MODUL PRAKTIKUM STATISTIK II PROGRAM STUDI S1 KESEHATAN MASYARAKAT FAKULTAS KESEHATAN DAN FARMASI UNIVERSITAS MUHAMMADIYAH KALIMANTAN TIMUR 2018/2019
MODUL PRAKTIKUM
STATISTIK II
PROGRAM STUDI S1 KESEHATAN MASYARAKAT
FAKULTAS KESEHATAN DAN FARMASI
UNIVERSITAS MUHAMMADIYAH
KALIMANTAN TIMUR
2018/2019
ii
VISI, MISI DAN TUJUAN PROGRAM STUDI S1 KESEHATAN
MASYARAKAT
A. VISI
“Pada Tahun 2037, menjadi Program Studi Kesehatan Masyarakat yang islami
berbasis teknologi informasi yang unggul di bidang pemberdayaan masyarakat
dan berkonstribusi terhadap penyelesaian masalah sosial dan lingkungan”
B. MISI
1. Menyelenggarakan pendidikan kesehatan masyarakat yang islami berbasis
teknologi informasi yang peka terhadap kesehatan di masyarakat.
2. Mengembangkan riset dibidang kesehatan masyarakat untuk berkonstribusi
dalam penyelesaian masalah sosial dan lingkungan.
3. Menerapkan ilmu pengetahuan dan teknologi kesehatan masyarakat dalam
bentuk pengabdian dan pemberdayaan masyarakat untuk menjadi solusi
masalah sosial khususnya pengangguran, kemiskinan dan lingkungan.
4. Mengembangkan kerjasama dibidang kesehatan masyarakat dengan berbagai
pihak yang saling menguntungkan baik di dalam ataupun luar negeri.
C. TUJUAN
1. Menghasilkan lulusan tenaga kesehatan masyarakat yang berkarakter,
berwawasan dan berkemajuan yang berpijak pada nilai – nilai keislaman dan
mampu memanfaatkan teknologi informasi yang berkontribusi terhadap
pembangunan dan menjadi solusi masalah sosial dan lingkungan.
2. Menghasilkan produk penelitian IPTEKS kesehatan masyarakat yang berbasis
teknologi informasi dan ramah lingkungan.
3. Melaksanakan pengabdian dan pemberdayaan masyarakat untuk menjadi
solusi masalah sosial khususnya pengangguran, kemiskinan dan lingkungan.
4. Menghasilkan kerjasama dalam bidang Catur Dharma Perguruan Tinggi yang
produktif dan saling menguntungkan baik dalam dan luar negeri
iii
D. SASARAN
1. Peningkatan mutu pembelajaran dan lulusan
2. Pengembangan SDM dosen dan tenaga kependidikan
3. Pengembangan wahana pendidikan
4. Pengembangan program studi baru
5. Peningkatan penelitian dan publikasi ilmiah
6. Optimalisasi pengabdian masyarakat yang diprioritaskan pada upaya
mengatasi masalah sosial, pengangguran dan lingkungan
7. Peningkatan kerjasama nasional maupun internasional
iv
KATA PENGANTAR
Assalamualaikum Wr. Wb
Puji syukur praktikan panjatkan kehadirat Allah SWT yang maha kuasa atas segala
limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan penyusunan
Modul pembelajaran tentang Statistik II ini dengan baik dan lancar. Dalam
penyusunannya, penulis ucapkan terimakasih kepada semua pihak yang telah
memberikan dorongan dan support kepada penulis untuk menyelesaikan Modul ini.
Untuk itu pada kesempatan ini, kami mengucapkan terima kasih kepada yang terhormat:
1. Rektor Universitas Muhammadiyah Kalimantan Timur
2. Dekan Fakultas llmu Kesehatan Dan Farmasi
3. Ketua Program Studi S1 Kesehatan Masyarakat
4. Berbagai pihak yang tidak bisa disebutkan satu persatu.
Namun disamping itu menyadari masih banyak kekurangan dalam penulisan modul
ini, oleh karena itu praktikan mengharapkan kritik dan saran yang membangun agar
modul ini dapat lebih baik lagi.
Wassalamualaikum Wr. Wb
Samarinda, Agustus 2019
Penyusun
v
DAFTAR ISI
HALAMAN JUDUL .............................................................................................. i
VISI, MISI DAN TUJUAN PRODI ...................................................................... ii
KATA PENGANTAR ............................................................................................. iv
DAFTAR ISI ............................................................................................................ v
BAB I PENDAHULUAN .......................................................................................
A. Latar Belakang ............................................................................................. 1
B. Tujuan ........................................................................................................... 3
BAB II TINJAUAN PUSTAKA ............................................................................
A. Memasukan Data, Recoding Data, Uji Normalitas, Analisa Data ................ 4
B. Uji T .............................................................................................................. 18
C. Uji Chi Square ............................................................................................... 22
D. Korelasi atau Regresi Linier Sederhana ........................................................ 24
E. Uji Anova-One Way ..................................................................................... 28
BAB III PENUTUP ................................................................................................
A. Kesimpulan .................................................................................................. 33
B. Saran ............................................................................................................ 33
DAFTAR PUSTAKA ............................................................................................. 34
FORMULIR PENILAIAN ..................................................................................... 35
1
BAB I
PENDAHULUAN
A. Latar Belakang
Pada zaman sekarang ini, semua sudah serba modern sehingga semua
kegiatan dituntut untuk serba cepat, seperti pengolahan data dan yang lain yang
sulit untuk dikerjakan secara manual. Dan untuk memudahkan itu semua maka
diciptakanlah komputer. Komputer berasal dari bahasa yunani „Computare‟
yang artinya menghitung. Komputer memang memudahkan kita untuk
mengolah data yang didasarkan pada operasi matematika seperti operasi logika.
Meskipun komputer merupakan buatan manusia, namun alat ini sangat
membantu pekerjaan manusia dalam pengolahan data karena mempunyai tiga
keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.
Ternyata komputer saja tidak cukup untuk membantu manusia dalam
memasukkan data (data entry), mengedit data, transformasi data, analisis data
yang dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan
mendistribusikan informasi yang berguna untuk pengambilan keputusan dalam
suatu organisasi, agar tetap eksis dan unggul dalam kompetisi yang ketat, yang
dialami oleh mahasiswa dalam mata kuliah Statistika. Maka dari itu dibuat
suatu program aplikasi SPSS. Software ini dibuat oleh tiga mahasiswa Stanford
University yang dioperasikan pada komputer mainframe pada tahun 1968.
Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS (Statistical
Product and Service Solution) yang nantinya dapat digunakan mahasiswa
dalam menghitung dan menganalisis suatu data yang telah diperoleh
sebelumnya.
Analisis kuantitatif dalam suatu penelitian dapat didekati dari dua sudut
pendekatan, yaitu analisis kuantitatif secara deskriptif, dan analisis kuantitatif
secara inferensial. Masing-masing pendekatan ini melibatkan pemakaian dua
jenis statistik yang berbeda. Yang pertama menggunakan statistik deskriptif
dan yang kedua menggunakan statistik inferensial. Kedua jenis statistik ini
memiliki karakteristik yang berbeda, baik dalam hal teknik analisis maupun
2
tujuan yang akan dihasilkannya dari analisisnya itu. Sesuai dengan namanya,
deskriptif hanya akan mendeskripsikan keadaan suatu gejala yang telah
direkam melalui alat ukur kemudian diolah sesuai dengan fungsinya.
Dalam uji statistik parametrik terdapat beberapa uji yang dapat digunakan
untuk mengambil kesimpulan tentang populasi dari sampel tersebut yang
diambil. Seandainya sampel yang diambil merupakan sampel yang saling
berhubungan, maka akan timbul suatu permasalahan bagaimana cara (metode)
menganalisisnya dan uji statistik apa yang digunakan. Salah satu uji statistik
parametrik digunakan adalah uji T-test dependent.
T - test atau uji t adalah uji statistik yang digunakan untuk menguji
kebenaran atau kepalsuan hipotesis nol. Uji t pertama kali dikembangkan oleh
William Seely Gosset pada tahun 1915. Uji t dapat dibagi menjadi 2 , yaitu uji t
yang digunakan untuk pengujian hipotesis 1 sampel dan uji t yang digunakan
untuk pengujian hipotesis 2 sempel. Bila duhubungkan dengan kebebasan
(independency) sampel yang digunakan (khusus bagi uji t dengan 2 sampel),
maka uji t dibagi lagi menjadi 2, yaitu uji t untuk sampel bebas (independent)
dan uji t untuk sampel berpasangan (paired).
Uji t - test dependent adalah pengujian yang mana tidak adanya perbedaan
yang signifikan antara nilai variabel dari dua sampel yang berpasangan atau
berkolerasi.Fungsi dari t-test dependent adalah untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai
sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan atau
pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan
sebuah perlakuan. Syarat jenis uji t – test dependent adalah: (a) data
berdistribusi normal; (b) kedua kelompok data adalah dependen (saling
berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah numeric
dan kategorik (dua kelompok).
Penggunaan uji hipotesis (baik uji t maipun uji z), berguna untuk menguji
perbedaan rata-rata secara simultan hanya dapat diterapkan pada dua variable.
Jika jumlah variable yang diuji cukup besar atau lebih dari dua, penggunaan uji
t maupun uji z akan memakan waktu yang cukup lama karena harus melakukan
3
perhitungan secara berpasangan untuk masing-masing variable. Selain menyita
waktu, dengan semakin banyaknya proses perhitungan yang dilakukan, maka
kemungkinan terjadinya kesalahan, baik kesalahan dalam perhitungan,
perbandingan, maupun karena pengulangan menjadi semakin besar.
Alternative lain untuk pengujian terhadap rata-rata sampel adalah dengan
menggunakan uji varians. Teknik ini membandingkan secara simultan
beberapa variable sehingga memperkecil kemungkinan kesalahan. Keuntungan
dari penggunaan analisis varians adalah mampu membandingkan untuk
banyak variable (walpole, 1995).
Analisis varians juga memiliki keunggulan dalam hal kemampun untuk
membandingkan antar variable antar pengulangan dan juga adanya interaksi
antar variable. Teknik analisis dengan hanya menggunakan satu variable
perbandingan ini disebut dengan analisis varians satu arah (one way ANOVA).
Teknik analisis dengan menggunakan perbandingan baik dari masing-masing
perlakuan maupun dari masing-masing pengulangan ini disebut dengan analisis
varians dua arah (two way ANOVA), sedangkan teknik analisis dengan
menggunakan perbandingan baik dari masing-masing perlakuan maupun dari
masing-masing pengulangan dan juga memperhatikan interaksi antara
perlakuan dan pengulangan dinamika disebut analisis varians dua arah dengan
interaksi (two way ANOVA with interaction).
B. Tujuan
1. Untuk lebih memahami mengenai cara memasuka data, Recoding data, uji
normalitas dan analisa data.
2. Memberikan pemahaman pada mahasiswa tentang uji T.
3. Memberikan pemahaman pada mahasiswa tentang uji Chi Square.
4. Memberikan pemahaman pada mahasiswa tentang uji Korelasi atau Regresi
Linier Sederhana.
5. Memberikan pemahaman pada mahasiswa tentang uji Anova-One Way.
4
BAB II
TINJAUAN PUSTAKA
A. Memasuka Data, Recoding Data, Uji Normalitas Dan Analisa Data
1. Definisi statistik
Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara
atau untuk menyatakan hal-hal yang berhubungan dengan ketatanegaraan.
Cakupan statistik bukan hanya pada angka-angka pemerintahan saja, tetapi
telah mengambil bagian dari berbagai kehidupan. Berikut ini pengertian
statistik sesuai dengan perkembangannya.
a. Pengertian pertama
Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik
angka yang belum tersusun maupun angka-angka yang sudah tersusun
dalam suatu daftar atau grafik.
b. Pengertian kedua
Statistik adalah sekumpulan cara dan aturan tentang pengumpulan,
pengolahan, analisis, serta penafsiran data yang terdiri dari angka-angka.
c. Pengertian ketiga
Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data atau
hasil pengamatan.
Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa
statistika merupakan suatu metode atau ilmu, yaitu metode atau ilmu yang
mempelajari cara pengumpulan, pengolahan, penganalisisan, penafsiran,
dan penarikan kesimpulan dari data yang ada.
Dan dari pengertian-pengertian di atas, unsur-unsur dari statistik adalah:
a. Data
b. Perlakuan data, seperti pengumpulan dan pengolahan
c. Kesimpulan
d. Angka-angka
Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu:
5
a. Croxton dan Cowden
Statistik adalah metode untuk mengumpulkan, mengolah, dan
menyajikan, serta menginterpretasikan data yang berwujud angka-
angka.
b. Anderson dan Bancroft
Statistik adalah ilmu dan seni perkembangan dan metode paling
efektif untuk pengumpulan, pentabulasian, dan penginterpretasian data
kuantitatif sedimikian rupa, sehingga kemungkinan salah dalam
kesimpulan dan estimasi dapat diperkirakan dengan penggunaan
penalaran induktif yang didasarkan pada matematika probabilitas.
c. Prof. Dr. Sudjana, M.A., M.sc.
Statistik adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan penganalisisannya, dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisisan yang
dilakukan.
d. Steel dan Torrie
Statistik adalah metode yang memberikan cara-cara guna menilai
ketidaktentuan dan penarikan kesimpulan yang bersifat induktif.
e. J. Supranto
Dalam arti sempit Statistika adalah data ringkasan yang berbentuk
angka(kuantitatif). Dalam arti luas Statistika adalah ilmu yang
mempelajari cara pengumpulan, penyajian, dan analisis data, serta
cara pengmbilan kesimpulan secara umum berdasarkan hasil
penelitian yang menyeluruh.
f. Drs. Djarwanto Ps.
Statistik adalah kumpulan angka-angka yang berhubungan dengan
atau melukiskan suatu persoalan.
Peranan statistik antara lain:
a. Dalam kehidupan sehari-hari
Sebagai penyedia bahan-bahan atau keterangan-keterangan berbagai
hal untuk diolah dan ditafsirkan.
6
b. Dalam penelitian ilmiah
Sebagai penyedia alat untuk mengemukakan atau menemukan
kembali keterangan-keterangan yang seolah-olah tersembunyi dalam
angka-angka statistik.
c. Dalam ilmu pengetahuan
Sebagai peralatan analisis dan interpretasi dari data kuntitatif ilmu
pengetahuan, sehingga didapatkan suatu kesimpulan dari data-data
tersebut. (Ir. M. Iqbal Hasan,M.M., 2002)
2. Variabel Statistik Dan Skala Pengukuran
a. Variabel statistik
Variabel adalah suatu sifat atau fenomena yang menunjukan sesuatu yang
dapat diamati dan nilainya berbeda-beda Sesuatu dikatakan variabel, jika:
1) Mempunyai nama
2) Dapat diamati atau diukur
3) Nilainya berbeda-beda
4) Memiliki definisi verbal
5) Ada kelompok penggolongan atau satuan
Contoh variabel tinggi badan:
1) Nama : tinggi badan
2) Dapat diukur : dapat
3) Nilai pengukuran : berbeda
4) Definisi verbal : jarak antara kepala – kaki
5) Satuan : centimeter
6) Bagian dari variabel disebut: atribut
7) Variabel: jenis kelamin, tingkat pendidikan
8) Atribut: laki, perempuan →atribut dari variabel jenis kelamin
9) Atribut: SD, SMP, SMA, PT → atribut dari variabel tingkat
pendidikan
7
Subyek dan Obyek Penelitian
1) Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu
hamil disebut subyek penelitian →sedangkan tingkat pengetahuan
disebut obyek penelitian
2) Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek,
kunjungan: obyek
3) Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek
Macam Variabel
1) Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel
yang dipengaruhi oleh variabel lain
2) Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang
mempengaruhi variabel lain
3) Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan
(variabel bebas), variabel pekerjaan (tergantung) → sebab
pendidikan mempengaruhi pekerjaan
Hubungan Antar Variabel
1) Hubungan Asimetris
2) Hubungan Simetris
3) Hubungan Timbal Balik (Resiprocal)
Hubungan Variabel Asimetris
1) Hubungan variabel Asimetris adalah hubungan suatu variabel yang
mempengaruhi variabel lainya
2) X → Y
3) X = variabel bebas, independent, pengaruh, prediktor
4) Y = variabel tergantung, dependent, terpengaruh, kriterium
Hubungan Variabel Simetris
1) Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak
saling mempengaruhi
2) Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2)
dipengaruhi oleh variabel pertumbuhan (X)
8
3) Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi
Hubungan Variabel Timbal Balik
1) Hubungan antar dua variabel yang saling mempengaruhi
2) Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi
Malabsorbsi akan menyebabkan malnutrisi Malnutrisi akan
menyebabkan atropi mukosa usus halus → malabsorbsi
Variabel Perantara
1) Variabel perantara atau penghubung: variabel yang menjadi
penghubung antara variabel bebas dan variabel tergantung
2) Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas,
tetapi tidak secara langsung, namun melalui kontrasepsi atau
penundaan usia perkawinan → variabel kontrasepsi dan penundaan
usia perkawinan disebut: Variabel Perantara
Variabel Penekan/ Pra Kondisi
1) Variabel penekan atau prakondisi adalah variabel yang merupakan
prasyarat bekerjanya variabel bebas dan variabel tergantung
2) Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB
(varibel tergantung) → proses diatas dapat berlangsung pada saat
kondisi tubuh lemah (variabel penekan/ prakondisi)
Variabel Pengganggu/ Distorter
1) Variabel pengganggu/ distorter adalah variabel yang mengganggu
bekerjanya variabel bebas dan variabel tergantung
2) Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak
daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini
disebabkan ada variabel pengganggu yaitu variabel status pekerjaan:
PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non
PNS
Definisi Operasional Variabel Definisi operasional adalah
seperangkat instruksi yang lengkap untuk menetapkan apa yang akan
diukur dan bagaimana cara mengukur variable. Hal-hal yang perlu
9
diperhatikan dalam menyusun definisi operasional sebuah variable
adalah:
1) Nama variable
2) Definisi verbal variable
3) Kelompok penggolongan variable
4) suatu cara untuk menggolongkannya
Agar variabel dapat diamati dan diukur, maka setiap konsep yang
ada dalam permasalahan atau yang ada dalam hipotesis harus disusun
Definisi Operasional.
Definisi operasional dari variabel sangat diperlukan terutama untuk
menentukan alat atau instrumen yang akan digunakan dalam
pengumpulan data.
Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan
sebagai: Orang yang dapat menghabiskan sepiring nasi dalam waktu
kurang dari dua menit.
Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan
lesu. Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi
1 diperlukan sepiring nasi dan sebuah pencatat waktu, sedang berdasar
definisi 2 tidak diperlukan alat, kecuali indera pengamatan
b. Skala pengukuran
Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal,
ordinal, interval dan ratio.
1) Nominal
Skala pengukuran nominal digunakan untuk mengklasifikasikan
obyek, individual atau kelompok; sebagai contoh mengklasifikasi
jenis kelamin, agama, pekerjaan, dan area geografis. Dalam
mengidentifikasi hal-hal di atas digunakan angka-angka sebagai
symbol. Apabila kita menggunakan skala pengukuran nominal, maka
statistik non-parametrik digunakan untuk menganalisa datanya. Hasil
analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita
10
mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-
laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat
melakukan operasi arimatika dengan angka-angka tersebut, karena
angka-angka tersebut hanya menunjukkan keberadaan atau
ketidakadanya karaktersitik tertentu.
Contoh:
Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang
bersifat kategorikal dapat diberi symbol angka-angka sebagai
berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.
2) Ordinal
Skala pengukuran ordinal memberikan informasi tentang jumlah
relatif karakteristik berbeda yang dimiliki oleh obyek atau individu
tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal
ditambah dengan sarana peringkat relatif tertentu yang memberikan
informasi apakah suatu obyek memiliki karakteristik yang lebih atau
kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.
Contoh:
Jawaban pertanyaan berupa peringkat misalnya: sangat tidak
setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi
symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan
simbol peringkat, tidak mengekspresikan jumlah.
3) Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh
skala nominal dan ordinal dengan ditambah karakteristik lain, yaitu
berupa adanya interval yang tetap. Dengan demikian peneliti dapat
melihat besarnya perbedaan karaktersitik antara satu individu atau
obyek dengan lainnya. Skala pengukuran interval benar-benar
merupakan angka. Angka-angka yang digunakan dapat dipergunakan
dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau
dikalikan. Untuk melakukan analisa, skala pengukuran ini
menggunakan statistik parametric.
11
Contoh:
Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan,
misalnya: Berapa kali Anda melakukan kunjungan ke Jakarta
dalam satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-
angka 1,3, dan 5 merupakan angka sebenarnya dengan
menggunakan interval 2.
4) Ratio
Skala pengukuran ratio mempunyai semua karakteristik yang
dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan
skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol
tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang
sedang diukur. Pengukuran ratio biasanya dalam bentuk perbandingan
antara satu individu atau obyek tertentu dengan lainnya.
Contoh:
Berat Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari
dibanding dengan berat Maya sama dengan 1 dibanding 2.
5) Validitas
Suatu skala pengukuran dikatakan valid apabila skala tersebut
digunakan untuk mengukur apa yang seharusnya diukur. Misalnya
skala nominal yang bersifat non-parametrik digunakan untuk
mengukur variabel nominal bukan untuk mengukur variabel interval
yang bersifat parametrik. Ada 3 (tiga) tipe validitas pengukuran yang
harus diketahui, yaitu:
a) Validitas Isi (Content Validity)
Validitas isi menyangkut tingkatan dimana item-item skala yang
mencerminkan domain konsep yang sedang diteliti. Suatu domain
konsep tertentu tidak dapat begitu saja dihitung semua dimensinya
karena domain tersebut kadang mempunyai atribut yang banyak
atau bersifat multidimensional.
12
b) Validitas Kosntruk (Construct Validity)
Validitas konstruk berkaitan dengan tingkatan dimana skala
mencerminkan dan berperan sebagai konsep yang sedang diukur.
Dua aspek pokok dalam validitas konstruk ialah secara alamiah
bersifat teoritis dan statistik.
c) Validitas Kriteria (Criterion Validity)
Validitas kriteria menyangkut masalah tingkatan dimana skala yang
sedang digunakan mampu memprediksi suatu variable yang
dirancang sebagai kriteria.
d) Reliabilitas
Reliabilitas menunjuk pada adanya konsistensi dan stabilitas nilai
hasil skala pengukuran tertentu. Reliabilitas berkonsentrasi pada
masalah akurasi pengukuran dan hasilnya.
3. Klasifikasi Statistik
a. Statistik Parametrik
Statistika parametrik adalah ilmu statistika yang
mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data
menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar
normal, maka data harus dikerjakan dengan metode Statistika non-
parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dg statistika parametrik.
Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau
2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way
ANOVA parametrik), dll. (Ir. M. Iqbal Hasan,M.M., 2002)
b. Statistik deskriptif
Statistik deskriptif adalah bagian dari statistik yang mempelajari
cara pengumpulan dan penyajian data sehingga mudah dipahami.
Statistik deskriptif hanya berfungsi untuk menerangkan keadaan, gejala,
atau persoalan. Penarikan kesimpulan pada statistik deskriptif hanya
ditujukan pada kumpulan data yang ada. Didasarkan pada ruang lingkup
13
bahasannya, statistik deskriptif mencakup hal sebagai berikut: Distribusi
frekuensi beserta bagian-bagiannya seperti:
1) Grafik distribusi (histogram, poligon frekuensi, dan ogif)
2) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan
sebagainya)
3) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi,
simpangan baku, dan sebagainya)
4) Kemencengan dan keruncingan kurva
5) Angka Indeks
6) Time Series/deret waktu atau data berkala
7) Korelasi dan Regresi Sederhana
c. Statistik Inferensi
Statistik inferensi adalah bagian dari statistik yang mempelajari
mengenai penafsiran dan penarikan kesimpulan yang berlaku secara
umum dari data yang telah tersedia. Penarikan kesimpulan pada statistik
inferensi merupakan generalisasi dari suatu populasi berdasarkan data
yang ada. Didasarkan atas ruang lingkup bahasannya, statistik ini
mencakup:
1) Probabilitas atau teori kemungkinan
2) Distribusi teoritis
3) Sampling dan distribusi sampling
4) Pendugaan populasi dan teori populasi
5) Uji hipotesis
6) Analisis korelasi dan uji signifikasi
7) Analisis regeresi untuk peramalan
(Ir. M. Iqbal Hasan,M.M., 2002)
d. Statistik Non Parametrik
Statistika non-parametrik -> statistika non-parametrik adalah
statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter
populasi, baik normal atau tidak). Statistika non-parametrik biasanya
digunakan untuk melakukan analisis pada data berjenis Nominal atau
14
Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal.
Contoh metode Statistika non-parametrik:Binomial test, Chi-square test,
Median test, Friedman Test. (Ir. M. Iqbal Hasan,M.M., 2002).
4. Definisi Recoding Data
Recode adalah : Perintah recode digunakan untuk merubah
nilai/kategori jawaban dari 10 kategori
atau lebih menjadi 3 atau 4 kategori. Atau untuk mengganti nilai pada
kolom variable tertentu, sifatnya menggantikan (into same variable) atau
merubah (into different variable) pada variable baru. Perintah recode terdiri
dari dua sub perintah, yaitu :
a. Into same variable : perbedaanya pada recode pertama, hasil
perubahan akan di over write pada variabel yang direcode.
b. Into different variable:
sedangkan pada jenis kedua hasil perubahan akan ditempatkan
pada variabel baru.
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan
masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu
keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-
simbol lainnya yang bisa kita gunakan sebagai bahan untuk melihat
lingkungan, obyek, kejadian ataupun suatu konsep.
Informasi merupakan hasil pengolahan dari sebuah model, formasi,
organisasi, ataupun suatu perubahan bentuk dari data yang memiliki nilai
tertentu, dan bisa digunakan untuk menambah pengetahuan bagi yang
menerimanya. Dalam hal ini, data bisa dianggap sebagai obyek dan
informasi adalah suatu subyek yang bermanfaat bagi penerimanya.
Informasi juga bisa disebut sebagai hasil pengolahan ataupun pemrosesan
data.
15
5. Definisi Uji Normalitas
Distribusi Normalitas dalam statistik parametric seperti regresi dan
Anova merupakan syarat pertama.Uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel penggangu atau residual memiliki
distribusi normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak
valid atau bias terutama untuk sampel kecil.
Ada beberapa cara melakukan uji asumsi normalitas ini yaitu
menggunakan analisis Chi Square dan Kolmogorov-Smirnov. Bagaimana
analisisnya untuk sementara kita serahkan pada program analisis statistik
seperti SPSS dulu ya. Tapi pada dasarnya kedua analisis ini dapat
diibaratkan seperti ini :
a. pertama komputer memeriksa data kita, kemudian membuat sebuah data
virtual yang sudah dibuat normal.
b. kemudian komputer seolah-olah melakukan uji beda antara data yang kita
miliki dengan data virtual yang dibuat normal tadi.
c. dari hasil uji beda tersebut, dapat disimpulkan dua hal :
Jika p lebih kecil daripada 0,05 maka dapat disimpulkan bahwa data
yang kita miliki berbeda secara signifikan dengan data virtual yang normal
tadi. Ini berarti data yang kita miliki sebaran datanya tidak normal.
Jika p lebih besar daripada 0,05 maka dapat disimpulkan bahwa data
yang kita miliki tidak berbeda secara signifikan dengan data virtual yang
normal. Ini berarti data yang kita miliki sebaran datanya normal juga.
Ukuran inilah yang digunakan untuk menentukan apakah data kita
berasal dari populasi yang normal atau tidak.
a. Bagaimana mengatasi masalah normalitas?
Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak
normal; yaitu:
1) Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner
dari data (bahasan outliner akan dibahas kemudian)
2) Melakukan transformasi data.
3) Menggunakan alat analisis nonparametric
16
Data yang tidak normal tidak selalu berasal dari penelitian yang
buruk.Data ini mungkin saja terjadi karena ada kejadian yang di luar
kebiasaan. Atau memang kondisi datanya memang nggak normal. Misal
data inteligensi di sekolah anak-anak berbakat (gifted) jelas tidak akan
normal, besar kemungkinannya akan juling positif.
b. Lalu apa yang bisa kita lakukan?
1) Kita perlu ngecek apakah ketidaknormalannya parah nggak. Tidak ada
patokan pasti tentang keparahan ini. Tapi kita bisa mengira-ira jika
misalnya nilai p yang didapatkan sebesar 0,049 maka
ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit di
bawah 0,05). Ada beberapa analisis statistik yang agak kebal dengan
kondisi ketidaknormalan yang tidak terlalu parah (disebut memiliki
sifat robust), misalnya F-test dan t-test. Jadi kita bisa tetap
menggunakan analisis ini jika ketidaknormalannya tidak parah.
2) Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah.
Nilai ekstrem ini disebut outliers. Pertama kita perlu membuat grafik,
dengan sumbu x sebagai frekuensi dan y sebagai semua nilai yang ada
dalam data kita (ini tentunya bisa dikerjakan oleh komputer). Dari sini
kita akan bisa melihat nilai mana yang sangat jauh dari kelompoknya.
Nilai inilah yang kemudian perlu dibuang dari data kita, dengan
asumsi nilai ini muncul akibat situasi yang tidak biasanya. Misal
responden yang mengisi skala kita dengan sembarang yang membuat
nilainya jadi sangat tinggi atau sangat rendah.
3) Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform
data kita. Ada banyak cara untuk mentransform data kita, misalnya
dengan mencari akar kuadrat dari data kita, dll.
4) Bagaimana jika semua usaha di atas tidak membuahkan hasil. Maka
langkah terakhir yang bisa kita lakukan adalah dengan menggunakan
analisis non-parametrik. Analisis ini disebut juga sebagai analisis yang
distribution free. Sayangnya analisis ini seringkali mengubah data kita
menjadi data yang lebih rendah tingkatannya. Misal kalau sebelumnya
17
data kita termasuk data interval dengan analisis ini akan diubah
menjadi data ordinal.
6. Teknik Uji Normalitas
Banyak sekali teknik pengujian normalitas suatu distribusi data yang
telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung
karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan
saat ini sudah tersedia banyak sekali alat bantu berupa program statistik
yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan
menggunakan teknik Kolmogorov Smirnov.
Uji Kolmogorov Smirnov merupakan pengujian normalitas yang
banyak dipakai, terutama setelah adanya banyak program statistik yang
beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan
perbedaan persepsi di antara satu pengamat dengan pengamat yang lain,
yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan
jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak normal.
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat
perbedaan yang signifikan antara data yang akan diuji dengan data normal
baku, artinya data yang kita uji normal. Kelemahan dari Uji Kolmogorov
Smirnov yaitu bahwa jika kesimpulan kita memberikan hasil yang tidak
normal, maka kita tidak bisa menentukan transformasi seperti apa yang
18
harus kita gunakan untuk normalisasi. Jadi kalau tidak normal, gunakan plot
grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan
Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa
yang paling tepat dipergunakan.
Pengujian normalitas dengan menggunakan Program SPSS dilakukan
dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik
pada 1-Sample K-S.K-S itu singkatan dari Kolmogorov-Smirnov. Maka
akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan
diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan
OK. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi
Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas
0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika
nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.
Normalitas dalam statistik parametric seperti regresi dan Anova
merupakan syarat pertama.Uji normalitas bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid
atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan
melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P
Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-
Wilk (bahasan mengatasi masalah normalitas akan dibahas terpisah).
B. UJI T
1. Pengertian dari Uji T-Test Dependent
T-test dependent atau sering diistilakan dengan Paired Sampel t-Test,
adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami 2
perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan
sesudah dilakukan sebuah treatment.(Sugiyono, 2010)
19
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent adalah
pengujian yang mana tidak adanya perbedaan yang signifikan antara nilai
variabel dari dua sampel yang berpasangan atau berkolerasi. Sampel
berpasangan dapat berupa :
a) Satu sampel yang diukur dua kali misalnya sebelum sampel diberi
iklan dansesudah diberi iklan. Yang diukur selanjutnya adalah
apakah setelah diberi iklan anggota sampel yang membeli barang
lebih banyak daripada anggota sampel sebelum diberi iklan atau
tidak.
b) Dua sampel berpasangan diukur bersama, misalnya sampel yang satu
diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah
apakah anggota sampel yang diberi iklan memberi barang lebih
banyak atau tidak dari pada yang tidak diberi iklan.
2. Fungsi dari Uji T-test dependent
Fungsi dari t-test dependent adalah untuk membandingkan rata-rata dua
grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai
sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan
atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah
dilakukan sebuah perlakuan. Selain itu untuk menguji efektifitas suatu
perlakuan terhadap suatu besaran variabel yang ingin ditentukan, misalnya
untuk mengetahui efektifitas metode penyuluhan terhadap peningkatan
pengetahuan dari responden.( Ridwan, 2009)
3. Syarat – Syarat Penggunaan Uji T - Test Dependent
Syarat – syarat penggunaan uji t – test dependent, terdiri dari :
a) Uji komparasi antar dua nilai pengamatan berpasangan, misalnya:
sebelum dan sesudah
b) Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
1) satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
2) merupakan data kuantitatif (rasio-interval)
20
3) Data berdistribusi normal (di populasi terdapat distribusi difference =
d yang berdistribusi normal dengan mean μd=0 dan variance =1)
(Sugiyono, 2010)
4. Jenis Hipotesis pada Uji T - Test Dependent
a) Uji dua arah. Pada hipotesis awal tidak terdapat perbedaan yang
signifikan antara rata-rata 1 dan rata-rata 2, sedangkan pada hipotesis
alternatif sebaliknya yaitu terdapat perbedaan rata-rata 1 dan rata-rata 2.
b) Uji satu arah dimana pada hipotesis awal kelompok atau sampel 1
memiliki rata-rata sama dengan atau lebih besar dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih
kecil dibandingkan dengan rata-rata kelompok 2.
c) Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis
awal kelompok atau sampel 1 memiliki rata-rata sama dengan atau lebih
kecil dengan rata-rata kelompok 2. sedangakan hipotesis alternatif rata-
rata kelompok 1 lebih besar dibandingkan dengan rata-rata kelompok 2.
Hipotesis awal ditolak, bila:
|t hitung| > t tabel ( terdapat perbedaan / Ha)
atau:
21
Hipotesis awal diterima, bila:
|t hitung| <= t tabel (tidak terdapat perbedaan / Ho)
5. Rumus
Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu :
Statistik hitung (t hitung):
Dimana:
Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
S d = Standar Deviasi dari d.
6. Langkah Menggunakan Uji T – Test Dependent
Menurut Ratih (2014), Langkah-langkah pengujian signifikansi (hipotesis)
dalam Pengujian Perbedaan Rata‐rata Dua kelompok berpasangan:
a) Tetapkan H0 dan H1
b) Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat
kepercayaan 99 %) yang terdapat pada tabel “t”.
c) Tentukan daerah kritis, dengan db = n -1.
d) Tentukan t hitung dengan menggunakan rumus.
22
e) Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung
dengan “t” tabel.
C. Uji Chi Square
1. Definisi Uji Chi Square
Uji chi-square adalah salah satu uji statistic non parametik yang cukup
sering digunakan dalam penelitian. Uji chi-square ini bias diterapkan untuk
pengujian kenormalan data, pengujian data yang berlevel nominal atau
untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chi-
square diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan
di amati (data observasi) bebeda secara nyata ataukah tidak dengan
frekuensi yang diharapkan (expected value). Chi-square Test atau Uji Chi-
square adalah teknik analisis yang digunakan untuk menentukan perbedaan
frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan
(Ei) suatu kategori tertentu. Uji ini dapatdilakukan pada data diskrit atau
frekuensi.
Pengertian chi square atau chi kuadrat lainnya adalah sebuah uji
hipotesis tentang perbandingan antara frekuensi observasi dengan frekuensi
harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus atau data
(diktat 2009). Chi kuadrat adalah pengujian hipotesis tentang perbandingan
antara frekuensi sampel yang benar–benar terjadi (Haryono,1994). Chi
kuadrat biasanya di dalam frekuensi observasi berlambangkan dengan
frekuensi harapan yang didasarkan atas hipotesis dilambangkan. Ekspresi
matematis tentang distribusi chi kuadrat hanya tergantung pada suatu
parameter, yaitu derajat kebebasan (d.f.)
Chi kuadrat mempunyai masing–masing nilai derajat kebebasan, yaitu
distribusi (kuadrat standard normal) merupakan distribusi chi kuadrat
dengan d.f. = 1, dan nilai variabel tidak bernilai negative. Kegunaan dari chi
square untuk menguji seberapa baik kesesuaian diantara frekuensi yang
teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan
dihipotesiskan, atau juga menguji perbedaan antara dua kelompok pada data
23
dua kategorik untuk dapat menguji signifikansi asosiasi dua kelompok pada
data dua katagorik tersebut (Sri,1990).
Syarat agar uji Chi-Square dapat digunakan adalah jumlah sel yang
nilai espektasinya kurang dari 5 tidak ebih dari 20 % dari sel yang
ada.Namun apabila hal ini terjadi SPSS akan memberikan peringatan dan
anda harus menggunakan uji chi-square dengan koreksi.Jika hal ini terjadi
pada tebel 2 baris dan 2 kolom,sebaiknya anda menggunakan uji eksak dan
Fisher yang di tampilkan pada bagian bawah table uji statistik.
2. Syarat Penggunaan Chi Square
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah
satu jenis uji komparatif non parametris yang dilakukan pada dua variabel,
di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel,
ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).
Uji chi-square merupakan uji non parametris yang paling banyak
digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi
responden atau sampel yang digunakan besar, sebab ada beberapa syarat di
mana chi square dapat digunakan yaitu:
a. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut
juga Actual Count (F0) sebesar 0 (Nol).
b. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell
saja yang memiliki frekuensi harapan atau disebut juga expected
count ("Fh") kurang dari 5.
c. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari
20%.
24
D. Korelasi Atau Regresi Linier Sederhana
1. Korelasi
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan
pola dalam satu variabel berdasarkan kecenderungan pola dalam variabel
yang lain. Maksudnya, ketika satu variabel memiliki kecenderungan untuk
naik maka kita melihat kecenderungan dalam variabel yang lain apakah juga
naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel
selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat
mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi. Jika
data hasil pengamatan terdiri dari banyak variabel , ialah beberapa kuat
hubungan antara-antara variabel itu terjadi. Dalam kata-kata lain perlu
ditentukan derajat hubungan antara variabel-variabel. Studi yang membahas
tentang derajat hubungan antara variabel-variabel dikenal dengan nama
korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama
untuk data kuantitatif dinamakan koefisien korelasi (Yuswandy,2009).
2. Regresi
Bila terdapat suatu data yang terdiri atas dua atau lebih variabel, adalah
sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu saling
berhubungan dan saling mempengaruhi satu sama lain. Hubungan yang
didapat pada umumnya dinyatakan dalam bentuk persamaan matematik
yang menyatakan hubungan fungsional antara variabel-variabel. Studi yang
menyangkut masalah ini dikenal dengan analisis regresi (Tan, 2009). Dalam
hal ini penulis akan membicarakan masalah pendugaan atau peramalan nilai
peubah bebas Y berdasarkan peubah bebas X yang telah diketahui nilainya.
Misalnya penulis ingin meramalkan nilai kimia mahasiswa tingkat persiapan
berdasarkan skor tes intelegensia yang diberikan sebelum mulai kuliah.
Dengan melambangkan nilai kimia seseorang dengan y dan skor tes
intelegasinya dengan x, maka data setiap anggota populasi dapat dinyatakan
dalam koordinat (x,y). Suatu contoh acak berukuran n dari populasi tersebut
dengan demikian dapat dilambangkan sebagai {(xi,yi)}; i=1,2,.......,n}.
25
Bila hubungan linear demikian ini ada, maka penulis harus berusaha
menyatakan secara matematik dengan sebuah persamaan garis-lurus yang
disebut garis regresi linear. Dari aljabar atau ilmu ukur analitik disekolah
lanjutan, penulis mengetahui bahwa sebuah garis lurus dapat dituliskan
dalam bentuk: y = bxa (2.1) Dalam hal ini a menyatakan intersep atau
perpotongan dengan sumbu tegak, dan b adalah kemiringan atau gradien.
Lambangan digunakan disini untuk membedakan antara nilai ramalan yang
dihasilkan garis regresi dan nilai pengamatan y yang sesungguhnya untuk
nilai x tertentu (Walpole, 1995).
Sekali penulis telah memutuskan akan menggunakan persamaan regresi
linear, maka penulis menghadapi masalah bagaimana memperoleh rumus
untuk menentukan nilai dugaan titik bagi a dan b berdasarkan data contoh.
Untuk ini akan digunakan prosedur yang disebut metode kuadrat kecil,
maka metode kuadrat terkecil menghasilkan rumus untuk menghitung a dan
b sehingga jumlah kuadrat semua simpangan itu minimum. Jumlah kuadrat
semua simpangan ini disebut jumlah kuadrat galat sepenulisr garis regresi
dan dilambangkan dengan JKG. Jadi, jika penulis diberikan segugus data
berpasangan {(xi,yi); i=1,2,.....,n}, maka penulis harus menentukan a dan b
sehingga meminimumkan jumlah kuadrat semua simpangan atau JKG
(Walpole, 1995).
Pendugaan parameter. Bila diberikan data contoh {(xi,yi); i=1,2,.....,n},
maka nilai dugaan kuadrat terkecil bagi parameter dalam garis regresi y =
bxa
Dapat diperoleh dari rumus ∑ dan ya (2.3)
Keterangan:
b = nilai dugaan kuadrat terkecil bagi parameter
xi= nilai data x ke-i
yi = nilai data y ke-i
n= banyaknya data
Analisis regresi bertujuan untuk, pertama, mengestimasi atau menduga
suatu hubungan antara variabel – variabel ekonomi, misalnya Y = f(x).
26
Kedua, melakukan peramalan atau prediksi nilai variabel terikat (tidak
bebas) atau variabel dependen berdasarkan nilai variabel terkait (variabel
independen/bebas). Penetuan variabel mana yang bebas dan mana yang
terkait dalam beberapa hal tidak mudah dilaksanakan. Studi yang cermat,
diskusi yang seksama (dengan para pakar), berbagai pertimbangan,
kewajaran masalah yang dihadapi dan pengalaman akan membantu
memudahkan penetuan kedua variabel tersebut.
Untuk menentukan persamaan hubungan antarvariabel, langkah-
langkahnya sebagai berikut:
a. Mengumpulkan data dari variabel yang dibutuhkan misalnya X sebagai
variabel bebas dan Y sebagai variabel tidak bebas.
b. Menggambarkan titik-titik pasangan (x,y) dalam sebuah sistem
koordinat bidang. Hasil dari gambar itu disebut Scatter Diagram
(Diagram Pencar/Tebaran) dimana dapat dibayangkan bentuk kurva
halus yang sesuai dengan data. Kegunaan dari diagram pencar adalah
membantu menunjukkan apakah terdapat hubungan yang bermanfaat
antara dua variabel dan membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel tersebut.
c. Menentukan persamaan garis regresi dengan mencari nilai-nilai
koefisien regresi dan koefisien korelasi.
3. Jenis-Jenis Regresi
Terdapat empat jenis regresi dalam statiska, diantaranya:
a. Regresi linier
Regresi linier dibedakan menjadi dua bagian berdasarkan banyaknya
variabel bebas yang terlibat dalam persamaan yang ikut mempengaruhi
nilai variabel terikat.
b. Regresi linier sederhana
Apabila dalam diagram pencar terlihat bahwa titik – titiknya mengikuti
suatu garis lurus, menunjukkan bahwa kedua peubah tersebut saling
berhubungan sacara linier. Bila hubungan linier demikian ini ada, maka
kita berusaha menyatakan secara matematik dengan sebuah persamaan
27
garis lurus yang disebut garis regresi linier. Untuk regresi linier
sederhana, perlu ditaksir parameter . Jika ditaksir oleh a dan b, maka
regresi linier berdasarkan sampel dirumuskan sebagai berikut.
Y= a + bx
Keterangan :
Y= nilai yang diukur/dihitung pada variabel tidak bebas
x = nilai tertentu dari variabel bebas
a = intersep/ perpotongan garis regresi dengan sumbu y
b = koefisien regresi / kemiringan dari garis regresi / untuk mengukur
kenaikan atau penurunan y untuk setiap perubahan satu-satuan x / untuk
mengukur besarnya pengaruh x terhadap y kalau x naik satu unit.
c. Peramalan Kuantitatif
Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut.
d. Peramalan Kualitatif
Kualitatif Peramalan kualitatif biasanya digunakan bila tidak ada atau
sedikit data masa lalu tersedia.
4. Pengujian Serentak
Pengujian Serentak Uji serentak (Uji F) adalah metode pengujian yang
dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama
terhadap variabel terikat (Ghozali, 2007). Langkah-langkah untuk
melakukan uji serentak (uji F) adalah sebagai berikut.
a. Menentukan hipotesis H0 : βi = 0, artinya variabel bebas bukan
merupakan penjelas yang signifikan terhadap variabel terikat. H1 : βi ≠
0, artinya variabel bebas merupakan penjelas yang signifikan terhadap
variabel terikat. Dengan i = 1,2,…,n.
b. Menentukan wilayah kritis (level of significance).
c. Menentukan daerah keputusan. H0 tidak ditolak apabila Fhitung ≤
Ftabel ( valueP ), artinya semua variabel bebas secara bersama-sama
28
bukan merupakan variabel penjelas yang signifikan terhadap variabel
terikat. H0 ditolak apabila Fhitung > Ftabel ( valueP ), artinya
semua variabel bebas secara bersama-sama merupakan penjelas yang
signifikan terhadap variabel terikat.
d. Menentukan statistik uji Rumus untuk menghitung statistik uji adalah
sebagai berikut. 2 1 / / vV vU F U dan V menyatakan peubah acak
bebas masing-masing berdistribusi khi- kuadrat dengan derajat
kebebasan 1v dan 2v .
e. Mengambil keputusan (Gudjarat, 1995) Uji serentak (uji F) juga sering
disebut uji ANOVA.
E. Uji Anova-One Way
1. Pengertian ANOVA
Analisis Varians (ANOVA) adalah suatu teknik statistik yang
memungkinkan kita untuk mengetahui apakah dua atau lebih mean populasi
akan bernilai sama dengan menggunakan data dari sampel masing-masing
populasi. Analisis varians juga dapat digunakan untuk keperluan uji
hipotesis sampel ganda untuk mean dengan teknik-teknik yang telah
dijabarkan dengan terperinci, namun analisis varians lebih efektif digunakan
untuk menguji tiga atau lebih populasi (Herinaldi, 2005).
2. Asumsi Dasar ANOVA
Analisis varians akan menjadi teknik statistik yang valid untuk
diterapkan dengan menggunkan asumsi-asumsi sebagai berikut:
Populasi yang dikaji memiliki distribusi normal.
a. Populasi-populasi dimana nilai sampel yang diperoleh memiliki nilai
memiliki nilai varians populasi yang sama.
b. Pengambilan sampel dilakukan secara acak dan setiap sampel
independen/tidak terikat sampel yang lain
Dimana k = jumlah populasi (sumber: Herinaldi, 2005).
29
3. Jenis ANOVA
ANOVA dapat dibedakan menjadi one way Anova dan two way Anova.
a. One Way ANOVA
One Way Anova merupakan alat uji statistik yang digunakan untuk
menguji apakah k populasi yang independen mempunyai rata-rata yang
berbeda atau tidak. Dalam analisis variasi searah terdapat 1 variabel tak
bebas (variabel dependen) dan 1 variabel tak bebas (independen).
Dalam pengujian One Way ANOVA, sampel dibagi menjadi beberapa
katagori dan replikas, kolom bertindak sebagai katagori dan baris
sebagai replikasi (Supranto, 1983)
b. Two Way ANOVA
Pengujian hipotesis dua arah merupakan pengujian hipotesis beda
tiga rata- rata atau lebih dengan dua faktor yang berpengaruh. Two Way
ANOVA diklasifikasikan kedalam dua jenis berdasarkan ada/tidak
adanya interaksi antar variabel faktor.
Pengujian ANOVA dua arah dibagi menjadi dua, yaitu ANOVA dua
arah tanpa interaksi dan dengan interaksi. Dalam ANOVA dua arah dengan
interaksi terdapat tiga hipotesis yang digunakan yaitu apakah ada perbedaan
rata-rata antar kategori baik kategori berdasarkan baris maupun kolom.
hipotesis tambahan satu lagi yaitu apakah ada interaksi antara kategori baris
dan kolom. Berikut hipotesis dalam Anova dua arah dengan
interaksi (supranto, 1983).
a. Hipotesis anova kolom
H0: a1 = a2 = ... = ak, Tidak ada perbedaan yang nyata antara rata-rata
hitung dari kategori kolom
H1: a1 ≠ a2 ≠ ... ≠ ak, Ada perbedaan yang nyata antara rata-rata hitung
dari kategori kolom
b. Hipotesis anova baris
H0: b1 = b2 = ... = bj, Tidak ada perbedaan yang nyata antara rata-rata
hitung dari kategori baris
30
H1: b1 ≠ b2 ≠ ... ≠ bj, Ada perbedaan yang nyata antara rata-rata hitung
dari kategori baris
c. Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara variabel
baris dan kolom
H1: (ab)11 ≠ (ab)12 ≠ ... ≠(ab)kj, ada interaksi antara variabel baris dan
kolom
4. Desain Acak sempurna
Desain Acak Sempurna (DAS) meninjau macam-macam eksperimen
yang hanya mempunyai sebuah faktor dengan nilai berubah-ubah
(eksperimen faktor tunggal). Desain acak sempurna Tidak ada batasan
pengacakan. Desain acak sempurna merupakan desain dimana perlakuan
dikenakan sepenuhnya secara acak kepada unit eksperimen. Desain acak
sempurna banyak digunakan untuk persoalan yang mempunyai unit
eksperimen yang homogen, bila tidak homogen harus ada pemblokan agar
efisiensi desain meningkat (umar, 2002).
Analisis Varians untuk desain acak sempurna:
a. Misal ada k buah perlakukan dimana terdapat n unit eksperimen untuk
perlakuan ke-i (i=1,2,3,…,k).
b. Jika data pengamatan dinyatakan dengan Yij (i=1,2,3,…,k) dan
(j=1,2,3,…,n).
c. Yij berarti nilai pengamatan dari unit eksperimen ke j karena
perlakuan ke i.
31
Tabel 2.1 Tabel ANOVA Untuk Desain Acak Sempurna
Perlakuan Jumlah
1 2 ... K
Data
pengamatan
Y11 Y21 ... Yk1
Y12 Y22 ... Yk2
... ... ... ...
... ... ... ...
Y1n Y2n ... Ykn
Jumlah J1 J2 ... Jk
Banyak
pengamatan n1 n2 ... nk
Selanjutnya diperlakukan:
S Y2 = jumlah kuadrat (JK) semua nilai pengamatan
S Y2 = ..................................................................................(2.2)
Ry = jumlah kuadrat (JK) untuk rata-rata
Ry = ..............................................................................................(2.3)
Py = jumlah kuadrat (JK) atau perlakuan
Py = ..........................................................................................(2.4)
Ey = Jumlah kuadrat (JK) kekeliruan eksperimen
Ey = S Y2 – Ry -
Py ...................................................................................(2.5)
4 sumber variasi, yaitu rata-rata, antar perlakuan, kekeliruan eksperimen dan
total.
32
Tabel 2.2 Tabel Daftar ANOVA
Sumber
Variasi
Derajat
bebas
(db)
Jumlah
kuadrat
(JK)
Kuadrat
tengah (KT)
f hitung Ftabel
Rata-rata 1 Ry R = Ry
Antar
perlakuan
k-1 Py P = f hitung = F (v1, v2)
Kekeliruan Ey E =
Jumlah
Asumsi desain acak sempurna:
a. Aditif dan linieritas model
b. Normalitas
c. Independen
d. Homogenitas varians
Model linear aditif secara umum dari rancangan satu faktor dengan
rancangan acak lengkap dapat dibedakan menjadi dua, yaitu model tetap dan
model acak. Model tetap merupakan model dimana perlakuan-perlakuan
yang digunakan dalam percobaan berasal dari populasi yang terbatas dan
pemilihan perlakuannya ditentukan secara langsung oleh si peneliti.
Kesimpulan yang diperoleh dari model tetap terbatas hanya pada perlakuan-
perlakuan yang dicobakan saja dan tidak bisa digeneralisasikan. Sedangkan
model acak merupakan model dimana perlakuan-perlakuan yang dicobakan
merupakan contoh acak dari populasi perlakuan. Kesimpulan yang diperoleh
dari model acak berlaku secara umum untuk seluruh populasi perlakuan.
Yij =
Dimana:
Y ij = variabel yang akan dianalisis, dimisalkan berdistribusi normal
μ = rata-rata sebumum atau rata-rata sebenarnya
τi = efek perlakuan ke i
Єij = kekeliruan, berupa efek acak yang berasal dari unit eksperimen
ke j karena dikenai perlakuan ke i
33
BAB III
PENUTUP
A. Kesimpulan
SPSS adalah salah satu program statistik yang dibuat untuk mempermudah
dalam menyelesaiakan masalah-masalah pengolahan data dalam statistik.
Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS
Data Editor dengan beberapa uji,
Komunikasi adalah segala proses kegiatan antar dua orang ( dua pihak)
atau lebih untuk berbagi informasi, ide, dan perasaan. Sesuatu itu dinamakan
komunikasi karena karakteristiknya yang unuk, merupakan suatu proses
dinamis, terikat konteks, simbolik, dan transaksional. Komunikasi memiliki
enam fungsi yaitu: fungsi personal, instrumental, interaksional, informatif,
heuristik, dan imajinatif. Dalam praktiknya, fungsi-fungsi tersebut dapat
muncul bersamaan. Dengan kata lain, setiap peristiwa komunikasai memiliki
satu fungsi atau lebih. Proses konumikasi melibatkan serangkaian kegiatan
yang berlangsung terus –menerus. Kegiatan itu meliputi penyandian atau
pengkodean, pengiriman kode, serta penerimaan dan pemahaman kode.
Terdapat perbedaan yang signifikan antara rata-rata pretest dan rata-rata
postest. Uji t ini tidak dapat dilakukan terhadap data dengan jumlah sampel
yang tidak berpasangan (n1≠ n2). Uji t ini hanya dapat dilakukan untuk jumlah
sampel yang berpasangan, perbedaan jumlah data akan mempengaruhi nilai
standar error yang akhirnya akan membedakan rumus penghitungannya.
Data data pada uji Independet Samples Test tersebut menunjukkan tidak
adanya beda varians dan terdapat perbedaan rata-rata antara nilai postest
dengan pretest.
B. Saran
Saya menyadari bahwa modul ini masih jauh dari sempurna, oleh karena
itu kritik dan saran dari semua pihak yang bersifat membangun selalu kami
harapkan demi kesempurnaan laporan ini. Akhir kata, saya sampaikan terima
kasih kepada semua pihak yang telah berperan serta dalam penyusunan
makalah ini dari awal sampai akhir
34
DAFTAR PUSTAKA
Applbaum, Ronald L, 1974, Strategies for Persuasive Communication, Charles E.
Merril Publishing Company, Columbus, Ohio.
Anas, Sudiyono. 1997. Pengantar Statistik Pendidikan. Jakarta : PT Raja
GrafindoPersada
Arifin, Johar. 2008. Statistik Bisnis Terapan dengan Microsoft Excel 2007. Jakarta
: PT. Elex Media Komputindo
F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara
granosa L.) Under Commercial Culture: Analysis Through Length-
Frequency Data, Bay of
Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/d
ocrep/007/ae15e /ae115e00.htm
Fiske John. 2012. Pengantar Ilmu Komunikasi. Jakarta: Rajawali Pers.
Liliweri, Alo. 2007. Dasar-dasar Komunikasi Kesehatan. Yogyakarta : Pustaka.
Pelajar.
R. Wayne Pace dan Don F. Faules. 2006. Komunikasi Organisasi; strategi
meningkatkan kinerja perusahaan. Bandung: PT Remaja Rosdakarya.
Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada :
Jakarta
Stoner, James A.F., 1996, Manajemen, Erlangga, Jakarta
Dr Elvinaro Ardianto,dkk.,2004 Komunikasi Massa Suatu Pengantar, Bandung:
Simbiosa Rekatama Media. Wiryanto, 2000, Teori Komunikasi Massa,
Jakarta: Grasindo
35
Formulir Penilaian Praktik Mandiri Statistik II
No.
Aspek yang Dinilai
Bobot
Nilai
YA
TIDAK
1. Praktik Pengulangan Kembali Praktik
Memasukan Data, Recoding, Normalitas dan
Analisis Data
40
2. Praktik Uji T 15
3. Praktik Chi Square 15
4. Praktik Korelasi / Regresi Linier Sederhana 15
5. Praktik Uji Anova – One Way 15
Jumlah 100