TEKNIK ANALISIS DATA

KUANTITATIF DAN KUALITATIF

Hani Hatimatunnisani, S. Si., M.M

Politeknik Piksi Ganesha Bandung

Selasa, 12 November 2019
ANALISIS STATISTIK BERGANTUNG KEPADA:

 Pertanyaan penelitian/tujuan/hipotesis
 Skala pengukuran
 Metode sampling
 Besar sampel
 MEMILIH STATISTIK YANG TEPAT

 Apa tujuan penelitian?

Menggambarkan/deskriptif
Menguji perbedaan/komparatif,
Menguji hubungan/asosiatif
 Bila untuk menguji perbedaan, ada berapa kelompok sampel yang akan diuji?
Satu sampel
Dua sampel
K buah sampel
independen /related
 Bila untuk menguji hubungan, ada berapa variabel yang terlibat?
1 VB dan 1 VT
≥ 2 VB dan 1 VT
1 VB dan ≥ 2 VT VB : Variabel Bebas
≥ 2 VB dan ≥ 2 VT VT : variabel Terikat
 MEMILIH STATISTIK YANG TEPAT

 Apa skala pengukurannya?

Nominal
Ordinal
Interval
Rasio
 Apa metode sampling yang digunakan?
Probability Sampling
Non probability Sampling
 Banyak sampel yang digunakan?
Sampel kecil (< 30)
Sampel besar (≥ 30)
JENIS DATA
Data

Kategorik/Kualitatif Numerik/Kuantitatif

Nominal Ordinal interval Rasio

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

Kriteria Nominal Ordinal Interval Rasio

Bentuk Kategorik/ Kategorik/ Numerik/ Numerik/
Klasifikasi Klasifikasi Bilangan Bilangan

Perbedaan
   
Peringkat   
Jarak
sama/diketahui
 
Operasi
Matematik
 
Nol absolut

 PEDOMAN PENGGUNAAN UJI STATISTIK

MULAI

NOMINAL / ORDINAL
STATISTIK
TIPE DATA NON-PARAMETRIK

INTERVAL / RASIO

DISTRIBUSI DATA <30 (KECIL)

TIDAK NORMAL

NORMAL

STATISTIK
STATISTIK
BESAR
BESARSAMPEL
SAMPEL PARAMETRIK
PARAMETRIK
>30 (BESAR)
PERBEDAAN STATISTIK PARAMETRIK DAN NON PARAMETRIK

Statistik Paramterik: Statistik Non Parametrik:

• Asumsi data harus • Asumsi data tidak harus
berdistribusi normal. normal.
• Biasanya data • Biasanya data berskala
ukur nominal/ordinal.
berskala ukur Atau dapat interval/rasio
interval/rasio. jika data tidak
• Ukuran sampel besar berdistribusi normal.
≥30. • Ukuran sampel kecil
< 30
 HIPOTESIS
 Hipotesis Penelitian/Konseptual adalah
dugaan/penyataan sementara mengenai suatu
persoalan yang masih harus dibuktikan
kebenarannya.
 Hipotesis Statistik/Operasional adalah hipotesis
yang dinyatakan dengan besaran-besaran statistik
(parameter, misal:μ, π, ρ, β).
 Pengujian hipotesis dilakukan untuk “menerima”
atau “menolak” hipotesis yang diajukan
berdasarkan analisis data yang dilakukan.
HIPOTESIS NOL DAN HIPOTESIS ALTERNATIF

H0 H1
Tanda =, ≤, VS Tanda ≠, >,
≥ <

Uji Hipotesis

Uji 2 Uji 1 Arah Uji 1 arah

Arah Kanan Kiri
H1 (≠) H1 (>) H1 (<)
 Daerah penerimaan H0

Daerah Daerah
penolakan H0 penolakan H0


1 
2 2

0
Uji 2 Arah

Daerah Daerah Daerah

Daerah
penerimaan penolakan H0 penerimaan H0
penolakan H0
H0
1   1

0 0

Uji 1 Arah kanan Uji 1 Arah kiri

Catatan :
PENERIMAAN suatu hipotesis terjadi, karena kita
TIDAK PUNYA CUKUP BUKTI untuk MENOLAK
hipotesis tersebut dan BUKAN karena HIPOTESIS ITU
BERARTI BENAR.

dan

PENOLAKAN suatu hipotesis terjadi, karena kita TIDAK

PUNYA CUKUP BUKTI untuk MENERIMA hipotesis
tersebut dan BUKAN karena HIPOTESIS ITU BEARTI
SALAH.
2 TIPE KESALAHAN/ERROR
Keadaan yang sesungguhnya
Keputusan H0 benar H0 salah

Menerima Keputusan benar. Kesalahan Jenis II

H0 (Probabilitas = 1-α) (Probabilitas = β )
Menolak Kesalahan Jenis I. Keputusan benar
H0 (Probabilitas = α ) (Probabilitas = 1-β )
•Kesalahan jenis I (α) adalah kesalahan akibat menolak Hipotesis Nol
(H0), padahal H0 benar. Dengan kata lain kita menolak hipotesis yang
seharusnya diterima. (Taraf nyata/taraf signifikansi)
•1 – α disebut sebagai Derajat Kepercayaan.
•Kesalahan jenis II (β) adalah kesalahan akibat menerima Hipotesis Nol
(H0), padahal H0 salah. Dengan kata lain kita menerima hipotesis yang
seharusnya ditolak.
•1 – β disebut sebagai Kuasa Uji.
TIPE ERROR YANG SERING DIGUNAKAN

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

Nominal Binomial Mc Fisher Exact 2 for k Contingency

2 for k
Nemar Probability sample Coefficient
sample C
2 One
Sample 2 Two Sample Cochran Q
Ordinal Run Test Sign test Median test Friedman Median Spearman
Extension Rank
Mann-Whitney
Wilcoxon U test Two Way- Correlation
Kruskal-
matched Anova
Kolmogorov Wallis Kendall τ
parts Simrnov One Way
Wald- Anova Kendall W
Woldfowitz
Interval/ T Test* T-test T-test of* One-Way One-Way Pearson
Product
Rasio of* independent Anova* Anova* Moment *
Related
Partial
Two Way Two Way Correlation*
Anova* Anova*
Multiple
BEBERAPA CONTOH PENGGUNAAN
STATISTIK NON PARAMETRIK
DENGAN SKALA UKUR NOMINAL
UJI BINOMIAL
 Fungsi Pengujian, Untuk menguji perbedaan
proporsi populasi yang hanya memiliki dua buah
kategori berdasarkan proporsi sampel tunggal.
 Persyaratan Data, Dapat digunakan untuk data
berskala nominal yang hanya memiliki dua
kategori.
 CONTOH UJI BINOMIAL
 Penelitian dilakukan untuk mengetahui “Minat Konsumen dalam
Membeli Dua Merk kendaraan bermotor”.
 Merk kendaraan yang diamati adalah Merk A dan Merk B.
 Secara random diberikan pertanyaan kepada 30 responden
mengenai merk kendaraan mana yang akan dibeli.
 Data yang dihasilkan:

Merk A Merk B Jumlah

18 12 30

 Untuk mengetahui apakah minat beli konsumen terhadap

kedua merk tersebut sama/tidak bisa digunakan uji
binomial.
CONTOH UJI BINOMIAL
 Hipotesis yang diuji:
H0: πA = πB
(minat konsumen terhadap merk A dan merk B
sama)
H1: πA ≠ πB
(minat konsumen terhadap merk A dan merk B
berbeda)
 UJI Χ2 (CHI SQUARE) SAMPEL TUNGGAL
 Fungsi Pengujian, Untuk menguji perbedaan
proporsi populasi, yaitu antara data yang diamati
dengan data yang diharapkan (expected) terjadi
menurut Ho, berdasarkan proporsi yang berasal
dari sampel tunggal.
 Persyaratan Data, Dapat digunakan untuk data
berskala nominal dengan lebih dari dua kategori.
CONTOH UJI Χ2 (CHI SQUARE) SAMPEL TUNGGAL
 Penelitian dilakukan untuk mengetahui “Minat Konsumen dalam Membeli
empat Merk kendaraan bermotor”.
 Merk kendaraan yang diamati adalah Merk A, Merk B, Merk C, dan Merk D.
 Secara random diberikan pertanyaan kepada 40 responden mengenai merk
kendaraan mana yang akan dibeli. Dengan harapan bahwa jumlah peminat
untuk masing-masing merk akan sama banyaknya
 Data yang dihasilkan:
Frekuensi Merk A Merk B Merk C Merk D Jumlah
Expected 10 10 10 10 40
Actual 12 15 7 6 40

 Untuk mengetahui apakah minat beli konsumen terhadap

keempat merk tersebut sama/tidak bisa digunakan uji χ2
(Chi Square) Sampel Tunggal.
CONTOH UJI Χ2 (CHI SQUARE) SAMPEL TUNGGAL
 Hipotesis yang diuji:
H0: πA = πB = πC = πD
(minat konsumen terhadap keempat merk sama)
H1: salah satu berbeda
(minat konsumen terhadap keempat merk
berbeda)
UJI MC NEMAR
 Fungsi Pengujian, Untuk menguji perbedaan atau
perubahan proporsi dua buah populasi yang hanya
memiliki dua kategori berdasarkan proporsi dua sampel
berpasangan.
 Uji ini banyak dipakai untuk mengetahui apakah ada
perbedaan atau perubahan proporsi “sebelum” dan
“sesudah” kelompok sampel tertentu yang hanya memiliki
dua kategori diberi perlakuan, dimana anggota kelompok
sampel tersebut merupakan kontrol terhadap dirinya sendiri.
 Persyaratan Data, Dapat digunakan untuk data berskala
nominal dengan dua kategori.
 CONTOH UJI MC NEMAR
 Penelitian dilakukan untuk mengetahui “Efektivitas Penyuluhan Pemberian
Imunisasi pada Balita di suatu daerah”.
 Sebelum diadakan penyuluhan, peneliti bertanya pada 20 ibu apakah balitanya akan
diberikan imunisasi/tidak. dan 12 ibu menjawab “ya” sedangkan 8 ibu menjawab
“tidak”.
 Setelah diadakan penyuluhan , peneliti menanyakan hal yang sama, dan dari 12 ibu
yang semula menjawab “ya” tetap menjawab “ya” dan dari 8 ibu yang semula
menjawab “tidak” 4 ibu berubah menjawab “ya”.
 Susunan data yang dihasilkan:

setelah  Untuk mengetahui apakah

sebelum penyuluhan pemberian penyuluhan
penyuluhan
tidak ya tersebut efektif/tidak bisa
ya (12) 0 12 digunakan uji Mc Nemar..
tidak(8) 4 4
CONTOH UJI MC NEMAR
 Hipotesis yang diuji:
H0: πA = πB
(pemberian penyuluhan tidak efektif)
H1: πA ≠ πB
(pemberian penyuluhan efektif)
 UJI EXACT FISHER
 Fungsi Pengujian, Untuk menguji perbedaan
proporsi dua buah populasi yang hanya memiliki
dua kategori berdasarkan proporsi dua sampel
tidak berpasangan.
 Jumlah n untuk tiap kelompok sampel tidak harus
sama.
 Persyaratan Data, Dapat digunakan untuk data
berskala nominal dengan dua kategori.
CONTOH UJI EXACT FISHER
 Sebuah penelitian dilakukan untuk mengetahui “kejadian kanker
paru-paru berdasarkan kebiasaan merokok”.
 Dari 10 sampel yang diambil diperoleh data sbb:

kanker  Untuk mengetahui apakah

paru-paru
merokok jumlah kasus kanker paru-paru
ya tidak antara kelompok perokok
dan bukan perokok
ya 3 2 5
sama/tidak, dapat
tidak 1 4 5 menggunakan uji Fisher.

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

 Untuk mengetahui apakah skor nilai mahasiswa yang

diperoleh dalam ujian elearning bersifat random/tidak
bisa digunakan uji run test.
CONTOH RUN TEST
 Hipotesis yang diuji:
H0: nilai ujian elearning berdistribusi random
H1: nilai ujian elearning tidak berdistribusi
random
UJI TANDA WILCOXON
 Fungsi Pengujian, Untuk menguji perbedaan
median dua populasi berdasarkan median dua
sampel berpasangan. Uji ini selain
mempertimbangkan arah perbedaan, juga
mempertimbangkan besar relatif perbedaannya.
 Persyaratan Data, Data paling tidak berskala
ordinal.
CONTOH UJI WILCOXON
 Penelitian dilakukan untuk mengetahui apakah “pelatihan meningkatkan
pengetahuan peserta”.
 Sebelum pelatihan 5 orang responden ditanya mengenai materi yang akan
disampaikan dan dihitung skornya. Setelah pelatihan peneliti memberikan
pertanyaan yang sama dan dihitung skornya.
 Data yang dihasilkan sebagai berikut:

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

 Untuk mengetahui apakah tingkat pelayanan

pegawai yang diberikan dari ketiga shift
tersebut sama/berbeda dapat digunakan uji
Kruskal Wallis.
CONTOH UJI KRUSKAL WALLIS
 Hipotesis yang diuji:
H0: m1 = m2 = m3
(tingkat kualitas pelayanan pegawai dari ketiga
shift sama)
H1: salah satu berbeda
(tingkat kualitas pelayanan pegawai dari ketiga
shift berbeda)
 BEBERAPA CONTOH PENGGUNAAN
STATISTIK PARAMETRIK
DENGAN SKALA UKUR INTERVAL/RASIO
UJI 1 RATA-RATA (UJI 1 SAMPEL)
 Fungsi pengujian, untuk menguji rata-rata 1
populasi dengan nilai tertentu.
 Persyaratan, data berskala interval/rasio.
 Ketentuan:

-jika varians populasi diketahui gunakan uji Z

-jika varians populasi tidak diketahui gunakan uji t
CONTOH UJI 1 RATA-RATA
 Suatu penelitian dilakukan untuk menguji apakah
rata-rata kandungan vitamin C pada supplier CSB
(Corn Soy Blend) memiliki spesifikasi yang sama
dengan yang ditetapkan Pemerintah Amerika
Serikat, yaitu 40 mg/100g CSB .
 Untuk menguji hal tersebut dapat digunakan uji 1
rata-rata
CONTOH UJI 1 RATA-RATA
 Hipotesis yang diuji:
H0: μ = 40
(rata-rata kandungan vitamin C suplier CSB
memiliki spesifikasi yang sama dengan yang
ditetapkan Pemerintah Amerika Serikat)
H1: μ ≠ 40
(rata-rata kandungan vitamin C suplier CSB tidak
memiliki spesifikasi yang sama dengan yang
ditetapkan Pemerintah Amerika Serikat)
UJI 2 RATA-RATA (UJI 2 SAMPEL INDEPENDEN)
 Fungsi pengujian, untuk menguji perbedaan
rata-rata 2 populasi yang saling bebas.
 Persyaratan, data berskala interval/rasio.
 Ketentuan:

-jika varians populasi diketahui gunakan uji Z

-jika varians populasi tidak diketahui gunakan
uji t
CONTOH UJI 2 RATA-RATA INDEPENDEN
 Suatu penelitian dilakukan untuk mengetahui apakah omset
penjualan (juta rp) dari dua jenis produk sama banyak atau
berbeda.
 Pengamatan dilakukan selama 1 minggu, dan diperoleh data sbb:

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

 Untuk menguji apakah omset penjualan dari kedua produk tersebut

sama/tidak dapat digunakan uji 2 rata-rata untuk sampel yang
saling bebas
CONTOH UJI 2 RATA-RATA INDEPENDEN
 Hipotesis yang diuji:
H0: μA = μB
(omset penjualan produk A dan B sama)
H1: μA ≠ μB
(omset penjualan produk A dan B berbeda)
UJI 2 RATA-RATA (UJI 2 SAMPEL BERPASANGAN)
 Fungsi pengujian, untuk menguji perbedaan
rata-rata 2 populasi yang saling berpasangan.
 Persyaratan, data berskala interval/rasio.
 Menggunakan uji t berpasangan.
 CONTOH UJI 2 RATA-RATA BERPASANGAN
 Suatu penelitian dilakukan untuk mengetahui apakah terdapat
perbedaan antara anggaran dan realisasi belanja daerah di
kabupaten X.
 Pengamatan dilakukan selama 5 tahun dan diperoleh data sbb:

Tahun Anggaran Belanja Realisasi Belanja

2013 Rp 147.057.342.000 Rp 143.378.490.682
2014 Rp 160.645.723.000 Rp 149.253.028.885
2015 Rp 171.500.000.000 Rp 168.720.725.468
2016 Rp 166.510.417.000 Rp 162.486.933.325
2017 Rp 163.041.957.000 Rp 141.440.410.193
CONTOH UJI 2 RATA-RATA BERPASANGAN
 Untuk menguji hal tersebut dapat digunakan uji t
berpasangan.
 Hipotesis yang diuji:
H0: μA = μB
(anggaran dan realisasi belanja daerah di
kabupaten X adalah sama)
H1: μA ≠ μB
(anggaran dan realisasi belanja daerah di
kabupaten X adalah berbeda)
UJI K RATA-RATA (UJI K SAMPEL INDEPENDEN)
 Fungsi pengujian, untuk menguji perbedaan rata-
rata k populasi yang saling bebas.
 Persyaratan, data berskala interval/rasio.
 Ketentuan :
-gunakan one way anova jika hanya 1 kategori
yang diamati
-gunakan two way anova jika ada >1 kategori yang
diamati
CONTOH UJI K RATA-RATA INDEPENDEN
 Suatu penelitian dilakukan untuk mengetahui apakah omset
penjualan (juta rp) dari tiga jenis produk sama banyak atau
berbeda.
 Pengamatan dilakukan selama 1 minggu, dan diperoleh data sbb:

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:

sampel level1 level2 level3 sampel level1 level2 level3

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

UJI K RATA-RATA UJI

SAMPEL KRUSKAL
INDEPENDEN
-WALLIS
ANOV
A UJI
UJI K RATA-RATA
SAMPEL FREIDMA
BERPASANGAN
N
 STATISTIK PARAMETRIK DAN
NON PARAMETRIK DALAM UJI ASOSIATIF
KOEFISIEN ASOSIASI UNTUK DATA SKALA NOMINAL

 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

 Untuk mengetahui ada/tidaknya hubungan antara status pekerjaan

terhadap minat berinvestasi dapat digunakan koefisien kontingensi
C.
CONTOH KOEFISIEN KONTINGENSI C
 Hipotesis yang diuji:
H0: C = 0
(tidak terdapat hubungan antara status pekerjaan
terhadap minat berinvestasi)
H1: C ≠ 0
(terdapat hubungan antara status pekerjaan
terhadap minat berinvestasi)
KOEFISIEN KORELASI UNTUK DATA ORDINAL

 Koefisen Korelasi Rank Spearman

 Koefisien Korelasi τ Kendall
 Fungsi untuk menentukan ukuran kadar/tingkat
asosiasi/relasi/hubungan antara dua variabel yang
berskala ordinal.
 Dilakukan dengan cara merangking data dari skor
terendah ke skor tertinggi atau sebaliknya.
CONTOH KOEFISIEN KORELASI RANK SPEARMAN DAN
KORELASI Τ KENDALL

 Penelitian dilakukan untuk mengetahui hubungan

kualitas pelayanan terhadap kepuasan konsumen.
 Kuestioner diberikan terhadap 10 orang
konsumen. Dan skor jawaban dari masing-masing
item pertanyaan dibuat dalam pasangan data x dan
y.
 Data dihasilkan sbb:
CONTOH KOEFISIEN KORELASI RANK SPEARMAN DAN
KORELASI Τ KENDALL

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

 Koefisen Korelasi Produk Momen Pearson

 Korelasi Pearson sederhana digunakan jika hanya
terdapat 1 variabel bebas dan 1 variabel terikat.
 Korelasi Pearson berganda digunakan jika
terdapat lebih dari 1 variabel bebas dan 1 variabel
terikat.
 rx.y
X Y sederhana

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