Materi VII
TEKNIK ANALISIS STATISTIK
BTKL
Freque Percent Valid Cumulati
ncy Percent ve
Percent
9,00 1 8,3 8,3 8,3
10,00 1 8,3 8,3 16,7
12,00 1 8,3 8,3 25,0
14,00 1 8,3 8,3 33,3
15,00 1 8,3 8,3 41,7
16,00 1 8,3 8,3 50,0
Vali
24,00 1 8,3 8,3 58,3
d
25,00 1 8,3 8,3 66,7
27,00 1 8,3 8,3 75,0
29,00 1 8,3 8,3 83,3
30,00 1 8,3 8,3 91,7
31,00 1 8,3 8,3 100,0
Total 12 100,0 100,0
Analisis deskriptif memberikan gambaran atau deskripsi
suatu data secara numerik yang dilihat dari mean, standar
ANALISIS deviasi, varian, maksimum, minimum, sum, range,
DESKRIPTIF kurtosis dan skewness (kemencengan distribusi).
Descriptive Statistics
N Range Minimum Maximum Sum
Statistic Statistic Statistic Statistic Statistic
Valid N
(listwise) 12
Analisis tabulasi silang pada prinsipnya menyajikan data
ANALISIS dalam bentuk tabulasi yang meliputi baris dan kolom dan
CROSSTAB data untuk penyajian crosstab adalah data berskala
nominal atau ordinal
Dimisalkan kita mau menguji hubungan antara jenis kelamin dan pemilihan
kosentrasi pada peserta Praktikum Pengolahan Data kelompok I dengan jumlah
observasi sebayak 25 mahasiswa. Pada contoh tersebut variabel Jenis Kelamin
(JK) merupakan data nominal dengan (kode 1 Laki-Laki, kode 2 Perempuan) dan
variabel Kosentrasi (KONS) juga merupakan data nominal dengan (kode 1
Auditing, kode 2 Perpajakan dan kode 3 Akuntansi Sektor Publik /ASP). Data
selengkapnya sebagai berikut :
NO NAMA KOSENTRASI JENIS KELAMIN
(KONS) (JK)
1 A Auditing Laki-Laki
2 B Auditing Perempuan
3 C Perpajakan Perempuan
4 D Auditing Perempuan
5 E ASP Laki-Laki
6 F Perpajakan Laki-Laki
7 G Perpajakan Perempuan
8 H Auditing Perempuan
9 I Auditing Laki-Laki
10 J ASP Laki-Laki
11 K ASP Perempuan
12 L Perpajakan Perempuan
13 M ASP Laki-Laki
14 N Auditing Laki-Laki
15 O Auditing Laki-Laki
16 P Perpajakan Laki-Laki
17 Q Perpajakan Perempuan
18 R Auditing Perempuan
19 S Auditing Perempuan
20 T Auditing Perempuan
21 U Perpajakan Perempuan
22 V ASP Perempuan
23 W ASP Perempuan
24 X ASP Laki-Laki
25 Y Auditing Laki-Laki
KONS * JK Crosstabulation
JK Total
Laki-Laki Perempuan
Count 5 6 11
Count 2 5 7
Count 4 3 7
Count 11 14 25
STATISTIK
NON STATISTIK
PARAMETRIS PARAMETRIS
STATISTIK
Digunakan untuk menganalisis data
NON
PARAMETRIS nominal dan ordinal
STATISTIK
PARAMETRIS Untuk menganalisis data interval dan rasio.
Digunakan untuk menguji hipotesis deskriptif bila
dalam populasi terdiri atas dua kelompok kelas
TES BINOMANIAL
Dalam kasus ini jumlah sampel independen (N) = 24, karena yang
memilih jenis mobil bensin ada 14 dan solar ada 10. Frekuensi
terkecilnya (x) = 10. Dengan demikian berdasarkan Tabel Binomial
dengan nilai N = 24 dan x = 10, maka koofisien binomialnya (p)
adalah 0,271. Bila taraf kesalahan ditetapkan 1% (0,01),
maka ternyata harga p sebesar 0,271 lebih besar dari 0,01
(0,0271 > 0,01), maka Ho diterima dan Ha ditolak.
Kesimpulannya adalah kemungkinan masyarakat dalam memilih dua
jenis mobil adalah sama, yaitu 50%
Chi Kuadrat digunakan untuk menguji hipotesis deskriptif dan
komparatif bila dalam populasi terdiri atas dua atau lebih
kelompok kelas dimana datanya berbentuk nominal dan jumlah
sampelnya besar
= Chi Kuadrat
= Frekuensi yang dioservasi
CHI KUADRAT
bila Chi Kuadrat hitung lebih kecil (<) dari tabel, maka
Ho diterima, dan apabila lebih besar atau sama dengan
(≥ ) harga tabel maka Ho ditolak.
dk (k – 1)
Contoh dalam penelitian
Warna
fo fh fo - fh (fo - fh)2
Mobil
Biro 1.000 750 250 62.500 83,33
Merah 900 750 150 22.500 30,00
Putih 600 750 -150 22.500 30,00
Warna Lain 500 750 -250 62.500 83,33
Jumlah 3.000 3.000 0 170.000 226,67
Catatan : Frekuensi yang diharapkan (f h) untuk setiap kategori adalah 3.000 : 4 = 750
Berdasarkan dk = 3 dan tingkat kesalahan 5%, maka diperoleh harga Chi Kuadrat
Tabel = 7,815 (Lihat tabel Chi Kuadrat). Ternyata Chi Kuadrat hitung lebih besar
dari harga Chi Kuadrat tabel (226,67 > 7,815). Karena () hitung > lebih dari ()
tabel, maka Ho ditolak dan Ha diterima. Ini berarti peluang masyarakat
Kota Makassar untuk memilih empat warna mobil berbeda atau tidak sama.
Berdasarkan data sampel ternyata warna mobil biru yang mendapat peluang
tertinggi untuk dipilih masyarakat Kota Makassar. Ini juga berarti mobil warna biru
yang paling laku di masyarakat itu.
MC. Nemar Test digunakan untuk menguji hipotesis komparatif dua
sampel yang berkorelasi bila datanya berbentuk nominal. Sebagai
panduan untuk menguji signifikan setiap perubaha n, maka data
perlu disusun ke dalam tabel segi empat ABCD.
Dimana :
MC. Nemar Test
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu
pertandingan olah raga terhadap nilai penjualan barangnya. Dalam penelitian ini
digunakan sampel diambil secara random yang jumlah anggotanya 200 orang.
Sebelum sponsor yang diberikan, terdapat 50 orang yang membeli barang tersebut,
dan 150 orang tidak membeli. Setelah sponsor diberikan dalam pertandingan olah
raga, ternyata dari 200 orang tersebut terdapat 125 orang yang membeli dan 75
orang tidak membeli. Dari 125 orang tersebut terdiri dari pembeli tetap 40, dan
yang berubah dari tidak membeli menjadi membeli ada 85. Selanjutnya dari 75
orang yang tidak membeli itu terdiri atas yang berubah dari membeli menjadi tidak
membeli ada 10 orang, dan yang tetap tidak membeli ada 65 orang.
Harga Chi Kuadrat hitung tersebut selanjutnya dibandingkan dengan Chi Kuadrat tabel.
Bila dk=1 dan taraf kesalahan 5%, maka harga Chi Kuadrat tabel = 3,481. Ketentuan :
bila Chi Kuadrat hitung lebih kecil sama dengan (≤) Chi Kuadrat tabel,
maka Ho diterima dan Ha ditolak. Berdasarkan perhitungan di atas
ternyata harga Chi Kuadrat hitung lebih besar dari Chi Kuadrat tabel
(57,642 > 3,481). Hal ini berarti H0 ditolak dan Ha diterima.
Jadi dapat disimpulkan bahwa terdapat perbedaan yang signifikan nilai penjualan
setelah dan sebelum ada sponsor, dimana setelah ada sponsor pembelinya semakin
meningkat. Karena pembeli sesudah ada sponsor jumlahnya meningkat, maka hal itu
berarti sponsor yang diberikan pada pertandingan olah raga mempunyai pengaruh yang
nyata terhadap nilai penjualan.
Sign Test digunakan untuk menguji hipotesis komparatif dua sampel
yang berkorelasi, dan bila datanya berbentuk ordinal.Dinamakan
sign test karena data yang dianalisis dinyatakan dalam bentuk tanda-
tanda yaitu tanda positif dan negatif. Dalam pengujian hipotesis tidak
Sign Test (Uji Tanda)
=1-
Contoh dalam penelitian
Ada dua orang juri yang diminta untuk menilai dalam lomba
membuat makanan. Jumlah makanan yang dinilai ada 10, masing-
masing diberi nomor 1, 2, 3, 4, 6, 7, 8, 9, 10. NIlai yang diberi oleh
kedua juri adalah sebagai berikut :
Tabel : Nilai Dua Orang Juri Terhadap 10 Jenis Makanan
X 800 900 700 600 700 800 900 600 500 500
Y 300 300 200 200 200 200 300 100 100 100
Hipotesis :
Ho = Tidak ada hubungan antara pendapatan dan pengeluaran
Ha = Terdapat hubungan antara pendapatan dan pengeluaran
Jadi diperoleh nilai korelasi produk moment (r) = 0,91
t = = 5,33
Harga t hitung tersebut selanjutnya dibandingkan dengan harga t tabel. Untuk
kesalahan 5 % uji dua pihak dan dk = n -2 = 8, maka diperoleh t tabel = 2,306.
Ternyata harga t hitung 6,33 lebih besar dari t tabel, sehingga H o ditolak. Hal ini
berarti terdapat hubungan yang positif dan nilai koofisien korelasi antara pendapatan
dan pengeluaran sebesar 0,9129.
Untuk dapat memberikan penafsiran terhadap koofisien korelasi yang ditemukan
tersebut besar atau kecil, maka berpedoman pada ketentuan dari Guilfort dalam
Riduwan (2008) sebagai berikut :
Tabel : Pedoman Untuk Menentukan Interpretasi Terhadap
Koofisien Korelasi
Interval Koofisien Tingkat Hubungan
0,00 - 0,199 Sangat rendah
0,20 - 0,399 Rendah
0,40 - 0,599 Sedang
0,60 - 0,799 Kuat
0,80 - 1,000 Sangat kuat
Dalam analisis korelasi terdapat suatu angka yang disebut dengan Koofisien
Diterminasi, yang besarnya adalah kuadrat dari koofisien korelasi (r 2).
Untuk contoh di atas ditemukan r = 0,9129. Koofisien Determinasinya r 2 = 0,91292 =
0,83. Artinya bahwa variasi perubahan variabel pengeluaran dapat dijelaskan oleh
variasi perubahan pendapatan sebesar 83%, sebesar 17% dijelaskan oleh faktor lain.
KORELASI GANDA
Ryx1x2 =
Fhitung = = 7,43
KORELASI PARSIAL
Ry. x1x2 =
Tingkat signifikansi
t=
Regresi sederhana dapat dianalisis karena didasari oleh hubungan sebab akibat
(kausal) satu variabel independen dengan satu variabel dependen.
Persamaan regresi sederhana adalah :
Y = a + bX
Dimana :
Y = Subjek dalam variabel dependen yang diprediksi
a = Harga Y ketika harga X = 0 (konstan)
b = Angka arah atau koofisien regresi, yang menunjukkan angka peningkatan (+)
atau penurunan (-) variabel dependen yang didasarkan pada perubahan
variabel independen.
X = Subjek pada variabel independen yang mempunyai nilai tertentu
a = b =
REGRESI BERGANDA
Y = a + b1 X1 + b2 X2 ……. bn Xn
Contoh dalam penelitian
RX1X2Y = = 0,26
F hitung =
Keterangan :
R2 = koefisien determinasi
n = ukuran sampel
k = banyaknya variabel bebas
Nilai F tabel diperoleh dengan menggunakan tingkat signifikan α dan derajat kebebasan
(df) yaitu V1 = k dan V2 = n-k-1. Keputusan pengujian menggunakan kriteria uji sebagai
berikut :
Jika F hitung ≤ F tabel, maka H0 diterima dan Ha ditolak
Jika F hitung > F tabel, maka H0 ditolak dan Ha diterima
Bila Ho diterima, maka diartikan sebagai tidak signifikannya pengaruh
dari variabel-variabel independen secara bersama-sama atas variabel
dependen dan penolakan Ho menunjukkan adanya pengaruh yang
signifikan dari variabel-variabel independen secara bersama-sama
terhadap variabel dependen.
Berdasarkan contoh sebelumnya, maka nilai Fhitung sebagai berikut :
Fhitung = = 0,073
Mencari nilai F tabel dengan taraf kesalahan (α) = 0,05 dan derajat
kebesan (dk) V1 = 2 dan V2 = 10-2-1 = 7, maka diperoleh nilai F tabel =
4,74 (lihat tabel F). Ternyata F hitung lebih kecil dari F tabel (0,073 < 4,74),
maka Ho diterima dan Ha ditotak. Artinya tidak terdapat pengaruh
yang signifikan antara kecerdasan intelektual dan kecerdasan
emosional terhadap kinerja auditor.
b). Uji parsial (Uji t)