PERAN STATISTIK DALAM PENELITIAN KUANTITATIF

JENIS STATISTIK
PARAMETRIK 
Terikat pada asumsi  Jenis data adalah interval dan ratio  Umumnya digunakan untuk sampel besar  Data diambil secara random

NON PARAMETRIK 
Tidak membutuhkan asumsi  Jenis data adalah nominal dan ordinal  Umumnya digunakan untuk sampel kecil (tidak mutlak)

APA ITU ASUMSI
Asumsi adalah kriteria yang harus dipenuhi oleh suatu data yang telah disepakati sebelumnya. Asumsi harus dipenuhi sebelum masuk ke dalam pengolahan data statistik

JENIS ASUMSI NORMALITAS Diasumsikan bahwa data terdistribusi secara normal di dalam sebaran kurva normalitas Logikanya. semua data di muka bumi ini terdiri dari data ekstrim dan data menengah (umum). Jadi di dalam kelompok ada orang yang memiliki kecenderungan sangat« (tinggi/rendah) dan yang biasa (normal Secara jumlah maka yang ekstrem lebih sedikit daripada yang normal .

yaitu berbeda dari kelompok yang lain LINEARITAS Diasumsikan bahwa dua data yang hendak dilihat hubungannya memenuhi asumsi garis linear. Bahwa kenaikan/penurunan nilai variabel X akan diikuti oleh kenaikan/penurunan nilai variabel Y .JENIS ASUMSI (Continued) HOMOGENITAS Diasumsikan bahwa data yang diperoleh harus bersifat homogen.

APLIKASI DALAM PENELITIAN NORMALITAS Untuk penelitian uji perbedaan (komparasi) Misalnya: Uji t dan Anava HOMOGENITAS Untuk penelitian uji perbedaan (komparasi) Misalnya: Uji t dan Anava LINEARITAS Untuk penelitian uji korelasi (hubungan) Misalnya: Product Moment. Korelasi Parsial dan Regresi Sederhana/Berganda .

T TES  Digunakan untuk uji hipotesa komparasi  Tergolong dalam uji Statistik Parametrik  Memerlukan uji asumsi homogenitas dan normalitas  Jenis Data: 1 Sampel (one sample t test) (one test) 2 Sampel Independen (independent sample t (independent test) test) 2 Sampel Berhubungan (paired sample t test) (paired test) Lebih dari 2 sampel (anava) (anava) .

karena IQ berbentuk interval maka harus dirubah menjadi ordinal/nominal.BEBERAPA PERSYARATAN Variabel dependent harus berbentuk data interval atau ratio. Sedang dan Rendah . Jika variabel bebas bersifat interval maka harus dikategorikan Misalnya: variabel bebasnya adalah IQ. misalnya IQ TInggi. sedangkan variabel bebasnya harus berbentuk data nominal atau ordinal (kategori).

Misalnya jika hendak melihat tingkat kecemasan antara pria dan wanita. maka perbandingan jumlah pria dan wanita tidak terlalu jauh berbeda atau setidaknya skor keduanya homogen (asumsi II) . Jika tidak anda lebih baik menggunakan Statistik Non Parametrik Perbandingan jumlah sampel tidak terlalu berbeda.BEBERAPA PERSYARATAN (Contd) Untuk memakai uji t maka data variabel tergantung (dependent) harus terdistribusi secara normal (Asumsi I) atau memiliki jumlah subyek (sampel) yang besar.

JENIS T TEST One Sample t test Untuk menguji apakah skor yang kita tentukan sendiri memiliki perbedaan secara signifikan Misalnya: Apakah skor IQ saya yang 110 berbeda dengan IQ siswa-siswa di kelas saya? siswa- .

JENIS T TEST (Continued) Between Subject (Sampel Independen) Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subyek yang berbeda Misalnya: perbandingan antar jenis kelamin (pria & wanita). tingkat pendidikan (SMA & S1). dsb (ingat« hanya antar 2 kelompok) Contoh Hipotesis: Ada perbedaan depresi (dependent) antara laki-laki dan lakiperempuan (independent) Penelitian eksperimen: Ada perbedaan Motivasi (dependent) antara sebelum training dan sesudah training (dengan melihat perbedaan skor pre dan post test) pada pria dan wanita (independent) .

JENIS T TEST (Continued) Between Treatment (Sampel Berhubungan) Sampel berhubungan adalah sampel yang didapatkan dari data yang berasal dari subyek yang sama Misalnya: melihat perbedaan kepuasan kerja pegawai (dependent) sebelum dan sesudah gaji dinaikkan (independent) Dalam eksperimen ada 1 kelompok yang sebelum diberikan perlakuan diberikan pre test kemudian setelah perlakuan diberikan post test .

PRAKTEK Hipotesa: Terdapat perbedaan keraguan setelah membeli antara laki-laki dan lakiperempuan Dependent Variabel: Keraguan setelah membeli Independent Variabel: Laki-laki dan perempuan Laki- .

 Siapkan Data (Lihat Data 1) Masukkan data-data di Data Vieuw dataUntuk memberikan nama buka Variable Vieuw 1. jika pecahan gunakan 2 angka decimal. Pada kolom Label Decimal sesuaikan angka. Pada kolom Name ketikkan nama variabel 2. jika tidak ubah menjadi 0 . Pada kolom Type umumnya adalah Numeric 3. Pada kolom Width ubah sesuaikan dengan panjang karakter angka 4.

karena bersifat kategori. kemudian pada kotak Label ketik kata Pria. berisikan simbol angka kepada variabel tersebut. Pada Value ketik angka 1. Pada kolom Value Untuk variabel independent. kemudian Add. Selanjutnya ketik angka 2 pada Value. lalu klik Add dan terakhir klik OK . Siapkan Data (Lihat Data 1) 5. Langkah: Klik pada pojok kanan kolom Values Akan muncul kotak Value. Pada kolom Label (kosongkan saja) 6. ketik kata Wanita pada kotak Label.

sesuaikan jenis data. Pada kolom Colums hanya menyesuaikan lebar kolom berdasarkan nama variabel 7. Jika sudah selesai klik lagi Data View . Pada kolom Align untuk menempatkan angka apakah menjorok ke kanan. Pada kolom Measure. Siapkan Data (Lihat Data 1) 6. sedangkan data variabel dependent adalah Scale 9. Jika data variebel independen adalah Nominal. kiri atau tengah 8.

menu kotak kecil. maka ketiklah angka 1 dan 2 Klik Continue kemudian Ok. Krena jenis kelamin tadi di kode dengan angka 1 & 2. Masukkan variabel dependent pada Test Variables dan variebel independent pada Grouping Variables Pada menu Group tekan define group. maka Display Out akan muncul . Mengolah Data (Lihat Data 1) Klik menu Analyze« Compare Means« dan Analyze« Means« Independent Samples T Test. lalu muncul group. lalu muncul kotak Menu Test.

Jumlah N yang terlibat dan Standard Deviation skor dan standar Error Tabel ini berguna untuk deskripsi data. maka dalam pengolahan SPSS data seperti inilah yang akan muncul . Jika penelitian anda bersifat deskriptif. Membaca Data (Lihat Display Out) Pada Display Out muncul Group Statistics yang berisikan data Mean Score sikap keraguan setelah membeli antara pria dan wanita.

= . p > . Berarti sampel tidak homogen Syarat Homogen: Output F nilai sign.005 (Homogen) Output F nilai sign. Tertulis nilai F = 7.005 (Tidak Homogen) Jika data anda homogen baca lajur Equal Variances Assumed. p < .009 Ini menunjukkan bahwa ada perbedaan varians skor keraguan setelah membeli antara pria dan wanita.205 dan Sign. jika data anda tidak homogen baca lajur Equal Variances not Assumed . Perhatikan Independent Sample T Test« Pada kolom Levene¶s Test for Equality Variances ada pilihan Equal Variances Assumed dan Equal Variances not Assumed.

147 Ingat konvensi umum: Jika t hitung > t tabel.005 ha ditolak. dengan nilai t = 28. > . Jika: p sign. Tertulis sign. maka Ha diterima dan H0 ditolak Jika t hitung < t tabel maka Ha diterima dan H0 ditolak Di dalam SPSS kita tidak usah lagi melihat t tabel. tapi cukup melihat taraf sign.000. = . berarti ada perbedaan keraguan setelah membeli antara pria dan wanita . H0 diterima KESIMPULAN: Ha diterima. < . Perhatikan Independent Sample T Test« Karena data kita tidak homogen maka kita baca lajur sebelah bawah. H0 ditolak p sign.005 Ha diterima.

mean score pria («.) . maka kita tidak memerlukan analisis ini .) dengan demikian maka«« Karena hipotesa yang digunakan 2 arah. Perhatikan Independent Sample T Test« Mana yang lebih ragu??? Perhatikan tabel Group Statistics. terlihat bahwa. wanita («.

Bagaimana jika hipotesa berbunyi: ³Ada perbedaan keraguan setelah membeli antara pria dan wanita. HARUS DIBAGI 2 Perhatikan perbandingan mean APA KESIMPULAN ANDA? . dimana wanita lebih ragu daripada pria´ Untuk menjawab ini perhatikan: Hipotesa bersifat 1 arah (1 tailed) Untuk itu nilai p sign.

005 Anda boleh saja menggunakan taraf kepercayaan lain (misalnya 99%) Caranya ubah angka pada menu options .49) = 22. Dalam hal ini toleransinya adalah 95%.Data Tambahan: Mean Difference: Menunjukkan selisih mean antara pria dan wanita (45.74 95% Confidence Interval of The Difference Menunjukkan rentang nilai perbedaan yang ditoleransi.23 ± 22. Berarti taraf signifikan yang kita gunakan adalah p<.

maka Display Out OK. akan muncul . lalu muncul kotak Menu ANOVA. Masukkan variabel dependent pada Dependent List dan variebel independent pada Factor Klik Option lalu checklist Descriptive dan Homogenity of Variance Test kemudian klik Continue kemudian klik OK.ONE WAY ANAVA  Mengolah Data (Lihat Data 6) Klik menu Analyze« Compare Means« dan Analyze« Means« One Way ANOVA.

Standar deviasi dan Standar Error Inovasi antara kelompok SMA. Membaca Data (Lihat Display Output) Pada Display Out muncul Descriptive yang berisikan data N. Jika penelitian anda bersifat deskriptif. Mean Score. D3 dan S1 Tabel ini berguna untuk deskripsi data. maka dalam pengolahan SPSS data seperti inilah yang akan muncul .

005 (Tidak Homogen) ..005 (Homogen) Output F nilai sign. Perhatikan Tes Homogenity of Variance« Pada kolom Levene Statistics tertulis angka «. Ini menunjukkan bahwa«««. p > . Syarat Homogen: Output F nilai sign.dengan sign««. p < .

dengan p ««.005 Ha diterima.005 ha ditolak. KESIMPULAN: «««««««««««««« . Perhatikan tabel ANOVA« Ingat konvensi umum: Jika F hitung > F tabel. tapi cukup melihat taraf sign. H0 ditolak p sign. maka Ha diterima dan H0 ditolak Jika F hitung < F tabel maka Ha diterima dan H0 ditolak Di dalam SPSS kita tidak usah lagi melihat F tabel. H0 diterima Hasil F = ««. > .. < . Jika: p sign.

.. Jika ada perbedaan diantara ketiga kelompok yang menjadi pertanyaan adalah« ³Yang mana saja yang berbeda????´  Untuk itu lanjutkan ke analisis Posthoc yang ada pada menu One Way ANova  Klik salah satu pilihan (Scheefe) (Scheefe)  Terlihat bahwa ««««««.

UJI KORELASI  TUJUAN Hendak melihat sejauh mana korelasi antara dua variabel. dimana diasumsikan kenaikan satu variabel akan diikuti oleh kenaikan/penurunan variabel yang lain .

UJI KORELASI  CONTOH HIPOTESA ³Ada hubungan antara karir dengan kepuasan kerja ANALISA DATA: Hipotesa dua arah (Karena tidak menyebutkan apakah arah korelasinya POSITIF atau NEGATIF .

Klik options. Klik OK . lalu muncul menu Means: Options 4. Beri tanda checklist di depan test for linearity 5. Masukkan variabel berdasarkan urutannya. 2. Compare Means dan Means Analyze.LANGKAHLANGKAH-LANGKAH UJI ASUMSI NORMALITAS ( Kolmogorov Smirnov di menu statistic non parametrics) UJI ASUMSI LINEARITAS 1. Klik Analyze. yang mana data ke Dependent List dan yang mana ke Independent List 3.

05 maka dapat dikatakan bahwa asumsi linearitas terpenuhi. Artinya tidak terjadi penyimpangan signifikan terhadap linearitas .LANGKAHLANGKAH-LANGKAH 6. berada di atas 0. Perhatikan ANOVA Table 7. Jika Deviation from Linearity sig.

hipotesa. Jika 1 arah (sudah ada jenis hubungan) berarti kita menggunakan One Tailed. 2. sesuaikan dengan Significance.Correlate 2 variabel) Masukkan kedua variabel/data yang hendak diolah ke dalam kotak Variables Pada Correlation Coefficients klik di depan Pearson karena data yang diolah adalah data dalam bentuk Parametrik Pada test of Significance. masih hanya melihat hubungan saja kita gunakan Two Tailed . Klik Analyze «. 3.Correlate « Bivariate (karena hanya «.LANGKAH UJI KORELASI 1. namun jika Tailed. 4.

05 maka akan muncul tanda *. Klik pada menu means jika anda ingin mengetahui data deskriptifnya 7. Klik Continue untuk kembali ke kotak dialogue dan kemudian OK .LANGKAH UJI KORELASI 5.01 maka pada output akan muncul tanda ** 6. Jika korelasi signifikan pada . deviations. Klik pada Flag of Significant Correlation untuk menampilkan signifikansi jika korelasi pada . Klik option maka akan muncul menu means and standard deviation dan cross product deviations.

< 0. 2.878) maka arah korelasi adalah POSITIF 4.878) maka arah korelasi NEGATIF . Lihat tabel Correlations. Hipotesa diterima jika p sign. Jika nilai r positif (mis: r = .INTERPRETASI 1.05 (yang akan diberi lambang *) 3. Jika nilai r negatif (mis: r = -.

800: Korelasi Kuat 0.800 ± 1.200 ± 0.600: Korelasi Cukup kuat 0.200: Korelasi sangat lemah 0.KEKUATAN r Sejumlah ahli berusaha untuk membuat klasifikasi nilai r signifikan untuk mengetahui apakah korelasi kuat atau lemah Misalnya: 0.600 ± 0.400: Korelasi Lemah 0.001 ± 0.000: Korelasi Sangat Kuat .400 ± 0.

Sign up to vote on this title
UsefulNot useful