NAMA : PARJO, S.KEP, M.KES.

TTL : GROBOGAN, 23-07-1985

AGAMA : ISLAM
RUMAH : MEGA TIMUR , KEC. SUI AMBAWANG KAB KUBU RAYA
NO. HP. : 081.325.373.546

RIWAYAT PENDIDIKAN
1. MAN I SEMARANG LULUS 2002
2. AKPER MUHAMADIYAH SEMARANG LULUS 2005 (IPK 3,27)
3. SI KEPERAWATAN MUHAMADIYAH SEMARANG LULUS 2007 (IPK 3,15)
4. S2 FKM UNDIP SEMARANG LULUS 2010 (IPK 3,78)
RIWAYAT PEKERJAAN
1. PERAWAT RSI SULTAN AGUNG SEMARANG 2006
2. PERAWAT HOTEL GRAND CANDI SEMARANG 2007
3. DIREKTUR STIKES AN NUR SEMARANG 2010
4. PERAWAT PUSKESMAS SUI AMBAWANG 2011
5. DOSEN TETAP NON PNS PSIK FK UNTAN
6. DOSEN BIOSTATISTIK STIK MUHAMMADIYAH
7. DOSEN BIOSTATISTIK FKM UMP
8. DOSEN BIOSTATISTIK STIKES YARSI
9. DOSEN BIOSTATISTIK AKPER DHARMA INSAN
 1. Konsep Statistika

STATISTIKA :
Kegiatan untuk :
KEGUNAAN
• mengumpulkan data
• menyajikan data
• menganalisis data dengan metode tertentu ?
• menginterpretasikan hasil analisis

Melalui fase

STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
 3. Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO
 2. Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.

LANGKAH-LANGKAH DALAM METODE ILMIAH :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis

4. Mengumpulkan dan mengolah data, menguji hipotesis,

atau menjawab pertanyaan

5. Mengambil kesimpulan

INSTRUMEN

SAMPEL

SIFAT DATA
PERAN STATISTIKA
VARIABEL

METODE ANALISIS
 4. Data

Nominal: Objek pengukuran yang dilakukan dibedakan menurut

persamaannya.
Contoh: “sapi” dengan “non sapi”
Ordinal (ranking): Objek pengukuran yang dilakukan dibedakan
menurut persamaan dan urutannya:
: sangat tinggi, tinggi, rendah dan sangat rendah
Interval: Objek pengukuran yang dilakukan dibedakan menurut
persamaan, urutan dan jarak (satuan pengukuran).
Contoh: suhu
Rasio: Objek pengukuran yang dilakukan dibedakan menurut
persamaan, urutan, jarak dan rasio (dapat dibandingkan).
Contoh: mengukur berat, panjang, isi dan lain-lain
PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang

membahas parameter-parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik tidak membahas

parameter-parameter populasi; jenis data nominal atau ordinal; distribusi
data tidak diketahui atau tidak normal

B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n

sampel atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik.

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n

sampel di mana analisis antar variabel dilakukan bersamaan. Contoh :
pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh
faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor
sekolah.
 MULAI

Statistik NOMINAL Jenis INTERVAL

Statistik
Non Parametrik ORDINAL Data ? RASIO Parametrik

Analisis SATU DUA / LEBIH Analisis

Univariat Jumlah Multivariat
Variabel
?
 SOAL
Tn A akan melakukan penelitian di ruang bedah RSUD soedarso. Sampel
yang digunakan sebanyak 100 orang. Tujuan penelitian untuk mengetahui
apakah ada perbedaan tingkat kecemasan antara pasien yang didampingi
keluarga dan yang tidak.
Pertanyaannya ?
a. Apakah bunyi hipotesis dari penelitian tersebut ?
b. Uji analisis apakah yang digunakan untuk mengetahui kenormalan datanya ?
c. Apakah jenis hipotesisnya?
d. Apakah skala datanya ?
e. Jenis statistik apa yang digunakan ?
f. Uji analisis apakah yang digunakan untuk menguji penelitian tersebut?
• Hubungan antara tingkat pendidikan dengan
perilaku merokok masyarakat perkotaan
dengan jumlah sampel 100 orang.
• Pertanyaan
• 1. apa skala datanya
• 2. ada berapa variabel penelitianya
• 3. uji kenormalan data memakai apa
• Ketik 1.5 spasi kertas A4 time news roman
• Kumpulkan besuk jam 8
• Syarat tugas :
• Dikerjakan kelompok masing-masing 5 orang.
• Diketik 2 spasi kertas A4 8o gr dengan font 12 time news roman.
• Sertakan copi dari referensinya
• Semua kelompok dijilid jadi satu jilidan.
 ISTILAH YG WAJIB DIPAHAMI

• SKALA PENGUKURAN VARIABEL

• JENIS HIPOTESIS
• MASALAH SKALA PENGUKURAN
• BERPASANGAN/ TIDAK BERPASANGAN
• JUMLAH KELOMPOK
• SYARAT UJI PARAMETRIK DAN NONPARAMETRIK
• PRINSIP TABEL B x K DAN P x K
 TABEL UJI HIPOTESIS

MSLH SKALA JENIS HIPOTESIS

PENGUKURAN KOMPARATIF KORELATIF

TIDAK BERPASANGAN BERPASANGAN

PEARSON

2 KELOMPOK >2 KELOMPOK 2 KELOMPOK >2 KELOMPOK

NUMERIK
UJI T TIDAK ONE WAY ANOVA UJI T REPEATED

BERPASANGAN BERPASANGAN ANOVA

KATEGORIK KRUSKAL- WILCOXON FRIEDMAN SPEARMAN

MANN WHITNEY
(ORDINAL) WALLIS
KATEGORIK CHI SQUARE McNEAMER, COCHRAN KOEFISIEN
FISHER MARGINAL HOMOGENITY KOTINGENSI
KOLMOGOROV-SMIRNOV (PRINSIP P x K) LAMBDA
(TABEL B x K)
• UJI T TDK BERPASANGAN
• PERBEDAAN IPK MAHASISWA
ANTARA YANG TINGGAL DI
PERKOTAAN DAN DI DESA.
• UJI T BERPASANGAN
• PERBEDAAN IPK MAHASISWA
SEBELUM DIADAKAN SEMINAR DAN
SETELAH DISAMPAIKAN SEMINAR.
• Perbedaan antara jarak rumah dengan
kesediaan ibu untuk melahrkan di rumah
sakit.
• Hubungan antara gaji dengan kinerja PNS
di Kota Pntianak.
• Hubungan antara pendidikan dengan
pendapatan pegawai swasta.
• UJI ONE WAY ANOVA
• APAKAH ADA PERBEDAAN IPK
ANTARA MAHASISWA YANG SANGAT
MISKIN, MISKIN DAN KAYA.
• UJI REPEATED ANOVA
• PENGARUH OBAT HIPERTENSI PADA
PASIEN HIPERTENSI YANG DIUKUR
SEBELUM PENGOBATAN, 2 MGGU
STLH PENGOBATAN DAN 1 BULAN
SESUDAHNYA.
• UJI PEARSON
• KORELASI ANTARA PENGETAHUAN
DENGAN IPK MAHASISWA PSIK
UNTAN.
• UJI CHI SQUARE
• HUBUNGAN ANTARA PENDIDIKAN
SESEORANG PEJABAT DENGAN
PERILAKU KORUPSI
• Hubungan tingkat kesembuhan pasien
hipertensi dengan menggunakan obat jenis
Captopril, n=55 pasien.
• 1. skala data apa
• 2. berapa variabel
• 3. uji kenormalan memakai apa
• keti
2 spasi kertas A4 70 gr, time news roman 12.1
lembar.
• Diketahui data:
• Kadar Hb mhs FE UNTAN : 10.9, 10.0, 9.7, 11.0, 12.0,
8.8, 13.1, 10.3, 10.6 dan 11.4
• Tujuan penelitian :
• 1. untuk mengetahui korelasi antara tingkat pendapatan
dengan kadar Hb mhs FE.
• 2. untuk mengetahui perbedaan Hb mhs FE sebelum dan
sesudah diberikan tablet tambah darah.
• 3. untuk mengetahui hubungan antara tingkat pendidikan
dengan kadar Hb mhs FE.
• Pertanyaan : jenis uji apa yang digunakan?
 8. Membuat Tabel

TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris

Kolom pertama : LABEL

KOLOM
Kolom kedua …. n : Frekuensi atau label
TABEL
BARIS Berisikan data berdasarkan kolom

Tabel Tabulasi Silang

Prestasi Kerja
Bidang pekerjaan Sangat Jelek Cukup Baik Sangat Jumlah
jelek baik baik
Administrasi
Personalia
Produksi
Marketing
Keuangan
Jumlah
 9. Membuat Grafik

GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.

Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)

Jenis Grafik :
4
• Grafik Batang (Bar)
Sumbu tegak

3
• Grafik Garis (line)
2
• Grafik Lingkaran (Pie)
1
• Grafik Interaksi (Interactive)
0
1 2 3 4
Titik
pangkal Sumbu datar
 13. Ukuran Tendensi Sentral

RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan

RATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya

n
X + X2 + X3 + … + Xn
X= 1 Σ Xi
n i =1

n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1
f1 + f2 + f3 + … + fk i =1

k
Σ fi
Cara menghitung : i =1

Bilangan (Xi) Frekuensi (fi) X i fi

70 3 210
63 5 315
Maka : X = 695 = 69.5
10
85 2 170
Jumlah 10 695
 14. Median

MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
memperjelas kedudukan suatu data.

Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?

Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,

maka rata-rata hitung = 6.55, median = 6
Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung
dan median (kelompok 50% atas)

Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,

maka rata-rata hitung = 6.55, median = 8
Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median
(kelompok 50% bawah)

Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
 15. Modus

MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan,

yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.

Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4

Maka : s = 6 ; k = 3 ; p =2
rata-rata hitung = 6.55 ; median = 6
modus = 5 ; kelas modus = 5 - 7

Nilai Frekuensi Nilai Frekuensi

10 2 8 – 10 3
8 1 5–7 7
7 2 2–4 1
6 1 Jumlah 11
5 4
4 1
Jumlah 11 - +
Mo  Me

Kurva positif apabila rata-rata hitung > modus / median

Kurva negatif apabila rata-rata hitung < modus / median
 17. Deviasi rata-rata
Deviasi Rata-rata : penyebaran
Berdasarkan harga mutlak simpangan Kelompok A Kelompok B
bilangan-bilangan terhadap rata- Nilai X X-X |X – X| Nilai X X-X |X – X|
ratanya. 100 45 45 100 45 45
90 35 35 100 45 45
80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25

Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10

n
|Xi – X|
Rata-rata DR = Σ
n
i=1

Makin besar simpangan,

makin besar nilai deviasi rata-rata
 18. Varians & Deviasi Standar

Varians : penyebaran berdasarkan Kelompok A Kelompok B

jumlah kuadrat simpangan bilangan- Nilai X X -X (X–X)2 Nilai X X -X (X –X)2
bilangan terhadap rata-ratanya ; 100 45 2025 100 45 2025
melihat ketidaksamaan sekelompok data
90 35 1225 100 45 2025
80 25 625 100 45 2025
n
s = Σ (Xi – X)
2 70 15 225 90 35 1225
2

i=1 n-1 60 5 25 80 25 625

50 -5 25 30 -25 625
40 -15 225 20 -35 1225

Deviasi Standar : penyebaran 30 -25 625 10 -45 2025

berdasarkan akar dari varians ; 20 -35 1225 10 -45 2025
menunjukkan keragaman kelompok data 10 -45 2025 10 -45 2025
Jumlah 8250 Jumlah 15850

8250 15850
n s= √ 9 = 30.28 s= √ 9 = 41.97
√ Σ (Xi – X)
2
s=
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
 19. Normalitas, Hipotesis, Pengujian

Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata

Kurtosis = keruncingan

Skewness = kemiringan

+3s  +2s  -s   +s  +2s  +3s

68%
95%
99%

• Lakukan uji normalitas

•Rasio Skewness & Kurtosis berada –2 sampai +2
Rasio = nilai
Standard error
• Jika tidak berdistribusi normal, lakukan uji melalui non parametrik (Wilcoxon,
Mann-White, Tau Kendall)
Shapiro wilks (n <50), KS (n >50)
 CONTOH
Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
umr .131 160 .000 .931 160 .000
krja .248 160 .000 .808 160 .000
pddkn .270 160 .000 .802 160 .000
a. Lilliefors Significance Correction
 20. Normalitas, Hipotesis, Pengujian

Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;

berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;
akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni
hipotesis yang akan diterima seandainya Ho ditolak

HIPOTESIS TERARAH TIDAK TERARAH

Hipotesis Siswa yang belajar bahasa lebih Ada perbedaan keseriusan siswa
Penelitian serius daripada siswa yang antara yang belajar bahasa dengan
belajar IPS yang belajar IPS
Hipotesis Nol Siswa yang belajar bahasa tidak Tidak terdapat perbedaan
(Yang diuji) menunjukkan kelebihan keseriusan belajar siswa antara
keseriusan daripada yang belajar bahasa dan IPS
IPS
Ho : b < i Ho : b = i
Ha : b > i Ha : b ≠ I
 21. Normalitas, Hipotesis, Pengujian

Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak

bila Ho tidak terarah, maka pengujian signifikansi dua pihak

Pengujian signifikansi satu arah (hipotesis terarah):

Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripada
yang belajar IPS  Ho : b < i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kanan

5% 2.5% 2.5%

Daerah penerimaan hipotesis Daerah Daerah Daerah penerimaan hipotesis Daerah

penolakan penolakan penolakan
hipotesis hipotesis hipotesis

Pengujian signifikansi dua arah (hipotesis tidak terarah):

Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS
 Ho : b = i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan
 22. Uji t

Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.

1. Uji t satu sampel

Menguji apakah satu sampel sama/berbeda dengan ( - )
rata-rata populasinya t =
• hitung rata-rata dan std. dev (s) s / √n
• df = n – 1
α
• tingkat signifikansi ( = 0.05)
• pengujian apakah menggunakan 1 ekor atau 2 ekor
• diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak

Contoh :
Peneliti ingin mengetahui apakah korban yang mengalami kerugian paling besar
memang berbeda dibandingkan dengan korban lainnya.
Ho : k1 = k2
Diperoleh  = 2.865.625 ; std. Dev = 1.789.112,5 ; df = 79 ; t hitung = -22.169
α
Berdasarkan tabel df=79 dan = 0.05 diperoleh t tabel = 1.6644
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
korban yang mengalami kerugian paling besar secara signifikan berbeda
dengan korban lainnya
 23. Uji t
2. Uji t dua sampel bebas
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda

(X – Y) (Σx2 + Σy2) (1/nx + 1/ny)

t=
Sx-y
Di mana Sx-y =
√ (nx + ny – 2)

Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan setelah bencana antara
korban ringan dengan korban berat
Ho : Pr = Pb
Diperoleh :  = 1547368 ; y = 1537500 ; t hitung = .066

Uji kesamaan varians  Ho : kedua varians sama

Probabilitas > 0.05 maka Ho diterima yakni kedua varians sama

Uji t independent sample

α
Berdasarkan tabel df=53 dan = 0.05 diperoleh t tabel = 1.6741
Kesimpulan : t hitung < t tabel sehingga Ho diterima
tidak ada perbedaan yang signifikan penghasilan setelah bencana antara
korban ringan dengan korban berat
 24. Uji t

3. Uji t dua sampel berpasangan

Menguji apakah rata-rata dua sampel yang berpasangan sama/berbeda

D
t= s Di mana D = rata-rata selisih skor pasangan
D

ΣD2 – (ΣD)2
√
sD = Σ d2 Σd =
2

N(N-1) N

Contoh :
Seorang guru ingin mengetahui perbaikan terhadap pengembangan model pembelajaran
debat. Setelah selesai pembelajaran pertama, ia memberikan tes dan setelah selesai
pembelajaran kedua kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan
dengan harapan adanya perbedaan rata-rata tes pertama dengan kedua.
Ho : t1 = t2
Diperoleh t1 = 51.36 ; t2 = 52.55 ; korelasi 0.873
Korelasi sangat erat dan benar-benar berhubungan dengan nyata

α
Berdasarkan tabel df=21 dan = 0.05 diperoleh t tabel = 1.7207
Kesimpulan : t hitung < t tabel sehingga Ho diterima
Tidak ada perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model masih belum
diimplementasikan dengan baik
 25. Uji Keterkaitan

Korelasi : hubungan keterkaitan antara dua atau lebih variabel.

Angka koefisien korelasi ( r ) bergerak -1 ≤ r ≤ +1

POSITIF
makin besar nilai variabel 1
menyebabkan makin besar
pula nilai variabel 2
Contoh : makin banyak waktu
belajar, makin tinggi skor
ulangan  korelasi positif
antara waktu belajar
dengan nilai ulangan
NEGATIF
makin besar nilai variabel 1
menyebabkan makin kecil
nilai variabel 2
contoh : makin banyak waktu
bermain, makin kecil skor
ulangan  korelasi negatif
antara waktu bermain
dengan nilai ulangan

NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
 korelasi nol antara matematika dengan olah raga
 26. Uji Keterkaitan

1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif

NΣXY – (ΣX) (ΣY) Di mana : ΣXY = jumlah perkalian X dan Y

r= ΣX2 = jumlah kuadrat X
√ NΣX2 – (ΣX)2 x √ NΣY2 – (ΣY)2 ΣY2 = jumlah kuadrat Y
N = banyak pasangan nilai

Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?

Siswa X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
 27. Uji Keterkaitan

2. KORELASI SPEARMAN (rho) dan Kendall (tau) :

Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi
non parametrik

6Σd2 Di mana : N = banyak pasangan

rp = 1 -
N(N – 1)
2 d = selisih peringkat

Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?

Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2
 28. Uji Chi-Square (X2)

Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.

(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)

Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
c d b 10 (a+b)(b+d)/N
Tidak fasih c 10 (c+d)(a+c)/N

Σ d 30 (c+d)(b+d)/N

df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
 29. Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada perbedaan pendidikan berdasarkan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada perbedaan pendidikan
berdasarkan status marital
H1 = ada perbedaan pendidikan berdasarkan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel  Ho diterima ; X2 hitung > X2 tabel  Ho ditolak
2. probabilitas > 0.05  Ho diterima ; probabilitas < 0.05  Ho ditolak
status marital * pendidikan terakhir Crosstabulation
Chi-Square Tests
Count
Asymp. Sig.
pendidikan terakhir
Value df (2-sided)
SD SMP SMA Sarjana Total Pearson Chi-Square 30.605 9 .000
status belum kawin 1 9 5 0 15
marital Likelihood Ratio 29.160 9 .001
kawin 4 24 10 13 51
Linear-by-Linear
janda 5 1 1 0 7 3.412 1 .065
Association
duda 3 2 2 0 7
N of Valid Cases 80
Total 13 36 18 13 80
Symmetric Measures

Value Approx. Sig.

Nominal by Nominal Contingency Coefficient .526 .000
N of Valid Cases 80

Hasil : tingkat signifikansi = 5% ; df = 9 ; X2 tabel = 16.919 ; X2 hitung = 30.605 ;

asymp. sig = 0.000 ; contingency coeff. = 0.526
Karena : X2 hitung > X2 tabel maka Ho ditolak
asymp. Sig < 0.05 maka Ho ditolak
Artinya ada perbedaan tingkat pendidikan berdasarkan status maritalnya
dan hal ini diperkuat dengan kuatnya hubungan yang 52.6%
 30. Uji Anova

Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.

ONE WAY ANOVA

Satu variabel dependen (kuantitatif) dan satu kelompok (kualitatif)
Contoh : apakah pandangan siswa tentang IPS (kuantitatif) berbeda berdasarkan
jenjang pendidikannya (kualitatif : SD, SLTP, SMU)

Variabel dependen lebih dari satu tetapi

kelompok sama
Contoh : apakah rata-rata ulangan dan pandangan
siswa terhadap IPS berbeda untuk tiap daerah

Satu variabel dependen tetapi kelompok berbeda

MULTIVARIAT ANOVA Contoh : apakah rata-rata ulangan berbeda berdasar
kan klasifikasi sekolah dan kelompok penelitian

Variabel dependen lebih dari satu dan kelompok

berbeda
Contoh : apakah rata-rata ulangan dan pandangan
siswa terhadap IPS berbeda berdasarkan klasifikasi
Sekolah dan kelompok penelitian
 31. Uji Anova
ONE WAY ANOVA

k
JKa = Σ J j - J Di mana :
2
RJKa 2

F= j=1 nj N J = jumlah seluruh data

RJKi
N = banyak data
k nj k J2j
Jki = Σ Σ X k = banyak kelompok
2
- Σ
j=1 i=1
ij
j=1 nj nj = banyak anggota kelompok j
Jj = jumlah data dalam kelompok j
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?
Ho : μ1 = μ2 = μ3 (tidak terdapat perbedaan sikap)

X1 X2 X3 212 + 72 + 152 432

Jka = - = 19.73
3 1 2 5 15
4 1 2 212 + 72 + 152
Jki = 32 + 42 + 52 … - = 10
5
5 2 3
Jka
4 1 3 RJKa = = 19.73/2 = 9.865
5 2 5 k-1 F = 9.865 / 0.833

Σ 21 7 15 Jki = 11.838
RJKi = = 10/15-3 = 0.833
 4.2 1.4 3
N-k
 32. Uji Anova

Sumber Jumlah Derajat Rata-rata F

adanya Kuadrat Kebebasan Jumlah Kuadrat
perbedaan (JK) (df) (RJK)
Antar kelompok 19.73 k–1=2 9.865 11.838
Inter kelompok 10 N – k = 12 0.833

α = 0.05 ; df = 2 dan 12 ; F tabel = 3.88 ; F hitung = 11.838

F hitung > F tabel , maka Ho ditolak
Terdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS
Apakah ada perbedaan rata-rata penghasilan sesudah bencana jika dilihat dari
sumbangan yang diterima ?
Ho = rata-rata penghasilan tidak berbeda dilihat dari sumbangan yang diterima
Descriptives

penghasilan sesudah bencana Test of Homogeneity of Variances

95% Confidence
penghasilan sesudah bencana
Std. Interval for Mean
Levene
N Mean Deviation Std. Error Lw Bound Up Bound Min Max
Statistic df1 df2 Sig.
sedikit 29 1341379 528148.55 98074.72 1140482.3 1542276 600000 2500000
.100 2 77 .905
sedang 30 1485000 501918.73 91637.40 1297580.5 1672420 500000 2400000
banyak 21 1752381 528790.17 115391 1511678.6 1993083 1.E+06 2800000
Total
Ho : varians populasi identik
80 1503125 537006.69 60039.17 1383620.0 1622630 500000 2800000
Probabilitas > 0.05 Ho diterima
ANOVA

penghasilan sesudah bencana

Sum of Squares df Mean Square F Sig. F hitung < F tabel maka Ho diterima
Between Groups 2073242970032.8 2 1036621485016 3.854 .025
Within Groups 20708475779967 77 268941243895.7 penghasilan tidak berbeda
Total 22781718750000 79 berdasarkan sumbangan yg diterima
 33. Uji Anova
MULTIVARIAT ANOVA dengan menggunakan SPSS
Data yang digunakan untuk variabel dependen adalah data kuantitatif, sedangkan
faktor atau kelompok adalah data kualitatif
Kasus : apakah status marital mempunyai pengaruh yang signifikan terhadap penghasilan seb & usia
Variabel dependen adalah penghasilan seb & ses ; Faktor (kelompok) adalah status marital

Uji varians dilakukan 2 tahap :

1. Varians tiap-tiap variabel dependen ; Ho = varians populasi identik (sama)
alat analisis : Lavene Test ; keputusan : probabilitas > 0.05 maka Ho diterima
2. Varians populasi secara keseluruhan ; Ho = matriks varians sama
alat analisis : Box’s M ; keputusan : probabilitas > 0.05 maka Ho diterima
Uji Multivariat ; Ho = rata-rata vektor sampel identik (sama)
alat analisis : Pillai Trace, Wilk Lambda, Hotelling Trace, Roy’s
keputusan : probabilitas > 0.05 maka Ho diterima
a
Levene's Test of Equality of Error Variances a
Box's Test of Equality of Covariance Matrices

F df1 df2 Sig. Box's M 9.578

penghasilan F .956
2.772 3 76 .047
sebelum bencana df1 9
usia .450 3 76 .718 df2 2964.095
Tests the null hypothesis that the error variance of the dependent Sig. .475
variable is equal across groups. Tests the null hypothesis that the observed covariance
a. Design: Intercept+STATUS matrices of the dependent variables are equal across groups.
a. Design: Intercept+STATUS
Ho diterima
Varians tiap variabel identik Ho diterima
Varians populasi identik
 34. Uji Anova
Multivariate Testsc

Effect Value F Hypothesis df Error df Sig.

Intercept Pillai's Trace .945 644.853a 2.000 75.000 .000
644.853a
Wilks' Lambda .055
a
2.000 75.000 .000
Ho ditolak ; rata-rata vektor sampel
Hotelling's Trace 17.196 644.853 2.000 75.000 .000
Roy's Largest Root 17.196 644.853a 2.000 75.000 .000
tidak identik
STATUS Pillai's Trace .895 20.517 6.000 152.000 .000 Kesimpulan :
Wilks' Lambda .283 22.004a 6.000 150.000 .000 Status marital tidak mempunyai pengaruh
Hotelling's Trace 1.906 23.512 6.000 148.000 .000
terhadap penghasilan dan usia
Roy's Largest Root 1.482 37.552b 3.000 76.000 .000
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the significance level.
c. Design: Intercept+STATUS

Artinya :
Perubahan status marital tidak menyebabkan terjadinya kenaikan penghasilan
dan penambahan usia
 SOAL
• Buatlah contoh judul dan analisisnya dalam
menentukan uji statistik judul tersebut
(langkah-langkah uji analisis).
• Uji t tidak berpasangan
• Uji one way anova
• Uji t berpasangan
• Repeated anova