* Asumsi Dasar

Statistik
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)

Padacontoh 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
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
Bentuk hubungan
Korelasi Pearson di SPSS
Judulpenelitian 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_ Tingkat_
keluarga kecemasan
Dukungan_keluarga Pearson Correlation 1 -,336*
Sig. (2-tailed) ,032
N 42 42
Tingkat_kecemasan Pearson Correlation -,336* 1
Sig. (2-tailed) ,032
N 42 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
 IMT Tingkat
Konsentrasi
Correlation 1.000 .191*
Spearman's IMT
Coefficient
rho Sig. (2-tailed) . .018
N 154 154
.191* 1.000
Tingkat Correlation
Konsentrasi Coefficient

Sig. (2-tailed) .018 .

N 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
 Kreativitas Peringkat dalam
lomba melukis
Correlation 1.000 -.300
Kreativitas
Coefficient
Kendalls
Sig. (1-tailed) . .001
N 68 68

Peringkat -.300 *
1.000
Correlation
dalam lomba
Coefficient
melukis

Sig. (1-tailed) .001 .

N 68 68

Interpretasi: Ada hubungan

yang signifikan antara
kreativitas dan peringkat dalam
lomba melukis, =-.300, p < .
01
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
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
Statistiknon 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 a B
Perempuan C d

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 a b x
dengan kejadian kanker paru-paru
merokok * kankerparu Crosstabulation
kankerparu Total
tidak ya
Count 25 10 35
tidak
% within 100,0
merokok 71,4% 28,6%
merokok %
merokok
Count 14 51 65
merokok % within 100,0
21,5% 78,5%
merokok %
Count 39 61 100
Total % within 100,0
39,0% 61,0%
merokok %
c d y
 Chi-Square Tests
Value df Asymp. Sig. Exact Sig. (2- Exact Sig. (1-
(2-sided) sided) sided)

Pearson Chi-Square 23,802a 1 ,000

Continuity Correctionb 21,751 1 ,000
Likelihood Ratio 24,140 1 ,000
Fisher's Exact Test ,000 ,000

Linear-by-Linear
Association
23,564 1 ,000
N of Valid Cases 100
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
9,107 3,550 23,363
merokok / merokok)

For cohort kankerparu = tidak 3,316 1,993 5,518

For cohort kankerparu = ya ,364 ,212 ,624

N of Valid Cases 100

RR (ya) RR (tidak)
 Melaporkan Chi Square
Tidak kanker Total OR Pearson P
kanker s chi valu
square e
N % N % N %
Tidak 25 71,4 10 28,6 35 10 9,11 23,80 .000
merokok 0
merokok 14 21,5 51 78,5 65 10
0
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.
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
 Pearson data kedua variabel berskala
interval, terdistribusi normal

Spearman salah satu variabel tidak

berskala interval, tidak terdistribusi normal

sama dg Spearman tapi untuk

Kendall
sampel yang lebih kecil

Chisquare melihat hubungan 2 variabel

berskala nominal dengan 2 kategori
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.