7/27/2019 STATISTIK PENELITIAN
1/41
STATISTIKA :Kegiatan untuk :
mengumpulkan data menyajikan data menganalisis data dengan metode tertentu menginterpretasikan hasil analisis
KEGUNAAN
?
STATISTIKA DESKRIPTIF :Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagianatau seluruh data (pengamatan) tanpa pengambilan kesimpulan
STATISTIKA INFERENSI :Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untukmenganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
Melalui fase
dan fase
1. Konsep Statistika
7/27/2019 STATISTIK PENELITIAN
2/41
2. Statistika & Metode Ilmiah
METODE ILMIAH :Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
LANGKAH-LANGKAH DALAM METODE ILMIAH :1. Merumuskan masalah2. Melakukan studi literatur3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis
4. Mengumpulkan dan mengolah data, menguji hipotesis,atau menjawab pertanyaan
5. Mengambil kesimpulan
PERAN STATISTIKA
INSTRUMEN
SAMPEL
VARIABEL
SIFAT DATA
METODE ANALISIS
7/27/2019 STATISTIK PENELITIAN
3/41
3. Data
DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
DATA KUALITATIF :Data yang dinyatakan dalambentukbukan angka.Contoh : jenis pekerjaan,status marital, tingkat
kepuasan kerja
DATA KUANTITATIF :Data yang dinyatakan dalambentukangkaContoh : lama bekerja,jumlah gaji, usia, hasil
ulangan
DATA
JENISDATA
NOMINALORDINAL
INTERVALRASIO
KUALITATIF KUANTITATIF
7/27/2019 STATISTIK PENELITIAN
4/41
4. Data
DATA NOMINAL :Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapidi antara data tersebut terdapat hubunganCIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antaradua titik skala sudah diketahui.CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan
0
C dan
0
F, sistem kalender
DATA RASIO :Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antaradua titik skala sudah diketahui dan mempunyai titik 0 absolut.CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematikaCONTOH : gaji, skor ujian, jumlah buku
7/27/2019 STATISTIK PENELITIAN
5/41
5. Pengolahan Data
PROSEDUR PENGOLAHAN DATA :
A. PARAMETER: Berdasarkan parameter yang ada statistik dibagi menjadi
StatistikPARAMETRIK: berhubungan dengan inferensi statistik yangmembahas parameter-parameter populasi; jenis data interval atau rasio;distribusi data normal atau mendekati normal.
StatistikNONPARAMETRIK: inferensi statistik tidak membahas
parameter-parameter populasi; jenis data nominal atau ordinal; distribusidata tidak diketahui atau tidak normal
B. JUMLAH VARIABEL: berdasarkan jumlah variabel dibagi menjadi
Analisis UNIVARIAT: hanya ada 1 pengukuran (variabel) untuk nsampel atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik.
Analisis MULTIVARIAT: dua atau lebih pengukuran (variabel) untuk nsampel di mana analisis antar variabel dilakukan bersamaan. Contoh :pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi olehfaktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktorsekolah.
7/27/2019 STATISTIK PENELITIAN
6/41
6. Pengolahan Data
MULAI
JumlahVariabel
?
AnalisisUnivariat
AnalisisMultivariat
JenisData ?
StatistikParametrik
StatistikNon Parametrik
SATU DUA / LEBIH
INTERVAL
RASIO
NOMINAL
ORDINAL
7/27/2019 STATISTIK PENELITIAN
7/41
7. Penyajian Data
TABELTabel 1.1 Bidang Pekerjaan berdasarkan Latar Belakang Pendidikan
Count
1 8 6 15
1 7 8
4 3 5 12
2 14 11 27
3 4 6 13
10 30 35 75
administrasi
personalia
produksi
marketing
keuangan
bidang
pekerjaan
Jumlah
SMU Akadem i Sarj an a
endidikan
Jumlah
GRAFIK administrasipersonalia
produksi
marketing
keuangan
bidang pekerjaan
Pies show counts
7/27/2019 STATISTIK PENELITIAN
8/41
8. Membuat Tabel
TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris
TABEL
KOLOM
Kolom pertama : LABEL
Kolom kedua . n : Frekuensi atau label
BARIS Berisikan data berdasarkan kolom
Bidang pekerjaan
Prestasi Kerja
JumlahSangatjelek
Jelek Cukupbaik
Baik Sangatbaik
Administrasi
Personalia
Produksi
Marketing
Keuangan
Jumlah
Tabel Tabulasi Silang
7/27/2019 STATISTIK PENELITIAN
9/41
9. Membuat Grafik
GRAFIK: memberikan informasi dengan benar dan cepat, tetapi tidak rinci.
Syarat :1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran2. Penetapan skala (skala biasa, skala logaritma, skala lain)3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
Sumbutegak
1
2
3
4
1 2 3 4
Sumbu datar
0
Titikpangkal
Jenis Grafik:
Grafik Batang (Bar)
Grafik Garis (line)
Grafik Lingkaran (Pie)
Grafik Interaksi (Interactive)
7/27/2019 STATISTIK PENELITIAN
10/41
bidang pekerjaan
keuanganmarketingproduksipersonaliaadministrasi
30
20
10
0
bidang pekerjaan
keuanganmarketingproduksipersonaliaadministrasi
30
20
10
0
keuangan
marketing
produksi
personalia
administrasi
prestasi kerja
sangat baikbaikcukup baikjeleksangat jelek
800000
700000
600000
500000
400000
300000
Jenis kelamin
laki-laki
w anita
10. Jenis Grafik
Grafik Batang (Bar) Grafik Garis (line)
Grafik lingkaran (pie) Grafik Interaksi (interactive)
7/27/2019 STATISTIK PENELITIAN
11/41
11. Frekuensi
FREKUENSI : banyaknya data untuk satu kelompok/klasifikasi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2
Kelompok ke-3 f3
Kelompok ke-i fi
Kelompok ke-k fkk
n = fi
i=1
PEKERJAAN FREKUENSI
Administrasi 18
Personalia 8
Produksi 19
Marketing 27
Keuangan 1385
kn = fi = f1 + f2 + f3+.. + fi+ + fk
i=1
7/27/2019 STATISTIK PENELITIAN
12/41
DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan menghitungbanyaknya data dalam satu kelompok/klasifikasi
12. Distribusi Frekuensi
Membuat distribusi frekuensi :1. Mencari sebaran (range) yakni selisih antara data paling besar
dengan data paling kecil) 35 20 = 152. Menentukan banyak kelas dengan rumus k = 1 + 3,3 log n
71. Menentukan panjang kelas dengan rumus
p = sebaran / banyak kelas 15/7 = 2
KELOMPOK USIA FREKUENSI
20 21 11
22 23 17
24 25 14
26 27 1228 29 7
30 31 18
32 - 33 5
34 - 35 1
USIA FREKUENSI
20 5
21 6
22 13
23 4
24 7
25 7
26 7
27 5
28 3
29 430 15
31 3
33 5
35 1
7/27/2019 STATISTIK PENELITIAN
13/41
13. Ukuran Tendensi Sentral
RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilanganRATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya
X1 + X2 + X3+ + Xnn
n Xii =1n
X =
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,maka rata-rata hitung menjadi :
X1 f1 + X2 f2 + X3 f3+ + Xkfkf1 + f2 + f3+ + fk
X =k Xifii =1
k
fii =1Cara menghitung :
Bilangan (Xi) Frekuensi (fi) Xi fi
70 3 210
63 5 315
85 2 170
Jumlah 10 695
Maka : X = 69510
= 69.5
7/27/2019 STATISTIK PENELITIAN
14/41
14. Median
MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantumemperjelas kedudukan suatu data.
Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.Pertanyaannya adalah apakah siswa yang memperoleh nilai 7termasuk istimewa, baik, atau biasa-biasa saja ?
Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,maka rata-rata hitung = 6.55, median = 6Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung
dan median (kelompok 50% atas)
Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,maka rata-rata hitung = 6.55, median = 8Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median
(kelompok 50% bawah)
Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
7/27/2019 STATISTIK PENELITIAN
15/41
15. Modus
MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan,yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.
Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4Maka : s = 6 ; k = 3 ; p =2
rata-rata hitung = 6.55 ; median = 6modus = 5 ; kelas modus = 5 - 7
Nilai Frekuensi
10 2
8 1
7 2
6 1
5 4
4 1
Jumlah 11
Nilai Frekuensi
8 10 3
5 7 7
2 4 1
Jumlah 11
Mo Me
+-
Kurva positifapabila rata-rata hitung > modus / medianKurva negatifapabila rata-rata hitung < modus / median
7/27/2019 STATISTIK PENELITIAN
16/41
16. Ukuran Penyebaran
Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutandengan bilangan terbesar dan terkecil.
A : 100 90 80 70 60 50 40 30 20 10B : 100 100 100 100 100 10 10 10 10 10C : 100 100 100 90 80 30 20 10 10 10
Contoh : X = 55r = 100 10 = 90
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :1. RENTANG (Range)2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)4. DEVIASI STANDAR (Standard Deviation)
Rata-rata
7/27/2019 STATISTIK PENELITIAN
17/41
17. Deviasi rata-rataDeviasi Rata-rata : penyebaranBerdasarkan harga mutlak simpanganbilangan-bilangan terhadap rata-ratanya.
Nilai X X - X |X X|
100 45 45
90 35 35
80 25 25
70 15 15
60 5 5
50 -5 5
40 -15 15
30 -25 2520 -35 35
10 -45 45
Jumlah 0 250
Nilai X X - X |X X|
100 45 45
100 45 45
100 45 45
90 35 35
80 25 25
30 -25 25
20 -35 35
10 -45 4510 -45 45
10 -45 45
Jumlah 0 390
Kelompok A Kelompok B
DR = 250 = 2510
DR = 390 = 3910
Makin besar simpangan,
makin besar nilai deviasi rata-rata
DR =n
i=1
|Xi X|n
Rata-rata
Rata-rata
7/27/2019 STATISTIK PENELITIAN
18/41
18. Varians & Deviasi Standar
Varians : penyebaran berdasarkanjumlah kuadrat simpangan bilangan-bilangan terhadap rata-ratanya ;
melihat ketidaksamaan sekelompok data
s2 =n
i=1
(Xi X)2
n-1
Deviasi Standar : penyebaranberdasarkan akar dari varians ;menunjukkan keragaman kelompok data
s =
n
i=1
(Xi X)2n-1
Nilai X X -X (XX)2
100 45 2025
90 35 1225
80 25 625
70 15 225
60 5 25
50 -5 25
40 -15 225
30 -25 625
20 -35 1225
10 -45 2025
Jumlah 8250
Nilai X X -X (XX)2
100 45 2025
100 45 2025
100 45 2025
90 35 1225
80 25 625
30 -25 625
20 -35 1225
10 -45 2025
10 -45 2025
10 -45 2025
Jumlah 15850
Kelompok A Kelompok B
s =
8250
9= 30.28 s =
15850
9= 41.97
Kesimpulan :Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97Maka data kelompok B lebih tersebar daripada kelompok A
7/27/2019 STATISTIK PENELITIAN
19/41
19. Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yangmelalui nilai rata-rata
+s +2s +3s -s +2s+3s
68%
95%
99%
Lakukan uji normalitas Rasio Skewness & Kurtosis berada2 sampai +2
Rasio =
Jika tidak berdistribusi normal, lakukan uji melalui non parametrik (Wilcoxon,Mann-White, Tau Kendall)
Skewness = kemiringan
Kurtosis = keruncingan
nilai
Standard error
7/27/2019 STATISTIK PENELITIAN
20/41
20. Normalitas, Hipotesis, Pengujian
HIPOTESIS TERARAH TIDAK TERARAH
Hipotesis
Penelitian
Siswa yang belajar bahasa lebihserius daripada siswa yangbelajar IPS
Ada perbedaan keseriusan siswaantara yang belajar bahasa denganyang belajar IPS
Hipotesis Nol
(Yang diuji)
Siswa yang belajar bahasa tidakmenunjukkan kelebihan
keseriusan daripada yang belajarIPS
Ho : b < i
Ha : b > i
Tidak terdapat perbedaankeseriusan belajar siswa antara
bahasa dan IPS
Ho : b = i
Ha : b I
Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yaknihipotesis yang akan diterima seandainya Ho ditolak
7/27/2019 STATISTIK PENELITIAN
21/41
Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihakbila Ho tidak terarah, maka pengujian signifikansi dua pihak
21. Normalitas, Hipotesis, Pengujian
Pengujian signifikansi satu arah (hipotesis terarah):Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripadayang belajar IPS Ho : b < iJika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kanan
Daerah penerimaan hipotesis Daerahpenolakan
hipotesis
5%
Pengujian signifikansi dua arah (hipotesis tidak terarah):Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS Ho : b = iJika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan
Daerah penerimaan hipotesisDaerahpenolakan
hipotesis
Daerahpenolakan
hipotesis
2.5% 2.5%
7/27/2019 STATISTIK PENELITIAN
22/41
22. Uji t
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atauapakah rata-rata dua populasi sama/berbeda secara signifikan.
1. Uji t satu sampelMenguji apakah satu sampel sama/berbeda denganrata-rata populasinya hitung rata-rata dan std. dev (s) df = n 1 tingkat signifikansi ( = 0.05) pengujian apakah menggunakan 1 ekor atau 2 ekor diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak
t =( - )
s / n
Contoh :Peneliti ingin mengetahui apakah korban yang mengalami kerugian paling besarmemang berbeda dibandingkan dengan korban lainnya.Ho : k1 = k2
Diperoleh = 2.865.625 ; std. Dev = 1.789.112,5 ; df = 79 ; t hitung = -22.169Berdasarkan tabel df=79 dan = 0.05 diperoleh t tabel = 1.6644Kesimpulan : t hitung > t tabel sehingga Ho ditolak
korban yang mengalami kerugian paling besar secara signifikan berbedadengan korban lainnya
7/27/2019 STATISTIK PENELITIAN
23/41
2. Uji t dua sampel bebasMenguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda
23. Uji t
t = (X Y)Sx-y
Di mana Sx-y =(x2 + y2) (1/nx + 1/ny)
(nx + ny 2)
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan setelah bencana antarakorban ringan dengan korban beratHo : Pr = PbDiperoleh : = 1547368 ; y = 1537500 ; t hitung = .066
Uji kesamaan varians Ho : kedua varians sama
Probabilitas > 0.05 maka Ho diterima yakni kedua varians sama
Uji t independent sampleBerdasarkan tabel df=53 dan = 0.05 diperoleh t tabel = 1.6741
Kesimpulan : t hitung < t tabel sehingga Ho diterimatidak ada perbedaan yang signifikan penghasilan setelah bencana antarakorban ringan dengan korban berat
7/27/2019 STATISTIK PENELITIAN
24/41
24. Uji t
3. Uji t dua sampel berpasanganMenguji apakah rata-rata dua sampel yang berpasangan sama/berbeda
t =DsD
Di mana D = rata-rata selisih skor pasangan
sD = d2
N(N-1) d2 =
N
D2(D)2
Contoh :Seorang guru ingin mengetahui perbaikan terhadap pengembangan model pembelajarandebat. Setelah selesai pembelajaran pertama, ia memberikan tes dan setelah selesaipembelajaran kedua kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkandengan harapan adanya perbedaan rata-rata tes pertama dengan kedua.Ho : t1 = t2Diperoleh t1 = 51.36 ; t2 = 52.55 ; korelasi 0.873
Korelasi sangat erat dan benar-benar berhubungan dengan nyata
Berdasarkan tabel df=21 dan = 0.05 diperoleh t tabel = 1.7207Kesimpulan : t hitung < t tabel sehingga Ho diterima
Tidak ada perbedaan yang signifikan antara hasil tes pertama denganhasil tes kedua, sehingga ia menyimpulkan model masih belum
diimplementasikan dengan baik
7/27/2019 STATISTIK PENELITIAN
25/41
25. Uji Keterkaitan
Korelasi : hubungan keterkaitan antara dua atau lebih variabel.Angka koefisien korelasi ( r ) bergerak -1 r +1
NOLtidak ada atau tidak menentunya hubungan dua variabelcontoh : pandai matematika dan jago olah raga ; pandaimatematika dan tidak bisa olah raga ; tidak pandaimatematika dan tidak bisa olah ragakorelasi nol antara matematika dengan olah raga
POSITIFmakin besar nilai variabel 1menyebabkan makin besarpula nilai variabel 2Contoh : makin banyak waktubelajar, makin tinggi skorulangan korelasi positif
antara waktu belajardengan nilai ulangan
NEGATIFmakin besar nilai variabel 1menyebabkan makin kecilnilai variabel 2contoh : makin banyak waktubermain, makin kecil skorulangan korelasi negatifantara waktu bermaindengan nilai ulangan
7/27/2019 STATISTIK PENELITIAN
26/41
1. KORELASI PEARSON :apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimanaarah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
26. Uji Keterkaitan
r=NXY (X) (Y)
NX2(X)2 x NY2(Y)2
Contoh :10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPSSiswa : A B C D E F G H I JWaktu (X) : 2 2 1 3 4 3 4 1 1 2Tes (Y) : 6 6 4 8 8 7 9 5 4 6Apakah ada korelasi antara waktu belajar dengan hasil tes ?
XY = jumlah perkalian X dan YX2 = jumlah kuadrat XY2 = jumlah kuadrat YN = banyak pasangan nilai
Di mana :
Siswa X X2 Y Y2 XY
A
B
X X2 Y Y2 XY
7/27/2019 STATISTIK PENELITIAN
27/41
2. KORELASI SPEARMAN (rho) dan Kendall(tau) :Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasinon parametrik
27. Uji Keterkaitan
rp = 1 -6d2
N(N2 1)N = banyak pasangand = selisih peringkat
Di mana :
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkandengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)Siswa : A B C D E F G H I JPerilaku : 2 4 1 3 4 2 3 1 3 2Kerajinan : 2 4 1 4 4 3 2 1 2 3Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 d2
7/27/2019 STATISTIK PENELITIAN
28/41
28. Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengankolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
X2 =(O E)2
E Di mana O = skor yang diobservasi
E = skor yang diharapkan (expected)
Contoh :Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?Ho = tidak ada hubungan antara baris dengan kolomH1 = ada hubungan antara baris dengan kolom
LP
Fasih
Tidak fasih
a b
c d
O E (O-E) (O-E)2 (O-E)2/E
a 20 (a+b)(a+c)/N
b 10 (a+b)(b+d)/N
c 10 (c+d)(a+c)/N
d 30 (c+d)(b+d)/N
df = (kolom 1)(baris 1)Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
7/27/2019 STATISTIK PENELITIAN
29/41
29. Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSSKASUS : apakah ada perbedaan pendidikan berdasarkan status marital respondenHo = tidak ada hubungan antara baris dengan kolom atau tidak ada perbedaan pendidikan
berdasarkan status maritalH1 = ada perbedaan pendidikan berdasarkan status marital
Dasar pengambilan keputusan :1. X2 hitung < X2 tabelHo diterima ; X2 hitung > X2 tabelHo ditolak2. probabilitas > 0.05Ho diterima ; probabilitas < 0.05 Ho ditolak
Hasil : tingkat signifikansi = 5% ; df = 9 ; X2 tabel = 16.919 ; X2 hitung = 30.605 ;asymp. sig = 0.000 ; contingency coeff. = 0.526
Karena : X2 hitung > X2 tabel maka Ho ditolakasymp. Sig < 0.05 maka Ho ditolak
Artinya ada perbedaan tingkat pendidikan berdasarkan status maritalnya
dan hal ini diperkuat dengan kuatnya hubungan yang 52.6%
pendidikan terakhir * s tatus marital Crosstabulation
Count
1 4 5 3 13
9 24 1 2 36
5 10 1 2 18
0 13 0 0 13
15 51 7 7 80
SD
SMP
SMA
Sarjana
pendidikan
terakhir
Total
bel um kawi n kawi n j anda duda
status mari tal
Total
Symmetric Measures
.526 .00080
Contingency CoefficientNominal by NominalN of Valid Cases
Value Approx. Sig.
Chi-Square Tests
30.605 9 .000
29.160 9 .001
3.412 1 .065
80
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Associa tion
N of Valid Cases
Value df
Asymp. Si g.
(2-sided)
7/27/2019 STATISTIK PENELITIAN
30/41
Membuat tabel X2
Pada file baru, buat variabel dengan namadf
Isi variabel tersebut dengan angka berurutan Buka menu transform > compute
Pada target variabel ketik chi_5 (untuk 95%)
Numeric expr gunakan fungsi IDF.CHISQ(0.95,df)
Tekan OK
7/27/2019 STATISTIK PENELITIAN
31/41
30. Uji Anova
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebihberbeda secara signifikan atau tidak.
ONE WAY ANOVASatu variabel dependen (kuantitatif) dan satu kelompok (kualitatif)Contoh : apakah pandangan siswa tentang IPS (kuantitatif) berbeda berdasarkanjenjang pendidikannya (kualitatif : SD, SLTP, SMU)
MULTIVARIAT ANOVA
Variabel dependen lebih dari satu tetapi
kelompok samaContoh : apakah rata-rata ulangan dan pandangansiswa terhadap IPS berbeda untuk tiap daerah
Satu variabel dependen tetapi kelompok berbedaContoh : apakah rata-rata ulangan berbeda berdasar
kan klasifikasi sekolah dan kelompok penelitian
Variabel dependen lebih dari satu dan kelompokberbedaContoh : apakah rata-rata ulangan dan pandangansiswa terhadap IPS berbeda berdasarkan klasifikasiSekolah dan kelompok penelitian
ji
7/27/2019 STATISTIK PENELITIAN
32/41
31. Uji Anova
ONE WAY ANOVA
F =RJKa
RJKi
JKa = k
j=1
J2jnj
-J2
N
Jki = k
j=1nj
i=1
X2ij - k
j=1
J2j
nj
Di mana :J = jumlah seluruh dataN = banyak datak = banyak kelompoknj = banyak anggota kelompok jJj = jumlah data dalam kelompok j
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?Ho : 1 = 2 = 3 (tidak terdapat perbedaan sikap)
X1 X2 X3
3 1 2
4 1 2
5 2 3
4 1 3
5 2 5
21 7 15
4.2 1.4 3
Jka =212 + 72 + 152
5-
432
15= 19.73
Jki = 32 + 42 + 52 -
212 + 72 + 152
5
= 10
RJKa =Jka
k-1
= 19.73/2 = 9.865
RJKi =Jki
N - k= 10/15-3 = 0.833
F = 9.865 / 0.833
= 11.838
32 Uji A
7/27/2019 STATISTIK PENELITIAN
33/41
Sumberadanya
perbedaan
JumlahKuadrat
(JK)
DerajatKebebasan
(df)
Rata-rataJumlah Kuadrat
(RJK)
F
Antar kelompok 19.73 k 1 = 2 9.865 11.838
Inter kelompok 10 N k = 12 0.833
= 0.05 ; df = 2 dan 12 ; F tabel = 3.88 ; F hitung = 11.838
F hitung > F tabel , maka Ho ditolakTerdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS
32. Uji Anova
7/27/2019 STATISTIK PENELITIAN
34/41
CONTOH :
Apakah ada perbedaan rata-rata penghasilan sesudah bencana jika dilihat darisumbangan yang diterima ?Ho = rata-rata penghasilan tidak berbeda dilihat dari sumbangan yang diterima
Langkah-langkah :1. Analysis > compare mean > one way anova2. Dependent list penghasilan (kuantitatif) ; factor sumbangan yg diterima (kualitatif)
3. Option > descriptive & homogeneity of variance diberi tanda check4. Post hoc > bonferroni & tukey diberi tanda check5. Ok
7/27/2019 STATISTIK PENELITIAN
35/41
Pemaknaan interpretasi :
Descriptives
penghasilan sesudah bencana
29 1341379 528148.55 98074.72 1140482.3 1542276 600000 2500000
30 1485000 501918.73 91637.40 1297580.5 1672420 500000 2400000
21 1752381 528790.17 115391 1511678.6 1993083 1.E+06 2800000
80 1503125 537006.69 60039.17 1383620.0 1622630 500000 2800000
sedikit
sedang
banyak
Total
N Mean
Std.
Deviation Std. Error Lw Bound Up Bound
95% Confidence
Interval for Mean
Min Max
Penghasilan sesudah bencana rata-rata paling besar diterima oleh kelompokyang mendapat sumbangan banyakKemudian lakukan interpretasi terhadap homogenitas varians, sebagai syarat untukpengujian asumsi uji anova
Ho : varians populasi identik
Probabilitas > 0.05 Ho diterima
Test of Homogeneity of Variances
penghasil an sesudah bencana
.100 2 77 .905
Levene
Statistic df1 df2 Sig.
Karena probabilitas > 0.05 (lihat sig. 0.905) maka keputusan Ho diterima, artinyavarians homogen sehingga pengujian anova dapat dilanjutkan
7/27/2019 STATISTIK PENELITIAN
36/41
Pengambilan keputusan berdasarkan nilai F :Berdasarkan df1 = 2 (klasifikasi jumlah sumbangan yang diterima 1); dandf2 = 77 (jumlah N klasifikasi jumlah sumbangan yang diterima), maka Ftabel adalah (0.05, 2, 77) = 3.13 sehingga F hitung > F tabel maka Ho ditolakpenghasilan berbeda berdasarkan sumbangan yg diterima
ANOVA
penghasil an sesudah bencana
2073242970032.8 2 1036621485016 3.854 .025
20708475779967 77 268941243895.7
22781718750000 79
Between Groups
Withi n Groups
Total
Sum of Squares df Mean Square F Sig.
Pengambilan keputusan berdasarkan probabilitas :Karena p (sig.) < 0.05 maka Ho ditolak, artinya penghasilan yang diterimasetelah bencana berbeda berdasarkan sumbangan yang diterima
Cara melihat F tabel :1. Sisi horisontal : df pembilang (numerator) ; sisi vertikal : df penyebut (denominator)2. Skor bagian atas untuk 0.05 dan skor bagian bawah untuk 0.01
7/27/2019 STATISTIK PENELITIAN
37/41
Multiple Comparisons
Dependent Variable: penghasil an sesudah bencana
-143620.69 135050.2 .540 -466371.94 179130.56
-411001.64* 148595.3 .019 -766123.91 -55879.37
143620 .690 135050.2 .540 -179130.56 466371 .94
-267380 .95 147551.5 .172 -620008.61 85246.70
411001 .642* 148595.3 .019 55879.37 766123 .91
267380 .952 147551.5 .172 -85246.70 620008 .61
-143620.69 135050.2 .873 -474143.15 186901.77
-411001.64* 148595.3 .021 -774674.55 -47328.73
143620 .690 135050.2 .873 -186901.77 474143 .15
-267380 .95 147551.5 .222 -628499.18 93737.27411001 .642* 148595.3 .021 47328.73 774674 .55
267380 .952 147551.5 .222 -93737.27 628499 .18
(J) sumbangan diterima
sedang
banyak
sedikit
banyak
sedikit
sedang
sedang
banyak
sedikit
banyaksedikit
sedang
(I) sumbangan di terima
sedikit
sedang
banyak
sedikit
sedang
banyak
Tukey HSD
Bonferroni
Mean
Difference
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Confidence Interval
The mean difference is significant at the .05 level.*.
Analisis lanjutan (tukey dan bonferroni) :1. Kolom Mean difference memperlihatkan perbedaan rata-rata (I-J) dan tanda *
memperlihatkan perbedaan yang signifikan, artinya yang menerima sumbangansedikit berbeda signifikan dengan yang menerima sumbangan banyak dalam halpenghasilannya sesudah bencana
2. Antara sumbangan yang diterima sedang tidak berbeda signifikan dengansumbangan yang diterima sedikit atau banyak
33 Uji Anova
7/27/2019 STATISTIK PENELITIAN
38/41
33. Uji Anova
MULTIVARIAT ANOVA dengan menggunakan SPSS
Data yang digunakan untukvariabel dependen adalah data kuantitatif, sedangkanfaktor atau kelompok adalah data kualitatif
Contoh Kasus :
apakah status marital mempunyai pengaruh yang signifikan terhadap penghasilanSebelum terjadinya bencana & usiaVariabel dependen adalah penghasilan sebelum terjadinya bencana & usia ;
Faktor (kelompok) adalah status marital
Langkah-langkah :1. Analysis > general linear model > multivariat
2. Dependent variables usia & penghasilan sebelum bencana (kuantitatif) ;fix factor status marital (kualitatif)
3. Option > descriptive statistic & homogeneity test diberi tanda check4. Ok
7/27/2019 STATISTIK PENELITIAN
39/41
Levene's Test of Equality of Error Variancesa
2.772 3 76 .047
.450 3 76 .718
penghasilan
sebelum bencana
usia
F df1 df2 Sig.
Tests the nul l hypothesis that the error variance of the dependent
variable is equal across groups.
Design: Intercept+STATUSa.
Ho diterimaVarians tiap variabel identik
Uji varians dilakukan 2 tahap :
Tahap 1 :Pengujian terhadap varians tiap-tiap variabel dependenHo = varians populasi identik (sama)alat analisis : Lavene Test ;keputusan : probabilitas > 0.05 maka Ho diterima
7/27/2019 STATISTIK PENELITIAN
40/41
Tahap 2 :Pengujian terhadap varians populasi secara keseluruhanHo = matriks varians sama (varians populasi sama yakni keseluruhan variabel dependen)
alat analisis : Boxs M ;keputusan : probabilitas > 0.05 maka Ho diterimaprobabilitas < 0.05 maka Ho ditolak
Box's Test of Equality of Covariance Matricesa
9.578
.956
9
2964.095
.475
Box's M
F
df1
df2
Sig.
Tests the null hypothesis that the observed covariance
matrices of the dependent variables are equal across groups.
Design: Intercept+STATUSa.
Ho diterimaVarians populasi identik
7/27/2019 STATISTIK PENELITIAN
41/41
Uji Multivariat :Ho = rata-rata vektor sampel identik (sama)
alat analisis : Pillai Trace, Wilk Lambda, Hotelling Trace, Roys
keputusan : probabilitas > 0.05 maka Ho diterima
Ho ditolak :rata-rata vektor sampeltidak identik
Kesimpulan :Status maritalmempunyai pengaruhterhadappenghasilan dan usia
Multivariate Testsc
.945 644.853a 2.000 75.000 .000
.055 644.853a 2.000 75.000 .000
17.196 644.853a 2.000 75.000 .000
17.196 644.853a 2.000 75.000 .000.895 20.517 6.000 152.000 .000
.283 22.004a 6.000 150.000 .000
1.906 23.512 6.000 148.000 .000
1.482 37.552b 3.000 76.000 .000
Pillai's Trace
Wilks' Lambda
Hotell ing's Trace
Roy's Largest RootPillai's Trace
Wilks' Lambda
Hotell ing's Trace
Roy's Largest Root
Effect
Intercept
STATUS
Value F Hypothesis df Error df Sig.
Exact statistica.
The statistic is an upper bound on F that yields a lower bound on the significance level.b.
Design: Intercept+STATUSc.
Artinya :Perubahan status marital menyebabkan terjadinya perubahan penghasilandan penambahan usia