* Asumsi Dasar

Statistik

Statistik inferensial alat

bantu mengolah data untuk
penelitian dengan variabel
lebih dari 1 / multivariat.

Bayangkan kejadian di bawah ini:

Anda datang ke rumah teman Anda. Anda melihat
lampu di rumah teman Anda menyala dan
terdengar suara televisi. Anda kemudian
menekan bel berkali-kali, namun teman Anda
tidak juga membukakan pintu.
Asumsi apa yang muncul di pikiran Anda??

* Teman saya membenci saya sehingga dia tidak

membukakan pintu

Ternyataaa...
Bel rumah teman saya rusak
Kesimpulan yang salah dari asumsi yang salah.

Dalam statistik terdapat beberapa asumsi yang

harus dipenuhi agar suatu data memenuhi
kriteria untuk pengambilan
kesimpulan/kenyataan yang tepat.
Jika suatu data telah memenuhi asumsi dari
suatu teknik statistik barulah pengolahan data
dengan teknik statistik tersebut dapat dilakukan

* Data parametrik adalah data yang bersifat

numerik/interval yang memiliki persebaran

skor cukup luas dan berdasarkan pada distribusi
normal.
* Sebagian besar teknik statistik didasarkan pada
tes parametrik asumsi harus terpenuhi
sebelum analisis dilakukan
* Teknik statistik yang tergolong parametric:
Korelasi pearson, t-test, anova, regresi, dll.

*Asumsi Data

Parametrik

* Data terdistribusi normal

* Varians data homogen
* Data berskala minimal interval
* Independence

*Asumsi Data

Parametrik

* Uji hipotesis dalam penelitian dibangun

berdasarkan logika distribusi normal

* Data dari sampel yang terdistribusi normal
diasumsikan mewakili data populasi (sampel
cukup representatif)
* Semakin besar sampel, semakin besar
kemungkinan data terdistribusi normal

*1. Distribusi Normal

*Uji Normalitas

Interpretasi:
Data nilai ujian SPSS ditemukan tidak signifikan, D (26) =
0,10, p > .05 sedangkan data waktu ditemukan signifikan,
D(26) = 0.23, p < .05 sehingga dapat disimpulkan bahwa
data nilai ujian SPSS terdistribusi normal sedangkan data
waktu tidak terdistribusi normal.

2. Homogenitas varians
Persebaran skor setara pada kelompok atau
level data yang berbeda

*2. Homogenitas

Varians

* Uji Homogenitas (levenes test)

Interpretasi:
Data nilai ujian SPSS ditemukan tidak signifikan, F (1, 98) =
2,58, p > .05 sedangkan data numeracy ditemukan signifikan,
F(1, 98) = 7.36, p < .05 sehingga dapat disimpulkan bahwa
data nilai ujian SPSS memiliki varians yang homogen
sedangkan data numeracy memiliki varians yang heterogen

* Data harus bersifat kontinu (skor) tidak boleh

berskala nominal atau ordinal

*Skala Interval

* Data dari satu responden independen dengan

responden lain hasil ukur satu responden
tidak mempengaruhi hasil responden lain
* Contoh: pengambilan data terhadap 2
responden di lokasi yang sama, respon
responden 1 dapat mempengaruhi respon
responden 2 tidak independen

*Independence

KORELASI

Practice makes
perfect

 Semakin

banyak latihan, hasil kerja

semakin baik +
Semakin banyak latihan, hasil kerja
semakin buruk Semakin banyak latihan, hasil kerja
konstan/tidak ada perubahan x

Apakah Korelasi itu?

Hubungan

antara dua variabel (variabel

x dan variabel y)

Pada

contoh sebelumnya hubungan

variabel latihan dan variabel hasil kerja

Contoh

lain??

 Hubungan

kebiasaan olah raga dengan

tekanan darah
Hubungan pengetahuan tentang operasi
dengan kecemasan pasien praoperasi

Contoh:

Koefisien Korelasi
Angka

yang menggambarkan sejauh

mana hubungan antara dua variabel,
bagaimana variasi pada satu variabel
diikuti oleh variasi pada variabel yang
lain.

Koefisien

korelasi: r atau rxy

Koefisien Korelasi
Memberikan informasi tentang:
1.

Magnitude/kekuatan hubungan dari

variabel yang dikorelasikan (The
degree of the relationship)

Ditunjukkan oleh nilai absolut koefisien

korelasi
Range: 0 s.d. 1
Makin ke arah 0 menunjukkan kekuatan
hubungan semakin kecil, makin ke arah
1 kekuatan hubungan makin besar.

Koefisien Korelasi
Memberikan informasi tentang:
2. Arah hubungan (the direction of the
relationship)

Ditunjukkan oleh tanda (+) atau (-) yang

diperoleh
Korelasi positif menunjukkan hubungan antara
kedua variabel searah (kenaikan variabel x
diiringi dengan kenaikan variabel y, begitu juga
sebaliknya)
Dalam scatter diagram terlihat arah dari kiri
bawah ke kanan atas

 Korelasi

negatif menunjukkan hubungan

kedua variabel berlawanan arah
(kenaikan variabel x diiringi dengan
penurunan variabel y, atau kenaikan
variabel y diiringi dengan penurunan
variabel x
Dalam scatter diagram terlihat arah dari
kiri atas ke kanan bawah

Arah hubungan

Koefisien Korelasi
Memberikan informasi tentang:
3. Bentuk hubungan (The form of the
relationship)

Hubungan bersifat linear (berbentuk garis

lurus; peningkatan atau penurunan x scra
langsung diikuti peningkatan atau
penurunan y) yang paling banyak
digunakan (Pearson Correlation)
Hubungan bersifat curvilinear special
correlation

Bentuk hubungan

 Contoh

Hubungan antara dosis obat valium (mg)

dengan skor tes kecemasan

Contoh

hubungan LINEAR:

hubungan KURVE LINEAR:

Hubungan antara usia dengan tahapan

perkembangan psikomotor
Usia dengan reaction time grafik
perkembangan usia berbentuk U

Jenis Korelasi

Korelasi Bivariat hubungan 2 variabel

Pearson product moment (r)

Spearmans rho (rs)
Kendalls (
Poin biserial
Biserial

Korelasi Parsial hubungan 2 variabel

sambil mengontrol pengaruh dari 1 atau
lebih variabel lain

Pearson product moment

correlation
Syarat

untuk melakukan korelasi:

Dua variabel yang dikorelasikan datanya

harus diperoleh dari paired observation
pada sejumlah individu atau objek.
Variabel yang dikorelasikan merupakan
variabel kontinu (skala interval atau ratio)
Hubungan antara kedua variabel bersifat
linear, bukan curvilinear
Data harus terdistribusi normal

Korelasi Pearson di SPSS

Judul

penelitian hubungan dukungan keluarga

dan kecemasan pasien dalam menghadapi
kemoterapi
Variabel dukungan keluarga diukur
menggunakan kuesioner yang menghasilkan
data berupa skor dengan rentang 14-60 data
berskala interval
Variabel kecemasan diukur menggunakan
kuesioner yang menghasilkan data berupa skor
dengan rentang 14-52 data berskala interval

Correlations

Dukungan_keluarga Pearson Correlation

Sig. (2-tailed)
N
Tingkat_kecemasan Pearson Correlation
Sig. (2-tailed)
N

Dukungan_
keluarga
1
42
-,336*
,032
42

Tingkat_
kecemasan
-,336*
,032
42
1
42

*.
Correlation
is significant at the 0.05 level (2-tailed).

Interpretasi: Ada hubungan yang

signifikan antara dukungan
keluarga dan kecemasan pasien
yang menjalani kemoterapi,
r=-.336, p < .05

Spearmans rho
Termasuk statistik non parametrik digunakan
jika data tidak terdistribusi normal, data tidak
berskala interval atau ratio
Data diurutkan sesuai ranking kemudian
diaplikasikan pada persamaan Pearson
Contoh: hubungan status gizi (diukur dengan
IMTskala interval) dengan konsentrasi (diukur
dengan tes intelegensi dengan hasil berupa
rentang skor 1-18 skala interval) mahasiswa,
namun data tidak terdistribusi normal
asumsi pearson tidak terpenuhi

Spearman's

IMT

Correlation
Coefficient

rho

Sig. (2-tailed)

Tingkat
Konsentrasi

Correlation
Coefficient

Sig. (2-tailed)
N

IMT

Tingkat
Konsentrasi
1.000

.191*

.018

154
.191*

154
1.000

.018
154

.
154

Interpretasi: Ada hubungan

yang signifikan antara
status gizi dan konsentrasi
mahasiswa, rs=.191, p < .05

Kendalls
Termasuk

statistik nonparametrik
Lebih cocok digunakan pada sampel
yang kecil dibandingkan spearmans rho
Contoh: hubungan kreativitas (skala
interval) dengan peringkat (skala
ordinal) dalam kompetisi melukis

Kendalls

Kreativitas

Correlation
Coefficient

Sig. (1-tailed)

Peringkat
dalam lomba
melukis

Correlation
Coefficient
Sig. (1-tailed)

Kreativitas

Peringkat dalam
lomba melukis

1.000

-.300

.001

68

68

-.300

1.000

.001
68

Interpretasi: Ada hubungan

yang signifikan antara
kreativitas dan peringkat dalam
lomba melukis, =-.300, p < .
01

68

Biserial dan Poin Biserial

Digunakan

ketika salah satu dari 2

variabel yang diteliti merupakan variabel
dikotomi (bersifat nominal/kategorikal
dengan 2 kategori)
Poin biserial variabel murni dikotomi
(mis. Hamil-tidak hamil, hidup-mati,
laki2-perempuan)
Biserial variabel tidak murni dikotomi
(stres-tidak stres, lulus-tidak lulus)

 Contoh:

hubungan pemberian obat (data berskala

nominal dengan 2 kategori: diberi-tidak diberi
obat) dengan respiration time (skala interval)

Interpretasi: Ada hubungan yang

signifikan antara pemberian obat
dengan respiration time,
rpb=.378, p < .01

Biserial

rb

Ket:
rb= korelasi biserial
rpb= korelasi poin biserial
p= proporsi responden pada kategori yang lebih
besar
q=proporsi responden pada kategori yang lebih kecil
y=titik ordinat pada distribusi normal yang diapit
nilai p dan q (lihat tabel)

 Misalnya

pada contoh korelasi poin

biserial sebelumnya, ada kucing yang
dikebiri, sehingga jenis kelamin tidak
lagi menjadi variabel yang murni
dikotomi
Pada penelitian tersebut ditemukan
proporsi kucing perempuan (p)
sebanyak 53.3% sedangkan 46.67%
merupakan proporsi kucing laki2 (q)

Larger
portion

Smaller
portion

.00
.01
.02
.03
.04
.05
.06
.07
.08
.09

.50000
.50399
.50798
.51197
.51595
.51994
.52392
.52790
.53188
.53586

.50000
.49601
.49202
.48803
.48405
.48006
.47608
.47210
.46812
.46414

.3989
.3989
.3989
.3988
.3986
.3984
.3982
.3980
.3977
.3973

 r
b
rb
rb

Interpretasi Koefisien Korelasi

1.

Nilai r tidak membentuk suatu skala

linear dengan satuan jarak yang
konstan

r = 0,50 TIDAK menandakan dua kali r

= 0,25
Kenaikan dari r = 0,40 menjadi 0,60
tidak dapat disamakan dengan kenaikan
dari r = 0,70 menjadi r = 0,90

Interpretasi Koefisien Korelasi

3. Signifikansi nilai r

Suatu r harus signifikan (bermakna),

artinya suatu korelasi tidak diperoleh
secara kebetulan. Hubungan x dan y
harus bisa dibuktikan.

Interpretasi Koefisien Korelasi

4. r dalam istilah varians
koefisien korelasi tidak hanya
menggambarkan hubungan antara
variabel namun juga merupakan indeks
yang menggambarkan proporsi
individual differences dari satu variabel
yang dapat diasosiasikan dengan
individual differences pada variabel lain.

Interpretasi Koefisien Korelasi

r2 (coefficient of determination)
Menggambarkan proporsi dari total varians Y yang dapat
diasosiasikan dengan varians X
Contoh:
rxy antara dukungan keluarga dan kecemasan = -.336
r2 = 0,113 artinya terdapat 11.3% proporsi varians
kecemasan yang diasosiasikan dengan varians
dukungan keluarga (sebaliknya)
Atau
11.3% kebervariasian kecemasan
diasosiasikan/berhubungan dengan bervariasinya
dukungan keluarga

Warning!!
Dalam korelasi tidak dapat diperoleh informasi
tentang hubungan sebab akibat, karena:
Adanya kemungkinan variabel lain yang tidak
diteliti
Contoh: pada penelitian hubungan suhu dengan
frekuensi makan, meskipun ditemukan hubungan
yang positif dan signifikan, namun tidak dapat
dikatakan suhu tubuh menyebabkan frekuensi
makan meningkat, karena peningkatan frekuensi
makan mungkin dipengaruhi oleh faktor lain, mis.
Kondisi fisik, aktivitas, dll.

Warning!!
Koefisien

korelasi tidak menunjukkan

arah hubungan
Koefisien korelasi menunjukan bahwa
variasi dari satu variabel diikuti oleh
variabel lain, namun tidak diketahui mana
variabel yang menjadi sebab atau akibat.
Dalam contoh sebelumnya, tidak dapat
ditentukan apakah suhu yang
menyebabkan frekuensi makan meningkat,
atau sebaliknya.

Rule of thumb besarnya nilai r

0,9

1,0 = sangat tinggi

0,7 0,9 = tinggi
0,5 0,7 = sedang
0,3 0,5 = rendah
0,0 0,3 = sangat rendah (atau bisa
saja tidak ada)
(Hinkle, Wiersma, & Jurs, 1988 hlm 118)

Chi-square

Pearsons chi-square
Statistik

non parametrik
Digunakan pada penelitian dengan 2
variabel nominal/kategorikal yang terdiri
dari 2 kategori.
Contoh: hubungan jenis kelamin dengan
kejadian hipertensi
Jenis kelamin laki-laki dan perempuan
Hipertensi ada dan tidak ada

Hipertensi

Tidak
hipertensi

Laki-laki

Perempuan

Analisis dilakukan dengan perhitungan

frekuensi responden yang jatuh pada
tiap kelompok kategori

Asumsi dalam Pearsons Chi

Square
Independence

1 kasus/responden
hanya boleh termasuk dalam 1 kategori
Frekuensi yang diharapkan (expected
frequency) dalam setiap kategori harus
lebih besar dari 5

Chi Square di SPSS

Judul hubungan perilaku merokok
dengan kejadian kanker paru-paru

merokok

Total

merokok * kankerparu Crosstabulation

kankerparu
tidak
ya
Count
25
10
tidak
% within
merokok
71,4% 28,6%
merokok
Count
14
51
merokok
% within
21,5% 78,5%
merokok
Count
39
61
% within
39,0% 61,0%
merokok

Total
35
100,0
%
65
100,0
%
100
100,0
%

Chi-Square Tests
df
Asymp. Sig. Exact Sig. (2- Exact Sig. (1(2-sided)
sided)
sided)

Value

Pearson Chi-Square

23,802a

,000

Continuity Correctionb

21,751

,000

Likelihood Ratio

24,140

,000

Fisher's Exact Test

Linear-by-Linear
Association

23,564

N of Valid Cases

100

,000
,000

,000

a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is
13,65.
b. Computed only for a 2x2 table

OR (Effect Size)

OR

RR

(tidak)

RR

(ya)

Risk Estimate

Value

95% Confidence Interval

Lower

Upper

OR

Odds Ratio for merokok (tidak

merokok / merokok)

9,107

3,550

23,363

For cohort kankerparu = tidak

3,316

1,993

5,518

,364

,212

,624

For cohort kankerparu = ya

N of Valid Cases

100

RR (ya)

RR (tidak)

Melaporkan Chi Square

Tidak
kanker

kanker

Total

Tidak
merokok

25

71,4

10

28,6

35

10
0

merokok

14

21,5

51

78,5

65

10
0

OR

Pearson
s chi
square

9,11 23,80

Interpretasi:
Ada hubungan yang signifikan antara perilaku merokok
dengan kejadian kanker paru-paru 2 = 23.80, p < .001
dan berdasarkan nilai OR, kejadian tidak kanker 9,11x
lebih banyak terjadi pada orang yang tidak merokok,
atau kejadian kanker 0,11x (1/9,11) lebih banyak terjadi
pada orang yang merokok.

P
valu
e
.000

Interpretasi RR
RR (tidak) = 3,316 orang yang tidak
merokok memiliki peluang untuk tidak
mengalami kanker paru-paru sebanyak
3,316 kali lebih besar dibandingkan orang
yang merokok
RR (ya) = 0,364 orang yang tidak merokok
memiliki peluang untuk mengalami kanker
paru-paru sebanyak 0,364 kali lebih kecil
dibandingkan orang yang merokok

 data kedua variabel berskala

interval, terdistribusi normal
Spearman salah satu variabel tidak berskala
interval, tidak terdistribusi normal
Kendall sama dg Spearman tapi untuk
sampel yang lebih kecil
Poin biserial satu variabel berskala interval
dan variabel lain berskala nominal dengan dua
kategori yang murni dikotomi
Biserial satu variabel berskala interval dan
variabel lain berskala nominal dengan dua
kategori yang tidak murni dikotomi
Chi square melihat hubungan 2 variabel
berskala nominal dengan 2 kategori
Pearson

Rambu-rambu memilih teknik

statistik dalam penelitian

Teknik statistik dipilih pada step terakhir

pembuatan proposal
Teknik yang dipilih harus konsisten dengan
masalah dan tujuan penelitian
Gambaran/profil mean, distribusi frekuensi
Hubungan korelasi, chi square, regresi
Perbandingan t-tes, anova

Teknik statistik yang dipilih harus sesuai dengan

data dari masing-masing variabel penelitian
Perhatikan skala data, jika data berskala interval/rasio
jangan dipaksakan menjadi nominal atau ordinal
hanya karena ingin memakai teknik statistik tertentu.