• Memakai pola pemikiran deduktif, yakni rasional empiris atau top down approach. Pola ini artinya
penelitian kuantitatif akan mencoba memahami fenomena atau kejadian dengan konsep atau
teori yang umum terlebih dahulu untuk kemudian menjelaskan kejadian yang bersifat lebih
khusus.
• Penelitian kuantitatif memiliki tujuan untuk menyusun ilmu nomotetik. Ilmu ini memilki arti ilmu
yang berusaha membuat hukum dari generalisasi hukum itu sendiri.
• Seorang peneliti dalam penelitian kuantitatif harus menempatkan dirinya terpisah dari objek
penelitian. Ini artinya, peneliti tidak boleh terlibat secara emosional dengan subjek penelitannya.
• Analisis data dalam penelitian kuantitatif harus dilakukan setelah seluruh data dapat dikumpulkan
• Hasil penelitian kuantitatif adalah prediksi dan generalisasi terlepas dari konteks situasi dan
waktu dilakukannya penelitian.
Perangkat Dalam Analisis
Data
• Instrumen pengumpul data adalah alat yangdigunakan untuk
merekam-pada umumnya secara kuantitatif keadaan
dan aktivitas atribut-atribut psikologis. Atibut-atribut
psikologis itu secara teknis biasanya digolongkan menjadi
atribut kognitif dan atribut non kognitif. Untuk atribut kognitif,
perangkatnya adalah pertanyaan. Sedangkan untuk atribut
non-kognitif,perangkatnya adalah pernyataan
Analisis Deskriptif
• Analisis deskriptif merupakan analisis yang paling mendasar
untuk menggambarkan keadaan data secara umum. Analisis
deskriptif ini meliputi beberapa hal, yakni distribusi frekuensi,
pengukuran tendensi pusat, dan pengukuran variabilitas.
Statistika Inferensia
• Pendugaan Parameter
Untuk mengetahui ukuran populasi atau disebut dengan Parameter biasanya seorang
peneliti mengukurnya tidak secara langsung melainkan dengan cara mengambil
sebagian kecil dari populasi (disebut dengan sample) kemudian mengukurnya.
Selanjutnya hasil pengukuran sample tersebut digunakan untuk “menduga” ukuran
sebenarnya (ukuran populasinya atau parameternya). Dari sinilah berasal istilah
“Pendugaan Parameter”. Secara umum parameter yang diduga ialah nilai tengah
(mean), proporsi, atau ragam, masing-masing :
1. Formulasi hipotesis
2. Penentuan nilai α (taraf nyata) dan nilai Z table (Zα)
3. Kriteria Pengujian
4. Uji Statistik
5. Kesimpulan
• Pengujian Dua Populasi Independen
Uji hipotesis proporsi dua populasi adalah pengujian dua proporsi yang
masing-masing proporsi tersebut berasal dari dua populasi yang
berbeda serta independen.
Pengujian dua proporsi digunakan ketika akan membandingkan apakah
proporsi pada populasi pertama lebih kecil, sama atau lebih besar
dibandingkan proporsi pada populasi kedua.
• Uji U-MANN-WHITNEY
Mann Whitney U Test disebut juga dengan Wilcoxon Rank Sum Test.
Merupakan pilihan uji non parametris apabila uji Independent T Test tidak
dapat dilakukan oleh karena asumsi normalitas tidak terpenuhi. Tetapi
meskipun bentuk non parametris dari uji independent t test, uji Mann Whitney
U Test tidak menguji perbedaan Mean (rerata) dua kelompok seperti layaknya
uji Independen T Test, melainkan untuk menguji perbedaan Median (nilai
tengah) dua kelompok.
Uji ini digunakan untuk menguji kondisi (variabel) pada sampel yang
berpasangan atau dapat juga untuk penelitian
sebelum dan sesudah. Dalam uji ini ingin diketahui manakah yang lebih
besar dari antara pasangan.
Asumsi-asumsi:
• Menggunakan data berpasangan dan berasal dari populasi yang sama.
ini sama dengan tujuan dari uji t berpasangan.
• Setiap pasangan dipilih secara acak dan independent. Maksudnya ini
dalam pengambilan sampel tidak subjektif atau asal ambil. tapi
pengambilan sampelnya secara acak.
• Skala pengukurannya minimal ordinal. dan tidak butuh asumsi
normalitas. Inilah yang membedakan dengan uji t berpasangan. disini
ada dua keadaan dalam menggunakan wilcoxon.
• ANOVA
Analisis varians (ANOVA) adalah kumpulan dari model statistik yang digunakan untuk
menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait (seperti
“variasi” antara kelompok), yang dikembangkan oleh ahli statistik dan evolusi biologi
Ronald Fisher. Dalam pengaturan ANOVA, varians diamati pada variabel tertentu dibagi
menjadi komponen disebabkan berbagai sumber variasi. Dalam bentuk yang paling
sederhana, ANOVA menyediakan uji statistik apakah rata-rata beberapa kelompok
adalah sama, dan adanya generalisasi t-test untuk lebih dari dua kelompok. Seperti
melakukan beberapa dua-sample t-tes akan menghasilkan peningkatan kesempatan
dalam mengamati tipe I kesalahan statistik, maka ANOVA berguna untuk
membandingkan (pengujian) tiga atau lebih berarti (kelompok atau variabel) untuk
signifikansi statistik.
Uji ini identik dengan Uji One Way Anova pada pengujian
parametris, sehingga uji ini merupakan alternatif bagi uji One Way
Anova apabila tidak memenuhi asumsi misal asumsi normalitas.
Selain sebagai uji alternatif, kegunaan lain adalah sebagai perluasan
dari uji Mann Whitney U Test, di mana kita ketahui bahwa uji
tersebut hanya dapat digunakan pada 2
kelompok variabel dependen. Sedangkan Kruskall Wallis dapat
digunakan pada lebih dari 2 kelompok misal 3, 4 atau lebih.
• Uji Cochcran
Uji Cohcran digunakan untuk menganalisis secara statistik tingkat keberhasilan dari suatu data
tertentu. Hipotesis yang diuji adalah hipotesis terhadap beberapa variabel dikotomi yang memiliki
arti sama. Variabel yang diukur berasal dari individu yang sama atau pada individu yang
cocok/sesuai.
Uji ini menggunakan data nominal dengan sampel lebih dari dua dan data bersifat dependent.
Data yang digunakan di dalam uji berbentuk binary, yaitu 1 untuk sukses dan 0 untuk gagal.
• Uji Cochran Q hanya menentukan terjadinya suatu perubahan tetapi mengevaluasi sejauh
mana perubahan tersebut. Memungkinkan untuk melakukan beberapa uji McNemar, tetapi
tidak ada efek interaksi yang dapat diukur.
• Uji ini dikenal lemah dalam mendeteksi true heterogeneity diantara studi yang dianggap
signifikan. Meta-analisis seringkali hanya menyertakan sejumlah kecil studi, dan kekuatan uji
dalam keadaan seperti itu rendah. Karena tes ini lemah dalam mendeteksi true heterogeneity,
hasil non-signifikan tidak dapat diambil sebagai bukti homogenitas.
• Uji ini tidak mengakomodasi control terhadap kelompok, karena uji Cochran menggunakan
observasi yang dependen.
• TWO-WAY ANOVA
• KORELASI POSITIF
Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan
hubungan sebab akibat dimana apabila terjadi penambahan nilai pada variabel X maka akan
diikuti terjadinya penambahan nilai variabel Y.
• KORELASI NEGATIVE
Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan nilai Y, korelasi negatif berlaku
sebaliknya. Jika nilai variabel X meningkat nilai variabel Y justru mengalami penurunan.
• KORELASI SEMPURNA
Korelasi sempurna biasanya terjadi apabila kenaikan / penurunan variabel X selalu sebanding
dengan kenaikan /penurunan variabel Y. Jika digambarkan dengan diagram titik atau diagram
pencar, titik-titik berderet membentuk satu garis lurus, dengan hampir tidak ada pencaran.
CARA MENGETAHUI ADA
TIDAKNYA KORELASI
• DIAGRAM PENCAR (SCATTER PLOT)
Untuk menunjukkan ada tidaknya hubungan (korelasi) antara 2
variabel (X dan Y) kita dapat menggunakan diagram pencar.
Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel
pada sumbu x dan y.
• KOEFISIEN KORELASI
Untuk mengetahui ada / tidaknya hubungan antara kedua
variabel (X dan Y) dan seberapa erat hubungan antara kedua
variabel tersebut.dapat diketahui dengan menghitung koefisien
korelasi dari kedua variabel.Jika koefisien korelasi bertanda positif
(+) maka dapat disimpulkan hubungan kedua variabel positif
danbegitu juga halnya bila koefisien korelasi bertanda negative (-)