ANALISIS DATA STATISTIKA DAN

INTERPRESTASINYA
ARIS PRASETYO
 METODE ANALISIS DATA

STATISTIKA :
Ilmu dan atau seni yang berkaitan dengan
tata cara (metode) pengumpulan data, analisis
data, dan interpretasi hasil analisis untuk
mendapatkan informasi guna penarikan
kesimpulan dan pengambilan keputusan
PERANAN STATISTIKA

STATI STI KA

METODE METODE ANALISIS

PENGUMPULAN DATA DATA

SUMBER DATA INFORMASI

DATA EMPIRIK EMPIRIK

AKURAT !
PENDEKATAN PENELITIAN

Pengumpulan Data
Analisis Data
Interpretasi
Konklusi
 STATISTIKA DESKRIPTIF
POPULASI

PARAMETER SAMPLING
 SAMPEL

2 STATISTIK
 x s
s2 r
GENERALISASI/
INFERENSI

STATISTIKA INFERENSIAL
 Analisis Data
• Analisis Deskriptif
1. Peringkasan/klasifikasi data
• Ukuran Pemusatan : mean, median, modus
• Ukuran Sebaran : range, rerata simpangan, simpangan
baku
2. Penyajian Data :
• Narasi
• Tabel/daftar
• Diagram/grafik/gambar

• Analisis Inferensial
1. Estimasi
2. Pengujian Hipotesis : * Komparasi
* Korelasi
 STATISTIKA DESKRIPTIF

peringkasan, pengklasifikasian dan penyajian data

• sebagai langkah pertama sebelum analisis statistik
inferensial
• analisis terhadap data dari seluruh populasi
• terhadap data yang diambil dari sampel :
a. tidak bertujuan generalisasi/inferensi ke populasi
b. sampel tidak representatif (mewakili) populasi (dilihat
dari besar/ukuran sampel, cara pengambilan sampel
dan keterwakilan ciri-ciri populasi dalam sampel)
• Generalisasi/Inferensi  penarikan
kesimpulan dari hal yang jumlah elemennya
lebih sedikit (sampel) ke hal yang jumlah
elemennya lebih banyak atau lebih luas
atau dikenal dengan populasi
• Syarat : Sampel mewakili (representatif)
populasi
– Besar sampel
– Cara pengambilan sampel
– Kecermatan memasukkan ciri-ciri populasi
SKALA PENGUKURAN

NOMINAL
ORDINAL
INTERVAL
RASIO
KEMAMPUAN SKALA PENGUKURAN
DISKRIMINASI
NOMINAL ORDINAL INTERVAL RASIO

SEKEDAR
MEMBEDAKAN + + + +
MENENTUKAN
URUTAN - + + +
MENGUKUR
BESAR BEDA - - + +
MENGUKUR
KELIPATAN - - - +
 Pembagian Data menurut Sifat/Jenis
Data

NOMINAL KUALITATIF
KATEGORI
ORDINAL SEMIKUANTITATIF

INTERVAL
KUANTITATIF
RASIO
 Statistika Inferensial
1. Estimasi
penaksiran nilai parameter berdasarkan
statistik : - Estimasi titik (point estimate)
- Estimasi interval (interval estimate)

2. Pengujian Hipotesis (Hypothesis

testing)
Untuk mengetahui keterkaitan/hubungan antar
variabel di populasi  Uji statistik
 TAHAPAN ANALISIS DATA

JENIS
PERMASALAHAN
PENELITIAN RELEVAN

CODING
SCORING PERIKSA PILIH METODE INFORMASI
TABULASI OUTLIERS ANALISIS DATA AKURAT

JENIS DAN
KARAKTERISTIK VALID
DATA
 PENGUJIAN HIPOTESIS (Hypothesis
testing)

• Langkah-langkah :

1. Penetapan Hipotesis Statistik (H0 dan H1)

2. Penentuan Tingkat Kemaknaan (a)
biasanya berkisar 0,01 dan 0,1
(paling sering 0,05)
3. Pemilihan Uji Statistik, perlu
diperhatikan :
a. Jenis/skala pengukuran data
b. Distribusi data
c. Tujuan analisis (komparasi atau
korelasi)
d. Banyak atau jumlah sampel (bebas/
berpasangan)
e. Banyaknya variabel yang diamati
atau banyaknya pengamatan
(f. Variansi)
4. Penghitungan / Uji Statistik
5. Keputusan Uji dan Penarikan Kesimpulan
didasarkan pada penerimaan dan penolakan
hipotesis nol (H0). Dari hasil uji statistik biasanya
didapatkan nilai statistik uji dan tingkat kemaknaan
(p). Secara umum, keputusan menolak hipotesis nol
(H0) diambil apabila :

Nilai statistik uji > nilai tabel

atau
Nilai tingkat kemaknaan yang diperoleh (p) < a
 Uji Normalitas
One-Sample Kolmogorov-
Smirnov Test
Unstandardized Residual

N 103

a,b
Normal Parameters Mean .0000000
Std. Deviation 1.54924112

Most Extreme Differences Absolute .125

Positive .044

Negative -.125

Kolmogorov-Smirnov Z 1.269

Asymp. Sig. (2-tailed) .080

a. Test distribution is Normal.

b. Calculated from data.
• Uji normalitas (uji Kolmogorov- Smirnov)
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi
normal atau tidak. Model regresi yang baik adalah memiliki nilai residual
yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada
masing-masing variabel tetapi pada nilai residualnya.
Dasar Pengambilan Keputusan
Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak
Keputusan:
Pada tabel di atas nilai sig = 0.080 > 0.05, sehingga H0 diterima, yang
berarti data residual berdistribusi normal
 Uji Homogenitas
• Uji homogenitas adalah pengujian mengenai
sama tidaknya variansi-variansi dua buah
distribusi atau lebih.
• Dari uji Levene terlihat nilai signifikan (p-
value) 0.296 yang berarti > 0.05, hal ini
menunjukan bahwa keputusan yang diambil
adalah menerima Ho yang berarti bahwa
variansi nya homogen
 Uji T
a
Coefficients

Model Unstandardized Standardized

Coefficients Coefficients

B Std. Error Beta t Sig.

(Constant) 1719.365 92.651 18.557 .000

seperAC 5.317E7 5.028E7 .156 1.058 .296

a. Dependent Variable: TOperAC

• Tabel di atas adalah keluaran dari SPSS tanpa diedit.
• Uji t dimaksudkan untuk menguji apakah variabel
independen secara parsial berpengaruh signifikan
terhadap variabel dependen.
• Hipotesis:
H0: variabel independen secara parsial tidak
berpengaruh signifikan terhadap variabel dependen
• Dasar Pengambilan Keputusan
Jika probabilitasnya (nilai sig) > 0.05 atau - t tabel < t
hitung < t tabel maka H0 diterima
Jika probabilitasnya (nilai sig) < 0.05 atau t hitung < -
t tabel atau t hitung > t tabel maka H0 ditolak
• Keputusan:
Pada tabel di atas nilai sig = 0.296 > 0.05, sehingga H0
diterima, yang berarti variabel independen secara parsial
tidak berpengaruh signifikan terhadap variabel dependen.

Nilai t hitung = 1.058

Nilai t-tabel dilihat untuk degree of freedom = n – k
n = jumlah sample yang dalam hal ini 47
k = jumlah variabel yang digunakan
sehingga degree of freedomnya = 47 – 2 = 45
Uji t dilakukan dua arah (two tailed) pada α = 0.05, maka nilai
t tabel adalah 2.01.
Karena t hitung = 1.058 < t tabel = 2.01, maka H0 diterima,
yang berarti variabel independen AC secara parsial tidak
berpengaruh signifikan terhadap variabel dependen TO.
• Interpretasi Out Put, nilai t=1.581
Sebagai acuan apabila yang ingin di uji adalah Ha/H1, maka
interpretasinya sebagai berikut:
1. Ha diterima apabila t hitung≥ t tabel, atau nilai p-value
pada kolom Sig. (2-tailed) < level of significant (α)
2. Ho diterima apabila t hitung < t tabel, atau nilai p-
value pada kolom Sig. (2-tailed) > level of significant (α)
• Dengan membandingkan nilai t hitung dengan t tabel pada
taraf signifikansi 5 % dan 1 %, untuk db (N-2)= 18. Nilai T tabel
untuk taraf signifikansi 5 % adalah 2.101 dan 1 % sebesar
2.878 sehingga dapat dibanding 2.101>1.581<2.878, Ha
ditolak
• Dengan membandingkan nilai pada p-value pada kolom sig.
(2-tailed) dengan level of significant (α), maka diperoleh
0.131>0.05, Ha Ditolak
Uji Anova
• Dari uji Anova terlihat nilai signifikan (p-value) 0.000 yang
berarti < 0.05, hal ini menunjukan bahwa keputusan yang
diambil adalah menerima H1 yang berarti bahwa ada
pengaruh
• Karena kita menerima H1 pada uji Anova, selanjutnya
dilakukan uji lanjutan dengan metode Tukey, LSD dll
signifikansi (p-value) < 0.05, hal ini menunjukan
antar tingkatan ada perbedaan
• Hasil uji Homogenecity-of-Variance box menunjukkan nilai sig.
(p-value) sebesar 0,848, ini berarti homogen.
• Hasil uji one way ANOVA yang telah dilakukan
mengindikasikan bahwa uji-F signifikan pada kelompok uji, ini
ditunjukkan oleh nilai Fhitung sebesar 11,6 yang lebih besar
daripada F(3,9)sebesar 3,86 (Fhitung > Ftabel), diperkuat
dengan nilai p = 0.003 lebih kecil daripada nilai kritik α=0,05.
• Tukey post hoc test untuk multiple comparisons
mengindikasikan bahwa hanya kelompok 4 yang memiliki nilai
sig. (F statistik) yang signifikan secara statistik. Hasil ini
mengindikasikan bahwa perbedaan rata-rata antara metode 1,
2 dan 3 secara statistik tidak signifikan dan meannya secara
signifikan berbeda daripada mean metode 4 yang signifikan
secara statistik.
 Uji Regresi
b
ANOVA

Model Sum of df Mean Square F Sig.

Squares
a
1 Regression 271.010 3 90.337 36.531 .000
Residual 244.815 99 2.473

Total 515.825 102

a. Predictors:
(Constant),
Act, Sense,
Feel
b. Dependent
Variable:
Emotional
• Uji F dimaksudkan untuk menguji apakah variabel-variabel independen
secara bersama-sama berpengaruh signifikan terhadap variabel dependen
.
Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0
diterima
Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig = 0.000 < 0.05, sehingga H0 ditolak, yang berarti
variabel-variabel independen secara bersama-sama berpengaruh
signifikan terhadap variabel dependen.
 Uji Pearson Correlation (R)

Model
b
Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
a
1 .725 .525 .511 1.573
a. Predictors:
(Constant), Act,
Sense, Feel
b. Dependent
Variable:
Emotional
• Koefisen korelasi R = 0.725 menunjukkan tingkat hubungan
variabel dependen dengan variabel independen pada tingkat
sangat kuat (0.725) untuk slala 0 – 1.

Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai

Pearson Correlation (R) dimana nilai secara umum dibagi
menjadi sbb:

0 – 0.25 korelasi sangat lemah

0.25 – 0.50 korelasi moderat
0.50 – 0.75 korelasi kuat
0.75 – 1.00 korelasi sangat kuat

Nilai R square = 0.525 dari tabel di atas menunjukkan bahwa

52.5 % dari varians Emotional dapat dijelaskan oleh
perubahan dalam variabel Sense, feel dan Act.
 Contoh lagi
Analisis Korelasi dan Regresi Umur ibu dengan Berat Badan Bayi

Variabel r R square Persamaan Garis P value

Umur 0,41 0,002 Y=3044,772+4,989* 0,775

umur
• Hubungan umur ibu menyusui dengan berat badan bayi
menunjukkan hubungan moderat (r=0,41) dan berpola positif,
artinya semakin tua umur ibu semakin tinggi berat bayi.
• Nilai koefisien determinan 0,002 artinya persamaan garis
regresi yang diperoleh dapat menerangkan 2 % variasi berat
bayi atau persamaan garis yang diperoleh kurang baik untuk
menjelaskan variabel berat bayi.
• Hasil uji statistik didapatkan didapatkan tidak ada hubungan
yang signifikan antara umur ibu dengan berat bayi.
Uji Chi-Square Distribusi Responden Menurut Pekerjaan dan
Pola Menyusui

Pekerjaan Pola Menyusui Total P Value OR(95%CI)

Eksklusif Non Eksklusif
Tak 18 ( 72,0%) 7(28.0%) 25 0,011 5,4(1,62-18,35)
Bekerja
8(32,0%) 17(68%) 25
Bekerja
Total 26(52%) 24(48,0%) 50
• Hasil analisa hubungan status pekerjaan dengan status
menyusui diperoleh bahwa responden yang tidak bekerja
mempunyai peluang menyusui eksklusif sebesar 72
%,sedangkan responden yang bekerja mempunyai peluang
menyusui secara eksklusif sebanyak 32%.Dengan demikian
secara persentase ibu yang tak bekerja lebih banyak yang
menyusui secara eksklusif dibandingkan ibu yang kerja.
• Hasil uji statistic diperoleh nilai P value= 0,011, maka dapat
disimpulkan bahwa ada hubungan antara status pekerjaan
dengan perilaku menyusui.
• Adapun besar bedanya dapat dilihat nilai OR= 5,4, artinya ibu
yang tidak bekerja mempunyai peluang menyusui eksklusif
5,4 kali dibandingkan ibu yang bekerja.
tksh