Pertanyaan penelitian/tujuan/hipotesis
Skala pengukuran
Metode sampling
Besar sampel
MEMILIH STATISTIK YANG TEPAT
Kategorik/Kualitatif Numerik/Kuantitatif
Skala Ukur
Statistik Non
Statistik Parametrik
Parametrik
DATA NOMINAL
Data yang dinyatakan dalam bentuk klasifikasi dan
klasifikasinya tidak menunjukkan peringkat.
Posisi data setara. (=)
Angka yang dicantumkan hanya berfungsi sebagai
pengganti nama atau sebagai sebutan saja; hanya
merupakan lambang.
Jenis statistik yang cocok untuk mengolah data ini
adalah statistik deskriptif, misalnya perhitungan
frekuensi kemunculan, persentase, modus, dan
proporsi,statistik non parametrik .
Contoh : Jenis Kelamin : Pria (1)
Wanita (2)
DATA ORDINAL
Data yang dinyatakan dalam bentuk klasifikasi dan
klasifikasinya menunjukan peringkat.
Posisi data tidak setara. (> atau <)
Angka yang dicantumkan selain berfungsi sebagai
pengganti nama/lambang, juga menunjukkan peringkat.
Jenis statistik yang cocok untuk mengolah data ini
adalah statistik deskriptif seperti median, atau statistik
non-parametrik.
Contoh : Tingkat pendidikan :
Tidak sekolah (0), SD (1), SMP (2), SMA (3), PT (4)
DATA INTERVAL
Data yang berbentuk bilangan dengan ketentuan, sbb :
Menunjukan peringkat, dengan catatan, makin besar bilangan itu, makin
tinggi tingkat peringkatnya (tidak dapat dibalik).
Diperoleh dengan cara pengukurann, dimana jarak dua titik pada skala
sudah diketahui.
Titik nol bukan merupakan titik absolut.
Contoh:Temperatur/suhu. Bisa diukur dalam 0C (Celcius) atau 0F
(Fahrenheit), masing-masing mempunyai skala sendiri-sendiri.
Misalnya untuk air membeku dan mendidih :
Celcius pada 00 C sampai 1000 C. (skala tersebut jaraknya 100 – 0 = 100)
Fahrenheit pada 320 F sampai 2120 F. (skala tersebut jaraknya 212 – 32 =
180)
Semua operasi matematik dapat digunakan pada data interval,
misalnya perhitungan rata-rata, simpangan baku, dan statistik
parametrik.
DATA RASIO
Data yang memiliki ciri dan ketentuan sama seperti data interval
namun titik nol-nya merupakan titik absolut (nol digunakan
sebagai awal perhitungan).
Merupakan bilangan yang sebenarnya dan semua operasi
matematik dapat digunakan untuk pengolahan data berskala rasio.
Contoh : Berat Badan, Luas, Volume, Laba, dll
PERBEDAAN NOMINAL, ORDINAL, INTERVAL DAN RASIO
Perbedaan
Peringkat
Jarak
sama/diketahui
Operasi
Matematik
Nol absolut
PEDOMAN PENGGUNAAN UJI STATISTIK
MULAI
NOMINAL / ORDINAL
STATISTIK
TIPE DATA NON-PARAMETRIK
INTERVAL / RASIO
NORMAL
STATISTIK
STATISTIK
BESAR
BESARSAMPEL
SAMPEL PARAMETRIK
PARAMETRIK
>30 (BESAR)
PERBEDAAN STATISTIK PARAMETRIK DAN NON PARAMETRIK
H0 H1
Tanda =, ≤, VS Tanda ≠, >,
≥ <
Uji Hipotesis
Daerah Daerah
penolakan H0 penolakan H0
1
2 2
0
Uji 2 Arah
0 0
dan
α 1–α
1% 99%
5% 95%
10% 90%
Taraf nyata/ Derajat
taraf signifikansi kepercayaan
Misal : α = 5%, artinya 95% dapat kita
percayai bahwa kita telah mengambil
keputusan yang benar.
Skala Bentuk Hipotesis
Deskriptif Komparatif (dua Komparatif (k sampel) Asosiatif
Data (satu variabel) sampel) (hubungan)
Related Independen Related Independen
jumlah 4 6 10
CONTOH UJI EXACT FISHER
Hipotesis yang diuji:
H0: πA = πB
(banyaknya kasus kanker paru-paru untuk kedua
kelompok sama banyak)
H1: πA ≠ πB
(banyaknya kasus kanker paru-paru untuk kedua
kelompok tidak sama banyak)
UJI Q COCHRAN
Fungsi Pengujian, Menguji perbedaan proporsi
populasi yang hanya memiliki dua kategori
berdasarkan proporsi k (k > 2) sampel
berpasangan.
Persyaratan Data, Data berskala nominal dan
hanya memiliki dua kategori.
CONTOH UJI Q COCHRAN
Sebuah penelitian dilakukan untuk mengetahui “atribut
produk dalam membentuk citra merek sejenis makanan
di benak konsumen”
Sampel yang digunakan sebanyak 100 orang dan atribut
produk yang dianalisis adalah Harga, Mudah diperoleh,
Halal, Merek terkenal, Desain kemasan, Rasa.
Jawaban responden diperoleh hasil sbb:
CONTOH UJI Q COCHRAN
no atribut ya tidak Untuk mengetahui
1 Harga 60 40 atribut mana yang
Mudah berbeda dan
2 diperoleh 58 42
membentuk citra
3 Halal 82 18 merek makanan
tersebut dapat
4 merek
terkenal 74 26 digunakan uji Q
desain
Cochran
5 54 46
kemasan
6 Rasa 65 35
BEBERAPA CONTOH PENGGUNAAN
STATISTIK NON PARAMETRIK
DENGAN SKALA UKUR ORDINAL
RUN TEST SAMPEL TUNGGAL
Fungsi Pengujian, untuk menguji keacakan data
yang berasal dari sampel tunggal. Menguji
sederetan data yang terdiri atas dua kategori
apakah tersusun secara random atau sistematis
Persyaratan Data, Dapat digunakan untuk data
berskala nominal/ordinal.
CONTOH RUN TEST
Penelitian dilakukan untuk mengetahui apakah “skor nilai mahasiswa yang
diperoleh dalam ujian elearning bersifat random atau tidak”.
Penelitian dilakukan terhadap 10 mahasiswa. Kemudian skor tersebut
dibandingkan dengan nilai median (nilai tengah data).
Jika Skor > Me (+) dan jika Skor < Me (-).
Dihasilkan data berikut:
Mhsw 1 2 3 4 5 6 7 8 9 10
nilai 78 64 84 56 65 97 80 75 50 63
tanda + - + - - + + + - -
deret 1 2 3 4 5 6
skor
peserta sebelum skor
sesudah
Untuk mengetahui apakah
pelatihan meningkatkan
1 6 8
pengetahuan, dapat
2 6 7
menggunakan uji tanda
3 5 8
Wilcoxon.
4 7 9
5 7 7
CONTOH UJI WILCOXON
Hipotesis yang diuji:
H0: m1 = m2
(tidak terdapat perbedaan pengetahuan sebelum
dan sesudah pelatihan)
H1: m1 ≠ m2
(terdapat perbedaan pengetahuan sebelum dan
sesudah pelatihan)
UJI U MANN-WHITNEY
Fungsi Pengujian, Untuk menguji perbedaan
nilai tengah (median) skor dua buah populasi
berdasarkan dua sampel yang tidak berpasangan.
Dapat digunakan sebagai alternatif uji t dalam
statistik parametrik apabila asumsi normal tidak
terpenuhi.
Persyaratan Data, Data paling tidak memiliki
skala ordinal.
CONTOH UJI U MANN-WHITNEY
Sebuah penelitian dilakukan untuk mengetahui “apakah terdapat
perbedaan jumlah penjualan produk antara wiraniaga yang
memperoleh pelatihan dan tidak”.
Data diperoleh sbb: Untuk menguji perbedaan
jumlah penjualan kedua kelompok tersebut dapat
Wiraniaga Wiraniaga digunakan :
(pelatihan) (tanpa pelatihan)
1. Uji t (parametrik) jika data
25 20 berdistribusi normal.
16 18 2. Uji U Mann-Whitney (non
22 15 parametrik) jika data tidak
30 12 berdistribusi normal.
18 24
CONTOH UJI U MANN-WHITNEY
Hipotesis yang diuji:
H0: m1 = m2
(tidak terdapat perbedaan jumlah penjualan
antara wiraniaga yang memperoleh pelatihan dan
tidak)
H1: m1 ≠ m2
(terdapat perbedaan jumlah penjualan antara
wiraniaga yang memperoleh pelatihan dan tidak)
UJI FRIEDMAN
Fungsi Pengujian, untuk menguji perbedaan
ranking populasi berdasarkan ranking k (k > 2)
sampel berpasangan.
Persyaratan Data, Data berskala ordinal.
CONTOH UJI FRIEDMAN
Suatu penelitian dilakukan untuk mengetahui apakah terdapat
perbedaan kadar gula darah pada penderita DM yang diberikan 3
model komposisi makanan.
Sampel pada 5 penderita DM memberikan hasil sbb:
komposisi makanan
pasien Model Model Model
Untuk menguji perbedaan kadar
I II III gula darah berdasarkan
1 204 206 160 komposisi makanan dapat
2 196 184 168
digunakan uji Friedman.
3 188 198 175
4 210 204 184
5 178 160 168
CONTOH UJI FRIEDMAN
Hipotesis yang diuji:
H0: m1 = m2 = m3
(tidak terdapat perbedaan kadar gula darah dari
ketiga model komposisi makanan yang diberikan)
H1: salah satu berbeda
(terdapat perbedaan kadar gula darah dari ketiga
model komposisi makanan yang diberikan)
UJI KRUSKAL WALLIS
Fungsi Pengujian, untuk menguji perbedaan
nilai tengah populasi berdasarkan nilai tengah
dari k sampel yang tidak berpasangan.
Digunakan sebagai alternatif untuk uji one way
anova jika data tidak berdistribusi normal.
Persyaratan Data, Data berskala ordinal.
CONTOH UJI KRUSKAL WALLIS
Sebuah penelitian dilakukan untuk mengetahui
apakah kualitas pelayanan yang diberikan
pegawai di sebuah restoran fastfood sama untuk 3
shift yang diberlakukan.
Dari masing-masing shift diambil 5 kartu saran
yang sudah diisi oleh pengunjung untuk menilai
tingkat pelayanan : (4) sempurna, (3) baik, (2)
biasa, (1) buruk
Data diperoleh sbb:
CONTOH UJI KRUSKALL WALIS
shift 1 shift 2 shift 3
responden skor responden skor responden skor
1 4 1 2 1 2
2 4 2 3 2 3
3 3 3 2 3 3
4 2 4 4 4 3
5 3 5 4 5 4
hari ke-
produk
1 2 3 4 5 6 7
A 3,5 4,0 3,8 5,4 4,5 5,2 3,6
B 4,4 4,5 3,0 4,1 5,3 4,8 4,1
hari ke-
produk
1 2 3 4 5 6 7
A 3,5 4,0 3,8 5,4 4,5 5,2 3,6
B 4,4 4,5 3,0 4,1 5,3 4,8 4,1
C 4,0 3,8 4,2 4,5 5,0 2,9 3,4
Untuk menguji apakah omset penjualan dari kedua produk tersebut
sama/tidak dapat digunakan uji one way anova.
CONTOH UJI K RATA-RATA INDEPENDEN
Hipotesis yang diuji:
H0: μA = μB = μC
(omset penjualan ketiga produk sama)
H1: salah satu berbeda
(omset penjualan ketiga produk berbeda)
Jika H0 tersebut ditolak dapat dilanjutkan dengan
uji Newman-Keuls untuk melihat produk mana
yang berbeda tersebut.
CONTOH UJI K RATA-RATA INDEPENDEN
Suatu penelitian dilakukan untuk mengetahui apakah ada
perbedaan efek dari penggunaan 4 metode diet terhadap
penurunan berat badan berdasarkan kelompok usia.
Data penurunan berat badan selama 1 bulan pertama
(dalam ons) diperoleh sbb:
Metode Diet
Kelompok
Umur A B C D
15 – 24 15 8 12 9
25 – 34 12 9 8 8
≥ 35 9 7 8 7
CONTOH UJI K RATA-RATA INDEPENDEN
Untuk menguji hal tersebut dapat digunakan two
way anova.
Hipotesis yang diuji:
H0: μA = μB = μC = μD
(tidak terdapat perbedaan efek penggunaan
keempat metode diet terhadap penurunan berat
badan)
H1: salah satu berbeda
(terdapat perbedaan efek penggunaan keempat
metode diet terhadap penurunan berat badan)
UJI K RATA-RATA (UJI K SAMPEL BERPASANGAN)
Fungsi pengujian, untuk menguji perbedaan
rata-rata k populasi yang saling berpasangan.
Persyaratan, data berskala interval/rasio.
CONTOH UJI K RATA-RATA BERPASANGAN
Penelitian dilakukan untuk melihat apakah pengetahuan peserta
mengenai Pasar Modal Syariah mengalami peningkatan setelah
mengikuti 3 level pelatihan.
Dari 10 peserta diperoleh hasil sbb:
1 68 75 78 6 65 75 75
2 50 64 70 7 73 80 82
3 74 78 75 8 54 66 75
4 56 75 70 9 64 73 76
5 63 70 73 10 68 75 70
CONTOH UJI K RATA-RATA BERPASANGAN
Untuk menguji hal tersebut dapat digunakan one
way anova.
Hipotesis yang diuji:
H0: μ1 = μ2 = μ3
(tidak terdapat perbedaan efek pemberian
pelatihan terhadap pengetahuan PMS )
H1: salah satu berbeda
(terdapat perbedaan efek pemberian pelatihan
terhadap pengetahuan PMS)
ALTERNATIF STATISTIK PARAMETRIK KE STATISTIK NON
PARAMETRIK
UJI 2 RATA-RATA UJI
SAMPEL MANN-
Uji t INDEPENDEN
WHITNEY
Uji
Z UJI 2 RATA-RATA UJI
SAMPEL WILCOXO
BERPASANGAN
N
Koefisien kontingensi C
Fungsi untuk menentukan ukuran kadar/tingkat
asosiasi/relasi/hubungan antara dua variabel yang
berskala nominal.
CONTOH KOEFISIEN KONTINGENSI C
Sebuah penelitian dilakukan untuk mengetahui hubungan antara
status pekerjaan terhadap minat berinvestasi.
Dari 50 sampel diperoleh data sbb:
minat
status pekerjaan jumlah
investasi saham menabung tidak keduanya
bekerja 10 16 4 30
tidak bekerja 8 6 6 20
jumlah 18 22 10 50
responden X Y
Untuk mengetahui
1 44 42
ada/tidaknya
2 46 44 hubungan antara
3 44 44 kualitas pelayanan dan
4 56 45 kepuasan konsumen
5 44 43 dapat digunakan
6 46 44 koefisien korelasi
7 56 47
Rank Spearman atau τ
8 42 41
Kendall
9 44 42
10 46 44
CONTOH KOEFISIEN KORELASI RANK SPEARMAN DAN Τ
KENDALL
Hipotesis yang diuji:
H0: ρ = 0
(tidak terdapat hubungan antara kualitas
pelayanan dan kepuasan konsumen)
H1: ρ ≠ 0
(terdapat hubungan antara kualitas pelayanan
dan kepuasan konsumen)
KOEFISIEN KORELASI UNTUK DATA INTERVAL/RASIO
rx1.y
X1
rx1.x2.y
rx1.x2
Y berganda
X2 rx2.y
CONTOH KOEFISIEN KORELASI PEARSON
Judul penelitian “pengaruh net profit margin
terhadap harga saham”
NPM Harga
Saham
(X) (Y)
Korelasi sederhana
CONTOH KOEFISIEN KORELASI PEARSON
Hipotesis yang diuji:
H0: ρ = 0
(tidak terdapat pengaruh antara NPM terhadap
harga saham)
H1: ρ ≠ 0
(terdapat hubungan antara NPM terhadap harga
saham)
CONTOH KOEFISIEN KORELASI PEARSON
Judul penelitian “pengaruh faktor fundamental
terhadap harga saham”
NPM (X1)
ROA
Harga
(X2)
Saham
DPR (Y)
(X3)
DER Korelasi berganda
(X4)
terimakasih