MODUL PRAKTIKUM STATISTIK IIModul pembelajaran tentang Statistik II ini dengan baik dan lancar. Dalam penyusunannya, penulis ucapkan terimakasih kepada semua pihak yang telah memberikan

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