TEKNIK ANALISIS DATA KUANTITATIF

(Metode Statistika)
Materi
 Ukuran tendensi sentral, ukuran penyebaran,
distribusi statistik
 Uji Hipotesis: uji t, uji z, uji normalitas, uji
homogenitas variansi
 Anava (satu jalan, dua jalan)
 Regresi dan korelasi (sederhana, ganda)
 Analisis kovariansi (sederhana)
 Analisis variansi multivariat
Buku Referensi
 Budiyono. 2009. Statistika untuk Penelitian:
Edisi Kedua. Surakarta: UNS Press
 Glass, G. V. dan Hopkins, K. D. 1984.
Statistical Methods in Education and
Psychology. Englewood Cliffs, New
Jersey: Prentice Hall, Inc.
 Walpole, R. E. 1982. Introduction to
Statistics. New York: Macmillan Publishing
Co.,Inc.
 Identifikasi, Pemilihan, Perumusan
Masalah

Landasan Teori (Kajian DEDUKSI Penyusunan Kerangka

Teori dan Penelitian Berpikir
yang Relevan)

Perumusan Hipotesis Penelitian The role of

INDUKSI statistics
Pengujian Hipotesis Penelitian
(Pengumpulan dan Analisis
Data)

ya tidak

Hipotesis
Diterima?

SCIENTIFIC METHOD CYCLE

Statistika
 Statistika
adalah pengetahuan yang berhubungan
dengan cara penyusunan data, penyajian
data, dan penarikan kesimpulan mengenai
suatu keseluruhan (yang disebut populasi)
berdasarkan data yang ada pada bagian dari
keseluruhan tadi.
 Bagian dari keseluruhan (populasi) disebut
sampel.
Statistika
 Statistika deskriptif (deduktif)
adalah bagian statistika yang mempelajari
cara penyusunan dan penyajian data yang
dikumpulkan.
 Statistika inferensial (induktif)
adalah bagian statistika yang mempelajari
tata cara penarikan kesimpulan mengenai
populasi berdasarkan data yang ada pada
sampel
 Populasi dan Sampel Dilakukan
perhitungan
pada sampel
(analisis data)

sampel sampel

Hasil perhitungan pada

POPULASI sampel dikembalikan kepada
populasi

Populasi adalah sekumpulan

objek yang ingin diteliti
Sampel adalah himpunan Membuat inferensi
bagian dari populasi (generalisasi)
Variabel
 Variabel diartikan sebagai konstruk-konstruk
atau sifat-sifat yang diteliti.
 Variabel adalah sesuatu yang dapat
menggolongkan anggota-anggota kelompok
ke dalam beberapa golongan.
 Variabel adalah suatu sifat yang dapat
memiliki bermacam nilai (harga).
 Apabila suatu variabel hanya mempunyai satu
nilai saja, maka variabel tersebut disebut
konstanta.
Skala Variabel
 Variabel Nominal (klasifikasi)
 Variabel Ordinal (klasifikasi, urutan)
 Variabel Interval (klasifikasi, urutan,
terdapat satuan ukuran)
 Variabel Rasio (klasifikasi, urutan,
terdapat satuan ukuran, terdapat nol
mutlak)
Parameter dan Statistik

Populasi Sampel

Rerata

Variansi parameter statistik

Deviasi
Standar
Rerata (Ukuran Pemusatan)
 Pada Populasi:
Rerata
 Pada Sampel:
Variansi
 Pada Populasi:
Variansi (Ukuran Penyebaran)
 Pada Sampel:
Histogram, Poligon Frekuensi,
dan Kurva Frekuensi

Poligon
Frekuensi
Kurva
Frekuensi

histogram
 Kurva Frekuensi
Jika diperoleh dari
populasi, kurva frekuensi
populasi disebut model
populasi
Model populasi dapat
menjelaskan ciri-ciri
populasi
Bentuk: (halaman 23)
1. landai (platikurtik) 4. miring ke kanan
2. runcing (leptokurtik) 5. miring ke kiri
3. normal 6. simetrik
 Distribusi Statistik
Sifat:
1. Grafiknya di atas sumbu X
2. Luas di bawah kurva
dan di atas sumbu X
adalah 1
Luas = 1
X
Distribusi statistik yang penting:
1. Distribusi normal
2. Distribusi student t
3. Distribusi chi-kuadrat
4. Distribusi F
Distribusi Normal
Distribusi Normal Baku N(0,1)

sumbu simetri

luas = 1
• • • • • • •
-3 -2 -1 z=0 1 2 3
Tabel Distribusi Normal Baku
Luas yang diarsir
tersebut dapat dicari dari
tabel kurva normal

0 z

Luas yang diarsir

tersebut merupakan
peluang terjadinya Z
antara 0 dan z, ditulis
P(Z|0<Z<z)
 Contoh Penggunaan Tabel
Luas = ?0.4115

P(Z|0<Z<1.35) = 0.4115

0 1.35

P(Z|Z>1.35) = 0.5000-
0.4115 = 0.0885
0.05

1.3 .4115
 Contoh Penggunaan Tabel
Luas=?

-1.24 0 0.98

Luas = 0.3925 + 0.3365 = 0.7290

Contoh Soal
Pada suatu kelompok yang terdiri dari 1000 siswa, diperoleh
rerata 70.0 dan deviasi baku 5.0. Berapa banyaknya siswa
yang nilainya antara 73.6 dan 81.9, jika diasumsikan nilai-nilai
Jawab: tersebut berdistribusi normal?

µ = 70.0; σ = 5.0; X1 = 73.6; X2 = 81.9;

Dilakukan transformasi dari X ke z dengan menggunakan rumus:

 Luas = 0.4913 – 0.2642
= 0.2271

0 0.72 2.38

P(73.6<X<81.9) = P(Z|0.72<Z<2.38) = 0.2271

Jadi, banyak siswa yang nilainya antara 73.6 dan 81.9 adalah
0.2271 x 1000 = 227 orang
Distribusi Normal Baku N(0,1)

sumbu simetri

luas = 1
• • • • • • •
-3 -2 -1 z=0 1 2 3
Distribusi Normal Baku N(0,1)
0.3413

0.4772
0.0013
0.4987

• • • • • • •
-3 -2 -1 z=0 1 2 3

z0.0228 z0.0013
z0.8413 z0.5000 z0.1587
 Nilai Kritis dan Daerah Kritis pada
Distribusi Normal Baku N(0,1)

Tingkat signifikansi, biasanya,

dilambangkan dengan α

Disebut nilai kritis (NK), Disebut Daerah Kritis (DK), dilambangi DK

dilambangi zα DK = {z | z > zα}
Mencari zα untuk α = 25%

α = 25% z0.25 = ? 0.67

•z
0.25 α .07

0.25

0.6 0.2486 0.2500

Mencari zα untuk α = 10%

α = 10% z0.10 = ? 1.28

•z
0.40 α .08

0.10

1.2 0.3997 0.4000

Mencari zα untuk α = 5%

α = 5% z0.05 = ? 1.645

•z
0.45 α .04 .05

0.05

1.6 0.4495 0.4500 0.4505

Nilai zα yang Penting

•z
α
Z0.01 = 2.33 Z0.025 = 1.96

Z0.05 = 1.645 Z0.005 = 2.575

Sifat Penting zα

•
z
α
Sifat Penting zα

•
z1-
α
Sifat Penting zα

α α

• •
z1- z
α α

z1-α = -zα
Nilai Kritis untuk Distribusi t

α
dicari dari tabel
•
tα ; Ʋ
t0.10 ; 12 = 1.356 t0.05 ; 12 = 1.782

t0.01 ; 24 = 2.492 t0.005 ; 28 = 2.763

Sifat Penting tα;n

α
α

• •
t1-α; tα ; n
n

t1-α; n = -tα;
n
 Nilai Kritis untuk Distribusi
Chi-Kuadrat

α α

dicari dari tabel

• •

Sifat:

Contoh

11.070 48.278
 Nilai Kritis untuk Distribusi F

α
dicari dari tabel
• •

Sifat:

Contoh
3.29 26.87
 Nilai Kritis untuk Distribusi F

0.05

F
•
0.95; 2, 15

1  1
F0.95; 2, 15 =
F0.05;15,2 19.43

= 0.051
 TERIMA KASIH