ALAT UJI STATISTIK

Penggunaan Statistik

 Statistik merupakan sekumpulan metode yang

digunakan untuk menarik kesimpulan yang
masuk akal (logis) dari suatu data.
 Statistik yang digunakan untuk analisis data
berupa: deskripsi dan estimasi data untuk
menarik kesimpulan hasil penelitian.
 Pengunaan Statistik
Jika data yang diteliti berupa sampel, maka
statistik digunakan untuk menarik kesimpulan
berupa:
1. Deskripsi statistik sampel (statistik deskriptif),
atau
2. Estimasi statistik sampel terhadap parameter
populasi (statistik inferensial) dengan teknik
probabilitas.
 Tahap Persiapan Data

1. Pengeditan (Editing)
2. Pemberian Kode (Coding)
3. Pemrosesan Data (Data Processing)
 Pengeditan
 Editing merupakan proses pengecekan dan
penyesuaian data penelitian untuk memudahkan
proses pemberian kode dan pemrosesan data
dengan teknik statistik.
 Data penelitian yang dikumpul melalui metode
survei atau observasi perlu diedit dari kekeliruan
dalam proses pencatatan yang dilakukan oleh
pengumpul data, pengisian kuisioner yang tidak
lengkap atau tidak konsisten.
 ....
 Tujuan editing adalah untuk menjamin
kelengkapan, konsistensi dan kesiapan data
penelitian dalam proses analisis.
 Proses editing dapat dilakukan:
1. Di lapangan (field editing) setelah dilakukan
pengecekan terhadap isian kuisioner, atau
2. Di tempat peneliti (in-house editing) setelah
beberapa atau semua data terkumpul.
 Pemberian Kode (Coding)
 Coding merupakan proses identifikasi dan
klasifikasi data penelitian ke dalam skor
numerik atau karekter simbol.
 Klasifikasi coding diperlukan untuk data
penelitian, misal:
 Jawaban dari tipe pertanyaan tertutup (close-ended
questions) yang tidak memberikan alternatif kepada
responden selain pilihan jawaban yang tersedia.
 ....
 Jawaban dari tipe pertanyaan terbuka (open-ended
questions) memerlukan judgement dari pemberi kode
dalam mengintepretasikan jawaban responden.
Tujuan coding pada tipe pertanyaan terbuka untuk
mengurangi variasi jawaban responden menjadi
beberapa kategori umum sehingga dapat diberi skor
numerik atau simbol.
 Teknis pemberian kode dilakukan sebelum atau

setelah pengisian kuisioner.

 Proses pemberian kode memudahkan dan

meningkatkan efisiensi proses data entry ke dalam

komputer.
 Pemrosesan Data
 Paket aplikasi statistik yang bisa digunakan
untuk analisis data dengan komputer, antara
lain: SPSS, SAS, Staf-Easy dan Minitab.
 Paket aplikasi statistik yang sering digunakan
dalam penelitian bisnis adalah Statistical
Package for the Social Sciences (SPSS).
 Statistik Deskriptif

 Statistik deskriptif merupakan proses

transformasi data penelitian dalam bentuk
tabulasi sehingga mudah dipahami dan
diinterpretasikan.
 Tabulasi menyajikan ringkasan data dalam
bentuk tabel numerik dan grafik.
 Statistik deskriptif memberikan informasi
mengenai karakteristik variabel penelitian dan
data demografi responden (jika ada).
 Ukuran Statistik Deskriptif

1. Frekuensi
2. Tendensi sentral (rata-rata, median, modus)
3. Dispersi (deviasi standar dan varian)
4. Koefisien korelasi
 Tipe Pengukuran dan Analisis Deskriptif
Tipe Skala Pengukuran Tipe Analisis Deskriptif

• Frekuensi (absolut
Skala Nimonal dan proporsi)
• Mode

• Ukuran rangking
Skala Ordinal • Median

Skala Interval Rata-rata Aritmatik

• Angka Indeks
Skala Rasio • Rata-rata Geometrik
• Rata-rata Harmonik
Harmoni
 Frekuensi
 Frekuensi menunjukkan nilai distribusi data
penelitian yang memiliki kesamaan kategori.
 Frekuensi suatu distribusi data penelitian
dinyatakan dengan ukuran absolut (f) atau
proporsi (%).
 Penyajian ukuran frekuensi menggunakan
tabel numerik atau grafik.
 Contoh ukuran frekuensi
statistik deskriptif demografi responden
Frekuensi
Absolut Persentase (%)
Jenis Kelamin
Pria 98 56,3
Wanita 76 43,7
Lama Bekerja
< 1 tahun 66 37,9
1 – 2 tahun 40 23,0
2 – 3 tahun 28 16,1
> 3 tahun 40 23,0
Bidang Konsentrasi
Audit 160 92,0
Pajak 1 0,6
Sistem/Konsultasi 7 4,0
Lainnya 6 3,4
 Tendensi Sentral
 Tendensi sentral menunjukkan nilai sentral
dari distribusi data penelitian
 Tendensi sentral dinyatakan dengan tiga
ukuran:
 Rata-rata (Mean)
 Median
 Modus
 Rata-rata (mean)
 Ukuran rata-rata menunjukkan nilai sentral suatu
distribusi data berdasarkan nilai rata-ratanya.
 Rata-rata dihitung dengan cara membagi nilai
hasil penjumlahan sekelompok data dengan
jumlah data yang diteliti.
 Rata-rata sampel dinyatakan dengan notasi dan
rata-rata populasi dinyatakan dengan notasi µ x
(dibaca: mu)
 Rumus Rata-rata
n
xi
 Rata-rata sampel = x = 
i 1 n
n
xi
 Rata-rata populasi = µ = 
i 1 N
dimana:
 x = merupakan notasi dari penjumlahan data
n
i
i 1
x1 + x2 + x3 + …. + xn
n = jumlah sampel yang diteliti
N = jumlah populasi yang diteliti
 Median

Ukuran median menunjukkan nilai data yang

terletak ditengah-tengah (midpoint) dari suatu
distribusi data penelitian yang disusun secara
berurutan.
 Modus
 Ukuran modus menunjukkan data yang memiliki
frekuensi paling banyak dalam suatu distribusi
data.
 Kelebihan modus adalah mudah ditemukan,
digunakan untuk semua skala pengukuran, tidak
dipengaruhi nilai ekstrem.
 Kelemahan modus adalah sekumpulan data tidak
memiliki modus, atau memiliki modus lebih dari
satu.
 Dispersi (Dispersion)
 Dispersi menunjukkan variasi data yang
diteliti dari angka rata-ratanya.
 Perbedaan antara nilai data yang diteliti
dengan nilai rata-ratanya disebut dengan
deviasi (deviation)
 Rumus deviasi: di = (xi – x )
 Ukuran Deviasi
1. Deviasi Rata-rata (Average Deviation)
2. Deviasi Absolut Rata-rata (Mean Absolute
Deviation)
3. Deviasi Kuadrat Rata-rata (Mean Square
Deviation)
4. Varian (Variance)
5. Deviasi Standar (Standard Deviation)
 Deviasi Rata-rata
(Average Deviation)
 Deviasi rata-rata menunjukkan penjumlahan dari
deviasi masing-masing data yang diteliti dengan
nilai rata-ratanya dibagi jumlah data.
 Rumus deviasi rata-rata:  ( xi  x )
n
 Deviasi dari masing-masing data yang diteliti akan
mempunyai nilai negatif atau nilai positif. Jika nilai
deviasi negatif sama besarnya dengan nilai deviasi
positif, maka deviasi rata-rata sama dengan nol.
 Deviasi Absolut Rata-rata
(Mean Absolute Deviation)
 Deviasi absolut rata-rata menghitung deviasi
rata-rata dengan mengabaikan tanda positif
atau negatif pada nilai deviasi setiap data yang
diteliti dan hanya menggunakan nilai absolut
untuk masing-masing deviasi.
 Rumus deviasi absolut rata-rata:  xi  x
n
 Deviasi Kuadrat Rata-rata
(Mean Square Deviation)
 Deviasi kuadrat rata-rata merupakan cara lain
menghilangkan tanda positif atau negatif pada
masing-masing deviasi.
 Penghitungannya: menjumlahkan masing-
masing deviasi kuadrat dibagi dengan jumlah
data.
 Rumusnya:  (x  x)
i
2

n
 Varian (Variance)
 Varian sampel (s2) merupakan penghitungan
nilai rata-rata deviasi yang dikuadratkan dibagi
dengan (n-1).
 Penghitungan varian sampel bermanfaat unutk
mengukur variabilitas sampel.
Rumusnya: Varian = s2 =  ( xi  x )
2


(n  1)
 Deviasi Standar
(Standard Deviation)
 Deviasi standar (s) merupakan nilai akar dari
varian.
 Rumusnya: Deviasi Standar = s =
 ( xi  x ) 2

(n  1)
 Statistik Inferensial
 Statistik inferensial bertujuan untuk membuat inferensi
(prediksi atau keputusan) mengenai populasi
berdasarkan informasi yang didapat dari data sampel.
 Perhatian statistik inferensial adalah untuk mengetahui
atau mengambil kesimpulan dari data melalui analisis:
 Hubungan antar dua variabel
 Perbedaan dalam suatu variabel antar anggota kelompok
yang berbeda
 Bagaimana beberapa variabel independen dapat
menjelaskan terjadinya perubahan dalam satu variabel
dependen
 Kategori Statistik Inferensial

1. Statistik parametrik
2. Statistik non-parametrik
 Statistik Parametrik
 Digunakan, jika memenuhi asumsi bahwa populasi
asal data sampel berdistribusi normal dan data
penelitian diukur dengan skala interval dan skala rasio.
 Statistik parametrik terbagi menjadi statistik univariat
dan statistik multivariat.
 Contoh statistik univariat: t-test, Z test, korelasi
Pearson, ANOVA.
 Contoh statistik multivariat: MANOVA, descriminant
analysis, factor analysis, cluster analysis,
multidemensional scaling
 Statistik Non-parametrik
 Digunakan, tanpa mensyaratkan asumsi normalitas
distribusi populasi dan data penelitian diukur dengan
skala nominal dan skala ordinal.
 Contoh statistik non-parametrik: sign test, Mann-
Whitney U test, korelasi Spearman, uji chi-square.
Akhir TM-9….