Asosiasi dan Uji Perbedaan

Learning Outcomes
Pada akhir pertemuan ini, diharapkan
mahasiswa akan mampu :
 Menjelaskan pengertian asosiasi dan Tabulasi
Silang.
 Menghitung koefisien korelasi dan uji
perbedaan.
Outline Materi
 Review Statistik deskriptif
 Asosiasi
 Tabulasi Silang
 Korelasi Kontingensi
 Korelasi Spearman Rank
 Uji Perbedaan
Review Uji Deskriptif
 Introduction

Statistik Deskriptif
Mendahului Statistik Analitis
Variabel kategorik :
 Frekuensi tiap kategori (n)
 Persentase tiap kategorik (%)
Variabel numerik :
 Parameter ukuran pemusatan (mean, median,
modus)
 Parameter ukuran penyebaran (SD, min-max dll)
Statistik untuk Analisis Deskripsi

Tendensi Sentral/ Ukuran Pemusatan

Tendensi Sentral: menunjukkan nilai sentral dari distribusi data penelitian
yang dapat dinyatakan dalam tiga ukuran, yaitu:
a. Rata-rata (Mean), dirumuskan:
Keakuratan penggunaan rata-rata tergantung dari dua faktor, yaitu:
Ukuran sampel; semakin besar sampel, maka semakin akurat estimasi
rata-rata populasi.
Variabilitas (spread) dari data yang ada; semakin banyak variasi data,
maka semakin berkurang akurasi estimasi rata-rata.

nxi
x
i 1 n
b. Median: adalah ukuran tendensi sentral berdasarkan nilai
data yang terletak di tengah-tengah (midpoint) dari suatu
distribusi data penelitian yang disusun secara berurutan.
Median dihitung dengan cara:
Apabila jumlah data ganjil, maka median diperoleh dari nilai
tengah.
Apabila jumlah data genah, maka median diperoleh dari rata-
rata antara dua angka.

c. Modus : mengukur tendensi sentral berdasarkan data yang

memiliki frekuensi paling banyak dari suatu distribusi data.
 Contoh Median penghasilan

25
a

20

15
frekuensi

10

0
195.0 -294.9 295.0 - 394.9 394.0 - 494.9 495.0 - 594.9 595.0 - 694.9 695.0 - 794.9 795.0 - 894.9 895.0 - 994.9 995.0 - 1095

Penghasilan dalam ribuan rupiah

 n %
Jenis kelamin
Laki-laki 22 44
Perempuan 28 56

Tingkat Pendidikan
Rendah 10 20
Sedang 25 50
Tinggi 15 30
Total 50 100

Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel

 45

40

35

30

25

20

15

10

0
Rendah Sedang Tinggi

Gambar 1.1 Contoh penyajian variabel kategorik dalam bentuk grafik

batang
Karakteristik Responden

Umur Jenis kelamin

19 (11,68%)
perempuan
(84,41%)
20 (79,22%)
21 (9,09%) laki-laki
(15,58%)

Mahasiswa PSIK FK UGM 2009

 Responden

28%

Ikut
Organisasi
72%
Statistik Ukuran Variabilitas
(Penyimpangan/Ukuran Penyebaran)
Ukuran Variabilitas: adalah suatu ukuran yang mengukur sebaran data.
Ukuran variabilitas yang sering digunakan adalah:
a. Varian, dirumuskan:

 xi  x 
2
s 
2

n 1
b. Deviasi Standar, dirumuskan:

 xi  x 
2
s
n 1
c. Skewness (Kecondongan): adalah ukuran bentuk atau derajat simetri
distribusi data, dirumuskan:

Mean - Modus
Skewness 
Deviasi Standar
Daftar Istilah
 Uji Komparatif/ Uji beda: Mencari perbedaan antara
variabel yang diteliti

 Uji Korelasi: Mencari hubungan asosiasi=> hubungan

antar variabel serta arah dan kekuatannya

 Uji Pengaruh: Mencari hubungan dan pengaruh antar

variabel=> Regresi; hasilnya model matematis untuk
meramalkan dependen (efek) dari variabel independen
(prediktor)
Asosiasi
 Hubungan (asosiasi) antara dua variabel atau lebih, meliputi : 1)
hubungan simetris (hubungan antara dua variabel atau lebih kebetulan
munculnya bersama. 2) hubungan kausal (hubungan yang bersifat
sebab akibat). 3) hubungan interaktif / timbal-balik (hubungan yang
saling mempengaruhi)
 Bagaimana sesuatu masalah berhubungan dengan masalah lain ?
Kenyataan dan pengalaman menunjukkan : 1) ada hubungan yang
kuat dan positif antara merokok dengan kanker paru-paru ; 2) ada
hubungan yang kuat dan positif antara makanan tinggi kadar kolesterol
dengan penyakit jantung.
 Asosiasi dalam bentuk pernyataan ini bermanfaat untuk : 1) memahami
secara lebih baik tentang hubungan antara variabel dependen dengan
variabel independen. 2) mengetahui kekuatan hubungan yang dapat
menuntun peneliti menuju suatu realisme penelitian ilmiah yang baru.
Tabulasi Silang

 Tabulasi Silang : merupakan cara termudah melihat asosiasi dalam sejumlah

data dengan perhitungan persentase.
 Variabel-variabel yang dipaparkan dalam suatu tabel tabulasi silang berguna
untuk : 1) menganalisis hubungan-hubungan antar variabel yang terjadi. 2)
melihat bagaimana kedua atau beberapa variabel berhubungan. 3) mengatur
data untuk keperluan analisis statistik. 4) untuk mengadakan kontrol terhadap
variabel tertentu sehingga dapat dianalisis tentang ada tidaknya hubungan palsu
(spurious relations). 5) untuk mencek apakah terdapat kesalahan-kesalahan
dalam kode atau pun jawaban dari daftar pertanyaan (kuesioner).
 Contoh : Seorang peneliti melakukan tabulasi silang antara variabel FULTIM
(apakah responden saat ini bekerja full time) dan WORKEXP (apakah
responden mempunyai pengalaman kerja sebelumnya)
 Dalam Tabel berikut ini menunjukkan Tabulasi Silang mengenai hal ini, dimana :
IV = Independent Variable
DV = Dependent Variable
Kolom 1 menunjukkan jawaban Ya terhadap pertanyaan mengenai status
pekerjaan full time. Ada 55 responden menjawab Ya atas pertanyaan ini.
Masing-masing sel dalam baris juga menyajikan informasi tambahan. Dalam sel
11, misalnya ada 33 diantara yang menjawab Ya terhadap pertanyaan status
pekerjaan full time juga mempunyai pengalaman kerja. Selain itu, 22 responden
dengan pengalaman kerja sebelum saat ini tidak bekerja full time.
Kerja Full Time dan Pengalaman Kerja : Tabulasi Silang 2x2

Independent Dependent Dependent

Variable (IV) Variable (DV) Variable (DV)
Saat ini Bekerja Full Saat ini Bekerja Full Total
Time (FULTIM) Time FULTIM)

Pengalaman
Kerja Sebelum- Ya Tidak
nya(WORKEXP)
33 22 55
Ya 60 % 40 %
A B
17 28 45
Tidak 38 % 62 %
C D
Total 50 50 100
Korelasi Kontinjensi (Contingency Correlation)
(1)

 Kendati Tabel Tabulasi Silang tersebut diatas

menunjukkan suatu hubungan antara dua variabel,
namun tidak menunjukkan rangkuman indikator
kekuatan hubungan. Untuk mengukur kekuatan
hubungan digunakan Koefisien Phi.
 Rumus untuk menghitung Phi adalah :

Phi = BC – AD
√(A + C)(B + D)(B + A)(D + C)
 Arah hubungan antara dua variabel dapat dibedakan
menjadi 3, yaitu:

a. Direct correlation (positive correlation): perubahan pada salah

satu variabel diikuti perubahan variabel lain secara teratur
dengan arah sama.
b. Inverse correlation (negative correlation): perubahan pada
salah satu variabel diikuti perubahan variabel lain secara teratur
dengan arah berlawanan.
c. Korelasi nihil (tidak berkorelasi): kenaikan nilai variabel yang
satu kadang-kadang disertai turunnya nilai variabel yang lain
atau kadang-kadang diikuti kenaikan variabel yang lain. Arah
hubungannya tidak teratur, kadang-kadang dengan arah yang
sama, kadang-kadang berlawanan.
Koefisien korelasi merupakan ukuran besar kecilnya atau kuat atau tidaknya
hubungan antara variabel-variabel apabila bentuk hubungan tersebut linier.

Koefisien korelasi (r) dinyatakan dengan bilangan antara 0 sampai +1 atau 0 sampai
–1.

Apabila koefisien korelasi mendekati +1 atau –1 berarti terdapat hubungan yang

kuat, sebaliknya apabila mendekati 0 berarti terdapat hubungan yang lemah atau
tidak ada hubungan. Tanda (+) menunjukkan adanya korelasi positif, tanda (-)
menunjukkan adanya korelasi negatif, dan 0 menunjukkan tidak adanya korelasi.

Salah satu metode untuk menghitung koefisien korelasi adalah metode Rank
Correlation, yang dirumuskan sebagai berikut:

Dimana: nn == Banyaknya
Banyaknya pasangan
pasangan data
 xy Dimana: data
r
  
xx == variabel
variabel independent
independent
2 2
x y yy == variabel
variabel dependent
dependent
Korelasi Kontijensi ( 2 ): Tahap Untuk Menghitung
Phi :
1. Letakkan frekuensi dalam bentuk tabel :

Variabel Y Variabel Y Total

Variabel X B A B+A
Variabel X D C D+C

Total B+D A+C N

FULTIM FULTIM Total

WORKEXP 22 33 55
WORKEXP 28 17 45

Total 50 50 100
Korelasi Kontijensi ( 3 )

2. Hitung Koefisien Phi dengan rumus :

Phi = BC - AD
√(A+B) (B+D) (B+A) (D+C)

= 22(17) - 33(28) = - 0,22

√50(50)(45)(55)

Nilai Koefisien Phi besarnya antara – 1 s/d 1. Semakin mendekati 1

menunjukkan hubungan antara dua variabel yang semakin kuat. Pada
kasus diatas hubungan antara FULTIM dan WORKEXP adalah
moderat.
Korelasi Spearman Rank

 Mengukur hubungan antara dua variabel ordinal kadang-kadang perlu

dilakukan. Bila peneliti tidak dapat mengasumsikan bahwa variabel-
variabel tersebut memiliki ciri interval (skala nilai), maka cara yang
tepat untuk mengukur asosiasi hubungan adalah dengan Korelasi
Spearman Rank atau Kendall Tau.
 Untuk menghitung koefisien ini pengukuran harus diranking untuk
setiap variabel dan perbedaan skor dihitung. Rumus untuk menghitung
koefisien korelasi Spearman Rank (Rho) adalah :

Rho = 1 - 6 Σd²
N (N² - 1)
di mana N = Jumlah Ranking
d = Perbedaan antar ranking dalam dua distribusi ranking.
Uji Perbedaan
Deteksi mengenai perbedaan antar kelompok amat berguna bagi peneliti.

Tingkat Pengukuran Dua Sampel Dua Sampel

Kasus Satu Sampel Sampel Bebas Sampel Terikat Klasifikasi Statistik

Nominal Uji hipotesis yang Uji hipotesis yang Uji Mc Nemar Non Parametrik
meliputi proporsi melibatkan dua
sampel : proporsi sampel :
Uji Chi-Square Analisis Tabel
(X²) Kontijensi

Ordinal Kolmogorov - Mann-Whitney , Uji Wilcoxon signed Non Parametrik

Smimov Median, Kruskal rank
Wallis

Interval dan Rasio Uji hipotesis yang Uji t untuk Uji t (d) Parametrik
meliputi suatu perbedaan
sampel statistik (uji-
t)

UjiF(Indep UjiF(Independensi) Parametrik

Uji X² endensi)