Deskriptif
Statistik Parametrik
Nonparametrik
Pengumpulan data
– sumber data
– metode pengumpulan data
– alat ukur yg digunakan
Pengolahan data
– Editing (memeriksa data)
– Coding (memberi kode)
– Tabulating (menyusun data)
Tahap Kegiatan Statistik
Penyajian data
– tulisan
– tabel
– grafik
Analisis data (pengujian hipotesis)
Penarikan kesimpulan
PENGUJIAN HIPOTESIS DESKRIPTIF
Pengujian hipotesis deskriptif proses pengujian
generalisasi hasil penelitian yg didasarkan pada satu
sampel
Kesimpulan yg dihasilkan apakah hipotesis yg diuji
dpt digeneralisasikan atau tidak
Bila Ho diterima berarti dapat digeneralisasikan
Variabel penelitian bersifat mandiri dan sampelnya
hanya 1
Hipotesis penelitian tidak berbentuk perbandingan
ataupun hubungan antar dua variabel atau lebih
Terdapat dua macam pengujian hipotesis deskriptif,
yaitu uji dua fihak (two tail test) dan uji satu fihak (one
tail test) yg terdiri dari uji fihak kiri dan uji fihak kanan
Jenis uji mana yg akan digunakan tergantung pada bunyi
kalimat hipotesis
PENGUJIAN HIPOTESIS KOMPARATIF
Pengujian hipotesis komparatif proses pengujian
parameter populasi yg berbentuk perbandingan melalui
ukuran sampel
Kesimpulan yg dihasilkan menguji kemampuan
generalisasi yg berupa perbandingan keadaan variabel
dari dua sampel atau lebih
Bila Ho diterima berarti nilai perbandingan dua sampel
atau lebih tersebut dpt digeneralisasikan utk seluruh
populasi
Desain penelitian masih menggunakan variabel mandiri
(satu variabel) seperti dlm penelitian deskriptif tetapi
variabel tsb berada pada populasi dan sampel yg
berbeda
Jenis uji mana yg akan digunakan tergantung pada bunyi
kalimat hipotesis
PENGUJIAN HIPOTESIS ASOSIATIF
Pengujian hipotesis asosiatif dugaan adanya
hubungan antar variabel dalam populasi/sampel
Kesimpulan yg dihasilkan menguji koefesien korelasi
yang ada pada sampel utk diberlakukan kepada seluruh
populasi dimana sampel itu diambil
Jenis uji mana yg akan digunakan tergantung pada bunyi
kalimat hipotesis
Uji-t (t-test)
Jenis uji-t :
1. Uji-t satu sampel
2. Uji-t sampel bebas
3. Uji-t sampel berpasangan
Uji-t Satu Sampel
Fungsi Uji :
Untuk mengetahui perbedaan sekumpulan
data dengan suatu standart tertentu
Asumsi :
Data berskala minimal interval
Data berdistribusi Normal
Uji-t Satu Sampel
Hipotesis :
Satu arah
1. H0 : ≤ 0 2. H0 : ≥ 0
Ha : > 0 H a : < 0
Dua arah
3. H0 : = 0
H a : 0
Uji-t Satu Sampel
Statistik Uji :
X 0
t hit
s/ n
Dimana :
X = rata-rata sample
n = ukuran sample
s = simpangan baku sample
0 = rata-rata populasi yang dihipotesiskan (nilai standar tertentu)
Uji-t Satu Sampel
Pengambilan keputusan :
Untuk menarik kesimpulan (apakah H0 diterima
atau ditolak ), digunakan table t-student dengan
derajat bebas (n –1) dan tingkat signifikansi .
Ho ditolak jika,
X 0
∑ (Xi – X)2
t hit
S=
√ (n – 1) s/ n
(390) 71 80
t hit
S=
√ 9
= 6,2
6,2 / 10
| thit | > t tabel ?
DK = n - 1
CONTOH SOAL …..
Usia Akseptor KB di Puskesmas Slawi
adalah 30, maka peneliti melakukan
pengujian apakah betul usianya kurang dari
30 pada 10 akseptor yang ternyata hasilnya
:
20 30 35 40 20 25 35 15
20 25
Ho : µ ≥ 30, Ha : µ < 30
Uji-t Sampel Bebas dan
Berpasangan
Statistik Uji :
X1 X 2
t hit
2 2
s1 s2
Dimana :
n1 n2
X = rata-rata sample
n = ukuran sample
s = simpangan baku sample
CONTOH SOAL UJI T BERPASANGAN
Ho : µ1 = µ2, Ha : µ1 ≠ µ2
CONTOH SOAL UJI T BERPASANGAN
Ho : µ1 ≥ µ2, Ha : µ1 < µ2
STATISTIK NON PARAMETRIK (Chi-Square)
Tidak mengharuskan distribusi normal
Dapat dipakai untuk level data seperti nominal dan ordinal
Cederung lebih sederhana dan mudah dimengerti
Salah satu uji yang sering dipakai dalam praktek adalah Uji Chi-
Square. Uji ini dipakai untuk menguji apakah data sebuah sampel
yang diambil menunjang hipotesis yang menyatakan bahwa populasi
asal sampel tsb. mengikuti distribusi yang telah ditetapkan
(menyatakan perbedaan).
X2 = Chi Kuadrat
2 = [(fo-ft)2] Fo = Frekuensi yg diobservasi
ft Ft = Frekuensi yg diharapkan
Namun dalam prakteknya, uji ini tetap mengikuti prinsip dasar pengujian
Chi-Square yaitu membandingkan antara frekuensi-2 harapan dengan
frekuensi-2 teramati.
Contoh :
------------------------------------------------------------------------------------------------
-
Partisipasi Pendidikan Semua Tk.
dlm BIMAS TT SD Tamat SD Pendidikan
------------------------------------------------------------------------------------------------
-
fo ft (fo-ft)2 fo ft (fo-ft)2
ft ft N
Ikut BIMAS 47 39,48 1,43 35 42,52 1,32 82
------------------------------------------------------------------------------------------------
-
Mahasiswa fo ft fo-ft (fo-ft)2 (fo-ft)2
Bhamada ft
------------------------------------------------------------------------------------------------
-
Pria 200 150 50 2500 16,67
------------------------------------------------------------------------------------------------
-
Catatan : Disini frekuensi yg diharapkan (ft) untuk kelompok
Jumlah 300 300
mahasiswa pria dan 0 wanita 5000
300/2 = 150 33,33
Contoh :
------------------------------------------------------------------------------------------------
-
Partisipasi Pendidikan Semua Tk.
dlm KB TT SD Tamat SD Pendidikan
------------------------------------------------------------------------------------------------
-
fo ft (fo-ft)2 fo ft (fo-ft)2
ft ft N
Ikut KB 150 75 225
------------------------------------------------------------------------------------------------
-
Warna fo ft fo-ft (fo-ft)2 (fo-ft)2
Mobil ft
------------------------------------------------------------------------------------------------
-
Biru 1000
Merah 900
Putih 600
Hitam 500
------------------------------------------------------------------------------------------------
-
Catatan : Disini frekuensi yg diharapkan (ft) untuk setiap
Jumlah 3000 3000/4 = 750
katagori
Chi-Kuadrat dua sampel
• untuk menguji hipotesis komparatif dua sampel bila datanya
berbentuk nominal dan sampelnya besar (tabel 2 x 2)
Sampel A a b a+b
Sampel B c d c+d
n =Jumlah
jumlah sampel a + c b+d n
2 = n[(ad-bc)-1/2n]2
(a+b) (a+c) (b+d) (c+d)
Contoh …..
Sampel Puskesmas Jumlah
Slawi Adiwerna Sampel
Ikut KB 60 20 80
Tidak ikut KB 30 40 70
Jumlahsampel
n = jumlah 90 60 150
2 = n[(ad-bc)-1/2n]2
(a+b) (a+c) (b+d) (c+d)
2 = 150[(60x40-20x30)-1/2x150]2
(60+20) (60+30) (20+40) (30+40)
ANALISIS ASOSIATIF
JENIS HUBUNGAN
Simetri: terdapat hubungan antar variabel dan bersifat tidak
ada yang saling mempengaruhi (analisis yang tepat adalah
korelasi)
Asimetri: hubungan antar variabel yang terjadi bersifat yang
satu mempengaruhi (independen) dan lainnya dipengaruhi
(dependen); analisis regresi dan path
Resiprok: hubungan antar variabel yang terjadi bersifat saling
mempengaruhi (pengaruh bolak-balik), analisis SEM
(structural equation modelling)
ANALISIS ASOSIATIF
DAT A
KORELASI REGRESI
X Y
Nominal Nominal Kontingensi, C Logit, Probit, LPM
Odd Ratio Diskriminan, dummy variabel
Relative Risk Logistik, dummy variabel
r = sxy/sxsy
= Cov. (X,Y)/[Var(X).Var(Y)]1/2
r= nXY - X Y
nX2 - (X)2 nY2 (Y)2
Nilai r dapat bervariasi dari -1 melalui 0 hingga +1, bila r =0 atau mende kati
0, maka hub. antara kedua variabel sangat lemah atau tidak ada.
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
Siswa X X2 Y Y2 XY
A 2 6 4 36 12
B 2 6 4 36 12
C 1 4 1 16 4
D 3 8 9 64 24
E 4 8 16 64 32
F 3 7 9 49 21
G 4 9 16 81 36
H 1 5 1 25 5
I 1 4 1 16 4
J 2 6 4 36 12
ΣX = 23 ΣY = 63 ΣX2 = 65 ΣY2 = 423 ΣXY= 162
Contoh soal :
1. Untuk mengetahui ada tidaknya hubungan antara pendapatan dan
pengeluaran, untuk keperluan tsb, maka telah dilakukan pengumpulan
data terhadap 9 reponden
X = 800 700 600 700 800 900 600 500 500
Y = 300 300 200 200 200 300 100 100 100
Ho : ρ = 0, Ha = : ρ ≠ 0
Contoh menghitung validitas dengan
Rumus Korelasi Product Momen
Sebuah instrumen penelitian/pengukuran terdiri dari 10 item dan
disebarkan pada 10 orang responden dengan hasil skor seperti
dalam tabel
Dari tabel terlihat bahwa Responden
berjumlah 10 orang (A,B,C,……,J)
Jumlah item adalah 10 item/pertanyaan
perhitungan korelasi dilakukan untuk tiap
item dari item nomor 1 sampai item no 10,
untuk contoh perhitungan akan diambil
item no 2
X adalah item ke n (dalam contoh diambil item nomor 2)
Y adalah total skor untuk masing-masing responden.
Selanjutnya dibuat perhitungan
Untuk menghitung korelasi bisa dipakai rumus
korelasi product moment
Ho : ρ = 0, Ha = : ρ ≠ 0
Koefesien Kontingensi
Koefesien kontingensi digunakan utk
menghitung hubungan antara variabel bila
datanya berbentuk nominal
2
C=
2 + N
Contoh :
------------------------------------------------------------------------------------------------
-
Partisipasi Pendidikan Semua Tk.
dlm BIMAS TT SD Tamat SD Pendidikan
------------------------------------------------------------------------------------------------
-
fo ft (fo-ft)2 fo ft (fo-ft)2
ft ft N
Ikut BIMAS 47 39,48 1,43 35 42,52 1,32 82