Anda di halaman 1dari 39

PRAKTIKUM STATISTIKA DAN PROBABILITAS

ANALISIS PARAMETRIK
(DESKRIPTIF DAN INFERENSIA)

1
PENDAHULUAN
● Analisis parametrik merupakan
analisis yang asumsi bentuk dan
sifat populasi datanya menjadi
dasar analisis.
● Ukuran data variabel (khususnya
untuk variabel dependen) dalam
analisis parametrik sebaiknya
Scale (berskala interval atau rasio).
2
PENDAHULUAN
● Terbagi menjadi:
– Statistika Deskriptif (Analisis Deskriptif)
– Statistika Inferensia (uji T untuk satu
sampel, uji T untuk sampel
berpasangan, uji T untuk dua sampel
bebas, One-Way ANOVA, Two-Ways
ANOVA, Korelasi bivariat parametrik
Pearson Product Moment, Regresi
linier sederhana dan Regresi linier
berganda). 3
DATASET 1
Kegiatan
Konsumsi Obat
Nomor Berat Badan Berat Badan Usia Tempat Status Responden
Diet selama 3
Responden Sebelum Sesudah Responden Tinggal Pernikahan (Bekerja/Tidak
bulan (kapsul)
Bekerja)
1 80 75 25 kota menikah tidak bekerja 178
2 82 75 21 kota lajang tidak bekerja 184
3 79 72 31 desa menikah bekerja 182
4 68 63 25 desa menikah tidak bekerja 178
5 95 89 23 kota lajang tidak bekerja 186
6 85 78 33 kota menikah bekerja 180
7 86 81 26 kota lajang bekerja 178
8 85 78 21 desa lajang tidak bekerja 188
9 78 73 30 desa menikah bekerja 179
10 76 73 35 desa lajang bekerja 180
11 86 80 24 kota menikah tidak bekerja 171
12 89 85 29 desa lajang bekerja 176
13 90 85 27 kota lajang tidak bekerja 181
14 91 85 28 kota menikah tidak bekerja 179
15 86 80 34 desa lajang bekerja 184
16 84 80 34 desa lajang bekerja 176
17 84 81 28 kota menikah tidak bekerja 178
18 87 80 29 desa menikah bekerja 179
19 82 78 30 kota lajang bekerja 185
20 76 72 33 desa lajang bekerja 182
21 84 80 25 kota menikah tidak bekerja 181
22 86 80 26 kota lajang bekerja 178
23 79 75 32 desa lajang tidak bekerja 177
24 77 72 30 desa lajang bekerja 180
25 78 75 35 desa menikah tidak bekerja 174
4
lanjutan
Kegiatan
Konsumsi Obat
Nomor Berat Badan Berat Badan Usia Tempat Status Responden
Diet selama 3
Responden Sebelum Sesudah Responden Tinggal Pernikahan (Bekerja/Tidak
bulan (kapsul)
Bekerja)
26 79 74 20 desa menikah tidak bekerja 177
27 84 80 23 kota lajang tidak bekerja 181
28 84 79 26 kota lajang bekerja 172
29 93 89 32 kota menikah bekerja 176
30 94 87 35 kota lajang bekerja 179
31 76 73 35 desa menikah tidak bekerja 187
32 87 82 27 desa menikah bekerja 178
33 86 83 23 kota menikah tidak bekerja 175
34 87 84 28 desa menikah bekerja 183
35 88 82 27 desa lajang bekerja 175
36 90 84 27 kota menikah tidak bekerja 175
37 88 83 24 kota lajang tidak bekerja 185
38 76 73 26 desa menikah bekerja 184
39 84 80 25 kota lajang bekerja 178
40 79 76 23 desa menikah bekerja 173
41 76 70 24 desa lajang bekerja 178
42 86 83 25 kota lajang bekerja 177
43 92 88 26 kota lajang bekerja 187
44 84 80 30 kota menikah tidak bekerja 178
45 83 77 31 desa menikah tidak bekerja 179
46 69 65 34 desa menikah tidak bekerja 179
47 70 66 25 kota menikah tidak bekerja 186
48 80 76 34 desa lajang bekerja 187
49 82 78 35 kota menikah bekerja 186 5
50 75 70 25 desa menikah bekerja 184
ANALISIS DESKRIPTIF
1. Definisikan variabel seperti contoh berikut:

Name Type Width Decimals Label Values Missing Column Align Measure
bbbelum Numeric 8 0 Berat None 0 8 Right Scale
badan
sebelum
konsumsi
obat diet

bbsudah Numeric 8 0 Berat None 0 8 Right Scale


badan
sesudah
konsumsi
obat diet

6
ANALISIS DESKRIPTIF
2. Entri data “berat badan sebelum konsumsi obat diet” dan “berat badan
sesudah konsumsi obat diet” dari Tabel DATASET 1

3. Pada Data View pilih menu Analyze

4. Pilih Descriptive Statistics ► Descriptives…, maka kotak dialog Descriptives


akan terbuka.

5. Pilih satu variabel atau lebih yang akan ditempatkan pada kolom Variable(s).
Pada contoh, pilih variabel “berat badan sebelum konsumsi obat diet” dan
“berat badan sesudah konsumsi obat diet”. Kemudian klik tanda panah .

6. Klik opsi Save standardized values as variables untuk memunculkan nila z


sebagai variabel baru.

7. Klik tombol Options

7
ANALISIS DESKRIPTIF
6. Klik kotak-kotak yang ada di dekat jenis statistik yang Anda
inginkan. Di atas sebagai contoh, hanya beberapa jenis statistik
yang dipilih (mean, standard deviation, minimum dan
maximum).
7. Klik tombol Continue pada kotak dialog Options
8. Klik tombol OK pada kotak dialog Descriptives. Kemudian jenis
statistik yang Anda pilih akan ditampilkan pada Output
Viewer.

8
OUTPUT
Descriptive Statistics

N Minimum Maximum Mean Std. Deviation


Berat Badan
Sebelum Konsumsi
50 68 95 82.90 6.195
Obat Diet

Berat badan
Sesudah Konsumsi
50 63 89 78.14 5.956
Obat Diet

Valid N (listwise)
50

9
PENAFSIRAN
Output tersebut mencakup beberapa bagian informasi yang
berguna bagi Anda untuk memahami kualitas-kualitas
deskriptif dari data.
Jumlah kasus pada yang Anda masukkan tercantum di
bawah kolom berlabel N, yaitu sebanyak 50 orang
responden.
Informasi tentang kisaran data terkecil dan terbesar
ditampilkan pada kolom Minimum dan Maximum, kolom
Mean menyajikan nilai rata-rata setiap variabel, sedangkan
kolom Std. Deviation menunjukkan seberapa besar data yang
diperoleh menyebar dari nilai rata-ratanya.

10
PENAFSIRAN
Dengan menggunakan z scores atau Standard Score pada
kotak dialog analisis deskriptif, kita juga dapat mengetahui
nilai mana yang menyimpang cukup jauh dari rata-ratanya
(outliers).
Apabila suatu data berdistribusi normal, maka suatu nilai
dapat distandarisasi dengan nilai z (z score).
Suatu data dapat dikatakan sebagai outlier jika berada di luar
rentang -1.96 sampai 1.96 (Santoso, 2002).
Rumus untuk mencari z score, yaitu:

11
PENAFSIRAN
Z = Xi - X
S

Keterangan:
Xi: adalah nilai data ke-i
X: adalah mean data (sebagai contoh dapat dilihat pada kolom
Mean baris pertama, yaitu 82.90)
S: adalah standar deviasi (sebagai contoh dapat dilihat pada kolom
Std. Deviation baris pertama, yaitu 6.195)

12
Penafsiran
Hair dkk (1998) menyatakan bahwa untuk
penelitian dengan sampel besar (di atas 80),
maka standar skor dinyatakan outlier jika di atas
3, sehingga data dengan skor standardized di atas
3 atau di bawah -3 perlu dihapus karena outlier.

Untuk sampel di bawah 80 terdapat sumber


yang memberi batas ± 1,96 (Santoso, 2002)
sampai ± 2,5 (Hair dkk, 1998)
CONTOH
Misalnya, jika kita ingin mengetahui nilai z untuk
berat badan responden 80 kg sebelum konsumsi
obat diet, maka nilai z-nya:
Z = 80 – 82.90 = - 0.46812
6.195
Demikian pula halnya untuk data yang lain.
Untuk keseluruhan data, sebagai contoh, berikut
ini ialah tabel variabel zbbbelum yang muncul
pada jendela Data Editor sebagai akibat dari
mengklik opsi Save standardized values as
variables. 14
HASIL Z-SCORE
Dari lima puluh data yang ada, hanya 3 data (data ke-4,
46 dan 47) yang memiliki nilai di luar -1.96 sampai 1.96
untuk alpha 95%.
Selain ketiga data outlier tersebut, datanya tergolong
terdistribusi normal.
Untuk menormalkan data tersebut adalah dengan
mengeluarkan data outlier tersebut dari perhitungan,
karena dapat mengacaukan perhitungan.
Tetapi data outlier yang dikeluarkan tersebut perlu diberi
penjelasan mengapa terjadi outlier.
Kesalahan dapat terjadi pada waktu pengambilan data. 15
Atau memang data tersebut sudah benar.
UJI T (T-TEST)

16
UJI T
• Uji T atau T Test digunakan untuk membandingkan nilai rata-rata
satu populasi atau lebih dengan menggunakan sampel terkecil
dan data berskala interval/rasio yang dalam terminologi SPSS
dikenal sebagai scale value.
• Dalam SPSS, uji T termasuk ke dalam analisis Compare Means,
yaitu analisis parametrik yang membandingkan nilai rata-rata dua
variabel.
• Jika Anda menggunakan T Test untuk membandingkan dua grup,
maka grup-grup tersebut harus secara acak dipilih dari populasi
yang terdistribusi normal.
• Mekanisme T Test ialah membandingkan satu nilai dengan satu
set angka atau membandingkan nilai mean dari dua set angka,
dan mereka didesain untuk situasi yang berbeda-beda. 17
1. One-sample T Test
Digunakan untuk membandingkan rata-rata
sebuah sampel dengan sebuah nilai tertentu
yang diberikan sebagai pembanding.
Contohnya, membandingkan konsumsi obat
diet responden selama tiga bulan dengan
sebuah nilai yang telah ditetapkan atau
diketahui oleh perusahaan obat untuk
mewakili rata-rata konsumsi obat diet yang
ideal untuk jangka waktu tiga bulan.
18
2. Paired-sample T Test
Digunakan untuk membandingkan nilai
rata-rata (mean) dua variabel pada subyek
yang sama namun mengalami dua
pengukuran yang berbeda keadaannya.
Contohnya, untuk melihat apakah ada
perbedaan yang signifikan antara berat
badan responden sebelum mengkonsumsi
obat diet dan berat badan sesudah
mengkonsumsi obat diet.
19
3. Independent-sample T Test
Digunakan untuk membandingkan rata-
rata dua populasi yang saling
independen pada variabel yang sama,
dengan melihat rata-rata kedua
sampelnya.
Contohnya, membandingkan berat
badan responden di desa dan di kota.

20
Uji T Satu Sampel
(One Sample T Test)

Uji T satu sampel digunakan untuk menguji apakah rata-


rata dari satu variabel berbeda dengan satu angka/nilai
konstan tertentu dalam sampel kecil.
Asumsi dasar uji satu sampel ialah data harus
mempunyai distribusi normal.
Ada tiga langkah utama yang perlu dilakukan pada
analisis data menggunakan uji T satu sampel, yaitu
langkah pengujian apakah data berdistribusi normal atau
tidak, langkah uji T satu sampel, dan langkah pengujian
hipotesis.
21
Uji T Satu Sampel
(One Sample T Test)
Data yang digunakan sebagai contoh pada uji T satu
sampel ini adalah data konsumsi obat diet selama tiga
bulan oleh 50 responden dalam satuan kapsul.

Angka/nilai yang dijadikan pembanding untuk uji ini ialah


angka yang ditentukan oleh perusahaan berdasarkan
hasil penelitian untuk mendapatkan penurunan berat
badan yang ideal, yaitu selama tiga bulan konsumen
dianjurkan mengkonsumsi minimal 175 kapsul.
22
Uji Normalitas dengan Shapiro –
Wilk
Setelah data terisi pada variable dan data view,
pada Menu, Klik Analyze, Descriptive
Statistics, Explore.
Masukkan variabel ke dalam dependent list
(Catatan: Apabila dalam variabel anda terdapat 2
kelompok, misal kelompok A dan B, anda dapat
melakukan uji normalitas pada masing-masing
kelompok dengan cara memasukkan variabel yang
menjadi Grouping (A dan B atau 1 dan 2) ke
kotak Factor List.
Lanjutan
Pada Display centang Both.
Klik tombol Plots, Centang Histogram
lalu centang Normality Plots With Tests.
Klik Continue
Klik OK
Lihat Output
Penafsiran Hasil
SIGNIFIKANSI
Jika nilai p ≥ 5%, maka H0 diterima ;
H1 ditolak.
Jika nilai p < 5%, maka H0 ditolak ;
H1 diterima.
Catatan:
Gunakan uji Kolmogorov-Smirnov
untuk kepentingan uji normalitas
apabila Jumlah Sample N > 50.
Sebaiknya gunakan pada N > 200.
Untuk N kecil di bawah atau sama
dengan 50 sebaiknya gunakan uji
Shapiro Wilk (Sopiyudin, 2010) dan
N 51 - 200 gunakan Uji Lilliefors.
Uji Homogenitas Data
Hipotesis Homogenitas:
H0 : Varian pada tiap kelompok sama
(homogen)
H1 : Varian pada tiap kelompok tidak
sama (tidak homogen)
Langkah Uji Homogenitas dan
Normalitas
Pada menu, klik Analyze, Descriptive Statistics, lalu
Explore.
Masukkan Konsumsi ke kotak Dependent List dan
Tinggal ke kotak Factor List.
Kemudian klik tombol Plots kemudian centang Normality
plots with test dan Pilih Levene Test  untransformed
Selanjutnya klik Continue.
Kemudian pada jendela utama klik OK dan lihat output.
LANGKAH-LANGKAH ONE
SAMPLE T TEST
Definisikan variabel sebagai berikut:
Name Type Width Decimals Label Values Missing Column Align Measure
konsumsi Numeric 8 0 Konsumsi None None 8 Right Scale
obat diet
selama 3
bulan
(kapsul)

29
LANGKAH-LANGKAH
Entri data “konsumsi obat diet
selama 3 bulan” pada DATASET 1.
Pilih menu Analyze
Pilih submenu Compare Means ►
One Sample T Test, maka akan
terbuka kotak dialog.

30
LANGKAH-LANGKAH
Klik variabel yang akan ditempatkan pada kolom
Variable(s), yaitu variabel konsumsi obat diet selama 3
bulan. Kemudian klik tanda panah.

Isi kolom Test Value dengan angka pembanding yang


diinginkan dan didasarkan pada asumsi tertentu (pada
contoh sebanyak 175 kapsul).

Pilih Option, pada kolom Confidence Interval isikan 95


dan pada Missing Value cek pilihan Exclude Analysis by
Analysis.

Tekan Continue, lalu klik OK. 31


OUTPUT

32
UJI HIPOTESIS
H0: rata-rata konsumsi obat diet selama tiga
bulan oleh responden secara signifikan
sama dengan rata-rata nilai pembanding
konsumsi ideal yang telah diteliti oleh
perusahaan.
H1: rata-rata konsumsi obat diet selama tiga
bulan oleh responden secara signifikan
tidak sama dengan rata-rata nilai
pembanding konsumsi ideal yang telah
diteliti oleh perusahaan. 33
Menghitung nilai t tabel menggunakan
program Microsoft Excel

Buka program Microsoft Excel.


Klik ikon fx lalu akan muncul kotak dialog
Insert Function.
Pada pilihan select a category, pilih
Statistical, maka akan muncul kotak dialog
Pada pilihan Select a function, pilih TINV
Klik OK, maka akan muncul kotak dialog

34
Menghitung nilai t tabel menggunakan
program Microsoft Excel

• Pada baris Probability ketik angka 0,05 yang


menunjukkan derajat kepercayaan sebesar 5%
(atau memiliki tingkat kepercayaan sebesar
95%).
• Pada baris Deg_freedom (degree of
freedom/derajat bebas), hitung derajat
bebasnya dengan rumus df = jumlah data – 1.
• Ketik hasilnya pada kolom tersebut.
• Pada contoh, df = 50 – 1 = 49.
• Klik OK
35
PERBANDINGAN
• Jika t hitung ≥ t tabel, maka tolak
H0/terima H1
• Jika t hitung < t tabel, maka terima
H0/tolak H1

36
PERBANDINGAN
Buat keputusan untuk menolak atau menerima
H0.
Pada contoh di atas, nilai t hitung > t tabel (8.137
> 2.0096), maka keputusannya tolak H0 atau
terima H1.
Kesimpulannya, pada tingkat kepercayaan 95%,
dapat dipercaya bahwa rata-rata konsumsi obat
diet selama tiga bulan oleh responden tidak sama
dengan rata-rata nilai pembanding konsumsi ideal
yang telah diteliti oleh perusahaan.
37
UJI SIGNIFIKANSI
Jika angka signifikansi < 0.05, maka
tolak H0/terima H1
Jika angka signifikansi ≥ 0.05, maka
terima H0/tolak H1

38
TERIMA KASIH

39