UNIVARIATE TECHNIQUE
Kuliah 13
A Classification of Univariate Techniques
Univariate Techniques
Two or Two or
One Sample One Sample
More Samples More Samples
t test Frequency
Z test Chi-Square
K-S
Independent Related Runs
Binomial
Two-Group t test => Paired t test
Z test
One-Way ANOVA Independent Related
Chi-Square Sign
Mann-Whitney Wilcoxon
Median McNemar
K-S Chi-Square
K-W ANOVA
STATISTIKA DAN METODE SCIENTIFICT
METODE SCIENTIFICT :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
5. Mengambil kesimpulan
INSTRUMEN
SAMPEL
SIFAT DATA
PERAN STATISTIKA
VARIABEL
METODE ANALISIS
KLASIFIKASI DATA
PEMBAGIAN DATA
DATA
NOMINAL INTERVAL
ORDINAL RASIO
DATA
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi
di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kualitas lingkungan, keinginan untuk membayar
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : emisi, biaya perbaikan lingkungan, jumlah rupiah kesediaan membayar
PENGOLAHAN DATA
PROSEDUR PENGOLAHAN DATA :
MULAI
n
X + X2 + X3 + … + Xn
X= 1 Σ Xi
n i =1
n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1
f1 + f2 + f3 + … + fk i =1
k
Σ fi
Cara menghitung : i =1
Contoh : diketahui rata-rata hitung produksi sampah RT dari sejumlah RT adalah 6.55 kg.
Pertanyaannya adalah apakah RT yang menghasilkan sampah RT 7 kg
termasuk istimewa, baik, atau biasa-biasa saja ?
Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
Modus
Contoh : A : 100 90 80 70 60 50 40 30 20 10
X = 55
B : 100 100 100 100 100 10 10 10 10 10
r = 100 – 10 = 90
C : 100 100 100 90 80 30 20 10 10 10
Rata-rata
Deviasi rata-rata
Deviasi Rata-rata : penyebaran
Kelompok A Kelompok B
Berdasarkan harga mutlak simpangan Nilai X X - X |X – X| Nilai X X - X |X – X|
bilangan-bilangan terhadap rata-
100 45 45 100 45 45
ratanya.
90 35 35 100 45 45
80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25
Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10
n
|Xi – X|
Rata-rata DR = Σ
n
i=1
8250 15850
n s= √ 9 = 30.28 s= √ 9 = 41.97
√ Σ (Xi – X)
2
s=
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
5% 2.5% 2.5%
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.
Contoh :
Peneliti ingin mengetahui apakah korban yang mengalami kerugian paling besar
memang berbeda dibandingkan dengan korban lainnya.
Ho : k1 = k2
Diperoleh = 2.865.625 ; std. Dev = 1.789.112,5 ; df = 79 ; t hitung = -22.169
α
Berdasarkan tabel df=79 dan = 0.05 diperoleh t tabel = 1.6644
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
korban yang mengalami kerugian paling besar secara signifikan berbeda
dengan korban lainnya
Contor : Beda rata-rata sampel dengan Rata-rata Hipotesis
21
Penyelesaian :
i. Hipotesis : H 0 : 80
H1 : 80
ii. Tingkat signifikansi 0.05
iii. H0 diterima jika
H 0 ditolak jika Z Z atau Z Z
2 2
v. Karena
Jadi H1 : 80 diterima
Uji t
2. Uji t dua sampel bebas
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan setelah bencana antara
korban ringan dengan korban berat
Ho : Pr = Pb
Diperoleh : = 1547368 ; y = 1537500 ; t hitung = .066
D
t= s Di mana D = rata-rata selisih skor pasangan
D
ΣD2 – (ΣD)2
√
sD = Σ d2 Σd =
2
N(N-1) N
Contoh :
Sebelum diambil keputusan tentang pembangunan suatu dermaga, dialkukan suatu
survey tentang berapa rata-rata nilai hasil tangkapan nelayan. Setelah selesai
pembangunan dermaga, kemudian dilakukan survey untuk mendapatkan informasi
tentang hasil tangkapan nelayan. Peneliti ingin mengetahui apakah hasil tangkapan
sebelum dan setelah pembangunan dermaga terdapat perbedaan yang signifikan.
Ho : t1 = t2
Diperoleh t1 = 51.36 ; t2 = 52.55 ; korelasi 0.873
Korelasi sangat erat dan benar-benar berhubungan dengan nyata
α
Berdasarkan tabel df=21 dan = 0.05 diperoleh t tabel = 1.7207
Kesimpulan : t hitung < t tabel sehingga Ho diterima
Tidak ada perbedaan yang signifikan antara hasil t1 dan t2, artinya tidak
ada perbedaan hasil tangkapan nelayan sebelum dan setelah pembangunan dermaga.
Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
NOL
tidak ada atau tidak menentunya hubungan dua variabel
Uji Keterkaitan
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
Contoh :
10 orang Nelayan yang memiliki waktu dan hasil tangkapan yang berbeda
Nelayan : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tangkapan (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu dan hasil tangkapan ?
Nelayan X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
Uji Keterkaitan
Contoh :
10 orang nelayan yang memiliki motivasi berusaha (sangat baik, baik, cukup, kurang)
Dibandingkan dengan tingkat kesejahteraannya (sangat sejahtera, sejahtera, biasa, miskin)
Nelayan : A B C D E F G H I J
Motivasi : 2 4 1 3 4 2 3 1 3 2
Kesejahteraan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara motivasi berusaha dengan tingkat kesejahteraannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2
Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
c d b 10 (a+b)(b+d)/N
Tidak fasih c 10 (c+d)(a+c)/N
Σ d 30 (c+d)(b+d)/N
df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada perbedaan pendidikan berdasarkan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada perbedaan pendidikan
berdasarkan status marital
H1 = ada perbedaan pendidikan berdasarkan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolak
2. probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak
status marital * pendidikan terakhir Crosstabulation
Chi-Square Tests
Count
Asymp. Sig.
pendidikan terakhir
Value df (2-sided)
SD SMP SMA Sarjana Total Pearson Chi-Square 30.605 9 .000
status belum kawin 1 9 5 0 15
marital Likelihood Ratio 29.160 9 .001
kawin 4 24 10 13 51
Linear-by-Linear
janda 5 1 1 0 7 3.412 1 .065
Association
duda 3 2 2 0 7
N of Valid Cases 80
Total 13 36 18 13 80
Symmetric Measures
k
JKa = Σ J j - J Di mana :
2 2
RJKa
F= j=1 nj N J = jumlah seluruh data
RJKi
N = banyak data
k nj k J2j
Jki = Σ Σ X k = banyak kelompok
2
- Σ
j=1 i=1
ij
j=1 nj nj = banyak anggota kelompok j
Jj = jumlah data dalam kelompok j
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?
Ho : μ1 = μ2 = μ3 (tidak terdapat perbedaan sikap)
Σ 21 7 15 Jki = 11.838
RJKi = = 10/15-3 = 0.833
4.2 1.4 3
N-k
32. Uji Anova
Artinya :
Perubahan status marital tidak menyebabkan terjadinya kenaikan penghasilan
dan penambahan usia
Jenis- jenis Uji Statistik
Perbandingan dua
kelompok dependen Ukuran yang digunakan Syarat
Mean dua kelompok
berbeda; interval Paired t-test Distribusi normal
Ukuran yang
Multivariat digunakan Syarat
Lebih dari satu variabel
independen dan variabel Distribusi normal; lebih dari satu
dependen; interval Multiple regression variabel independen