Pengujian Statistik

dalam Penelitian
Kuantitatif

Aplikasi Statistika
 Sumber Literatur
 Statistics For Psychology, Third Edition.
Arthur Aron, Elaine N.Aron.
Prentice Hall, New Jersey
 Statistik Non-Parametrik Untuk Ilmu-Ilmu Sosial.
Sidney Siegel
PT Gramedia, Jakarta
 Statistik
R. Gunawan Santosa
Penebit Andi Offset
 Seri Tutorial SPSS
Bhina Patria
Inparametrik.com
 KENAPA STATISTIKA ?
 Berbasis fakta/ data/ informasi (bukan
kajian teoritis, bukan ‘ilusi’ semata)
 Prosedur (metode) yang digunakan
diturunkan menggunakan kaidah
matematika (logis, konsisten, objektif,
valid)
 Ada gambaran derajat kecocokan
(signifikansi), sehingga ada gambaran
tingkat validitas hasil dan risiko (terukur)
PRINSIP DASAR METODE STATISTIKA
 Diturunkan secara deduktif dengan
asumsi tertentu (sifat acak,
independen, mengikuti distribusi
acak tertentu).
 Sifat acak, independensi dan
distribusi harus tercermin di dalam
data.
 Data yang akurat dan Prosedur
pengolahan yang benar merupakan
kunci pengambilan keputusan yang
akurat.
 LANGKAH-LANGKAH PENTING
1st Qtr
2nd Qtr
3rd Qtr Analyzing
4th Qtr
Data
Recording &
Representing
Collecting & Data
Recording
Data (angka)

Publishing
Results (Use Interpreting
it as decision Results, 100
80
support) Goodness of Fit, 6040 East
West
Diagnostic 20
East
North North
0
1st 2nd 3rd 4th
Qtr Qtr Qtr Qtr
 PENTINGNYA DATA

• Dari sampel yang

representatif (jumlah/
komposisi)
• Prosedur yang benar
(acak dan bebas)
• Alat ukur yang valid
• Pencatatan yang teliti
Collecting &
recording Data
 DATA DALAM STATISTIKA
 Metode statistika adalah alat untuk
mengambil keputusan secara logis
(berbasis metematis), realistik
(berbasis data)
 Statistika memberikan kesimpulan
berdasarkan data yang dihadapi.
 Akurasi dan validitas data sangat
penting dan sepenuhnya menjadi
tanggung jawab peneliti, bukan
tanggung jawab statistika.
 JENIS DATA /CARA MEMPROLEHNYA
1. Data Primer
Data primer adalah secara langsung diambil dari
objek / obyek penelitian oleh peneliti perorangan
maupun organisasi. Contoh : Mewawancarai
langsung penonton bioskop 21 untuk meneliti
preferensi konsumen bioskop.
2. Data Sekunder
Data sekunder adalah data yang didapat tidak
secara langsung dari objek penelitian. Peneliti
mendapatkan data yang sudah jadi yang
dikumpulkan oleh pihak lain dengan berbagai cara
atau metode baik secara komersial maupun non
komersial. Contohnya adalah pada peneliti yang
menggunakan data statistik hasil riset dari surat
kabar atau majalah.
 JENIS DATA /JENIS DATANYA
1. Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan
dalam bentuk angka-angka. Misalnya adalah
jumlah pembeli saat hari raya idul adha,
tinggi badan siswa kelas 3 ips 2, dan lain-
lain.
2. Data Kualitatif
Data kualitatif adalah data yang disajikan
dalam bentuk kata-kata yang mengandung
makna. Contohnya seperti persepsi
konsumen terhadap botol air minum dalam
kemasan, anggapan para ahli terhadap
psikopat dan lain-lain.
JENIS DATA . /TINGKATAN PENGUKURAN
 Data Nominal
Data nominal adalah tingkatan data paling
rendah menurut tingkat pengukurannya.
Data nominal ini pada satu individu tidak
mempunyai variasi sama sekali, jadi 1
individu hanya punya 1 bentuk data. Contoh
data nominal diantaranya yaitu: jenis
kelamin, tempat tinggal, tahun lahir dll.
Setiap individu hanya akan mempunyai 1
data jenis kelamin, laki-laki atau perempuan.
Data jenis kelamin ini nantinya akan diberi
label dalam pengolahannya, misalnya
perempuan =1, laki-laki =2.
 3. Data Ordinal
Data ordinal pada dasarnya adalah hasil dari
kuantifikasi data kualitatif. Contoh dari data
ordinal yaitu penskalaan sikap individu.
Penskalaan sikap individu terhadap sesuatu
bisa diwujudkan dalam bermacam bentuk,
diantaranya yaitu: dari sikap Sangat Setuju
(5), Setuju (4), Netral (3), Tidak Setuju (2),
dan Sangat Tidak Setuju (1). Pada tingkatan
ordinal ini data yang ada tidak mempunyai
jarak data yang pasti, misalnya: Sangat
Setuju (5) dan Setuju (4) tidak diketahui
pasti jarak antar nilainya karena jarak antara
Sangat Setuju (5) dan Setuju (4) bukan 1
satuan (5-4).
2. Data Interval
Data interval mempunyai tingkatan lebih
rendah dari data rasio. Data rasio memiliki
jarak data yang pasti namun tidak memiliki
nilai nol mutlak. Contoh dari data interval
ialah hasil dari nilai ujian matematika. Jika A
mendapat nilai 10 dan B mendapat nilai 8,
maka dipastikan A mempunyai 2 nilai lebih
banyak dari B. Namun tidak ada nilai nol
mutlak, maksudnya bila C mendapat nilai 0,
tidak berarti bahwa kemampuan C dalam
pelajaran matematika adalah nol atau
kosong.
1. Data Rasio
Data rasio adalah tingkatan data yang paling
tinggi. Data rasio memiliki jarak antar nilai yang
pasti dan memiliki nilai nol mutlak yang tidak
dimiliki oleh jenis-jenis data lainnya. Contoh
dari data rasio diantaranya: berat badan, panjang
benda, jumlah satuan benda. Jika kita memiliki
10 bola maka ada perwujudan 10 bola itu, dan
ketika ada seseorang memiliki 0 bola maka
seseorang tersebut tidak memiliki bola satupun.
Data rasio dapat digunakan dalam komputasi
matematik, misalnya A memiliki 10 bola dan B
memiliki 8 bola, maka A memiliki 2 bola (10-8)
lebih banyak dari B.
 Jenis Statistik
Secara garis besar dibagi dua :
1.Statistika Deskriptif (deskriptif artinya
bersifat memberi gambaran). Statistika
Deskriptif : metode yang berkaitan dengan
pengumpulan, peringkasan ,penyajian data
sehingga memberikan informasi
contoh Statistika Deskriptif
Peringkasan data dalam bentuk :
1. Tabulasi data (Tabel)
2. Diagram Balok (Histogram)
3. Diagram Kue (Pie Chart).
4. Ukuran Gejala Pusat : Mean, Median,
Modus
2. Statistika Inferensial = Statistika
Induktif, (inferential;inference artinya
menarik opini/kesimpulan). Statistika
Inferensial : metode yang berkaitan
dengan analisis data untuk
peramalan dan/atau penarikan
kesimpulan

contoh Statistika Inferensia

 1. Metode Pendugaan Statistik
 2. Pengujian Hipotesis
 3. Regresi dan Korelasi
 DATA

Analisis Sec. Non Analisis Sec. Statistik

Statistik

Metode Kuantitatif lainnya

Tidak Normal
Normal

Distribusi

Statistik Parametrik Statistik Non-

Parametrik

Manual atau
Komputerize
 Parametrik
Suatu data disebut sebagai data parametric
bila memenuhi kriteria sbb
 Normally distributed data. Data yang
mempunyai distribusi normal adalah data
yang dapat mewakili populasi yang diteliti.
Secara kasat mata kita bisa melihat
histogram dari data yang dimaksud,
apakah membentuk kurva normal atau
tidak. Tentu saja cara ini sangat subyektif.
Cara lainnya yaitu dengan melakukan uji
normalitas pada data yang dimaksud.
 Linieritas. Memenuhi Asumsi Linieritas
 Homogenity of variance. Varians dari data
yang dimaksud harus stabil tidak berubah
secara sistematis pada keseluruhan data.
Kita bisa mengetahui homogenity of
variance dengan melakukan tes tertentu.
Untuk jenis-jenis analisis tertentu SPSS
secara otomatis menyertakan hasil tes ini.
Eksplanasi

Verifikatif
(Simetris)

(Asimetris)
 Contoh-contoh Uji Statistik
 Distribusi Frekuensi
Teknik ini mungkin merupakan teknik yang paling
mudah dan paling banyak digunakan untuk
mendeskripsikan data. Distribusi frekuensi
mengindikasikan jumlah dan persentase responden,
obyek yang masuk ke dalam kategori yang ada.
 Cross-Tabulations
Bila distribusi frekuensi digunakan untuk memberikan
informasi yang menggambarkan keseluruhan sampel
atau populasi yang diteliti, cross-tabulation adalah
sebuah teknik visual yang memungkinkan peneliti
menguji relasi antar variabel.
 Korelasi
 Metode ini menggambarkan secara kuantitatif
asosiasi ataupun relasi satu variabel interval dengan
variabel interval lainnya. Sebagai contoh kita dapat
lihat relasi hipotetikal antara lamanya waktu belajar
dengan nilai ujian tinggi.
 Korelasi diukur dengan suatu koefisien (r) yang
mengindikasikan seberapa banyak relasi antar dua
variabel. Daerah nilai yang mungkin adalah +1.00
sampai -1.00. Dengan +1.00 menyatakan hubungan
yang sangat erat, sedangkan -1.00 menyatakan
hubungan negatif yang erat.
 Satu hal yang perlu diingat adalah "korelasi tidak
menyatakan hubungan sebab-akibat".
 Regresi
 Regresi digunakan ketika periset ingin
memprediksi hasil atas variabel-variabel
tertentu dengan menggunakan variabel lain.
Dalam bentuknya yang paling sederhana
yang hanya melibatkan dua buah variabel,
yaitu variabel bebas (independent) dan
variabel terikat (dependent), misalnya lama
waktu belajar dengan nilai ujian. Regresi
sederhana berusaha memprakirakan nilai
ujian dengan lamanya waktu belajar.
 Analisis regresi mengindikasikan
kepentingan relatif satu atau lebih variabel
dalam memprediksi variabel lainnya.
 t-test
 Teknik t-test digunakan bila periset ingin
mengevaluasi perbedaan antara efek.
Sebagai contoh, periset mungkin tertarik
dalam perbedaan kepuasan kerja untuk
orang-orang yang berbeda tingkat
pendidikannya. Teknik analisis yang banyak
digunakan adalah membandingkan dua
kelompok, misalnya mereka yang mendapat
pendidikan universitas dengan mereka yang
tidak, dengan menggunakan mean
kelompok sebagai dasar perbandingan. t-
test akan mengindikasikan apakah
perbedaan antara kedua kelompok tersebut
signifikan secara statistika.
 Pengujian Parametrik dan Nonparametrik
 Pengujian parametrik lebih kuat lebih
terandalkan dibandingkan dengan non-
parametrik karena menggunakan nilai
(magnitude) dari data sedang pengujian
nonparametrik menggunakan jarak (range),
tanda (sign) atau juga urutan (rank) dari
datanya. Syarat utama dari penggunaan
parametrik ialah jika data yang dihasilkan
dengan skala pengukuran interval ataupun
ratio, dikarenakan pengujian parametrik
menggunakan nilai dari data, sedang untuk
skala pengukuran nominal dan ordinal
digunakan nonparametrik.
Pengujian Beda Rata-rata.
 PAKET STATISTIKA
 R: Identik dengan SPlus (kelebihannya
gratis, untuk dasar sudah berbasis
menu)
 SPSS: Cocok untuk bidang sosial
(multivariate)
 MINITAB: Cocok untuk bidang biosains
(Rancob)
 S-Plus: Cocok untuk bidang biosains
(Modeling, Regresi)
 SAS: Paket Sangat Komprehensif, tapi
mahal
TERIMA KASIH