UJI

PARAMETRIK
Pengertian Uji Parametrik

DEFINISI UJI
PARAMETRIK skala datanya menggunakan interval atau
rasio (bentuk data kuantitatif/numerik),
sedangkan distribusi data populasinya
harus memenuhi asumsi norma

Dessy, Wulansari A. 2016. Aplikasi Statistika Parametrik Dalam Penelitian. Pustaka Felicha: Halaman 5
Beda Statiska Parametrik & Statistika Non
Parametrik

Sunjoyo, dkk. 2007. Aplikasi SPSS untuk SMART Riset. Alfabeta: Halaman 81
 Pengujian Hipotesis Uji Parametrik

Sunjoyo, dkk. 2007. Aplikasi SPSS untuk SMART Riset. Alfabeta: Halaman 83
1. T Test

Uji-T atau T-Test merupakan salah satu jenis uji statistik parametrik yang digunakan untuk
menguji signifikansi dan relevansi dalam satu atau dua kelompok sampel. Uji t pertama kali
dikembangkan oleh William Seely Gosset pada 1915.

Independent Sample T-Test

T test dapat di bagi menjadi 2

Paired Sample T-Test
Independent Sample T-Test

adalah pengujian menggunakan distribusi t terhadap signifikansi perbedaan nilai rata-rata

tertentu dari dua kelompok sampel yang tidak berpasangan. Data yang diperlukan adalah data
rasio rasio atau interval.

Hipotesis:
H0 : Tidak ada perbedaan rata-rata yang signifikan antara variabel x 1 dan x2
H1 : Ada perbedaan rata-rata yang signifikan antara variabel x 1 dan x2
Paired Sample T-Test

Paired sample t test adalah pengujian yang dilakukan terhadap dua sampel yang berpasangan
dapat diartikan sebagai sampel dengan subyek yang sama namun mengalami dua treatment atau
perlakuan berbeda. Data paired sample t test adalah rasio atau interval

Hipotesis:
H0 : Tidak ada perbedaan rata-rata yang signifikan antara variabel x 1 dan x2
H1 : Ada perbedaan rata-rata yang signifikan antara variabel x 1 dan x2
Berdasarkan perbandingan nilai T hitung

● Jika nilai T hitung<t tabel, maka variabel bebasnya tidak mempengaruhi

variabel terikat karena hipotesisnya ditolak.
● Jika nilai t hitung > t tabel, maka ada pengaruh variabel bebas terhadap
variabel terikat sehingga hipotesisnya diterima
Cara Menghitung Uji T

1. Siapkan hipotesis dan data penelitian yang ingin kita uji.

2. Tentukan berapa jumlah sampel yang akan digunakan untuk tiap
kelompok yang akan diuji.
3. Tentukan ukuran sampel yang dibutuhkan untuk pengujian hipotesis.
4. Tentukan tingkat signifikansi yang akan digunakan, misal 0,05 atau 0,5.
Tingkat signifikansi yang akan digunakan nantinya akan menentukan
seberapa besar kemungkinan terjadinya kesalahan dalam penolakan
hipotesis nol.
5. Hitung nilai t statistik sampel data menggunakan rumus uji t.
6. Setelah mendapatkan hasilnya, bandingkan nilai t statistik dengan nilai t
tabel untuk tingkat signifikansi yang telah ditentukan.
Cara Menghitung Uji T

7. Jika nilai t statistik lebih kecil dibandingkan nilai t tabel, maka

hipotesis nol diterima. Dan hasil ini dapat kita ketahui bahwa tidak
ada perbedaan yang signifikan antara dua populasi yang telah di uji.

8. Jika nilai t statistik lebih besar dibandingkan nilai t tabel, maka

hipotesis nol ditolak. Dari hasil ini dapat kita ketahui bahwa ada
perbedaan yang signifikan antara dua populasi yang telah di uji.
2. Anova
Anova digunakan untuk membandingkan mean dari tiga kelompok atau lebih secara bersamaan. Terdapat
beberapa tipe Anova:
1. One-way Anova
analisis ini digunakan bila kita ingin membandingkan mean yang lebih dari dua kelompok
berbeda. Misalnya kita ingin membandingkan proses belajar siswa SD kelas 2, kelas 3 dan kelas
4 dalam belajar baha Inggris dan membandingkan nilai dari ketiga kelompok siswa tersebut. Asumsi
dasar yang harus terpenuhi dalam one way Anova, yaitu:
➢ Hanya ada satu variable terikat dan satu variable bebas yang mempunyai tiga level atau
lebih.
➢ Variable terikatnya berupa nilai atau data ordinal yang continuous.
➢ Perbandingannya antar kelompok.
➢ Datanya mempunyai distribusi normal.
➢ Jumlah sampel tidak terlalu kecil (minimal 5 data untuk setiap sel)

Asumsi yang harus dipenuhi dalam uji one-way anova adalah:

● Data dari populasi (sampel) berjenis interval atau rasio
● Sampel yang akan diuji lebih dari 2 kelompok
● Populasi yang akan diuji berdistribusi normal
● Varian setiap sampel harus sama
Cara melakukan uji One Way Anova dengan SPSS:
● Klik Analyze, lalu pilih Compare Means, lalu klik One Way ANOVA.
● Lalu pindahkan variabel dependen penelitian ke bagian Dependent list,
● dan pindahkan variabel yang digunakan sebagai pembanding ke bagian
● faktor. Klik tanda panah untuk memindahkannya
● Setelah itu, klik tombol ‘Option’, lalu centang pilihan ‘descriptive dan
● homogeneity of varians’. Selain itu abaikan saja, lalu klik continue.
● Selanjutnya klik kolom ‘Post hoc’, centang pilihan ‘bonferoni dan tukey’.
● Lalu klik continue, kemudian yang terakhir klik OK.
2. Two Way Anova
analisis ini digunakan bila kita mempunyai dua variable bebas untuk dibandingkan dan masing –
masing variabel bebas tersebut mempunyai dua level atau lebih. Bila pada contoh one way anova hanya
membandingkan prestasi belajar Bahasa Inggris dari kelas yang berbeda, pada two ways anova kita
dapat memasukan variable bebas lain, misalnya, jenis kelamin.

Uji Asumsi yang harus dipenuhi adalah:

● Data dari sampel berjenis interval atau rasio
● Populasi atau sampel yang akan diuji berdistribusi normal
● Varian setiap sampel harus sama
● Kelompok data harus memiliki ukuran sampel yang sama
Cara melakukan uji Two Way Anova dengan SPSS:
● Klik Analyze - General Linear Model - Univariate.
● Masukkan variabel dependen penelitian ke kotak Dependent Variable, masukkan variabel yang digunakan sebagai
pembanding (misalnya menggunakan variabel pembanding yaitu gender dan tingkat pendidikan) ke kotak Fixed factor(s).
● Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan Gender ke kotak Horizontal Axis dan Pendidikan ke
kotak Separate Lines. Klik Add
● Klik Continue.
● Klik Post Hoc, Masukkan variabel pendidikan ke kotak Post Hoc Test,
● Centang Tukey
● Klik Continue
● Klik Options, kemudian masukkan Gender, Pendidikan, dan
● Gender*Pendidikan ke dalam kotak Display Means for. Pada Display
● centang Descriptive statistics dan Homogentity test.
● Klik Continue
3. One Way Repeated Measures Anova
analisis ini digunakan untuk membandingkan tiga perangkat data (atau lebih) dan ketiga data tersebut berasal dari
sampel yang sama.

4. Two Way Reapeated Measures Anova

analisis ini digunakan untuk membandingkan efek dari dua variable bebas terhadap variable terikat dan masing
– masing variable bebas mempunyai beberapa level
 3. REGRESI

Istilah regresi pertama kali diperkenalkan oleh sehubungan dengan penelitiannya

SirFrancis Galton pada tahun 1877 yang berarti terhadap tinggi manusia yaitu antara
ramalan atau taksiran, tinggi anak dan tinggi orang tua,

Dimana dalam penelitian tersebut ditemukan

bahwa tinggi anak dari orang tua yang tinggi
cenderung meningkat atau menurun dari tinggi
rata-rata populasi,
oleh Galton garis

Garis regresi.
Wulansari, Andhita Dessy.2018. Aplikasi
Statistik dalam Penelitian. Depok:Pustaka
Felicha
 Regresi adalah salah satu metode statistika yang mempelajari pola hubungan
yang logis (ada teorinya) antara dua atau lebih variabel dimana salah satunya ada
yang berlaku sebagai variabel terikat/dependen (variabel yang nilai-nilainya
tergantung pada variabel lain dan merupakan variabel yang diramalkan atau
diterangkan nilainya) dan yang lainnya sebagai variabel bebas/independen
(variabel yang nilai-nilainya tidak tergantung pada variabel lain dan merupakan
variabel yang digunakan untuk meramalkan atau menerangkan variabel lain).
Analisis regresi digunakan untuk mengetahui bagaimana variabel
terikat/dependen dapat diprediksikan/diramalkan melalui variabel variabel
bebas/independen secara individual berdasarkan informasi masa lalu dan
sekarang yang dimiliki, sehingga kesalahan prediksi/ ramalannya dapat
diperkecil.

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

 A. Analisis Regresi Linier Sederhana
Analisis regresi sederhana
digunakan untuk mencari pola
hubungan antara satu variabel
dependen dengan satu variabel
independen, sedangkan untuk
mencari pola hubungan antara satu
variabel dependen dengan lebih
dari satu variabel independen,
dapat digunakan analisis regresi
ganda.
Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha
Metode Least Square (Kuadrat Terkecil
Distribusi bersama antara variabel independen/beb (x)
dengan variabel dependen/terikat (y) dalam scatter plot
(diagram pencar), jika ditarik suatu garis lurus belum tentu
semua titik-titik yang terdapat dalam scatter plot tersebut
dilalui oleh garis regresi. Oleh karena itu ada
kemungkinan terdapat deviasi/simpangan (error/residual)
titik-titik y pada scatter plot dengan angka yang ditunjukkan
oleh garis linier ŷ.
Adapun model regresi linier sederhana, dimana x digunakan untuk memprediksi (forecast) y
adalah:

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha
Berdasarkan persamaan model regresi linier sederhana
sebelumnya, nilai b0 dan b1 nya dapat dihitung dengan rumus:

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

Sebelum melakukan analisis regresi linier untuk mendapatkan model seperti tersebut diatas, maka ada
beberapa asumsi yang harus dipenuhi:

1. Variabel yang dicari hubungan fungsionalnya mempunyai data yang berdistribusi

normal.

2. Variabel terikat/dependen harus random sedangkan variabel bebas/independen tidak

random.

3. Variabel yang dihubungkan mempunyai pasangan sama dari subyek yang sama pula.

4. Variabel yang dihubungkan mempunyai skala data minimal interval (interval dan
rasio).

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

Sedangkan langkah-langkah yang perlu dilakukan dalam analisis regresi adalah :

1. Merumuskan/mengidentifikasi variabel
2. Membuat scatter plot / diagram pencar (antara variabel dependen dengan masing-masing
variabel independen) untuk mengetahui bagaimana pola hubungan antar variabelnya. Jika
diperoleh hasil yang tidak linier maka perlu dilakukan tranformasi.
3. Mengestimasi/menaksir model
4. Pengujian Signifikansi model
5. Menginterpretasi parameter model
6. Pemeriksaan asumsi residual/error

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

Suatu model dapat dikatakan baik apabila:

1. Model signifikan
2. Error rendah (varians/mean square error/simpangan terhadap rata-rata (S2) rendah dan
koefisien determinasi (R2) tinggi, tetapi untuk regresi linier ganda R2 ini bukan jaminan
model dapat dikatakan baik karena apabila R2 tinggi, tetapi variabel independennya terjadi
korelasi maka terjadi multikolinieritas/multikolinierity)
3. Memenuhi asumsi error yaitu Identik, Independen dan Distribusi Normal (IIDN)

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

 B. Analisis Regresi Linier Ganda

Analisis regresi ganda digunakan untuk

mencari pola hubungan antara satu variabel
dependen dengan lebih dari satu variabel
independen

Wulansari, Andhita Dessy.2018. Aplikasi Statistik dalam Penelitian. Depok:Pustaka Felicha

KONSEP DASAR ANALISIS REGRESI BERGANDA

1. Analisis regresi berganda bertujuan untuk mengetahui ada atau tidaknya

pengaruh dua atau lebih variabel bebas (X) terhadap variable terikat (Y)

2. Uji T bertujuan untuk mengetahui ada tidaknya pengaruh parsial (sendiri) yang
diberikan variabel bebas (X) terhadap variabel terikay (Y)

3. Uji F bertujuan untuk mengetahui ada atau tidaknya pengaruh simultas

(bersama) yang diberikan variabel bebas (X) terhadap variabel terikat (Y)

4. Koefisien diterminasi berfungsi untuk mengetahui berapa persen pengaruh yang

diberikan variabel X secara simultan terhadap variabel Y
 Langkah-langkah dengan SPSS

Step 01

Variable View
Step 02

Data View
Step 03

Analyze
Step 04

Regression
Step 05

Linear
Step 06

Atur Box Linear Regression

Step 07

Output Regression
PERUMUSAN HIPOTESIS

1. Terdapat pengaruh X1 terhadap Y

2. Terdapat pengaruh X2 terhadap Y

3. Terdapat pengarhuh X1 dan X2 secara simultan terhadap Y

4. Tingkat kepercayaan 95%, a → 0,05

Step 08 Interpretasi
Hasil Output
Step 09 Interpretasi
Hasil Output
 Step 10 Analisis Hasil Output,
Uji T, H1 & H2

Uji Hipotesis 1 Uji Hipotesis 2

Diketahui nilai Sig. untuk pengaruh X1 terhadap Diketahui nilai Sig. untuk pengaruh X2
Y adalah sebesar 0,347 > 0,05 dan nilai T hitung terhadap Y adalah sebesar 0,007 < 0,05 dan nilai
0,992 < T tabel 2,262 sehingga H1 ditolak (tidak T hitung 3,441 >T tabel 2,262 sehingga H2
terdapat pengaruh X1 terhadap Y diterima (terdapat pengaruh X1 terhadap Y
Step 11 Analisis Hasil
Output, Uji F, H3

Uji Hipotesis 3
Diketahui nilai Sig. untuk pengaruh X1
& X2 (simultan) terhadap Y adalah
sebesar 0,000 < 0,05 dan nilai F hitung
23,978 > F tabel 4,10 sehingga H3
diterima (terdapat pengaruh X1 & X2
secara simultan terhadap Y)

Koefisien Determinasi
Diketahui nilai R square 0,842, artinya
pengaruh X1 & X2 secara simultan
terhadap Y adalah 84,2%
 4. KORELASI
DEFENISI
•Derajat Hubungan Antara Variabel-variabel
•Statistik yang mengandung tingkat
Hubungan atau kerjasama diantara dua
variabel.
•Korelasi mengukur derajat hubungan antara
2 atau lebih variabel.
•Hubungan antara 2 Variabel (Misal X danY)
dapat linear, non-linear, positif atau negatif.
JENIS UJI KORELASI
KARAKTERISTIK KORELASI
RUMUS KORELASI PPM
Analisis Jalur/ path
Analysis
Sejarah
Menurut sejarahnya, tehnik Path Analysis (analisis jalur)
diperkenalkan oleh Wright pada tahun 1934 melalui
pengembangan kajian hipotesis hubungan sebab akibat; untuk
menemukan korelasi dengan cara mengurai variabel menjadi
penyebab dan memberikan interpretasi terhadap akibat yang
ditimbulkanya

Teknik analisis jalur juga disebut model

sebab akibat (causing modeling)
Pengertian
● Menurut Retherford, path analysis ialah suatu teknik menganalisis
hubungan sebab akibat antar variabel yang tejadi pada regresi
berganda jika variabel bebasnya memengaruhi variabel tergantung
tidak hanya secara langsung tetapi juga secara tidak langsung.
● Menurut Kuncoro, path analysis digunakan untuk menganalisis
pola hubungan antar variabel dengan tujuan untuk mengetahui
pengaruh langsung atau tidak langsung seperangkat variabel
bebas (eksogen) terhadap variabel terikat (endogen).

Variabel eksogen: semua variabel yang Variabel Endogen: variabel akibat

tidak ada penyebabnya yang eksplisit, variabel yang disebabkan oleh variabel
dalam diagram, tidak ada anak panah lain, yang dalam diagram ditunjukan oleh
yang menuju ke arahnya, juga disebut anak panah yang mengarah padanya,
variabel independen variabel dependen
Tujuan

1. Melihat hubungan antar variabel dengan didasarkan pada

pada model apriori.
2. Menerangkan mengapa variabel-variabel berkorelasi dengan
menggunakan suatu model yang berurutan secara temporer.
3. Menggambarkan dan menguji suatu model matematis
dengan menggunakan persamaan yang mendasarinya
4. Menghitung besarnya pengaruh satu variabel independen
eksogen atau lebih terhadap variabel dependen endogen
lainnya.
Analisis jalur dalam konteks teknik analisis
multivariat

Berdasarkan gambar di atas, kita berasumsi bahwa variabel motivasi, kedisiplinan dan
kreatifitas mempengaruhi kinerja pegawai dalam konteks tehnik analisis multivariat
dependensi, mengidentifikasi :
● Variabel bebas adalah Motivasi, Kedisiplinan dan kreatifitas sedang variabel
tergantung adalah kinerja Pegawai.
● Dalam konteks path analysis, Variabel eksogen adalah Motivasi, Kedisiplinan dan
kreatifitas sedang variabel endogen adalah kinerja Pegawai.
Syarat menggunakan analisis jalur
1. Data metrik berskala interval
2. Terdapat minimal tiga variabel, variabel eksogen, variabel endogen,
variabel mediasi/moderasi tergantung model yang dipilih
3. Ukuran sampel minimal 100
4. Pola hubungan antar variabel satu arah, tidak bolak balik
5. Hubungan antar variabel di dasarkan pada teori yang sudah ada dan
memiliki hubungan sebab akibat
Tahapan menggunakan analisis jalur
a. Merancang model didasarkan pada teori dan hipotesis yang telah dirumuskan. Pengaruh
variabel kualitas produk, harga dan pelayanan terhadap tingkat kepuasan pelanggan.
Gambar model didasarkan pada teori dan hipotesis
Contoh hipotesis
● H0: variabel kualitas produk, harga
dan layanan tidak berpengaruh
terhadap tingkat kepuasaan
pelanggan baik secara gabungan
maupun pastial
● H1: variabel kualitas produk, harga
dan layanan berpengaruh
terhadap tingkat kepuasaan
pelanggan baik secara gabungan
maupun pastial
C. Membuat persamaan struktural

Berdasarkan model tersebut di atas,

persamaan strukturulnya adalah Y = PYX1+PYX2+PYX3 +e1
Hal ini bisa dihitung dengan SmartPLS 3.0

D. Menghitung nilai:

Setelah diolah dengan SmartPLS3.0, maka dapat

diketahui nilai dari:
● Pengaruh gabungan
● Pengaruh partial
● Pengaruh langsung
● Pengaruh tidak langsung
● Pengaruh total Korelasi
● Uji hipotesis dengan signifikansi dan nilai Pvalue
Thank
you