Kelompok 3
Menurut Sulaiman ( 2005:1) mengatakan Tes
parametrik adalah suatu tes yang modelnya
menetapkan syarat-syarat tertentu tentang
parameter populusai yag menjadi sama
penelitiannya
Sugiyono (2013:79) mengemukakan statistik
parametris itu bekerja berdasarkan asumsi
bahwa data setiap variabel yang akan
dianalisis berdasarkan berdistribusi normal
Dalam statistika parametrik, inidikator-indikator yang
dianalisis adalah parameter-parameter dari ukuran objek
yang digunakan. Menurut (Nisfiannoor,2009:15)
mengatakan statistik inferensial dengan model parametrik
(independent Sample T test, Paired Sample T test, One
Way ANOVA, Korelasi Pearson, Analisis Regresi, dll.
Beberapa metode statistik parametrik (uji T dan Uji
F/Anova) mensyaratkan asumsi (Santoso, 2005:3) :
Sampel (data) diambil dari populasi yang mempunyai berdistribusi
normal. Jika 10 sampel Tinggi badan diambil dari populasi 5000
mahasiswa sebuah perguruan tinggi, data tinggi badan 5000
mahasiswa haruslah berdistribusi normal.
Pada Uji t dan uji F untuk dua sampel atau lebih, kedua
sampel diambil dari dua populasi yang mempunyai varian
sama. Jadi jika diambil sampel 10 tinggi badan pria dan 10
tinggi badan wanita dari 3000 pria dan 2000 wanita, maka
varian 3000 tinggi badan pria dan varian 2000 tinggi badan
wanita harusla sama atau bisa diangga sama.
Variabel (data) yang diuji haruslah data bertipe interval atau
rasio, yang tingkatannya lebih tinggi dari data tipe nominal atau
ordinal. Tinggi Badan Pria atau Wanita (sentimeter) jelas bertipe
rasio, karena dapat dari proses mengukur. Namun pendapat atau
sikap pria dan wanita (suka atau tidak suku yang diukur dengan
skala Likert) bukanlah data interval atau rasio, namun data
Ordinal.
Jumlah (sampel) data singkat kecil, sedangkan distribusi data
populasinya tidak diketahui kenormalannya. Mislanya hanya
diambil masing-masing 5 sampel untuk data Berat Badan
Knosumen remaja, Konnsumen Mud dan konsumen Dewasa,
maka jumlah data terlalu sedikit untuk diproses dengan uji F
(uji lebih dari dua sampel), walaupun tipe data rasio.Untuk data
yang tidak memenuhi salah satu asumsi tersebut, lebih baik
menggunakan prosedur statistik non parametrik untuk proses
data.
MenurutSantoso (2010:10) metode statistik
parametik digunakan untuk:
Data dalam jumlah besar, biasanya diatas 30.
Distribusi data adalah normal atau dapat dianggap
normal
Data bertipe interval atau rasio.
Ada dua kelompok besar yang dapat
dilakukan dengan uji hipotesis yaitu:
Uji hipotesis terkait uji rerata yaitu untuk
menguji atau mengestimasi besarnya rerata 1
kelompok, menguji beda dua kelompok atau
lebih, dengan berbagai kondisi kelompok (saling
bebas atau berpasangan/ tidak saling bebas).
Uji hubungan baik terbatas pada besarnya
derajat asosiasi (uji korelasi) atau mencari
bentuk hubungan fungsional beberapa variabel
(uji regresi). Uji regresi saat ini juga telah
berkembang sangat luas tergantung distribusi
variabel respon yang dihadapi
Korelasi Product Moment
Korelasi product moment disebut juga korelasi Pearson
adalah teknik analisis statistik yang mempunyai
kegunaan untuk menganalisis data penelitian yang
mempunyai karakteristik di antaranya:
Hipotesis yang diajukan adalah hipotesis asosiatif
Datanya berskala minimal interval
Penyebaran data berdistribusi normal
Regresi Linear Sederhana
Regresi Linear Ganda
Regresi Logistik
Teknik statistik ini digunakan untuk mengetahui
pengaruh satu variable independen atau lebih (X)
terhadap satu variable dependen (Y), dengan syarat:
Variabel dependent harus merupakan variable dummy yang
hanyapunya dua alternatif. Misalnya Puas atau tidak puas, dimana
jika responden menjawab puas maka kita beri skor 1 dan jika
menjawab tidak puas kita beri skor 0.
Variabel independent mempunyai skala data interval atau rasio
Statistik non parametric banyak digunakan pada
penelitian-penelitian sosial. Data yang diperoleh
dalam penelitian social pada umunya berbentuk
kategori atau berbentuk rangking. Uji statistic
non parametric ialah suatu uji statistik yang
tidak memerlukan adanya asumsi-asumsi
mengenai sebaran data populasi. Uji statistic ini
disebut juga sebagai statistic bebas sebaran
(distribution free). Statistik non parametric
tidak mensyaratkan bentuk sebaran parameter
populasi berdistribusi normal. Statistik non
parametric dapat digunakan untuk menganalisis
data yang berskala nominal atau ordinal karena
pada umumnya data berjenis nominal dan
ordinal tidak menyebar normal.
Suciptawati (2009:3) mengemukakan kelebihan-
kelebihan statistik nonparametrik, yaitu:
Perhitungannya sederhana dan dapat dikerjakan dengan
cepat, karna analisisnya menggunakan cacahan, peringkat
(rank) bahkan dapat menggunakan tanda dari selisih
pengamatan berpasangan.
Datanya tidak harus merupakan data kuantitatif, tetapi
dapat berupa kualitatif (skala nominal/ordinal).
Nilai peluang dari sebagian besar uji statistika
nonparametrik diperoleh dalam bentuk yang lebih pasti
(kecuali untuk kasus sampel yang besar), tidak peduli
bagaimana bentuk sebaran populasi yang merupkan induk
dari sampel-sampelnya. Ketepatan nilai peluang itu tidak
tergantung pada bentuk sebaran populasinya, meskipun
beberapa uji statistika nonparametrik menganggap adanya
kesamaan bentuk dua sebaran populasi atau lebih, dan
beberapa uji yang lain menganggap sebaran populasi
simetris. Dalam kasus-kasus uji nonparametrik tertentu
menganggap sebaran yang mendasarinya adalah kontinyu,
suatu anggapan yang juga digunakan pada parametrik.
Dapat digunakan untuk sampel berukuran kecil n=6.
Kekurangan- kekurangan statistika nonparametik,
yaitu:
Uji-uji nonparametrik tidak memanfaatkan semua
informasi yang terkandung dalam sampel. Akibatnya,
uji nonparametrik memerlukan ukuran sampel yang
lebih besar dibandingkan uji parametrik untuk
mencapai peluang kesalahan jenis II yang sama.
Uji nonparametrik tidak dapat digunakan untuk
menguji adanya interaksi seperti dalam model
analisis ragam.
Metode nonparametrik tidak dapat digunakan untuk
membuat ramalan seperti dalam analisis regresi,
karena asumsi sebaran normal tidak dapat dipenuhi.
Macam uji statistika nonparametrik terlalu banyak
sehingga menyulitkan peneliti dalam memilih uji yang
sesuai.
Tes Penggunaan fungsi
Chi-square Menggunakan data nominal untuk Tes independensi variabel
menguji indepedensi satu sampel
atau lebih dari 2 sampel
Cochran Q Untuk menguji hubungan lebih dari 2 Membantu pada data yang
sampel pada skala nominal memberikan jawaban 2 kategori
Uji tanda Untuk menguji hubungan 2 sampel Tes yang baik untuk data
pada skala ordinal berjenjang (rangking)
Uji median - Pada satu sampel, untuk melihat
randomisasi pada data dari populasi
- Untuk menguji independensi lebih
dari 2 sampel pada skala ordinal
Uji Mann- Untuk menguji independensi lebih Analog pada independensi 2
Whitney U dari 2 sampel pada skala oridinal sampel t-test
Uji Kruskal Untuk menguji independesi lebih Alternatif uji One-Way Anova
–walls dari 2 sampel pada skala ordinal dimana asumsi distribusi normal
tidak digunakan
Uji Uji menguji hubungan lebih dari 2 Alternatif dari uji Two-way
friedman sampel pada skala ordinal ANOVA diamana asumsi distribusi
normal tidak digunakan
Kolmogorov Untuk menguji independensi dari Uji ini lebih powerful
-smirnov satu sampel atau 2 sampel pada dibandingkan uji chi-square atau
skala ordina uji Mann-Whitney
PARAMETRIK NONPARAMETRIK
Deskriptif
Tes
n
Menentukan simpangan baku
f xi x
2
s
n 1
Membuat daftar distribusi frekuensi yang
diharapkan
Menentukan batas kelas
Mencari nilai Z skor untuk batas kelas interval
Mencari luas 0 – Z dari tabel kurva normal
Mencari luas tiap kelas interval
Mencari frekuensi yang diharapkan (Ei)
Merumuskan formula hipotesis
Ho:data berasal dari populasi yang berdistribusi
normal.
H1:data tidak berasal dari populasi yang
berdistribusi normal.
Menentukan taraf nyata (a)
Untuk mendapatkan nilai chi-square tabel
dk =k–1
dk = Derajat kebebasan
k = banyak kelas interval
Menentukan Nilai Uji Statistik
Keterangan:
Oi = frekuensi hasil pengamatan pada klasifikasi
ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi
ke-i
Menentukan Kriteria Pengujian Hipotesis
Memberi kesimpulan
Menurut Sudjana (1996: 466), uji normalitas data
dilakukan dengan menggunakan uji Liliefors (Lo)
dilakukan dengan langkah-langkah berikut. Diawali
dengan penentuan taraf sigifikansi, yaitu pada taraf
signifikasi 5% (0,05) dengan hipotesis yang diajukan
adalah sebagai berikut :
H0: Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
Dengan kriteria pengujian :
Jika Lhitung< Ltabel terima H0, dan
Jika Lhitung ≥ Ltabel tolak H0
Data pengamatan x1, x2 , x3, ….., xn dijadikan bilangan baku z1,
z2 , z3, ….., zn dengan menggunakan rumus (dengan dan
masing-masing merupakan rata-rata dan simpangan baku)
Untuk setiap bilangan baku ini dengan menggunakan daftar
distribusi normal baku, kemudian dihitung peluang F(zi) = P(z <
zi).
Selanjutnya dihitung proporsi z1, z2 , z3, ….., zn yang lebih kecil
atau sama dengan zi. Jika proporsi ini dinyatakan oleh S(zi)
maka:
ke
1 Log
2 . . Log .
. . . . .
. . . .
k Log
jumlah … …
Menentukan formulasi hipotesis
x 2 In 10 B ni 1log si2
Menarik kesimpulan
Uji asumsi klasik adalah persyaratan statistik
yang harus dipenuhi pada analisis regresi linear
berganda yang berbasis ordinary least square
(OLS).Jadi analisis regresi yang tidak
berdasarkan OLS tidak memerlukan persyaratan
asumsi klasik, misalnya regresi
logistik atau regresi ordinal. Demikian juga
tidak semua uji asumsi klasik harus dilakukan
pada analisis regresi linear, misalnya uji
multikolinearitas tidak dilakukan pada analisis
regresi linear sederhana dan uji autokorelasi
tidak perlu diterapkan pada data cross
sectional.
Uji normalitas
Uji normalitas adalah untuk melihat apakah
nilai residual terdistribusi normal atau
tidak.Model regresi yang baik adalah
memiliki nilai residual yang terdistribusi
normal
UjiMultikolinearitas
Uji multikolinearitas adalah untuk melihat ada
atau tidaknya korelasi yang tinggi antara
variabel-variabel bebas dalam suatu model
regresi linear berganda.Jika ada korelasi yang
tinggi di antara variabel-variabel bebasnya,
maka hubungan antara variabel bebas terhadap
variabel terikatnya menjadi terganggu
Uji heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah
terdapat ketidaksamaan varians dari residual satu ke
pengamatan ke pengamatan yang lain.
Uji autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi
korelasi antara suatu periode t dengan periode
sebelumnya (t -1).
Uji linearitas
Uji linearitas dipergunakan untuk melihat apakah
model yang dibangun mempunyai hubungan linear
atau tidak.Uji ini jarang digunakan pada berbagai
penelitian, karena biasanya model dibentuk
berdasarkan telaah teoretis bahwa hubungan antara
variabel bebas dengan variabel terikatnya adalah
linear.