KONSEP UJI STATISTIK

Ada 3 hal yang akan dipelajari :

Univariat

Bivariat

Reabilitas dan
validitas
Pengertian Analisis univariat
Analisis univariat merupakan analisis yang digunakan pada
satu variabel dengan tujuan untuk mengetahui dan
mengidentifikasi karakteristik dari variabel tersebut.
Analisis ini merupakan teknik analisis paling dasar yang
sering digunakan dalam berbagai jenis penelitian.
Karena yang dianalisis hanya satu variabel, maka hasil dari
analisis univariat tidak bisa dan tidak boleh disimpulkan
dengan variabel lain.
Analisis ini memang kerap disamakan dengan analisis
deskriptif karena hanya memberikan gambaran terhadap
satu variabel saja tanpa adanya intervensi dari variabel lain.
Tujuan Analisis Univariat
Secara umum, tujuan dari analisis univariat:
Mengetahui karakteristik data  Berbicara karakteristik, kita bisa
melihat apakah data yang kita gunakan sekilas berdistribusi normal,
menceng kiri, menceng kanan, terdapat outlier, dll.
Mengetahui ukuran pemusatan, ukuran penyebaran, dan statistik
deskriptif lain dari sebuah data data Ukuran pemusatan,
penyaberan, dll merupakan identifikasi awal untuk melakukan analisis
lebih lanjut seperti analisis varianas, regresi, dll.
Menghasilkan distribusi frekuensi dari suatu data  Dengan
mengelompokkan data berdasarkan distribusinya, anda akan
mendapatkan berbagai informasi menarik seperti berapa jumlah anak
yang memiliki tinggi badan lebih dari 160 cm, kurang dari 170cm, dll.
Melakukan pengambilan kesimpulan
Yang perlu dipahami dalam analisis
univariat
Pahami jenis data terlebih dahulu  Ada banyak
sekali jenis data dan skala pengukurannya. Hal ini
akan memengaruhi arah dari penggunaan analisis
univariate itu sendiri. Ada baiknya, jenis data ini
diidentifikasi terlebih dahulu untuk memudahkan
proses analisis nantinya.
Pada umumnya, analisis univariat cukup terbatas 
Dalam praktiknya, penggunanaan analisis statistik
inferensial untuk kasus satu variabel tergolong
terbatas.
Contoh Analisis Univariat dengan SPSS

Untuk analisis univariate, dapat

menggunakan SPSS.

Hal ini dikarenakan banyaknya fitur

analisis serta proses penggunaan yang
sangat mudah tanpa perlu mengetahui
formula atau berbagai jenis syntax.
LANGKAH-LANGKAHNYA SEBAGAI BERIKUT :
1. Siapkan data anda terlebih dahulu
2. Pilih Analyze > Descriptive Statistics > Frequencies
3.Pilih Statistics, aktifkan output yang ingin anda tampilkan
4. Pilih analisis apa saja yang ingin anda tampilkan
5. Pilih tab Chart
6. Pilih analisis yang ingin anda hasilkan
7. Lakukan interpretasi hasil
Berdasarkan hasil analisis univariate yang kita lakukan, berikut informasi yang bisa kita dapatkan:
1. Rata-rata tinggi badan dari 30 orang sampel tersebut adalah 169,87 cm
2. Standar deviasi dari tinggi badan 30 prang sampel tersebut adalah 5,87
3. Nilai modus atau tinggi badan yang paling banyak muncul pada kelompok data tersebut adalah 174 cm
4. Jarak tinggi badan tertinggi dan terendah berdasarkan data tersebut adalah 20 cm
5. Berdasarkan histogram, data tidak terlalu mengikuti distribusi normal. Hal ini bisa dijadikan
identifikasi awal bahwa data yang kita gunakan tidak normal. Namun, hal ini tentunya belum bisa
dijadikan kesimpulan mutlak. Perlu dilakukan pengujian statistik agar bisa mendapatkan kesimpulan
yang lebih valid.
6. Nilai kurtosis dari data tersebut adalah -1,224. Hal ini berarti distribusi data yang menunjukkan
menceng kiri.
7. Nilai skewness dari data tersebut adalah -0.42. Hal ini berarti distribusi data menunjukan sebaran yang
lebih rata (platikurtik).
Analisis Bivariat
Analisis bivariat merupakan analisis yang dilakukan untuk
mengetahui hubungan antara 2 variabel. Dalam analisis ini, dua
pengukuran dilakukan untuk masing-masing observasi.
Dalam analisis bivariat, sampel yang digunakan bisa saja
berpasangan atau masing-masing independen dengan perlakuan
tersendiri.
Secara umum, dalam analisis bivariat, variabel yang digunakan
bisa saja berhubungan atau berdiri sendiri (independen). Saling
berhubungan artinya sampel yang sama diberikan 2 pengukuran
berbeda.
Sedangkan, independen maksudnya adalah pengukuran
dilakukan pada kedua kelompok sampel yang berbeda.
Jenis Analisis Bivariat
I. Analisis Deskriptif
 Pada analisis deskriptif, analisis bivariat bisa berlaku pada hampir seluruh
visualisasi data. Jenis tampilan visualisasi seperti grafik batang, grafik garis,
grafik column, dll masih bisa digunakan untuk analisis bivariat.
 Salah satu visualisasi data menarik yang biasa dilakukan dengan analisis
bivariat adalah scatterplot.
 Scatterplot merupakan visualisasi data dalam bentuk titik-titik yang
ditampilkan dalam sumbu x dan ya. Sumbu x dan y mewakili nilai dari
masing-masing variabel.
 Dengan menggunakan scatterplot, kita bisa melihat pola hubungan antara 2
variabel. Hubungan yang terbentuk bisa jadi linier, eksponensial, seasonal,
dll sesuai dengan kondisi data.
 Jangan lupa, scatterplot hanya alat bantu untuk mendeteksi pola hubungan,
bukan untuk menarik kesimpulan terhadap pola hubungan antara 2 variabel.
II.Analisis Inferensial
 Dengan menggunakan analisis inferensial, anda bisa
mengambil kesimpulan yang valid dalam pengujian 2
variabel.
 Berbicara analisis inferensial, ada banyak jenis uji
statistik yang bisa anda lakukan dengan 2 variabel.
 Sebelum lebih jauh, ada baiknya anda memahami skala
dan pengertian data sehingga lebih mudah dalam
mengidentifikasi analisis nantinya,
Berikut sedikit daftar jenis analisis uji :
1. Uji McNemar
 Uji McNemar merupakan uji bivariat yang
digunakan untuk menguji sebelum dan sesudah
perlakuan (Pre-Test dan Post-Test) dimana setiap
individu digunakan sebagai pengontrol dirinya
sendiri.
 Uji ini dilakukan untuk pengukuran data nominal
dan ordinal.
 Uji ini digunakan untuk menguji keefektifan suatu
perlakukan tertentu terhadap kondisi sampel.
2. Uji Sign
 Uji Sign digunakan untuk mengetahui ada tidaknya
perbedaan dari data ordinal yang diperoleh dari sampel
yang sama dan berpasangan.
 Yang perlu diingat dari uji Sign adalah uji ini hanya
ampu mengetahui ada tidakknya perbedaan, bukan besar
kecilnya perbedaan tersebut.
 Uji ini dilakukan dengan memberi tanda positf atau
negatif dari perbedaan antar pasangan data.
 Uji Sign bisa digunakan untuk mengidentifikasi
kecenderungan seseorang terhadap 2 buah brand poduk.
 Skala data yang digunakan pada uji ini adalah ordinal
3. Uji Wilcoxon Matched Pairs
 Uji Wilcoxon merupakan uji yang dilakukan untuk
mengetahui apakah terdapat hubungan antara dua
variabel atau tidak.
 Skala data yang digunakan pada uji ini adalah ordinal.
4. Uji-t Berpasangan
 Uji-t Berpasangan merupakan uji dua variabel
yang dilakukan untuk mengetahui apakah terdapat
perbedaan rata-rata yang signifikan atau tidak.
 Contoh penggunaan uji-t berpasangan adalah
pengujian apakah terdapat perbedaan rata-rata
yang signifikan antara nilai matematika dan nilai
kesenian siswa kelas A.  
5.Uji Fisher Exact Probability
 Uji Fisher Exact Probability merupakan pengujian yang
dilakukan untuk mengetahui signfikanasi dari hipotesis
komparatif pada dua sampel kecil independen.
 Uji ini digunakan bila kondisi data bersifat nominal dan
ordinal.
 Dalam perhitungannya, data dalam pengujian ini
dikelompokkan menjadi 2 kelompok independen.
Misalnya, pria dan wanita, lalu kelompok miskin dan
tidak miskin.
 Nantinya, perhitungan ini akan dikelompokkan dalam
table kontingensi 2×2.
6. Uji Chi-Square 2 Sampel
 Uji Chi-Square 2 sampel digunakan untuk mengetahui
apakah terdapat hubungan antara 2 variabel atau tidak.
 Pada uji chi-square 2 sampel, skala data yang
digunakan adalah skala nominal.
7. Uji Median
 Uji ini digunakan untuk menguji hipotesis komparatif
dari dua sampel independen. Pada pengujian ini, skala
data yang digunakan adalah nominal dan ordinal.
 Pengujian ini didasarkan atas median sampel yang
diambil secara acak.
 Skala data yang digunakan pada uji ini adalah nominal
dan ordinal.
8. Uji Mann-Whitney U-Test
 Uji Mann-Whitney U-Test digunakan untuk
mengetahui signifikansi perbedaan dari dua populasi.
 Pada uji ini, skala data yang digunakan adalah ordinal.
 Contoh pengujian Man-Whitney U-Test adalah
seorang guru ingin mengetahui apakah siswa
dikelasnya memang memiliki bakat dalam pelajaran
matematik atau lebih didominasi karena bantuan les.
9. Uji Kolmogorov Smirnov
 Uji Kolmogorov Smirnov merupakan uji yang
dilakukan untuk mengetahui apakah dua variabel
memiliki distribusi yang sama atau tidak.
 Uji ini biasa digunakan untuk membuktikan apakah
dua variabel yang digunakan berasal dari distribusi
yang sama sebelum dilakukan analisis lanjutan.
 Skala data yang digunakan pada uji ini adalah interval
dan rasio
10. Uji Wald-Waldovitz
 Uji Wald-Waldovitz merupakan uji yang dilakukan
apakah dua variabel yang digunakan berasal dari
populasi yang sama atau tidak.
 Dalam uji ini, setidaknya data yang digunakan
memiliki skala ordinal.
11. Uji t–test Independen
 Uji-t independen merupakan uji yang dilakukan
apakah 2 variabel yang berasal dari kelompok yang
berbeda memiliki rata-rata yang sama atau tidak.
 Dalam uji ini, skala data yang digunakan adalah
interval dan rasio.
 Contohnya, seorang peneliti ingin membuktikan
apakah nilai rata-rata ujian akhir sekolah favorit
berbeda signifikan dengan sekolah non favorit.
12. Analisis Korelasi
 Analisis korelasi merupakan analisis yang digunakan
untuk mengetahui hubungan antara 2 variabel. Dengan
analisis korelasi, kita bisa mengetahui apakah 2 variabel
memiliki hubungan yang positif ataupun negatif.
 Penting untuk diingat bahwa korelasi hanyalah analisis
yang menjelaskan seberapa kuat hubungan antara 2
variabel.
 Analisis korelasi tidak bisa dijadikan dasar untuk
menyimpulkan hubungan sebab akibat (kausalitas) antara
2 variabel.
 Contoh penggunaan analisis korelasi adalah hubungan
antara tinggi badan dan berat badan siswa.
13. Analisis Regresi Linier Sederhana
 Analisis regresi linier sederhana merupakan analisis
yang digunakan untuk mengetahui pengaruh dari suatu
variabel terhadap variabel lain.
 Berbeda dengan analisis korelasi, analisis regresi linier
sederhana bertujuan untuk menjelaskan hubungan
sebab akibat (kausalitas) antara variavel independen
dengan variaben dependen.
 Dengan analisis ini, kita bisa menyimpulkan seberapa
jauh suatu variabel memengaruhi variabel lainnya.
Contoh penerapan dalam SPSS
1. Graphs > Legacy Dialog > Scatter Dot
2. Klik simple scatter > define
3.Masukkan variabel yang akan dibuat scatter
plot pada sumbu x dan y
4. Pada menu titles, ketik judul scatterplot yang kita
inginkan, klik continue
5. Klik Ok
Berikut hasil diagram scatter plot berdasarkan data yang kita gunakan.
Berikut tahapan penggunaan analisis regresi linier
sederhana pada SPSS
1. Analyze > Regression > Linear
2. Input variabel yang akan kita analisis. Dalam kasus ini, berat badan
adalah variabel dependen sedangkan tinggi badan adalah variabel
independen
3. Klik Ok
4. Berikut output yang kita dapatkan
Berdasarkan hasil pengujian ada 3 hal utama yang kita simpulkan:
1. Tinggi badan memengaruhi berat badan siswa sebesar 76.2
persen. Hal ini terlihat dari nilai r square sebesar 0.762.
2. Model yang terbentuk berdasarkan hasil analisis di atas adalah y
= -156.598 + 1.302 X
Berdasarkan persamaan tersebut, bisa disimpulkan bahwa setiap
penambahan tinggi badan siswa sebesar 1 cm, berat badan siswa
akan naik sebesar 1,302 kg.
3. Berdasarkan hasil uji signifikansi (huruf C) terlihat nilai p-value
lebih kecil dari alpha (0.05). Hal ini membuktikan bahwa
terdapat hubungan positif yang signfikan antara tinggi badan dan
berat badan. Semakin tinggi berat badan seorang siswa, semakin
naik berat seorang siswa.
Uji Validitas dan Reliabilitas
Uji Validitas
Validitas berasal dari kata validity yang mempunyai arti
sejauh mana ketepatan dan kecermatan suatu alat ukur
dalam melakukam fungsi ukurannya (Azwar 1986). Selain
itu validitas adalah suatu ukuran yang menunjukkan
bahwa variabel yang diukur memang benar-benar variabel
yang hendak diteliti oleh peneliti (Cooper dan Schindler,
dalam Zulganef, 2006).
Untuk melakukan uji validitas ini menggunakan program
SPSS.  Teknik pengujian yang sering digunakan para
peneliti untuk uji validitas adalah menggunakan korelasi
Bivariate Pearson (Produk Momen Pearson). Analisis ini
dengan cara mengkorelasikan masing-masing skor item
dengan skor total. Skor total adalah penjumlahan dari
keseluruhan item. Item-item pertanyaan yang berkorelasi
signifikan dengan skor total menunjukkan item-item
tersebut mampu memberikan dukungan dalam
mengungkap apa yang ingin diungkap à Valid.
Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka
instrumen atau item-item pertanyaan berkorelasi
signifikan terhadap skor total (dinyatakan valid).
Langkah-langkah dalam pengujian validitas ini yaitu :
4. Cek list Pearson ; Two Tailed ; Flag
5. Klik Ok
Tabel rangkuman hasil uji validitas tersebut dapat dilihat sebagai
berikut :
 Uji Reliabilitas
Reliabilitas berasal dari kata reliability. Pengertian dari reliability
(rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan
Situnjak (2006) menyatakan bahwa reliabilitas menunjuk pada suatu
pengertian bahwa instrumen yang digunakan dalam penelitian untuk
memperoleh informasi yang digunakan dapat dipercaya sebagai alat
pengumpulan data dan mampu mengungkap informasi yang sebenarnya
dilapangan.
Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk
mengukur suatu kuesioner yang merupakan indikator dari peubah atau
konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban
seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu
ke waktu. Reliabilitas suatu test merujuk pada derajat stabilitas,
konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki
reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan
data yang reliabel
 Uji Reliabilitas
 Menurut Masri Singarimbun, realibilitas adalah indeks yang
menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau
dapat diandalkan. Bila suatu alat pengukur dipakai dua kali –
untuk mengukur gejala yang sama dan hasil pengukuran yang
diperoleh relative konsisten, maka alat pengukur tersebut
reliable. Dengan kata lain, realibitas menunjukkan konsistensi
suatu alat pengukur di dalam pengukur gejala yang sama.
 Menurut Sumadi Suryabrata (2004: 28) reliabilitas
menunjukkan sejauhmana hasil pengukuran dengan alat
tersebut dapat dipercaya. Hasil pengukuran harus reliabel
dalam artian harus memiliki tingkat konsistensi dan
kemantapan.
 Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach
karena instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus
Alpha Cronbach sevagai berikut :

 Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability)
sementara jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh
tes secara konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang
memaknakannya sebagai berikut:
 Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka
reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha <
0.50 maka reliabilitas rendah. Jika alpha rendah, kemungkinan satu atau beberapa
item tidak reliabel.
Langkah pengujian reliabilitas dengan SPSS :
TERIMA
KASIH