Pada umumnya statistika dapat dibagi dalam dua bagian, yaitu statistika deskriptif (descriptive
statistics) dan statistika induktif = statistika inferens (inductive statistics = inference statistics).
1. Statistika Deskriptif
Statistika deskriptif merupakan metode yang berkaitan dengan pengumpulan dan penyajian suatu hasil
pengamatan (data) sehingga memberikan informasi yang berguna bagi pihak-pihak yang berkepentingan
terhadap data dan informasi tersebut. Yang harus mendapatkan perhatian dalam statistika deskriptif adalah
hanya menyajikan atau memberikan informasi dari data yang dimiliki (data dari sampel) dan bukan
memberikan kesimpulan apapun tentang data populasi. Penyampaian informasi yang dimaksud dapat
berupa diagram, grafik, gambar dan tabel.
1. Distribusi frekuensi
2. Pengukuran nilai-nilai statistika
3. Angka indeks
4. Analisis time series (analisis runtut waktu)
Statistika induktif adalah mencangkup metode yang berkaitan dengan analisis sebagian data (data
dari sampel) yang kemudian digunakan untuk melakukan peramalan atau penaksiran kesimpulan
(generalisasi) mengenai data secara keseluruhan (populasi). Generalisasi tersebut mempunyai sifat “tidak
pasti” karena hanya berdasarkan pada data dari sampel. Oleh sebab itu, dalam statistika induktif harus
didasari dengan teori peluang.
1. Probabilitas
2. Kurva normal
3. Sampling dan distribusi sampling
4. Estimasi (pendugaan) harga parameter
5. Uji hipotesis, baik sederhana, perbandingan antara dua nilai; bagi mean maupun proporsi
6. Regresi, termasuk pengujian signifikasi dan penggunaannya untuk prediksi
7. Korelasi
Manajer personalia PT. St. Mariah memilih secara acak 100 karyawan dari 700 karyawan yang ada di
perusahaan tersebut untuk mengisi angket mengenai opini mereka terhadap rencana pemindahan
perusahaan asuransi kesehatan. Perusahaan asuransi kesehatan yang akan ditunjuk menyatakan bahwa
“paling sedikit 80% karyawan PT. St. Mariah merasa lebih senang pindah pada perusahaan asuransi yang
baru”. Berdasarkan 100 angket tersebut ternyata hanya 70 karyawan yang menyatakan lebih senang pindah
pada perusahaan asuransi yang baru. Berdasarkan hasil temuan dari angket tersebut, apakah pernyataan
perusahaan asuransi tersebut benar?
Pembuktian pernyataan tersebut dilakukan dengan menggunakan sebagian dari karyawan PT. St.
Mariah sebagai sampel. Peneliti melakukan analisis terhadap data yang diperoleh dari sampel untuk
menafsirkan (memperoleh informasi) tentang karakteristik obyek (opini karyawan) yang sebenarnya.
Kedua bagian statistik tersebut dalam prakteknya sering dipakai bersama-sama, namun ada juga
yang hanya menggunakan salah satu saja, tergantung dari kebutuhan. Seringnya dalam penelitian dilakukan
statistis deskriptif dahulu, baru statistif inferensial. Misal suatu kegiatan penelitian dalam bidang komputer
misalnya: Saya ingin mengetahui penyebab kecepatan internet di Laboratoium Sekolah, apakah benar
semakin banyak user yang menggunakan internet akan memperlambat kecepatan internet ?. Nah berangkat
dari masalah tersebut maka saya membutuhkan data untuk mengetahui data-data kecepatan internet pada
saat usernya hanya 1 orang, kemudian pada saat usernya 2 orang, 3 orang dan seterusnya, sampai semua
komputer terpakai semua misalnya, nah data-data tersebut disajikan menggunakan Statistik Deskriptif,
setelah itu untuk mengetahui seberapa besar sih, pengaruh banyak user terhadap kecepatan internet ? nah
disinilah data-data tersebut perlu dilakukan analisis secara Inferensial atau Induktif, sehingga nantinya
diharapkan bisa dibuat suatu kesimpulan yang bisa dijadikan pedoman dalam pengambilan keputusan
disuatu tempat yang diteliti.
1. mengumpukan data
2. mengolah data
3. menyajikan data
deskriptif induktif/inferens
4. menganalisis data
5. membuat kesimpulan
6. mengambil keputusan
Sudah dapat diduga bahwa fase yang disebut terdahulu merupakan langkah akhir dari tugas statistika
karena dalam setiap penelitian kesimpulanlah yang diinginkan. Jelas pula bahwa statistika induktif
berdasarkan pada statistika deskriptif dan karenanya keduanya harus ditempuh secara benar agar kita
mendapatkan kegunaan maksimal dari statistika.
Pengertian uji normalitas, reliabilitas,daya beda,uji T,uji F, dan sebutkan uji dalam hipotesis dan segala
macam uji serta beri contohnya dan memakai rumus (formula) apa ?
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada
sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30),
maka sudah dapat diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar. Namun untuk
memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya digunakan uji
normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian
sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal.
a. uji grafik
b. Chi-Square
c. Kolmogorov Smirnov,
d. Lilliefors
e. Shapiro Wilk
Menurut Sugiono (2005), reliabilitas adalah serangkaian pengukuran atau serangkaian alat ukur yang
memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu dilakukan secara berulang.
Menurut Sukadji (2000), uji reliabilitas adalah seberapa besar derajat tes mengukur secara konsisten sasaran
yang diukur. Reliabilitas dinyatakan dalam bentuk angka, biasanya sebagai koefesien. Koefisien yang tinggi
berarti reliabilitas yang tinggi.
Menurut Anastasia dan Susana (1997), reliabilitas adalah sesuatu yang merujuk pada konsistensi skor yang
dicapai oleh orang yang sama ketika mereka diuji ulang dengan tes yang sama pada kesempatan yang
berbeda, atau dengan seperangkat butir-butir ekuivalen (equivalent items) yang berbeda, atau di bawah
kondisi pengujian yang berbeda
1. Spearman-Brown
2. Flanagan
3. Rulon
4. Kuder-Richardson (K-R) 20
5. K-R 21
6. Hoyt
7. Alpha
3. Uji F
Uji F dikenal dengan Uji serentak atau uji Model/Uji Anova, yaitu uji untuk melihat bagaimanakah
pengaruh semua variabel bebasnya secara bersama-
sama terhadap variabel terikatnya. Atau untuk menguji apakah model regresi yang kita buat baik/signifikan
atau tidak baik/non signifikan. Dalam artikel ini dijelaskan tentang Uji F dan Uji T dalam penelitian.
Jika model signifikan maka model bisa digunakan untuk prediksi/peramalan, sebaliknya jika non/tidak
signifikan maka model regresi tidak bisa digunakan untuk peramalan
4. Uji T
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing-masing variabel
bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji ini dapat dilakukan dengan
mambandingkan t hitung dengan t tabel atau dengan melihat kolom signifikansi pada masing-masing t
hitung, proses uji t identik dengan Uji F (lihat perhitungan SPSS pada Coefficient Regression Full
Model/Enter). Atau bisa diganti dengan Uji metode Stepwise.
Seperti kita telah pelajari pada berbagai artikel dalam website statistikian, bahwa ada banyak sekali yang
membahas tentang Uji F dan Uji T. Pertanyaannya, sebenarnya apakah yang dimaksud dengan Uji F dan Uji T
tersebut? Di atas kita telah pelajari sebagian dari yang dimaksud untuk menjawab pertanyaan ini. Namun
perlu statistikian jelaskan lagi bahwa sebenarnya Uji F dan Uji T itu tidak hanya sebatas dari apa yang telah
dibahas di atas, dimana di atas membahas tentang Uji F dan Uji T dalam konteks analisis regresi linear.
Namun dalam konteks yang lain, bisa jadi ada dalam berbagai jenis analisis, misalnya Uji
ANOVA, ANCOVA, MANOVA juga terdapat nilai F. Dan pada uji beda 2 sampel berpasangan, yaitu paired t
test dan uji beda 2 sampel bebas, yaitu independen t test, juga ada nilai T.
5. Pengertian Hipotesis
Hipotesis adalah suatu proses dari pendugaan parameter dalam populasi, yang membawa kita pada
perumusan segugus kaidah yang dapat membawa kita pada suatu keputusan akhir, yaitu menolak
atau menerima pernyataan tersebut.
Contoh:
a. Seorang peneliti masalah kedokteran diminta untuk memutuskan, berdasarkan bukti-
bukti hasil percobaan, apakah suatu vaksin baru lebih baik daripada yang sekarang
beredar di pasaran.
b. Berdasarkan data, apakah ada perbedaan ketelitian antara dua jenis alat ukur;
c. Seorang ahli sosiologi ingin mengumpulkan data yang memungkinkan ia menyimpulkan
apakah jenis darah dan warna seseorang ada hubungannya atau tidak.
Hipotesis Statistika: suatu proses untuk menentukan apakah dugaan tentang nilai
parameter/karakteristik populasi didukung kuat oleh data sampel atau tidak
Alur dalam pengujian hipotesis:
DATA (KUANTITATIF) HIPOTESIS PENGUJIAN DECISION RULE
KEPUTUSAN KESIMPULAN
Dalam statistika, dikenal 2 macam hipotesis:
1. Hipotesis nol (H0), berupa suatu pernyataan tidak adanya perbedaan karakteristik/parameter
populasi (selalui ditandai dengan tanda =)
2. Hipotesis alternatif (H1), berupa suatu pernyataan yang bertentangan dengan H0.
Ingat, yang diuji dalam hipotesis adalah parameter, maka notasi yang digunakan dalam hipotesis
statistika adalah parameter (untuk nilai tengah), (untuk simpangan baku), dan p (untuk
proporsi).
Contoh: Suatu obat baru lebih baik dari obat yang selama ini digunakan jika persentase orang yang
sembuh setelah meminum obat baru ini lebih dari 60%.
Dalam permasalahan ini, maka dapat dibentuk hip statistik:
H0 : p = 0,6 (obat baru tidak lebih baik)H1 :
p > 0,6 (obat baru lebih baik)
Terdapat 2 tipe hipotesis:
1. Hipotesis satu arah (atau hipotesis satu sisi)
Jika hipotesis alternatif menunjukkan tanda > atau <. Hal ini dikarenakan si penelitiatau si
perancang hipotesis, menginginkan suatu perubahan satu arah, misalnya apakah meningkat,
apakah terjadi penurunan, dan sebagainya.
Contoh: sebuah perusahaan rokok menyatakan bahwa kadar nikotin rata-rata rokok yang
diproduksinya tidak melebihi 2,5 miligram (tidak melebihi berarti kurang dari, berarti satu arah
saja, H1 : < 2,5).
2. Hipotesis dua arah (atau hipotesis dua sisi) Jika
hipotesis alternatif menunjukkan tanda .
Misalkan H0 : = 20, lawan H1 : 20
Ini berarti hipotesis alternatifnya memiliki dua definisi,H1 : > 20
dan/atau H1 : < 20. Hal ini dikarenakan si peneliti menginginkan suatu perbedaan, yaitu
apakah berbeda atau tidak (entah berbeda itu meningkat, atau menurun).
Contoh: sebuah pabrik sereal ingin mengetes unjuk kerja dari mesin pengisinya. Mesin
tersebut dirancang untuk mengisi 12 ons setiap boksnya. (karena hanya ingin menguji apakah
rata-rata mesin pengisi tersebut dapat mengisi 12 ons setiap boksnya atau tidak, H0 : = 12,
dan H1 : 12)
Langkah pengujian hipotesis:
1. Tentukan hipotesis
Misal: H0 : = c, lawan H1 : c (uji dua sisi) Atau:
H0 : = c, lawan H1 : > c (uji satu sisi)
2. Tentukan tingkat signifikansi
Biasanya kalau tidak diketahui, maka hal yang biasa digunakan adalah tingkat kesalahan
sebesar 5%.
3. Statistik Uji
4. Daerah kritik, H0 diterima bila dan H0 ditolak bila.
5. Keputusan, H0 diterima atau ditolak
6. Kesimpulan
Latihan: tentukan hipotesis nol dan alternatifnya!
1. Rata-rata curah salju di Danau Toba selama bulan Februari 21,8 cm.
2. Banyaknya staf dosen di suatu PT yang menyumbang dalam suatu acara pengumpulan danasosial
tidak lebih dari 20%.
3. Secara rata-rata anak-anak di St. Louis, berangkat dari rumah ke sekolah menempuh jaraktidak
lebih dari 6,2 km.
4. Di tahun mendatang, sekurang-kurangnya 70% dari mobil baru termasuk dalam kategori
kompak dan subkompak.
5. Dalam pemilu mendatang, proporsi yang memilih calon lama adalah 0,58.
6. Di Restauran X, rata-rata steak yang dihidangkan sekurang-kurangnya 340 gram.
z
Daerah Daerah Penerimaan
Penolakan
Daerah Penerimaan H0
Z<Z
Daerah Penolakan H0
Z>Z
z
Daerah Penerimaan Daerah
Penolakan
10,69 / 10
s/ n
t0,025(9) =
2,262t >
t0,025 (9)
Keputusan: tolak H0, terima
H1b. H0 : = 155
H1 : >
155
t0,05(9) =
1,833t >
t0,05(9)
Keputusan: tolak H0, terima
H1c. H0 : = 155
H1 : < 155
-t0,05(9) = -
1,833t > -
t0,05(9)
Keputusan: terima H0