman Test. (Ir. M. Iqbal Hasan,M.M., 2002).
B. Recoding Data
Recode adalah : Perintah recode digunakan untuk merubah nilai/kategori
jawaban dari 10 kategori atau lebih menjadi 3 atau 4 kategori. Atau untuk
mengganti nilai pada kolom variable tertentu, sifatnya menggantikan (into
same variable) atau merubah (into different variable) pada variable baru.
Perintah recode terdiri dari dua sub perintah, yaitu :
1) Into same variable : perbedaanya pada recode pertama, hasil
perubahan akan di over write pada variabel yang direcode.
2) Into different variable : sedangkan pada jenis kedua hasil perubahan
akan ditempatkan pada variabel baru.
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan
masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan,
gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol

11
 lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan,
obyek, kejadian ataupun suatu konsep.
Informasi merupakan hasil pengolahan dari sebuah model, formasi,
organisasi, ataupun suatu perubahan bentuk dari data yang memiliki nilai
tertentu, dan bisa digunakan untuk menambah pengetahuan bagi yang
menerimanya. Dalam hal ini, data bisa dianggap sebagai obyek dan informasi
adalah suatu subyek yang bermanfaat bagi penerimanya. Informasi juga bisa
disebut sebagai hasil pengolahan ataupun pemrosesan data.
C. Diskrisi Variabel Kategorik dan Numerik
1. Variabel kategorik

Nominal dan ordinal disebut sebagai variabel kategorik karena variabel

tersebut memiliki kategori variabel. Sebagai contoh “jenis kelamin” adalah
variabel, sedangkan “laki-laki” dan “perempuan” adalah kategori variabel.
Klasifikasi “derajat anemia” adalah variabel, sedangkan “ringan”, “sedang”,
“berat” adalah kategori variabel.

Berdasar kategori inilah anda dapat membedakan variabel nominal dan

ordinal. Variabel nominal, kategorinya sederajat/ setingkat. Contoh : jenis
kelamin (laki-laki dan perempuan). Variabel ordinal kategorinya bertingkat/
berjenjang. Contoh : derajat anemia (ringan, sedang, barat).

2. Variabel numerik
Variabel rasio dan interval disebut sebagai variabel numerik karena
tidak memiliki kategori. Cara membedakan rasio dan interval adalah dari
nilai nol-nya.

Apabila memiliki nol alami atau nol absolut, disebut rasio. Contoh :
tinggi badan (nilai terendah tinggi badan adalah nol, tidak ada lagi di bawah
nol; dan dengan skala apapun nilai nolnya adalah sama).

Apabila tidak memiliki nol alami, disebut interval. Contoh : suhu (suhu
ada yang di bawah 00 dan antara suhu nol celcius beda nilainya dengan suhu
nol farenheit).

12
D. Uji Normalitas

1. Uji Normalitas
a) Definisi uji normalitas
Distribusi Normalitas dalam statistik parametric seperti regresi dan
Anova merupakan syarat pertama.Uji normalitas bertujuan untuk
menguji apakah dalam model regresi, variabel penggangu atau residual
memiliki distribusi normal. Jika asumsi ini dilanggar, maka uji statistik
menjadi tidak valid atau bias terutama untuk sampel kecil.
Ada beberapa cara melakukan uji asumsi normalitas ini yaitu
menggunakan analisis Chi Square dan Kolmogorov-Smirnov. Bagaimana
analisisnya untuk sementara kita serahkan pada program analisis statistik
seperti SPSS dulu ya. Tapi pada dasarnya kedua analisis ini dapat
diibaratkan seperti ini :
1) pertama komputer memeriksa data kita, kemudian membuat sebuah
data virtual yang sudah dibuat normal.
2) kemudian komputer seolah-olah melakukan uji beda antara data
yang kita miliki dengan data virtual yang dibuat normal tadi.
3) dari hasil uji beda tersebut, dapat disimpulkan dua hal :
Jika p lebih kecil daripada 0,05 maka dapat disimpulkan bahwa data
yang kita miliki berbeda secara signifikan dengan data virtual yang
normal tadi. Ini berarti data yang kita miliki sebaran datanya tidak
normal.
Jika p lebih besar daripada 0,05 maka dapat disimpulkan bahwa
data yang kita miliki tidak berbeda secara signifikan dengan data
virtual yang normal. Ini berarti data yang kita miliki sebaran
datanya normal juga.
Ukuran inilah yang digunakan untuk menentukan apakah data kita
berasal dari populasi yang normal atau tidak.

13
b) Bagaimana mengatasi masalah normalitas?
Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak
normal; yaitu:
1) Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner
dari data (bahasan outliner akan dibahas kemudian)
2) Melakukan transformasi data.
3) Menggunakan alat analisis nonparametric
Data yang tidak normal tidak selalu berasal dari penelitian yang
buruk.Data ini mungkin saja terjadi karena ada kejadian yang di luar
kebiasaan.Atau memang kondisi datanya memang nggak normal. Misal
data inteligensi di sekolah anak-anak berbakat (gifted) jelas tidak akan
normal, besar kemungkinannya akan juling positif. Lalu apa yang bisa
kita lakukan?
1) Kita perlu ngecek apakah ketidaknormalannya parah nggak. Tidak
ada patokan pasti tentang keparahan ini. Tapi kita bisa mengira-ira
jika misalnya nilai p yang didapatkan sebesar 0,049 maka
ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit
di bawah 0,05). Ada beberapa analisis statistik yang agak kebal
dengan kondisi ketidaknormalan yang tidak terlalu parah (disebut
memiliki sifat robust), misalnya F-test dan t-test. Jadi kita bisa tetap
menggunakan analisis ini jika ketidaknormalannya tidak parah.
2) Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah.
Nilai ekstrem ini disebut outliers. Pertama kita perlu membuat
grafik, dengan sumbu x sebagai frekuensi dan y sebagai semua nilai
yang ada dalam data kita (ini tentunya bisa dikerjakan oleh
komputer). Dari sini kita akan bisa melihat nilai mana yang sangat
jauh dari kelompoknya. Nilai inilah yang kemudian perlu dibuang
dari data kita, dengan asumsi nilai ini muncul akibat situasi yang
tidak biasanya. Misal responden yang mengisi skala kita dengan
sembarang yang membuat nilainya jadi sangat tinggi atau sangat
rendah.

14
 3) Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform
data kita. Ada banyak cara untuk mentransform data kita, misalnya
dengan mencari akar kuadrat dari data kita, dll.
4) Bagaimana jika semua usaha di atas tidak membuahkan hasil. Maka
langkah terakhir yang bisa kita lakukan adalah dengan menggunakan
analisis non-parametrik. Analisis ini disebut juga sebagai analisis
yang distribution free. Sayangnya analisis ini seringkali mengubah
data kita menjadi data yang lebih rendah tingkatannya. Misal kalau
sebelumnya data kita termasuk data interval dengan analisis ini akan
diubah menjadi data ordinal.
2. Teknik Uji Normalitas
Banyak sekali teknik pengujian normalitas suatu distribusi data yang
telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung
karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan
saat ini sudah tersedia banyak sekali alat bantu berupa program statistik
yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan
menggunakan teknik Kolmogorov Smirnov.
Uji Kolmogorov Smirnov merupakan pengujian normalitas yang
banyak dipakai, terutama setelah adanya banyak program statistik yang
beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan
perbedaan persepsi di antara satu pengamat dengan pengamat yang lain,
yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan
jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di

15
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak normal.
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat
perbedaan yang signifikan antara data yang akan diuji dengan data normal
baku, artinya data yang kita uji normal. Kelemahan dari Uji Kolmogorov
Smirnov yaitu bahwa jika kesimpulan kita memberikan hasil yang tidak
normal, maka kita tidak bisa menentukan transformasi seperti apa yang
harus kita gunakan untuk normalisasi. Jadi kalau tidak normal, gunakan plot
grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan
Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa
yang paling tepat dipergunakan.
Pengujian normalitas dengan menggunakan Program SPSS dilakukan
dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik
pada 1-Sample K-S.K-S itu singkatan dari Kolmogorov-Smirnov. Maka
akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan
diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan
OK. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi
Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas
0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika
nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.
Normalitas dalam statistik parametric seperti regresi dan Anova
merupakan syarat pertama.Uji normalitas bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid
atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan
melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P
Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-
Wilk (bahasan mengatasi masalah normalitas akan dibahas terpisah).

16
E. Uji Chi Square
1. Definisi Uji Chi Square
Uji chi-square adalah salah satu uji statistic non parametik yang cukup
sering digunakan dalam penelitian. Uji chi-square ini bias diterapkan untuk
pengujian kenormalan data, pengujian data yang berlevel nominal atau
untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chi-
square diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan
di amati (data observasi) bebeda secara nyata ataukah tidak dengan
frekuensi yang diharapkan (expected value). Chi-square Test atau Uji Chi-
square adalah teknik analisis yang digunakan untuk menentukan perbedaan
frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan
(Ei) suatu kategori tertentu. Uji ini dapatdilakukan pada data diskrit atau
frekuensi.
Pengertian chi square atau chi kuadrat lainnya adalah sebuah uji
hipotesis tentang perbandingan antara frekuensi observasi dengan frekuensi
harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus atau data
(diktat 2009). Chi kuadrat adalah pengujian hipotesis tentang perbandingan
antara frekuensi sampel yang benar–benar terjadi (Haryono,1994). Chi
kuadrat biasanya di dalam frekuensi observasi berlambangkan dengan
frekuensi harapan yang didasarkan atas hipotesis dilambangkan.
Ekspresi matematis tentang distribusi chi kuadrat hanya tergantung
pada suatu parameter, yaitu derajat kebebasan (d.f.)
Chi kuadrat mempunyai masing–masing nilai derajat kebebasan, yaitu
distribusi (kuadrat standard normal) merupakan distribusi chi kuadrat
dengan d.f. = 1, dan nilai variabel tidak bernilai negative. Kegunaan dari chi
square untuk menguji seberapa baik kesesuaian diantara frekuensi yang
teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan
dihipotesiskan, atau juga menguji perbedaan antara dua kelompok pada data
dua kategorik untuk dapat menguji signifikansi asosiasi dua kelompok pada
data dua katagorik tersebut (Sri,1990).

17
 Syarat agar uji Chi-Square dapat digunakan adalah jumlah sel yang
nilai espektasinya kurang dari 5 tidak ebih dari 20 % dari sel yang
ada.Namun apabila hal ini terjadi SPSS akan memberikan peringatan dan
anda harus menggunakan uji chi-square dengan koreksi.Jika hal ini terjadi
pada tebel 2 baris dan 2 kolom,sebaiknya anda menggunakan uji eksak dan
Fisher yang di tampilkan pada bagian bawah table uji statistik.
2. Syarat Penggunaan Chi Square
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah
satu jenis uji komparatif non parametris yang dilakukan pada dua variabel,
di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel,
ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).
Uji chi-square merupakan uji non parametris yang paling banyak
digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi
responden atau sampel yang digunakan besar, sebab ada beberapa syarat di
mana chi square dapat digunakan yaitu:
a) Tidak ada cell dengan nilai frekuensi kenyataan atau disebut
juga Actual Count (F0) sebesar 0 (Nol).
b) Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell
saja yang memiliki frekuensi harapan atau disebut juga expected
count ("Fh") kurang dari 5.
c) Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari
20%.
F. Uji T
1. Pengertian dari Uji T-Test Dependent
T-test dependent atau sering diistilakan dengan Paired Sampel t-Test,
adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami 2

18
 perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan
sesudah dilakukan sebuah treatment.(Sugiyono, 2010)
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent adalah
pengujian yang mana tidak adanya perbedaan yang signifikan antara nilai
variabel dari dua sampel yang berpasangan atau berkolerasi. Sampel
berpasangan dapat berupa :
a) Satu sampel yang diukur dua kali misalnya sebelum sampel diberi iklan
dansesudah diberi iklan. Yang diukur selanjutnya adalah apakah setelah
diberi iklan anggota sampel yang membeli barang lebih banyak daripada
anggota sampel sebelum diberi iklan atau tidak.
b) Dua sampel berpasangan diukur bersama, misalnya sampel yang satu
diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah
apakah anggota sampel yang diberi iklan memberi barang lebih banyak
atau tidak dari pada yang tidak diberi iklan.
2. Fungsi dari Uji T-test dependent
Fungsi dari t-test dependent adalah untuk membandingkan rata-rata dua
grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai
sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan
atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah
dilakukan sebuah perlakuan. Selain itu untuk menguji efektifitas suatu
perlakuan terhadap suatu besaran variabel yang ingin ditentukan, misalnya
untuk mengetahui efektifitas metode penyuluhan terhadap peningkatan
pengetahuan dari responden.( Ridwan, 2009)
3. Syarat – Syarat Penggunaan Uji T - Test Dependent
Syarat – syarat penggunaan uji t – test dependent, terdiri dari :
a) Uji komparasi antar dua nilai pengamatan berpasangan, misalnya:
sebelum dan sesudah
b) Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
1) satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
2) merupakan data kuantitatif (rasio-interval)

19
 3) Data berdistribusi normal (di populasi terdapat distribusi difference =
d yang berdistribusi normal dengan mean μd=0 dan variance =1)
(Sugiyono, 2010)
4. Jenis Hipotesis pada Uji T - Test Dependent
a) Uji dua arah. Pada hipotesis awal tidak terdapat perbedaan yang
signifikan antara rata-rata 1 dan rata-rata 2, sedangkan pada hipotesis
alternatif sebaliknya yaitu terdapat perbedaan rata-rata 1 dan rata-rata 2.

b) Uji satu arah dimana pada hipotesis awal kelompok atau sampel 1
memiliki rata-rata sama dengan atau lebih besar dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih
kecil dibandingkan dengan rata-rata kelompok 2.

c) Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis
awal kelompok atau sampel 1 memiliki rata-rata sama dengan atau lebih
kecil dengan rata-rata kelompok 2. sedangakan hipotesis alternatif rata-
rata kelompok 1 lebih besar dibandingkan dengan rata-rata kelompok 2.

Hipotesis awal ditolak, bila:

|t hitung| > t tabel ( terdapat perbedaan / Ha)
atau:
Hipotesis awal diterima, bila:
|t hitung| <= t tabel (tidak terdapat perbedaan / Ho)

20
5. Rumus
Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu :
Statistik hitung (t hitung):

Dimana:

Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
Sd = Standar Deviasi dari d.
6. Langkah Menggunakan Uji T – Test Dependent
Menurut Ratih (2014), Langkah-langkah pengujian signifikansi (hipotesis)
dalam Pengujian Perbedaan Rata‐rata Dua kelompok berpasangan:
a) Tetapkan H0 dan H1
b) Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat
kepercayaan 99 %) yang terdapat pada tabel “t”.
c) Tentukan daerah kritis, dengan db = n -1.
d) Tentukan t hitung dengan menggunakan rumus.
e) Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung
dengan “t” tabel.

21
 BAB III
PENUTUP

A. Kesimpulan
SPSS adalah salah satu program statistik yang dibuat untuk mempermudah
dalam menyelesaiakan masalah-masalah pengolahan data dalam statistik.
Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS
Data Editor dengan beberapa uji.
Uji Chi square adalah pengujian hipotesis mengenai perbandingan antara
frekuensi observasi atau yang benar-benar terjadi atau aktual dengan frekuensi
harapan. Yang dimaksud dengan frekuensi harapan adalah frekuensi yang
nilainya dapat di hitung secara teoritis (e). sedangkan dengan frekuensi
observasi adalah frekuensi yang nilainya di dapat dari hasil percobaan (o).

B. Saran
Saya menyadari bahwa modul ini masih jauh dari sempurna, oleh karena
itu kritik dan saran dari semua pihak yang bersifat membangun selalu kami
harapkan demi kesempurnaan laporan ini. Akhir kata, saya sampaikan terima
kasih kepada semua pihak yang telah berperan serta dalam penyusunan
makalah ini dari awal sampai akhir.

22
 DAFTAR PUSTAKA

Applbaum, Ronald L, 1974, Strategies for Persuasive Communication, Charles E.

Merril Publishing Company, Columbus, Ohio.

Arifin, Johar. 2008. Statistik Bisnis Terapan dengan Microsoft Excel 2007. Jakarta
: PT. Elex Media Komputindo

Csuryana. 2010. Data dan jenis data penelitian.

http://csuryana.wordpress.com/2010/03/25/data-dan-jenis-data-
penelitian/.Diakses pada tanggal 29 Desember 2017

F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara

granosa L.) Under Commercial Culture: Analysis Through Length-Frequency
Data, Bay of
Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/do
crep/007/ae15e /ae115e00.htm

Fiske John. 2012. Pengantar Ilmu Komunikasi. Jakarta: Rajawali Pers.

http://kuliah.dinus.ac.id/edi-nur/sb1-7.html

https://navelmangelep.wordpress.com/2011/12/30/variabel-variabel-dalam-
penelitian/

Liliweri, Alo. 2007. Dasar-dasar Komunikasi Kesehatan. Yogyakarta : Pustaka.

Pelajar.

R. Wayne Pace dan Don F. Faules. 2006. Komunikasi Organisasi; strategi

meningkatkan kinerja perusahaan. Bandung: PT Remaja Rosdakarya.

Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada :

Jakarta

Stoner, James A.F., 1996, Manajemen, Erlangga, Jakarta

23
Dr Elvinaro Ardianto,dkk.,2004 Komunikasi Massa Suatu Pengantar, Bandung:
Simbiosa Rekatama Media. Wiryanto, 2000, Teori Komunikasi Massa,
Jakarta: Grasindo

N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara granosa
L.) Under Commercial Culture: Analysis Through Length-Frequency Data,
Bay of
Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/d
ocrep/007/ae15e /ae115e00.html

24
 Formulir Penilaian Praktik Mandiri Statistik I

Nilai
No. Aspek yang Dinilai Bobot
YA TIDAK
1. Praktik Memasukkan Data 20
2. Praktik Recoding Data 20
3. Praktik Membuat Diskrisi Variabel Kategorik 15
dan Numerik
4. Praktik Uji Normalitas 15
5. Praktik Analisa Chi Square 15
6. Praktikum Uji T 15
Jumlah 100

25