P. 1
Bahan Ajar Statistika Ekonomi Lanjutan

Bahan Ajar Statistika Ekonomi Lanjutan

1.0

|Views: 22,418|Likes:
Published by Hatani

More info:

Published by: Hatani on Jul 10, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/25/2013

pdf

text

original

JURUSAN MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS HALUOLEO KENDARI 2008

1

DAFTAR ISI Hal : HALAMAN JUDUL DAFTAR ISI KATA PENGANTAR POKOK BAHASAN I POKOK BAHASAN II POKOK BAHASAN III POKOK BAHASAN IV POKOK BAHASAN V POKOK BAHASAN VI KONSEP & PENGERTIAN STATISTIKA EKONOMI i ii iii 1

KONSEP & PEMODELAN STATISTIKA PARAMETRIK METODE & DISTRIBUSI SAMPLING TEORI PENDUGAAN STATISTIK (PROBABILITAS)

8 13 24 37 54 59 75 82 101 117

PENGUJIAN HIPOTESIS UJI VALIDITAS & RELIBILITAS INSTRUMEN

POKOK UJI BEDA (t- TES) BAHASAN VII POKOK ANALISIS KORELASI BAHASAN VIII POKOK ANALISIS REGRESI BAHASAN IX POKOK BAHASAN X ANALISIS NON-PARAMETRIK

DAFTAR PUSTAKA

2

KATA PENGANTAR Alhamdulillah, dengan memanjatkan puji syukur ke hadirat Allah SWT, atas limpahan Rahmat, Taufik dan Hidayah-Nya telah memberikan petunjuk, kesehatan, kesempatan dan kekuatan kepada penulis sehingga dapat menyajikan tulisan Buku Ajar mata kuliah Statistika Ekonomi Lanjutan. Di dalam tulisan ini, disajikan pokok-pokok bahasan yang terdiri atas sepuluh 10 Pokok Bahasan yang disusun sebagai bahan penuntun atau pegangan mahasiswa di lingkup Jurusan Manajemen, Fakultas Ekonomi Universitas Haluoleo dengan materi yang telah disesuaikan khususnya mata kuliah Statistika Ekonomi Lanjutan. Sebagai materi dalam Bahan Ajar ini merupakan hasil penyempurnaan dari materi yang dilakukan dalam perkuliahan yang telah disusun sebelum ditambah dengan beberapa contoh kasus dan trend baru keilmuan Statistika Ekonomi. Harapan penyusun bahwa Bahan Ajar ini dapat membantu para mahasiswa dan tim pengajar dalam kegiatan perkuliahan. Ucapan terimah kasih disampaikan kepada semua pihak yang telah banyak membantu dan mengarahkan dalam penyusunan Buku Ajar ini. Disadari bahwa dengan kekurangan dan keterbatan yang dimiliki penulis, walaupun telah dikerahkan segala kemampuan untuk lebih teliti, tetapi masih dirasakan banyak kekurangtepatan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun agar tulisan ini bermanfaat bagi yang membutuhkan. Kendari, Oktober 2008 Penulis,

La Hatani, S.E., M.M. NIP. 132 308 766

3

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan secara komprehensip konsep, kegunaan dan pengertian statistika ekonomi serta penerapannya dalam kehidupan nyata. 2. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan pengertian statistik dan statistika baik secara teori maupun secara empiris. b. Mahasiswa diharapkan dapat menjelaskan arti dan jenis data. c. Mahasiswa diharapkan dapat membedakan skala pengukuran. d. Mahasiswa diharapkan dapat menjelaskan arti dan jenis variabel. 3. KATA KUNCI: Arti Statistika, Data, Skala Pengukuran & Variabel 4. RANGKUMAN Statistika membantu dalam mengambil keputusan yang tepat, alat untuk mengendalikan kualitas dan memungkinkan untuk mengetahui peluang suatu kejadian di masa mendatang. Statistika sering digunakan oleh ekonom, pimpinan perusahaan baik dalam bidang keuangan, manajemen, akuntansi dan bidang lainnya. Ilmu statistika berguna untuk membantu dalam pengambilan keputusan atas masalah tertentu. Pada prinsipnya statistika dapat diartikan sebagai kegiatan untuk: a. Mengumpulkan data dan pengukuran data b. Meringkas dan menyajikan data c. Menganalisis data dengan metode tertentu d. Mengiterprestasikan hasil analisis data. e. Menyimpulkan hasil analisis untuk pengambilan keputusan 5. URAIAN PEMBELAJARAN A. Pendahuluan Dalam kehidupan sehari-hari statistika telah banyak digunakan, secara histories perkembangan statistika di awali pada jaman Mesir dan Cina untuk menentukan besar pajak; dijaman gereja untuk mencatat kelahiran, kematian, dan pernikahan.

4

Selanjutnya ditahun 1937 Tinbergen mengembangkan ekonomi statistic dan Hicks mengembangkan matematika ekonomi untuk analisis IS-LM. Tahun 1950, Bayes mengembangkan Teori Pengambilan Keputusan. Pokok bahasan ini menjelaskan tentang arti statistika, data, variabel dan skala pengukuran data. B. Pengertian dan Kegunaan Statistika Agar tidak menumbulkan kesalahan penafsiran bagi para pengguna statistika terlebih dahulu akan dijelaskan perbeadaan arti statistik dan statistika. “Statistik digunakan untuk menyatakan kumpulan data, bilangan maupun non-bilangan (fakta) yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan (Supangat, 2007)”. ”Statistika adalah ilmu atau seni yang berkaitan dengan tata cara (metode) pengumpulan data, Analisis Data dan interprestasi hasil analisis untuk mendapatkan informasi guna penarikan kesimpulan dan pengambilan keputusan (Tuban, 1972)”. Pada umumnya statistika dikelompokan menjadi dua bagian yaitu: 1. Statistika Deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan menjadi sebuah informasi. Statistika deskriptif yang digunakan untuk menggambarkan atau mengdeskripsikan data menjadi informasi yang berguna untuk pengambilan keputusan. Contoh statistik deskriptif adalah pembuatan distribusi frekuensi, diagram, ukuran pemusatan, rata-rata, stándar deviasi dan penyebaran 2. Statistika Inferensial (Induktif) adalah metode yang digunakan untuk mengetahui populasi berdasarkan sampel dengan menganalisis dan menginterprestasikan data menjadi sebuah kesimpulan. Contoh teori probabilitas, pengujian statistik, regresi, dan korelasi dan lain-lain. Mencermati fenomena empiris tidak dapat dipingkiri para pengambil keputusan baik pada instansi pemerintah maupun swasta dan interaksi kehidupan bermasyarakat telah banyak menggunakan kaidah-kaidah statistika seperti menghitung rata-rata penghasilan sebuah keluarga setiap bulan, mengukur tinkat produktivitas usaha, melihat hubungan antara aktivitas yang dikerjakan dengan prestasi yang diraih, dan sebagainya

5

Tabel 1.1. Pengguna Statistika dan Berbagai Permasalahan Yang Dihadapi
Pengguna Statistika Manajemen Masalah yang Dihadapi

1. 2. 3. 4.

Penentuan struktur gaji, pesangon, dan tunjangan karyawan. Penentuan jumlah persediaan barang Evaluasi produktivitas karyawan. Evaluasi kinerja perusahaan.

Akuntansi

1. Penentuan standar audit barang dan jasa. 2. Penentuan depresiasi dan apresiasi barang dan jasa. 3. Analisis rasio keuangan perusahaan 1. 2. 3. 4. 1. 2. 3. 4.
Penelitian dan pengembangan produk. Analisis potensi pasar, segmentasi dan diskriminasi pasar. Ramalan penjualan. Efektivitas kegiatan promosi penjualan. Potensi peluang naik/turun harga saham & suku bunga. Tingkat pengembalian investasi beberapa sektor ekonomi. Analisis pertumbuhan laba dan cadangan usaha. Analisis resiko setiap usaha.

Pemasaran

Keuangan

Ekonomi Pembangunan

1. Analisis pertumbuhan ekonomi, inflasi dan suku bunga. 2. Pertumbuhan penduduk, pengangguran dan kemiskinan. 3. Indeks harga konsumen dan perdagangan besar. 1. 2. 3. 4.
Analisis produksi tanaman, ternak, ikan dan kehutanan. Kelayakan usaha dan skala ekonomi. Manajemen produksi agribisnis. Analisis ekspor dan impor produk pertanian.

Agribisnis

C. Arti dan Jenis Data Data adalah bentuk jamak dari datum artinya kumpulan angka, fakta, fenomena atau keadaan lainnya, merupakan hasil pengamatan, pengukuran atau pencacahan dan sebagainya terhadap obyek, yang berfungsi dapat membedakan obyek yang satu dengan lainnya pada variabel yang sama. Statistika berhubungan dengan pengolahan data atau yang menjadi imput dalam proses statistika adalah data. Dari sudut pandang statistika data dikelompokan menjadi dua jenis yaitu: 1. Data kualitatif adalah data yang dinyatakan dalam bentuk bukan angka (sifat). 2. Data kuantitatif adalah data yang dinyatakan dalam bantuk angka yang diasumsikan sebagai informasi dalam bentuk pernyataan “bilangan” yang didasarkan pada hasil perhitungan.

6

Pengelompokan data menurut cara perolehan menurut statistika terdiri atas: 1. Data primer adalah data yang diperoleh secara langsung dari obyak yang diteliti baik secara individu maupun kelompok/organisasi. 2. Data sekunder adalah data yang diperoleh secara tidak langsung untuk mendapatkan informasi/keterangan dari obyek yang diteliti. 3. Data tersier yaitu data yang diperoleh secara tidak langsung dari obyek yang diteliti biasanya data tersebut diperoleh dari pihak ketiga baik dari individu maupun kelompok yang sengaja mengungkapkan fakta dari pihak kedua. D. Skala Pengukuran Data Pengukuran merupakan suatu proses dimana suatu angka atau symbol diletakan pada suatu karakteristik atau stimulti sesuai dengan aturan atau prosedur yang telah ditetapkan. Stevens (1946) skala pengukuran data dapat dikelompokan menjadi empat jenis yaitu: 1. Skala nominal adalah angka yang diberikan kepada obyek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apa-apa atau merupakan skala pengukuran yang menyatakan kategorik dari kelompok suatu obyek. Contoh: jenis kelamin yaitu laki-laki diberi tanda 1 dan perempuan diberi tanda 2. 2. Skala ordinal adalah data yang diperoleh dengan cara kategorik atau klasifikasi namun diantara data tersebut memiliki hubungan atau angka yang diberikan di mana angka-angka tersebut mengandung pengertian tingkatan. Contoh: Kualitas produksi yaitu sangat tinggi dikategorikan 5; tinggi dikategorikan 4; sedang dikategorikan 3; rendah dikategorikan 2; dan tidak berkualitas dikategorikan 1. 3. Skala interval adalah suatu skala pemberian angka pada obyek yang mempunyai sifat ukuran ordinal dan mempunyai jarak atau interval yang sama. Contoh : temperatur suhu ruangan yang dengan celcius pada 00C sampai 100C. 4. Skala rasio adalah skala interval yang memiliki nilai dasar (based value) yang tidak dapat dirubah atau skala yang memiliki nilai nol dan rasio dua nilai yang memiliki arti. Skala rasio merupakan skala dengan hirarki paling tinggi dibanding skala-skala lainnya yang merupakan angka atau bilangan dari hasil perbandingan. Contoh: tingkat produktivitas merupakan perbandingan antara input dan ouput.

7

Agar dapat membedakan dari ke empat jenis skala pengukuran data di atas dapat dikemukakan ciri-ciri dari setiap skala pengkuran data. Tabel 1.2. Ciri-ciri Skala Pengkuran Data Nominal Komponen Nama (Nomos) Ordinal Komponen Nama (Nomos) Komponen Peringkat (Order) Interval Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Nilai Nol Tidak Mutlak (Absolut) Rasio Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Komponen Ratio Nilai Nol Mutlak (Absolut) E. Arti dan Jenis Variabel Variabel (Peubah) adalah karakteristik atau sifat yang merupakan penamaan yang melekat pada suatu obyek yang dikaji. Pada prinsipnya pengolongan variabel dapat dibedakan atas dua jenis yaitu: 1. Variabel Intraneous yaitu variabel yang dimasukan dalam hipotesis penelitian yang meliputi: Variabel tergantung adalah variabel yang tercakup dalam hipotesis penelitian, keragamannya dipengaruhi oleh variabel lain Variabel bebas adalah variabel yang yang tercakup dalam hipotesis penelitian dan berpengaruh atau mempengaruhi variabel tergantung Variabel antara (intervene variables) adalah variabel yang bersifat menjadi perantara dari hubungan variabel bebas ke variabel tergantung. Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemah pengaruh variabel bebas terhadap variabel tergantung 2. Variabel Extraneous yaitu variabel yang tidak dimasukan dalam hipotesis penelitian yang meliputi: Variabel pembaur (confounding variables) adalah suatu variabel yang tercakup dalam hipotesis penelitian, akan tetapi muncul dalam penelitian dan

8

berpengaruh

terhadap

variabel

tergantung

dan

pengaruh

tersebut

mencampuri/berbaur dengan variabel bebas Variabel kendali (control variables) adalah variabel pembaur yang dapat dikendalikan pada saat riset design. Pengendalian dapat dilakukan dengan cara eksklusi (mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam sampel penelitian) atau dengan blocking, yaitu membagi obyek penelitian menjadi kelompok-kelompok yang relatif homogen. Variabel penyerta (concomitant variables) adalah suatu variabel pembaur (cofounding) yang tidak dapat dikendalikan saat riset design. Variabel ini tidak dapat dikendalikan, sehingga tetap menyertai (terikut) dalam proses penelitian, dengan konsekuensi harus diamati dan pengaruh baurnya harus dieliminir atau dihilangkan pada saat analisis data. Lebih jelasnya pengelompokan variabel, dapat dilihat pada gambar berikut: Gambar 1.1. Pengelompokan Jenis Variabel

Secara empiris data dan variabel memiliki hubungan erat dalam statistika. Agar memudahkan melihat keterkaitan data dan variabel dalam statistika disajikan pada tabel berikut:

9

Tabel 1.3. Hubungan Data & Variabel

6. EVALUASI 1) Jelaskan pentingnya statistika dalam kehidupan sehari-hari, dan siapa saja yang menggunakan statistika? Sebutkan contoh penggunaan statistika dalam manajemen? 2) Jelaskan perbedaan statistika deskriptif dan statistika iferensial? Berikan contoh dari kasus sehari-hari yang Anda temui! 3) Dikatakan bahwa keuntungan saham PT. Telkom Indonesia adalah Rp 350 per lembar, dan nilai saham PT. Telkom Indonesia dua kali saham PT. Pos Indonesia. Apa skala pengukuran yang dipakai dalam soal di atas? 4) Berikut adalah hasil survei tentang mutu buah-buahan di sebuah Pasar buah di Kendari. Angka dalam persen.

Diminta: a. Jelaskan menurut Anda, survei tersebut termasuk skala apa? b. Dapatkah Anda membuat skala rasio dari hasil tersebut? dan apa kesimpulannya? c. Bagaimana menurut Anda cara mendapatkan data tersebut, termasuk data primer atau sekunder? Kualitatif atau kuantitatif? 5) Harga saham dari 3 perusahaan di Bursa Efek Indonesia pada tahun 2007

Diminta: Skala pengukuran apa yang digunakan untuk menggambarkan harga saham di BEI, mengapa?

10

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan secara komprehensip konsep dasar, kegunaan dan pemodelan statistika parametrik serta, serta aplikasinya dalam kenyataan empiris khusunya ilmu ekonomi. 2. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan pengertian Statistika Parametrik b. Mahasiswa diharapakan dapat menjelaskan prosedur pengolahan data dengan statistika Parametrik c. Mahasiswa dapat menyebutkan kelebihan dan kekurangan statistika Parametrik d. Mahasiswa mampu menggolongkan metode analisis statistika parametrik dan pemodelan statistika secara empiris. 3. KATA KUNCI: Statistika Parametrik & Kaidah Pemodelan Statistika 4. RANGKUMAN Ilmu statistika pada penerapanya adalah ilmu yang sangat praktis, agar dapat memahamiminya, seseorang harus banyak melakukan latihan. Disamping, sebagai bidang ilmu yang sarat dengan perhitungan matematis maka dalam pengolahan data dapat dipilah menjadi parametrik dan non-parametrik. Statistika parametrik merupakan metode statistika yang menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-parameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui. 5. URAIAN PEMBELAJARAN A. Pendahuluan Proses sosial merupakan pengaruh timbal balik antara berbagai sisi kehidupan, diantaranya sektor kehidupan ekonomi dengan segi kehidupan politik, sektor kehidupan hukum, kehidupan agama dan sebagainya. Lebih lanjut cara-cara sosial mempelajari lingkup permasalahannya, secara prinsip terdapat dua cara atau

11

pendekatan yaitu dengan cara penyelesaian yang bersifat kualitatif dan metode penyelesaian yang bersifat kuantitatif. Metode kuantitatif atau dikatakan juga sebagai metode parametrik merupakan metode yang bersifat atau berlandaskan asumsi-asumsi dalam pendugaan parameter, penentuan selang kepercayaan dan pengujian hubungan antara dua sifat atau lebih. Pokok bahasan ini akan menyajikan pengertian statistika parametrik; prosedur pengolahan data; kelebihan dan kekurangan statistika parametrik; serta rancangan pemodelan statistika. B. Pengertian Statistika Parametrik Statistika Parametrik (Metode Kuantitatif) adalah metode statistika yang menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameterparameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui. Metode statistika parametrik berlandaskan pada anggapan-anggapan tertentu yang telah disusun terlebih dahulu, jika anggapan-anggapan tersebut tidak sesuai dengan keadaan sebenarnya, apalagi jika menyimpang jauh maka keampuhan metode ini tidak dapat dijamin atau bahkan dapat menyesatkan. Pengolongan Statistika Parametrik antara lain: Regresi, Path (Jalur), SEM, Korelasi Kanonik, Faktor, deskriminan, claster, regresi logistik, probit & tobit, multivariat. Prosedur penggunaan statistika parametrik harus mempertimbankan: 1. Penentuan Hipotesis 2. Pemilihan uji statistika (alat analisis) 3. Penentuan 4. Taraf Nyata α dan ukuran cuplikan (n) 5. Menentukan sebaran cuplikan (Sampling distribution) 6. Penentukan daerah penolakan Ho 7. Pengambilan keputusan dan penarikan kesimpulan. C. Kelebihan & Kekurangan Statistika Parametrik Dalam kenyataan, penggunaan metode satatistik tidak terlepas dari berbagai kelebihan dan kekurangan. Adapun kelebihan dan kekurangan statistika parametrik sebagai berikut:

12

1. Kelebihan statistika parametrik adalah: Dapat digunakan untuk menduga atau meramal. Hasil analisis dapat diperoleh dengan pasti dan akurat apabila digunakan sesuai aturan-aturan yang telah ditetapkan. Dapat digunakan untuk mengukur interaksi hudungan antara dua atau lebih variabel (peubah). Dapat menyederhanakan realitas permasalahan yang kompleks & rumit dalam sebuah model sederhana. 2. Kekurangan statistika parametrik adalah: Berdasarkan pada anggapan-anggapan (Asumsi) Asumsi tidak sesuai dengan realitas yang terjadi atau menyimpang jauh maka kemampuannya tidak dapat dijamin bahkan menyesatkan. Data harus berdistribusi normal dengan skala pengukuran data yang harus digunakan adalah interval & rasio. Dapat digunakan untuk menganalisis data yang populasi/sampelnya sama. Tidak dapat dipergunakan untuk menganalisis dengan cuplikan (Sampel) yang jumlahnya sedikit (> 30) D. Pemodelan Statistika Parametrik Model adalah suatu konsep yang digunakan untuk menyatakan sesuatu keadaan (permasalahan) ke dalam bentuk simbolik, ikonik atau analog. Pada hakekatnya model adalah perwakil realitas, oleh karena itu wujudnya harus lebih sederhana. Pemodelan statistika adalah upaya memodelkan permasalahan ke dalam konsep statistika dengan prosedur: (1) Ubah pernyataan ke dalam lambang statistika (2) Pemilihan metode analisis yang tepat (3) Aplikasi metode secara benar Agar memudahkan dalam memahami secara empiris pemodelan statistika, berikut ini disajikan gambar kaidah analisis data (Pemodelan Statistika); Model Parematrik & Nonparametrik; Pemodelan Dependensi Pada Multivariat dan Model Statistika Interdependesi sebagai berikut:

13

Gambar 2.1. Kaidah Analisis Data (Pemodelan Statistika)

Gambar 2.2. Model Parematrik & Nonparametrik

14

Gambar 2.3. Pemodelan Dependensi Pada Multivariat

Gambar 2.3. Model Statistika Interdependesi

6. EVALUASI 1) Jelaskan pengertian statistika parametrik? 2) Jelaskan prosedur yang dipertimbangkan dalam pengolahan data statistika parametrik? Berikan contoh penggunaan statatistika parametrik dalam kehidupan sehari-hari! 3) Sebutkan kelebihan dan kelemahan statistika parametrik? 4) Jelaskan penggolongan analisis statistika parametrik dan kaidah-kaidah pemodelan statistik parametrik?

15

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan kegunaan metode dan distribusi sampling, serta aplikasinya dalam kehidupan nyata khusunya ilmu ekonomi. 2. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan pengertian populasi dan sampel b. Mahasiswa diharapakan dapat merancang metode penarikan sampel dan kesalahan penarikan sampel c. Mahasiswa diharapkan dapat menjelaskan metode-metode distribusi sampling dan memberikan contoh penerapannya dalam bidang ilmu ekonomi. 3. KATA KUNCI: Populasi, Sampel & Metode Distribusi Sampling 4. RANGKUMAN Mengiterprestasikan persoalan terhadap suatu populasi, peneliti atau pengamat perlu mendapatkan informasi secara lengkap dan jelas. Tidak dapat dipungkiri bahwa informasi yang lengkap adalah informasi yang diperoleh dari populasi secara keseluruhan, namun dalam kenyataannya hal tersebut tidak mudah untuk didapatkan. Banyaknya faktor kendala atau penghambat seperti populasi tidak dapat dimintai keterangan karena faktor situasi dan kondisi yang tidak mungkin, faktor biaya, waktu, tenaga dan faktor ketepatan (akurasi data). Dalam mengani kendala atau persolan tersebut sebagai langkah dalam pengambilan keputusan cukup digunakan sampling. 5. URAIAN PEMBELAJARAN A. Pendahuluan Sampel dikatakan sebagai estimator yang baik, jika mempunyai harapan yang sama dengan parameter yang diestimasi (populasi). π adalah lambang rata-rata populasi dan estimator X (rata-rata sampel). Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang, benda-benda dan ukuran lain dari obyek yang menjadi perhatian. Sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian. Pada pokok bahasan ini akan menyajikan tentang metode dan distribusi

16

sampling yang meliputi: pengertian populasi dan sampel; metode penarikan sampel dan kesalahan penarikan sampel; dan metode-metode distribusi sampling. B. Pengertian Sampel dan Populasi Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang, bendabenda dan ukuran lain dari objek yang menjadi perhatian yang mempunyai ciri atau karakteristik yang sama. Sampel yaitu bagian dari populasi yang dijadikan sebagai bahan penelaahan dengan harapan sampel yang diambil dari populasi tersebut dapat mewakili (representative) terhadap populasinya. Secara sederhana sampel adalah Suatu bagian dari populasi tertentu yang menjadi perhatian. Lebih jelasnya pengertian populasi dan sampel dapat dilihat melalui hubungan antara populasi dan sampel yang disajikan pada gambar berikut: Gambar 3.1. Hubungan Sampling dan Populasi

C. Metode Penarikan Sampel Metode penarikan sampling pada prinsipnya dapat dilakukan dengan melalui dua pendekatan yaitu: 1. Sampel probabilitas merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga masing-masing anggota populasi memiliki probabilitas atau peluang yang sama untuk dijadikan sampel. 2. Sampel non-probabilitas merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga setiap anggota tidak memiliki probabilitas atau peluang yang sama untuk dijadikan sampel.

17

Metode penarikan sampel baik probabilitas maupun non-probabilitas dapat dilakukan penentuan sampling dengan berbagai cara. Lebih jelasnya dapat dilihat pada skema berikut: Gambar 3.2. Metode Penarikan Sampel

Keterangan: Metode penarikan sampel probabilitas meliputi: 1. Penarikan sampel acak sederhana (simple random sampling) merupakan pengambilan sampel dari populasi secara acak tanpa memperhatikan strata yang ada dalam populasi dan setiap anggota populasi memiliki kesempatan yang sama untuk dijadikan sampel. Dua cara sampel acak sederhana yaitu: a. Sistem kocokan yaitu sistem sampel acak sederhana dengan cara sama sistem arisan. b. Menggunakan tabel acak yaitu memilih sampel dengan menggunakan suatu tabel. Dalam penggunaannya ditentukan dahulu titik awal (starting point). 2. Penarikan sampel acak terstruktur (stratified random sampling) dilakukan dengan membagi anggota populasi dalam beberapa sub kelompok yang disebut strata, lalu suatu sampel dipilih dari masing-masing stratum. Lebih jelasnya penarikan sampel acak terstruktur (stratified random sampling) dapat dilihat pada gambar berikut:

18

Gambar 3.3. Proses Penarikan Sampel Stratifikasi

Contoh Menentukan Jumlah Sampel Setiap Stratum Stratum Kelompok 1 Bulat 2 Kotak 3 Segitiga Jumlah Total Jumlah anggota 5 7 12 24 Persentase dari total 21 29 50 100 Jumlah sampel per stratum 2 (0,21 x 10) 3 (0,29 x 10) 5 (0,50 x 10) 10

3. Penarikan sampel cluster (cluster sampling) dilakukan dengan membagi anggota populasi dalam beberapa kelompok, lalu suatu sampel dipilih dari masing-masing area kelompok. Perbedaan penarikan sampling cluster dan stratified random sampling dapat dilihat pada gambar berikut: Gambar 3.4. Perbedaan Penarikan sampling cluster dan stratified

19

Metode penarikan sampel non-probabilitas meliputi: 1. Penarikan sampel sistematis (systematic sampling) yaitu penarikan sampel apabila setiap unsur atau anggota dalam populasi disusun dengan cara tertentusecara alfabetis, dari besar kecil atau sebaliknya-kemudian dipilih titik awal secara acak lalu setiap anggota ke K dari populasi dipilih sebagai sampel 2. Penarikan sampel kuota (kuota sampling) yaitu metode penarikan sampling apabila setiap unsur atau anggota dalam populasi telah diketahui atau telah ditentukan terlebih dahulu. 3. Penarikan sampel purposive (purposive sampling) yaitu metode penarikan sampel berdasarkan porporsi atau persentase dari jumlah populasi. Metode-metode penarikan sampel di atas, tidak dapat dipungkiri sering terjadi kekeliruan dalam penarikan sampel. Kesalahan penarikan sampel merupakan perbedaan antara nilai statistik sampel dengan nilai parameter dari populasi. D. Metode dan Distribusi sampling Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya dihubungkan dengan setiap rata-rata hitung sampel. Distribusi sampling secara umum dapat dibedakan atas 4 metode yaitu: 1. Distribusi Sampel Rata-rata Distribusi Sampling rata-rata adalah merupakan distribusi probabilitas yang terjadi dari rata-rata sampelnya yang didasarkan pada sejumlah sampel dari parameter populasinya. Contoh menghitung tingkat produktivitas UKM di Sulawesi Tenggara Kabupaten/Kota Buton Utara Konawe Bau-bau Kolaka Muna Penyelesaian: Produktivitas (%) 2 4 6 4 4

20

a. Nilai rata-rata populasi

μ=

∑ x = 2 + 4 + 6 + 4 + 4 = 20 = 4
N 5 5

b. Nilai rata-rata populasi dan sampel apabila diambil sampel 2 dari 5 Kabupaten/Kota

2) Perhitungan rata-rata dari setiap sampel
Kabupaten/Kota Buton Utara – Konawe Buton Utara – Bau-Bau Buton Utara – Kolaka Buton Utara – Muna Konawe – Bau-Bau Konawe – Kolaka Konawe – Muna Bau-bau – Kolaka Bau-bau – Muna Kolaka – Muna Kombinasi Produktivitas (%) 2+4 2+6 2+4 2+4 4+6 4+4 4+4 6+4 6+4 4+4 Rata-Rata Hitung ( x ) (6/2) = 3 (8/2) = 4 (6/2) = 3 (6/2) = 3 (10/2) = 5 (8/2) = 4 (8/2) = 4 (10/2) = 5 (10/2) = 5 (8/2) = 4

3) Nilai rata-rata sampel

c. Nilai rata-rata populasi

21

Distribusi probabilitas dalam bentuk poligon

d. Standar deviasi populasi

Hubungan Standar Deviasi Sampel Dan Populasi

22

2. Distribusi Sampling Propori Distribusi sampling proporsi adalah distribusi probabilitas yang dapat terjadi dari proporsi sampel yang didasarkan pada sejumlah sampel tertentu dari parameter proporsi populasinya. Adapun rumus distribusi sampling proporsi adalah:

3. Distribusi Sampling Selisih Rata-rata Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat terjadi dari dari selisih rata-rata dua sampel yang berbeda yang didasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya. Gambar 3.5. Skema Selisih Populasi Atau Sampel

Adapun formulasi distribusi sampling selisis rata-rata sebagai berikut:

23

Gambar 3.6. Kurva distribusi selisih rata-rata

4. Distribusi sampling selisih proporsi Distribusi sampling selisih proporsi adalah Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat terjadi dari dari selisih rata-rata dua sampel yang didasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya. Adapun formulasi distribusi sampling selisis porporsi sebagai berikut:

Gambar 3.7. Kurva distribusi selisih proporsi

24

Dari ke empat metode distribusi sampling di atas perlu dilakukan faktor koreksi atas penarikan sampling untuk Populasi Terbatas dengan formulasi sebagai berikut:

Sampel Sama Dengan Populasi, Varian Sampel σ2/N, maka distribusi sampling untuk populasi dengan rata-rata μ dan varians σ2, rata-rata hitung distribusi sampel dari seluruh kemungkinan kombinasi sampel berukuran n yang diperoleh dari populasi akan mendekati distribusi normal, di mana rata-rata hitung distribusi sampel sama dengan rata-rata hitung populasi dan varians distribusi sampel sama dengan σ2/n. 6. EVALUASI 1) Jelaskan pengertian sampling dan populasi? Berikan contoh penggunaan sampel dan populasi dalam kehidupan sehari-hari! 2) Berikut adalah hasil investasi pada 5 perusahaan perusahaan perikanan di Kendari untuk tahun 2007 Perusahaan Hasil Investasi (%/tahun) Sultra Tuna Samudra 17 Yanagi 15 Kinatan Saputra 10 Jayanti Grub 11 Samudra Jasa Mandiri 14 Seorang investor ingin menanamkan modal di perusahaan perikanan kendari dengan mencoba survei pada 3 perusahaan Perikanan. Hitunglah berapa nilai rata-rata dan standar deviasi dari distribusi sampel rata-rata. Berapa peluang terpilihnya perusahaan untuk disurvey dengan harapan perusahaan tersebut mempunyai hasil investasi di atas 13%. 3) Seorang Manajer Investasi ANU dari Mitra Investdana memberikan saran untuk 6 saham lapis pertama dibeli 0,33 sedang ditahan 0,67 pada minggu terakhir Agustus

25

2007. Apabila seorang investor mempunyai 100 lot, berapa peluang lebih dari 40% sahamnya akan dibeli? 4) Kadin Kendari mempunyai kegiatan dalam pembinaan UKM. Pada tahun 2007 ada 950 unit UKM binaannya dan mempunyai rata-rata pendapatan sebesar 3 juta perbulan dan standar deviasi 1,2 juta. Departemen Koperasi dan UKM ingin lebih membantu Kadin, oleh sebab itu, akan mensurvei 45 unit UKM dari binaan Kadin. Berapa probabilitas dari sampel yang diambil terdiri dari UKM yang memiliki pendapatan rata-rata di bawah 1,5 juta rupiah? 5) PT. AA merencanakan akan memergerkan dua perusahaan yaitu PT. BB dan CC. PT AA juga merencanakan PHK dalam rangka efisiensi yaitu pada PT. BB sekitar 10% dan CC 15% dari total karyawan yang ada. Untuk keperluan tersebut, dipanggil 100 karyawan dari PT. BB dan 200 dari PT. CC untuk wawancara. Berapa probabilitas beda persentase tentang PHK di PT. BB 5% akan lebih kecil dari PT. CC? 6) Peluang harga BBM meningkat pada bulan Maret 2008 adalah 67%. Berapa probabilitas yang mungkin terjadi apabila PT. Pertamina melakukan 50 transaksi dan kurang dari 50% dari transaksi tersebut mengalami kenaikan harga BBM? 7) PT. Pacar Grub mempunyai dua anak perusahaan yaitu PT AYU yang bergerak dalam konveksi dan PT. Ganteng yang bergerak dalam realestate. Kedua diharapkan mempunyai kinerja yang sama baiknya. Pengamatan selama 30 bulan PT AYU. menunjukan keuntungan rata-rata 500 juta dengan standar deviasi 75 juta. Sedangkan pengamatan terhadap PT. Ganteng selama 50 bulan menunjukkan keuntungan rata-rata 300 juta dengan standar deviasi 52 juta. Apabila PT. Pacar Grub menginginkan selisih dari kedua perusahaan kurang dari 150 juta, berapa peluang keinginan tersebut tercapai? 8) Ada anggapan bahwa peluang usaha di Kendari untuk relatif berhasil lebih besar dibandingkan dengan di Bau-bau. Sebuah survey menunjukkan bahwa 200 UKM di Kendari, 45%-nya berhasil dan 100 UKM di Bau-Bau, 30%-nya berhasil. Apabila pemerintah menginginkan perbedaan di Kendari dan di Bau-Bau hanya 5%, berapa peluang keinginan tersebut tercapai.

26

6. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan teori pendugaan statistika (probabilitas) dan keguanaannya dalam kehidupan nyata. 7. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan teori dan kegunaan probabilitas. b. Mahasiswa diharapkan dapat menyatakan pendugaan titik parameter dan interval c. Mahasiswa dapat nenghitung kesalahan standar dari rata-rata hitung sampel d. Mahasiswa diharapkan dapat menyusun interval keyakinan baik secara rata-rata dan proporsi serta selisih rata-rata dan proporsi e. Mahasiswa diharapkan dapat memilih ukuran sampel 8. KATA KUNCI: Pendugaan Statistika (Probabilitas/Kemungkinan) 9. RANGKUMAN Pendugaan statistika (probabilitas) dapat diartikan sebagai suatu ukuran mengenai kemungkinan akan terjadinya suatu peristiwa (event). Besarnya ukuran dari nilai probabilitas antara 0 sampai dengan 1. Pendekatan yang dapat dilakukan dalam pengukuran probabilitas yaitu: 1. Pendekatan matematis adalah ukuran kepastian yang dapat dihitung secara pasti sedangkan yang dikatakan ketidak pastian adalah peristiwa munculnya kejadian. 2. Pendekatan empiris yaitu pendekatan yang sifatnya merupakan suatu hasil uji coba dari beberapa kali pengujian (berulang-ulang). 10. URAIAN PEMBELAJARAN A. Pendahuluan Kenyataan sehari-hari sering kali kita mendengar adanya pernyataan ”mungkin dan atau tidak mungkin”, secara spesifik pernyataan tersebut dapat diartikan sebagai gambaran sebuah pernyataan ”kepastian dan atau ketidak pastian” yang dapat dikatakan sebagi probabilitas atau kemungkinan. Kaitan dengan kehidupan seharihari sering kali dihadapkan dengan asumsi-asumsi probabilitas, seperti kemungkinan

27

terjadi lonjakan harga, kemungkinan terjadinya gejolak dimasyarakat akibat kenaikan harga. Pada pokok bahasan ini mengkanji teori dan kegunaan pendugaan statistika (probabilitas), meliputi: pendugaan titik parameter dan interval, kesalahan standar dari rata-rata hitung sampel; penentuan interval keyakinan baik secara ratarata dan proporsi serta selisih rata-rata dan proporsi dan memilih ukuran sampel. B. Pengertian dan Kegunaan Pendugaan Statistika (Probabilitas) Probabilitas adalah ukuran mengenai kemungkinan akan terjadinya peristiwa (event). Di dalam probabilitas dimungkinkan adanya ruang sampel yang merupakan himpunan dari kejadian-kejadian yang mungkin terjadi pada suatu peristiwa. Kegunaan pendugaan statistik (probabilitas) antara lain: 1. Dasar pengambilan keputusan 2. Memperkecil tingkat resiko dan ketidak pastian dalam pelaksaan kegitan 3. Mengurangi konflik adanya sebuah keputusan 4. Dapat memproyeksikan kemungkinan yang akan terjadi dimasa datang C. Pendugaan Titik Parameter & Interval 1. Pendugaan Titik Parameter Pendugaan titik parameter apabila terjadi atau tidak terjadinya peristiwa tidak saling mempengaruhi pada kemungkinan kejadian lainnya. Pendugaan titik parameter adalah penduga tunggal sebagai fungsi unsur populasi. Formulasi untuk menentukan pendugaan titik parameter adalah sebagai berikut:

28

Sifat-sifat pendugaan statistika (probabilitas) yaitu: 1. Penduga Tidak Bias Penduga titik dikatakan tidak bias (unbiased estimator) jika di dalam sampel random yang berasal dari populasi, rata-rata atau nilai harapan (expexted value) dari statistik sampel sama dengan parameter populasi (μ) atau dapat dilambangkan dengan E( ) = μ. Berikut ini akan disajikan gambar pendugaan bias dan tidak bias sebagai berikut: Gambar 4.1. Pendugaan Bersifat Tidak Bias dan Bias

2. Penduga Efisien Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan mempunyai varians terkecil (sx2) dari penduga-penduga lainnya. Gambar pendugaan bersifat efisien adalah: Gambar 4.2. Pendugaan Bersifat Efisien

29

3. Penduga Konsisten Penduga yang konsisten (consistent estimator) adalah nilai dugaan ( ) yang semakin mendekati nilai yang sebenarnya μ dengan semakin bertambahnya jumlah sampel (n). Gambar pendugaan bersifat efisien adalah: Gambar 4.3. Pendugaan Bersifat Konsisten

2. Pendugaan Interval Pendugaan interval adalah menyatakan jarak di dalam mana suatu parameter populasi mungkin berada. Rumus untuk menentukan pendugaan interval adalah:

30

Contoh pendugaan interval dengan menentukan jumlah sampel setiap stratum

Pada gambar terlihat untuk interval keyakinan 95% terhubungkan dengan nilai Z antara –1,96 sampai 1,96. Ini dapat diartikan juga bahwa 95% dari rata-rata hitung sampel akan terletak di dalam ± 1,96 kali standar deviasinya. Sedangkan untuk keyakinan 99%, maka rata-rata hitungnya juga akan terletak di dalam ± 2,58 kali standar deviasinya. Interval keyakinan juga dapat dituliskan untuk C= 0,95 adalah μ ± 1,96σx dan untuk C=0,99 adalah μ ± 2,58sx.

Luas kurva adalah 1, dan simetris yaitu sisi kanan dan kiri luasnya sama yaitu 0,5. Nilai C= 0,95 apabila dibagi menjadi dua bagian simetris maka menjadi 0,4750 yang diperoleh dari 0,95/2. Apabila digunakan tabel luas di bawah kurva normal untuk probabilitas 0,4750 maka akan diperoleh nilai Z sebesar 1,96. Begitu juga untuk C= 0,99, maka probabilitasnya adalah 0,99/2 = 0,4950, nilai probabilitas ini terhubung dengan nilai Z= 2,58. Setelah menemukan nilai Z dan standar deviasinya, maka dapat dibuat interval keyakinan dengan mudah misalnya untuk C= 0,95 adalah P( – 1,96sx < m < < + 1,96sx) = 0,95 sedang untuk C= 0,99 adalah P( – 2,58sx < m + 2,58sx) = 0,99.

31

Pada gambar di atas terlihat bahwa interval 1 dengan nilai rata-rata interval 95 dengan rata-rata 95 mengandung nilai parameternya yaitu dan hanya 96 sampai 100 atau 5% interval saja yang tidak dari statistik mengandung m. Jadi interval keyakinan C= 95 dapat diartikan bahwa sebanyak 95% interval mengandung nilai parameter aslinya yaitu m dan hanya 5% yang tidak mengandung parameternya. D. Kesalahan Standar dari Rata-rata Hitung Sampel Kesalahan standar dari rata-rata hitung sampel adalah standar deviasi distribusi sampel dari rata-rata hitung sampel. Kesalahan standar dari rata-rata hitung dihitung dengan rumus sebagai berikut:

E. Interval Keyakinan Interval keyakinan merupakan derajat tingkat kepercayaan terhadap suatu hasil pengujian yang telah ditetapkan. Berikut ini disajikan skema proses interval keyakinan.

32

Gambar 4.4. Skema Proses Interval Keyakinan

1. Interval Keyakinan Rata-rata dan Proporsi a. Interval keyakinan untuk rata-rata hitung diformulasikan :

Untuk populasi yang terbatas, faktor koreksi menjadi √(N-n)/N-1. Nilai merupakan rata-rata dari sampel, sedangkan nilai Z untuk beberapa nilai C Contoh interval keyakinan rata-rata hitung:

Berdasarkan pada nilai Z dan diasumsikan bahwa n>30 maka dapat disusun interval beberapa keyakinan sebagai berikut: 1. Interval keyakinan 99%: ± 2,58 s/√n 2. Interval keyakinan 98%: ± 2,33 s/√n 3. Interval keyakinan 95%: ± 1,96 s/√n 4. Interval keyakinan 90%: ± 1,65 s/√n 5. Interval keyakinan 85%: ± 1,44 s/√n 6. Interval keyakinan 95%: ± 1,28 s/√n Interval keyakinan tersebut dapat juga digambarkan sebagai berikut:

33

Gambar 4.5. Interval Keyakinan Hitung

Nilai parameter yang sebenarnya diharapkan adan terdapat pada interval 1 - α dengan batas bawah -Zα /2 dan batas atas Zα /2. b. Interval keyakinan untuk Proporsi diformulasikan : 1) Untuk populasi yang tidak terbatas

2) Untuk populasi yang terbatas

Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut: Probabilitas (p - Zα/2.Sp<P< p + Zα/2.Sp) Di mana: p : Proporsi sampel Zα/2 : Nilai Z dari tingkat keyakinan α P :Proporsi populasi yang diduga Sp : Standar error/kesalahan dari proporsi C :Tingkat keyakinan α :1 – C Selanjutnya ada beberapa pendekatan distribusi sampling yang digunakan untuk mengukur Interval Keyakinan Rata-rata dan Proporsi yaitu: 1. Distribusi normal dan standar deviasi populasi diketahui dengan rumus:

Di mana: : Rata-rata dari sampel Zα/2 : Nilai Z dari tingkat kepercayaan α

34

μ σx C

: Rata-rata populasi yang diduga : Standar error / kesalahan standar dari rata-rata hitung sampel : Tingkat keyakinan α = (1 – C)

2. Distribusi normal dan standar deviasi populasi tidak diketahui dengan rumus: a. Standar error untuk populasi tidak terbatas

b. Standar error untuk populasi yang terbatas dan n/N > 0,05:

Gambar 4.6. Interval Keyakinan Distribusi Normal Dan Standar Deviasi Populasi Tidak Diketahui

3. Distribusi sampling mendekati normal dan standar deviasi populasi tidak diketahui dengan rumus:

35

2. Interval Keyakinan Selisih Rata-rata dan Proporsi a. Interval keyakinan untuk Selisih Rata-rata dapat dihitung dengan rumus : Probabilitas :

Di mana standar error dari nilai selisih rata-rata adalah:

Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan standar deviasi sampel yaitu:

Di mana: σx1-x2 : Standar deviasi selisih rata-rata populasi sx1-x2 : Standar error selisih rata-rata sx1, sx1: Standar deviasi sampel dari dua populasi n1, n2: Jumlah sampel setiap populasi b. Interval keyakinan untuk Selisih Proporsi dapat dihitung dengan rumus : Probabilitas : ((p1-p2) - Zα/2. sp1-p2) <(P1-P2) < (p1-p2) + Zα/2. sp1-p2) Di mana standar error dari nilai selisih proporsi adalah:

Ket : p1, p2 : Proporsi sampel dari dua populasi Sp1, sp1 : Standar error selisih proporsi dari dua populasi n1, n2 : Jumlah sampel setiap populasi F. Memilih Ukuran Sampel Faktor yang mempengaruhi jumlah sampel adalah : 1. Tingkat keyakinan yang dipilih. 2. Kesalahan maksimum yang diperbolehkan. 3. Variasi dari populasi. Rumus menghitung jumlah sampel dapat dilakukan dengan dua metode yaitu:

36

1) Rumus jumlah sampel untuk menduga rata-rata populasi Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:

Rumus tersebut diturunkan dari interval keyakinan sebagaimana diuraikan sebagai berikut:

2) Rumus jumlah sampel untuk menduga rata-rata proporsi populasi Untuk mendapatkan rumus jumlah sampel dalam pendugaan proporsi populasi dapat diturunkan sebagai berikut:

6. EVALUASI 1) Jelaskan pengertian pendugaan statistika (probabilitas) dan keguanaannya? Berikan contoh riil dalam khidupan sehari-hari! 2) Pemerintah Daerah Sulawesi Tenggara ingin mendata tentang jumlah kamar hotel, sebagai upaya untuk peningkatan pendapatan asli daerah. Dari 500 buah kamar yang didata ternyata sewa per kamarnya rata-rata Rp 200 ribu dengan standar deviasi sebesar Rp 30 ribu. Dengan menggunakan tingkat kepercayaan 95%, buatlah interval keyakinan untuk biaya sewa kamar hotel di Sultra?.

37

3) Departemen Perindustrian dan Perdagangan ingin mengetahui pendapatan rata-rata dari usaha UKM di Sultra tahun 2007. Dari total 660 UKM di bawah bimbingan Departemen, diambil sampel 120 UKM yang terdapat di Bau-Bau, Kendari, Konawe dan Kolaka. Rata-rata pendapatan perbulannya ternyata meningkat menjadi Rp. 2,1 juta dengan standar deviasi populasinya 0,8 juta. Dengan tingkat keyakinan 95%, buatlah interval rata-rata kenaikan pendapatan UKM di Sultra! 4) Bagi pemerintah daerah Kepulauan Muna sangatlah sulit untuk mendapatkan data dari seluruh penduduk yang sangat tersebar dari sekitar Muna sampai Buton Utara. Pemerintah ingin mengetahui berapa interval penduduk yang tidak tamat wajib belajar. Dari survei di beberapa tempat terhadap 500 orang ternyata 130 orang tidak tamat wajib belajar. Dengan tingkat kepercayaan 99%, buatlah interval proporsi penduduk yang tidak tamat SMU tersebut. 5) PT. Fatih merasa bahwa produknya terlalu konvensional. Untuk itu perusahaan ingin mengetahui apakah konsumen masih menyukai produk tersebut atau tidak. Dari 400 pelanggan diambil sampel 15 orang dan ternyata 80% dari sampel masih menyukai produk tersebut. Buatlah interval keyakinan tentang kesukaan pelanggan dengan menggunakan tingkat keyakinan 99%. 6) Dinas Perpajakan Kota Kendari ingin mengetahui berapa interval dari beban pajak setiap rumah tangga. Untuk kepentingan tersebut diambil sampel 25 orang dari 500 orang yang membayar pajak pada tanggal 24 Agustus 2007. Dari sampel diketahui bahwa rata-rata pajak yang dibayar adalah 2,4 juta dengan standar deviasi 0,46 juta. Dengan tingkat kepercayaan 95%, buatlah interval pembayaran pajak tersebut! 7) Kontroversi tentang Pilgub Sultra mendorong sebuah stasiun TV. Kendari membuat jajak pendapat. Dari 1400 orang yang terdiri dari 800 pria dan 600 wanita, ternyata 360 pria dan 500 wanita menyukai Gubernur terpilih dengan suara terbanyak. Berapa beda proporsi antara pria dan wanita yang menyukai gubernur terpilih dengan suara terbanyak dengan menggunakan tingkat keyakinan 95%? 8) Pemerintah Konawe mengadakan program peningkatan usaha kecil dan menengah dalam rangka peningkatan pendapatan golongan ekonomi lemah. Untuk mengetahui apakah proyek ini berhasil atau tidak, maka akan dibedakan antara orang yang mengikuti proyek dan tidak. Pendapatan 13 orang dari 67 peserta yang ikut proyek

38

sebesar 1,2 juta perbulan dengan standar deviasi sebesar 0,2 juta. Sedang pendapatan 5 orang dari 34 orang nonpeserta rata-rata sebesar 0,8 juta dengan standar deviasi 0,4. Dengan menggunakan tingkat keyakinan 99%, buatlah interval keyakinan tentang selisih dari kedua kelompok tersebut. 9) PT. Wahana Permai yang merupakan perusahaan perumahan di Kendari akan membangun perumahan di Kambu, Poasia. Untuk keperluan tersebut diadakan survey tentang daya beli masyarakat. Berdasarkan data di Kecamatan diketahui standar deviasi pendapatan masyarakat sebesar 0,8 juta. Apabila diasumsikan bahwa kesalahan penarikan sampel sebesar 0,1 juta, dengan tingkat kepercayaan 99%, berapa sampel yang harus diambil oleh PT Wahana Permai? 10) PT. Darma Samudra telah mendapatkan ISO 9000 untuk pengendalian mutu produk pengalengan ikannnya. Berdasarkan pada pengalaman, proporsi susu rusak sebesar 8%, kemudian manajemen memutuskan bahwa kesalahan yang ditoleransi adalah 2%, dengan tingkat kepercayaan 95%, berapa sampel pengalengan ikan yang harus diambil, supaya mutu ikan tetap terjaga baik? 11) PT. Kendari Pos ingin mengetahui jumlah rata-rata nilai penjualan per hari dari tenaga pemasaran sebagai dasar dari penentuan prestasinya. Hasil sementara menunjukkan rata-rata perjalanan 150 ribu dengan standar deviasi 14 ribu. Berapa sampel pramuniaga yang harus diambil, apabila diinginkan kesalahan yang ditoliler adalah 2 ribu dan tingkat keyakinan 99%?

39

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan teori pengujian hipotesis dan keguanaannya untuk sampel besar dan kecil serta aplikasinya secara empiris. 2. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan teori dan kegunaan pengujian hipotesis . b. Mahasiswa dapat menyebutkan prosedur pengujian hipotesa dan menyatakan uji signifikansi untuk sampel besar dan kecil c. Mahasiswa dapat menghitung pengujian hipotesa rata-rata dan proporsi serta selisih rata-rata dan proporsi sampel besar d. Mahasiswa dapat menjelaskan kriteria sampel kecil dan ciri-ciri distribusi t-student e. Mahasiswa diharapkan dapat menghitung pengujian rata-rata hitung dan selisih ratarata hitung populasi f. Mahasiswa dapat menghitung pengujian data berpasangan dan analisis varians g. Mahasiswa dapat menyatakan Jenis Kesalahan I dan II pada pengujian hipotesis 3. KATA KUNCI: Pengujian Hipotesis Sampel Besar & Kecil 4. RANGKUMAN Hipotesis dapat diartikan sama dengan praduga atau kesimpulan sementara yang harus diuji kebenaranya. Pada prinsipnya pengujian hipotesis ini adalah membuat kesimpulan sementara untuk melakukan penyanggahan dan atau pembenaran dari permasalahan yang akan ditelaah baik pada ukuran sampel besar maupun kecil. Ada dua bentuk hipotesis yang biasa kemukakan menurut metode statistika yaitu: 1. Hipotesis nol (Ho) atau hipotesis dasar adalah merupakan kesimpulan sementara (anggapan) terhadap suatu kondisi/teori atau asumsi bagi suatu parameter dari mana subyek akan dilakukan pengujian statistik. 2. Hipotesis alternatif (Ha) atau hipotesis penelitian adalah hipotesis yang menyimpulkan apa yang dinyatakan pada Ho dalam Ha akan ditolak atau kebalikan hipotesis nolnya terhadap suatu kondisi atau teori yang ada.

40

5. URAIAN PEMBELAJARAN A. Pendahuluan Pengujian hipotesis merupakan salah satu cara dalam statistika untuk menguji ”parameter” populasi berdasarkan statistika sampelnya untuk dapat diterima atau ditolak pada tingkat signifingkasi tertentu. Pada prinsipnya pengujian hipotesis ini adalah membuat kesimpulan sementara untuk melakukan penyanggahan dan atau pembenaran dari permasalahan yang akan ditelaah baik pada ukuran sampel besar maupun kecil. Sebagai wahana untuk menetapkan kesimpulan sementara tersebut kemudian ditetapkan hipotesis nol dan hipotesis alternatifnya. Pada topik pengujian hipotesi akan dibahas: teori dan kegunaan pengujian hipotesis; prosedur pengujian hipotesis; uji signifikansi untuk sampel besar dan kecil; pengujian hipotesa rata-rata dan proporsi serta selisih rata-rata dan proporsi sampel besar; Jenis Kesalahan I dan II pada pengujian hipotesis; kriteria sampel kecil dan ciri-ciri distribusi t-student; pengujian rata-rata hitung dan selisih rata-rata hitung populasi sampel kecil; pengujian data berpasangan dan analisis varians. B. Pengertian & Prosedur Hipotesis ”Hipotesa adalah suatu pernyataan mengenai nilai suatu parameter populasi yang dimaksudkan untuk pengujian atau kesimpulan sementara yang harus diuji kebenaranya yang berguna untuk pengambilan keputusan”. ”Pengujian hipotesa adalah prosedur yang didasarkan pada bukti sampel yang dipakai untuk menentukan apakah hipotesa merupakan suatu pernyataan yang wajar dan oleh karenanya tidak ditolak, atau hipotesa tersebut tidak wajar dan oleh karena itu harus ditolak”. Merumuskan hipotesis dengan pendekatan statistika dapat dibedakan atas dua bentuk yaitu: 1. Hipotesis nol (H0) atau hipotesis dasar adalah Satu pernyataan mengenai nilai parameter populasi yang merupakan kesimpulan sementara (anggapan) terhadap suatu kondisi/teori atau asumsi bagi suatu parameter dari mana subyek akan dilakukan pengujian statistik. Hipotesis nol biasanya kasus yang kita uji mempunyai sifat yang serba sama (mempunyai tanda =) dengan notasi matematis adalah: H0= μA = μB atau μA -μB = 0.

41

2. Hipotesis alternatif (Ha) atau hipotesis penelitian adalah Suatu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesa nol adalah salah. Hipotesis alternatif dapat menyimpulkan apa yang dinyatakan pada H0 dalam Ha ditolak atau kebalikan hipotesis nolnya terhadap suatu kondisi atau teori yang ada. Hipotesis alternatif dinyatakan dengan notasi matematis adalah: Jika H0 : A = B, maka Ha : (a). μA > μB (b). μA < μB (c). μA ≠ μB C. Prosedur Pengujian Hipotesis dan Uji Signifikan 1. Prosedur Pengujian Hipotesis Pengujian hipotesis dapat dilakukan dengan prosedur/langkah-langkah berikut: Gambar 5.1. Prosedur Pengujian Hipotesis

2. Uji Signifikansi/Taraf Nyata Pengujian hipotesis bagi setiap peneliti terlebih dahulu menentukan taraf nyata atau tingkat kepercayaan. ”Taraf nyata adalah Probabilitas menolak hipotesa nol apabila hipotesa nol tersebut adalah benar”. ”Uji statistik adalah suatu nilai yang diperoleh dari sampel dan digunakan untuk memutuskan apakah akan menerima atau menolak hipotesa”.

42

Formulasi untuk menentukan uji satatistika misalnya Nilai Z diperoleh:

Selanjutnya dalam pengujian signifikansi dapat dilakukan dengan dua cara yaitu: a. Uji signifingkasi satu arah yaitu daerah penolakan Ho hanya satu yaitu terletak di ekor sebelah kanan saja atau ekor sebelah kiri saja. Karena hanya satu daerah penolakan berarti luas daerah penolakan tersebut sebesar taraf nyata yaitu a, dan untuk nilai kritisnya biasa ditulis dengan Zα. Penentuan daerah keputusan:

b. Uji signifingkasi dua arah adalah daerah penolakan Ho ada dua daerah yaitu terletak di ekor sebelah kanan dan kiri. Karena mempunyai dua daerah, maka masing-masing daerah mempunyai luas ½ dari taraf nyata yang dilambangkan dengan ½α, dan nilai kritisnya biasa dilambangkan dengan Z ½α. Penentuan daerah keputusan:

43

Contoh uji signifikansi menggunakan tanda lebih besar dan lebih kecil (satu arah) 1. Ujilah beda rata-rata populasi, misalkan hipotesanya adalah rata-rata hasil produksi lebih kecil dari 13,17%. Maka perumusan hipotesanya menjadi: H0 : μ ≤ 13,17 Ha : μ > 13,17 Untuk tanda μ pada H0 menunjukkan daerah penerimaan H0, sedang tanda > pada Ha menunjukkan daerah penolakan di sebelah ekor kanan seperti Gambar A. 2. Ujilah beda selisih dua rata-rata populasi, misalkan hipotesanya adalah selisih dua rata-rata populasi lebih besar sama dengan 0. H0 : μpa– μpl ≥ 0 Ha : μpa– μpl < 0 Untuk tanda ≥ pada H0 menunjukkan daerah penerimaan H0, sedang tanda < pada Ha menunjukkan daerah penolakan di sebelah ekor kiri seperti Gambar B. Gambar 5.2. Uji Signifikansi Tanda Lebih Besar Dan Lebih Kecil (Satu Arah)

Contoh uji signifikansi menggunakan Dua Arah 1. Ujilah nilai rata-rata sama dengan 13,17%. Maka hipotesanya dirumuskan: H0: μ = 13,17%. Ha : μ ≠ 13,17%. 2. Ujilah nilai koefisien untuk b sama dengan 0. Maka hipotesanya dirumuskan sebagai berikut: H0 : b = 0 Ha : b ≠ 0.

44

Gambar 5.2. Uji Signifikansi Dua Arah

D. Pengujian Hipotesis Sampel Besar Pengujian hipotesis sampel besar dapat dilakukan dengan 2 metode yaitu : 1. Menguji Hipotesa Rata-rata dan Proporsi Sampel Besar Contoh menguji hipotesa rata-rata sampel besar: Perusahaan Daerah di Sultra menyatakan bahwa hasil investasinya rata-rata mencapai 13,17%. Untuk menguji apakah pernyataan tersebut benar, maka lembaga konsultan Bisnis mengadakan penelitian pada 36 perusahaan Daerah di Sultra dan didapatkan hasil bahwa rata-rata hasil investasi adalah 11,39% dan standar deviasinya 2,09%. Ujilah apakah pernyataan perusahaan daerah di Sultra tersebut benar dengan taraf nyata 5%. Langkah-langkah pengujian:

45

Selanjutnya untuk menguji hipotesis proporsi sampel besar dapat dilakukan dengan formulasi sebagai berikut:

Di mana: Z : Nilai uji Z p : Proporsi sampel P : Proporsi populasi n : Jumlah sampel

46

2. Menguji Hipotesa Selisih Rata-rata dan Proporsi Sampel Besar Distribusi sampling dari selisih rata-rata proporsi memiliki distribusi normal dan mempunyai standar deviasi sebagai berikut:

Sedangkan nilai uji statistik Z dirumuskan sebagai berikut:

Rumus standar deviasi selisih dua sampel adalah sebagai berikut:

Hipotesa selisih proporsi sampel besar, untuk standar deviasi proporsi populasi dapat dirumuskan sebagai berikut:

47

Sedangkan nilai uji statistik Z dirumuskan sebagai berikut:

Standar deviasi selisih dua sampel adalah sebagai berikut:

Contoh uji satu arah selisih proporsi Majalah prospektif edisi 25 membahas tentang fenomena kenaikan harga dengan tema Kenaikan Harga BBM Menyensarakan Rakyat. Menurut majalah ini, rating acara Kenaikan harga BBM mencapai 35, artinya pada waktu yang sama ditonton 35 juta orang. Sebuah perusahaan Pertamina ingin memasang iklan pada acara tersebut, dan ingin mengetahui apakah proporsi menolak dan menerima kenaikan harga BBM sama. Untuk mengetahui hasil tersebut dicari responden per telepon sebanyak 300 menolak dan sebanyak 150 orang menerima, sedang responden menolak sebanyak 400 orang dan 350 orang menerima. Dengan taraf nyata 5% ujilah apakah proporsi menolak dan menerima kenaikan harga BBM sama? Langkah-langkah pengujian adalah:

48

49

E. Pengujian Hipotesis Sampel Kecil 1. Pengertian Sampel Kecil dan Ciri-ciri Distribusi t-student Sampel kecil yang jumlah sampel kurang dari 30, maka nilai standar deviasi (s) berfluktuasi relatif besar, sehingga nilai uji Z (Z = /s√n) tidak bersifat normal. Oleh karena itu, untuk sebaran distribusi sampel kecil dikembangkan suatu distribusi khusus yang dikenal sebagai distribusi t atau t-Student. Nilai-nilai distribusi t dinyatakan sebagai berikut:

Di mana: t : Nilai distribusi t μ : Nilai rata-rata populasi : Nilai rata-rata sampel s : Standar deviasi sampel n : Jumlah sampel Ciri-ciri distribusi t-student yaitu: 1. Distribusi t-student seperti distribusi Z merupakan sebuah distribusi kontinu, di mana nilainya dapat menempati semua titik pengamatan. 2. Distribusi t-student seperti distribusi Z berbentuk genta atau lonceng dan simetris dengan nilai rata-rata sama dengan 0. 3. Distribusi t-student bukan merupakan satu kurva seperti kurva Z, tetapi keluarga dari distribusi t. Setiap distribusi t mempunyai rata-rata hitung sama dengan nol, tetapi dengan standar deviasi yang berbeda-beda, sesuai dengan besarnya sampel (n). Ada distribusi t untuk sampel berukuran 2, yang berbeda dengan distribusi untuk sampel sebanyak 15, 25 dan sebagainya. Apabila sampel semakin besar maka distribusi t akan mendekati normal. Pendekatan distribusi t-student semakin banyak sampel mendekati normal

50

Perbedaan Antara Skala Z Dan Skala t

2. Pengujian Rata-rata dan Selisih Rata-rata Hitung Populasi Populasi Tahap menguji rata-rata hitung populasi dalam sampel kecil: (a) Merumuskan hipotesa nol dan hipotesa alternatif (H0 dan H1), (b) Menentukan taraf nyata apakah 1%, 5% atau pada taraf lainnya serta mengetahui titik kritis berdasarkan pada tabel t-student, (c) Menentukan uji statistik dengan menggunakan rumus uji-t, (d) menentukan daerah keputusan yaitu daerah tidak menolak H0 dan daerah menolak H0, dan (e) Mengambil keputusan untuk menolak dan menerima dengan membandingkan nilai kritis taraf nyata dengan nilai uji-t. Rumus dari varians gabungan rata-rata hitung dan selisih rata-rata hitung populasi adalah sebagai berikut:

dan uji t menjadi

Nilai pembagi pada varians gabungan yaitu (n1 + n2) – 2 juga merupakan derajat bebas gabungan antara dua sampel. Sedang untuk satu sampel derajat bebasnya adalah n – 1.

51

3. Pengujian Data Berpasangan & Analisis Varians Uji statistik untuk pengujian hipotesa data berpasangan dinyatakan:

dan standar deviasi (sd) dirumuskan sebagai berikut:

Di mana: t : Nilai distribusi t : Nilai rata-rata perbedaan antara pengamatan berpasangan Sd : Standar deviasi dari perbedaan antara pengamatan berpasangan n : Jumlah pengamatan berpasangan d : Perbedaan antara data berpasangan Selanjutnya pengujian varians dengan menggunakan uji F dengan ciri-ciri distribusi F sebagai berikut: 1. Distribusi F lebih mirip dengan distribusi t, yaitu mempunyai “keluarga” distribusi F.

Pada gambar di atas terlihat bahwa distribusi dengan derajat bebas pembilang 5 dan penyebut 5 yang ditulis df (5,5) mempunyai distribusi F yang berbeda dengan distribusi df(20,7) dan df(29,28). 2. Distribusi F tidak pernah mempunyai nilai negatif sebagaimana pada distribusi Z. Distribusi Z mempunyai nilai positif di sisi kanan dan negatif sisi kiri nilai tengahnya. Distribusi F seluruhnya adalah positif atau menjulur ke positif (positively skewed) dan merupakan distribusi kontinu yang menempati seluruh titik di kurva distribusinya. 3. Nilai distribusi F mempunyai rentang dari tidak terhingga sampai 0. Apabila nilai F meningkat, maka distribusi F mendekati sumbu X, namun tidak pernah menyentuh sumbu X tersebut.

52

4. Distribusi F juga memerlukan syarat yaitu: (a) populasi yang diteliti mempunyai distribusi yang normal, (b) populasi mempunyai standar deviasi yang sama, dan (c) sampel yang ditarik dari populasi bersifat bebas serta diambil secara acak. F. Jenis Kesalahan I dan II pada Pengujian Hipotesis ”Kesalahan Jenis I, apabila keputusan menolak H0, pada hal seharusnya H0 benar". ”Kesalahan Jenis II, apabila keputusan menerima H0, padahal seharusnya H0 salah".

6. EVALUASI 1) Jelaskan pengertian hipotesi dan kegunaan hipotesis? Berikan contoh pengujian hipotesis dalam kehidupan sehari-hari! 2) Sebutkan prosedur pengujian hipotesis untuk sampel besar dan kecil? 3) Jelaskan pengertian uji signifikansi dan pendekatan pengujian pengujian signifikansi sampel besar dan kecil!. 4) PT. Makanan Lezat merupakan perusahaan yang bergerak pada makanan nonkolesterol. Perusahaan ini menjamin bahwa konsumen akan turun berat badannya lebih 2 kg selama dua minggu. Dari 100 orang yang mengikuti program ini ternyata penurunan rata-rata hitung berat badan mencapai 1,5 kg dan deviasi standar 0,23 kg. Taraf nyata 5%, apakah pernyataan dari perusahaan ini benar? 5) Bisnis yang menguntungkan sejak krisis adalah melayani orang-orang kaya. Salah satu bentuk pelayanan adalah mobil mewah. Harga mobil orang-orang kaya rata-rata mencapai Rp 1 miliar. Hasil survei terhadap 36 dealer mobil mewah diketahui harga rata-rata mencapai Rp. 1,44 miliar dengan standar deviasi 0,37 miliar. Dengan taraf nyata 1%, ujilah apakah harga mobil orang sama sama dengan Rp 1 miliar? 6) Perusahaan Wahana Permai merupakan perusahaan penjual aset berupa perumahan di Kendari. Berdasarkan pada data tahun 2006 terlihat bahwa rata-rata penjualan dari 250 aset perumahan adalah 80 hari dengan deviasi 10 hari, sedang pada tahun 2007 penjualan 50 aset perumahan mencapai 125 hari dengan deviasi 15 hari. Dengan taraf nyata 5%, apakah pernyataan bahwa penjualan tahun ini lebih lama 20 hari dari tahun lalu benar?

53

7) Untuk melihat peranan perbankan sebagai sumber pembiayaan, maka dilihat kinerja perusahaan yang mendapatkan modal dari perbankan dan tidak. Jumlah perusahaan yang menggunakan modal perbankan ada 2000 dengan rata-rata pendapatan 46 juta rupiah perbulan dengan standar deviasi 9 juta per bulan. Jumlah perusahaan yang tidak menggunakan modal perbankan ada 1300 dengan rata-rata pendapatan 28 juta dengan deviasi standar 13 juta. Dengan taraf nyata 5%, apakah kinerja kedua perusahaan tersebut sama atau tidak? 8) Eksekutif seperti Sampurna, Djarum, Unilever sangat yakin bahwa dengan beriklan, penjualan akan sukses. Pada tahun 2007 ada 77 produk iklan dan 64 menunjukkan penjualan meningkat dan 13 mengalami kegagalan. Dari data tersebut apakah pernyataan bahwa 90% lebih iklan mengalami kesuksesan dengan taraf nyata 5%? 9) PT. Pisang Indah di Jl. Jati Raya memproduksi keripik pisang dengan harga Rp 3500 setiap 0,25 Kg. Keripik ini dipasarkan untuk remaja wanita dan ibu-ibu dewasa. Dari 650 remaja wanita konsumennya, 530 menyataka suka. Dari ibu-ibu wanita sebanyak 300, 200 menyatakan suka. Apabila perusahaan ini menginginkan adanya proporsi remaja lebih 20% dibandingkan dengan ibu-ibu, apakah hal tersebut tercapai dengan taraf nyata 5%. 10) PT Astra memperkenalkan dua mobil baru yaitu Xenia dan Avanza. Dari 1500 konsumen Xenia, 1100 menyataan suka, sedang 3000 konsumen Avanza, 2500 menyatakan suka. Dengan taraf nyata 5% apakah proporsi kedua mobil tersebut sama atau tidak? 11) PT Pertani merupakan produsen benih padi. Perusahaan ini menjamin bahwa padi akan tumbuh lebih dari 90%. Dari 1000 bibit yang ditanam ternyata 800 bibit dapat tumbuh dengan baik. Dengan taraf nyata 1% apakah pernyataan PT Pertani benar? 12) Harga di warung masakan Padang biasanya dianggap murah. Harga dalam konotasi murah adalah kurang dari Rp 10.000. Hasil survei terhadap 36 warung padang menghasilkan harga rata-rata Rp 8.500 dengan standar deviasi 2.000. Dengan taraf nyata 1%, ujilah apakah harga makanan padang masih dalam kategori murah? 13) NV. Superjet merupakan salah satu perusahaan yang bergerak dalam bidang transportasi. Perusahaan memperkirakan setiap kapal dapat melakukan 8 rit. Hasil survei di Kendari yang sering macet terhadap 16 kapal ternyata rata-rata ada 6 rit

54

dengan standar deviasi 2 rit. Dengan taraf nyata 5%, apakah keinginan perusahaan masih terpenuhi? 14) PT Salemba Empat merupakan salah satu penerbit besar mewajibkan setiap agennya untuk mengunjungi perguruan tinggi minimal 40 kali dalam seminggu. Kunjungan tersebut untuk digunakan memperkenalkan buku baru serta perkembangan mutahir. Hal pelacakan terhadap 16 agen di Jakarta ternyata rata-rata agen mengunjungi perguruan tinggi adalah 44 kali dengan standar deviasi 3. Dengan taraf nyata 5%, apakah kewajiban dari setiap agen masih terpenuhi? 15) Salah satu indikator bank yang sehat adalah nilai NPL (non-performing loan) yang rendah. Hal ini menunjukkan adanya kehati-hatian dalam memberikan kredit di bank. Ada asumsi bahwa bank-bank BUMN mempunyai NPL lebih tinggi dibandingkan dengan NPL bank swasta. Untuk membuktikan asumsi tersebut dipilih sampel 4 sampel bank BMUN dan rata-rata NPL 6,00% dan standar deviasinya 1,27%. Untuk bank swasta dipilih 16 bank dengan rata-rata NPL 11,80% dan standar deviasi 10,87. Dengan taraf nyata 1% apakah asumsi bahwa NPL bank BUMN lebih besar dari bank swasta dapat terbukti? 16) Dr. La Ode Tamba Lagi, SE.,M.Si mendapatkan training tentang bagaimana teknik mengajar secara efektif. Untuk itu diberikan tes sebelum metode dan sesudah metode training. Berikut adalah hasilnya. Mahasiswa La Hardi La Maswadi La Suparmi La Winardi Wa Lili La Suratmo Wa Sri Anah Wa Augustina Nilai sebelum training 78 65 45 95 83 72 62 56 Nilai sesudah training 85 68 44 96 90 80 70 65

Dengan taraf nyata 5% terbuktikah bahwa metode sesudah training lebih tinggi dibandingkan dengan metode sebelum training. 17) MQ Net adalah perusahaan multi level marketing yang relatif besar. Untuk mendukung jaringannya, MQ Net mengadakan survey terhadap pendapatan agennya sebelum masuk dan sesudah menjadi agen MQ Net. Berikut adalah hasil survei terhadap 4 orang agen MQ Net.

55

Nama agen La Ode Sulbiantoro Wa Ode Suspinah Wa Ode Sri Anastasia La Suparmi

Sebelum (juta) 12 10 14 12

Sesudah (juta) 14 12 18 10

Dengan taraf nyata 5%, ujilah apakah pernyataan bahwa setelah menjadi agen MQ Net pendapatan menjadi meningkat benar? 18) Analisis permodalan ingin mengetahui apakah ada perbedaan rata-rata tingkat keuntungan antara investasi pada sektor pertanian, industri, dan perdagangan. Untuk itu dilakukan survey terhadap 15 perusahan dengan hasil sebagai berikut: Pertanian 14,3 18,1 17,8 17,3 19,5 Industri 11,5 12,1 11,1 11,9 11,6 Perdagangan 15,5 12,7 18,2 14,7 18,1

Dengan taraf uji 5% apakah rata-rata hasilnya sama atau berbeda? 19) Koperasi Sama Turu merupakan fund manager yang relatif besar. Pada tahun 2007 koperasi ini memprediksi keuntungan rata-rata per harinya Rp 75 juta. Data sampai 6 bulan pertama atau satu semester menunjukkan bahwa rata-rata keuntungan mencapai 56 juta perbulan dengan standar deviasi 8 juta. Dengan taraf nyata 5% apakah target keuntungan koperasi tersebut dapat tercapai? 20) Tahun 2007 dinyatakan lebih baik daripada tahun 2006. Hal ini bisa dilihat dari perkembangan indikator ekonomi secara umum. Berikut adalah data pembagian deviden yang diberikan perusahaan yang telah go public. Dari data tersebut apakah terbukti bahwa tahun 2007 lebih baik daripada tahun 2006 dengan taraf nyata 5%. Emiten Alas Kaki Asuransi Farmasi Makanan dan Minuman Pertambangan 2002 1550 70 400 817 85 2003 1500 150 400 940 110

56

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan uji validitas dan reliabilitas Instrumen serta aplikasinya dalam dunia empiris. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan uji validitas dan Reliabilitas b. Mahasiswa diharapkan dapat menghitung uji validitas dan relibilitas instrumen c. Mahasiswa diharapkan dapat mempraktekan pengolahan uji validitas dan reliabilitas instrumen serta menginterprestasikanya dengan menggunakan sofware SPSS 3. KATA KUNCI: Uji Validitas & Reliabilitas Instrumen 4. RANGKUMAN Suatu data yang bersumber dari instrumen dapat dikatakan benar dan sah apabila terlebih dahulu dilakukan uji validitas dan reliabilitas. Instrumen tersebut dikatakan valid jika dapat mengukur apa yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat. Sedangkan Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi 5. URAIAN PEMBELAJARAN A. Pendahuluan Pada penelitian dibidang ilmu sosial seperti manajemen, psikologi, sosial umum variabel-variabel penelitian dirumuskan sebagai sebuh variabel laten yaitu variabel yang tidak dapat diukur secara langsung tetapi dibentuk melalui demensi-demensi yang diamati. Demensi-demensi yang diamati tersebut agar memiliki akurasi yang baik dalam pengukuran maka perlu terlebih dahulu diuji validitas dan reliabilitasnya. Pokok bahasan ini akan menjelaskan pengertian dan kegunaan uji validitas dan reliabilitas; formulasi menghitung uji validitas dan relibilitas instrumen dan memperagakan pengolahan uji validitas dan reliabilitas instrumen serta menginterprestasikanya dengan menggunakan sofware SPSS

57

B. Uji Validitas (Kesahihan) Data Instrumen tersebut dikatakan valid jika dapat mengukur apa yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat (Supranto,1997). Pengujian validitas, instrumen diuji dengan menghitung koefisien korelasi antara skor item dan skor totalnya dalam taraf signifikansi 0,05 dengan rumus Korelasi Product Moment Pearson.Instrumen bisa dikatakan valid mempunyai nilai r hitung > r tabel dengan tingkat signifikansi korelasi di bawah α = 0,05 (Santoso 2004) dengan rumus:

Langkah analisis uji validitas dengan SPSS, yaitu: Masukan data ke Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows Bivariate Correlation Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan Skor Total Pilih Correlation Coefficients Pearson Pilih Oke Tampilkan Output SPSS C. Uji Reliabilitas Instrumen (Data) Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, keakuratan, kestabilan, atau kosistensi alat dalam mengungkap gejala tertentu pada waktu yang berbeda. Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi. Uji reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach dan memiliki tingkat kehandalan yang dapat diterima (reliabel), Nilai koefesien reliabilitas yang terukur ≥ 0,6 (Uma Sekaran, 2000), dengan rumus :

58

Langkah-Langkah Uji Reliabilitas dengan SPSS, yaitu: Masukan data ke Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Scale lalu pilih Reliability Analysis Tampak dilayar tampilan Windows Reliability Analysis Isikan data kotak indicator variabel kedalam kotak Items dan pilih Model Alpha Pilih tombol Statistics sehingga tampak dilayar windows Reliability analysis statistics Pilih bagian descriptive for, pilih item, scala, scala if item deleted dan inter-item Corelation Pilih continue dan oke tampil Output SPSS

59

Output Hasil Uji Validitas

Dari output uji validitas instrumen (data) menunjukkan bahwa keseluruhan item adalah valid karena memiliki koefisien korelasi (r) ≥ 0,30 atau dan nilai signifikan dari seluruh instrumen berada di bawah α = 0,05. Sehingga seluruh item-item dalam instrumen penelitian ini dapat dipergunakan dalam analisis selanjutnya. Output Hasil Uji Reliabilitas

60

Dari output uji reliabilitas menunjukkan nilai koefisien alpha (α) dari seluruh item instrumen ≥ 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan pengukuran. 6. EVALUASI 1) Jelaskan pengertian uji validitas dan reliabilitas instrumen? 2) Sebutkan kegunaan uji validitas dan relibilitas? Berikan contoh rill pada bidang manajemen! 3) Berikut ini adalah data hasil wawancara dengan menggunakan skala likert atas variabel metode pengajaran Dosen mata kuliah statistik ekonomi yang meliputi indikator Lecturing (x1); Deduktif (x2) dan Induktif (x3) para dosen jurusan manajemen Fakultas Ekonomi Unhalu Kendari. Berdasarkan hasil wawancara dengan 20 orang mahasiswa yang dijadikan sampel diperoleh data sebagai berikut: Sampel Metode Pengajaran (n) Deduktif (x2) Induktif (x3) Lecturing (x1); 1 4 3 5 2 4 3 5 3 4 3 5 4 4 4 5 5 4 3 5 6 4 4 4 7 4 3 4 8 3 3 4 9 3 4 3 10 3 3 4 11 3 3 4 12 3 4 4 13 4 4 4 14 3 4 5 15 3 4 5 16 4 4 5 17 4 4 5 18 4 4 5 19 4 4 4 20 4 4 5 Diminta : Lakukan pengujian validitas dan reliabilitas atas data tersebut di atas?

61

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan uji beda (t-Tes) serta aplikasinya dalam kehidupan sehari-hari. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan uji beda (t-Tes) b. Mahasiswa diharapkan dapat menghitung uji beda (t-Tes) baik satu sampel maupun dua sampel c. Mahasiswa diharapkan dapat memperagakan pengolahan data dengan uji beda (tTes) serta menginterprestasikan hasil pengolahan, menggunakan sofware SPSS 3. KATA KUNCI: Uji Beda (t-Tes), One-Sample t Test & Two Sample t Test 4. RANGKUMAN Alat uji yang sering digunakan untuk data berskala non-metrik adalah Uji Beda Satu Sampel (One-Sample t Test). Uji Beda Satu Sampel (One-Sample t Test) adalah menguji suatu nilai tertentu yang diberikan sebagai pembanding berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Uji Beda Dua Sampel (Two Sample t Test) adalah Membandingkan rata-rata dua group yang berhubungan satu dengan yang lain (independent Sampel t test) atau Menguji dua sampel yang berpasangan (Paired Sampel t test), Apakah kedua grup tersebut mempunyai rata-rata secara Nyata. 5. URAIAN PEMBELAJARAN A. Pendahuluan Dalam analisis dependensi kita sering diperhadapkan dengan analisis data yang ingin melihat hubungan antara variabel independent (yang bersifat kategori atau skala non-metrik) dan variabel dependent (yang bersifat kontinyu, metrik yang berskala interval dan rasio). Alat uji statistika yang cocok untuk masalah tersebut tergantung dari jumlah kategorik dari variabel independent. Alat uji yang sering digunakan adalah Uji Beda Satu Sampel (One-Sample t Test). Oleh karena ini, pokok bahasan ini akan mengkaji pengujian statistika dengan menggunakan uji beda

62

(t-Tes) yang meliputi: pengertian dan kegunaan; menghitung uji beda (t-Tes) baik satu sampel maupun dua sampel; dan pengolahan data dengan uji beda (t-Tes) serta menginterprestasikan hasil pengolahan data dengan menggunakan sofware SPSS. B. Pengertian Uji Beda Satu Sampel dan Dua Sampel 1. Uji Beda Satu Sampel (One-tailed Test) adalah adalah menguji suatu nilai tertentu yang diberikan sebagai pembanding berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Bentuk pernyataan hipotesis yang daerah penolakannya hanya berada pada satu sisi saja dari kurva normal. Jika daerah penolakan berada pada sisi kanan maka disebut uji beda satu arah (One-tailed Test) positif, karena hasil hitungnya selalu positif. Selanjutnya apabila daerah penolakan berada pada sisi kiri maka disebut uji beda satu arah (One-tailed Test) positif, karena hasil hitungnya selalu Negatif. 2. Uji Beda Dua Sampel (Two tailed Test) adalah Uji Beda Dua Sampel (Two Sample t Test) adalah Membandingkan rata-rata dua group yang berhubungan satu dengan yang lain (independent Sampel t test) atau Menguji dua sampel yang berpasangan (Paired Sampel t test), Apakah kedua grup tersebut mempunyai ratarata secara Nyata/Signifikan. Bentuk hipotesis yang akan menolak Ho pada dua daerah penolakan, yaitu Ho akan ditolak apabila nilai hitung (thitung) lebih kecil dari daerah kritis negatif (kiri) atau lebih besar dari titik kritis positif (kanan). Daerah penerimaan atau penolakan Ho uji beda satu sampel dan dua sampel Gambar 6.1 Daerah penerimaan atau penolakan Ho uji beda satu sampel

63

Gambar 6.2 Daerah penerimaan atau penolakan Ho uji beda dua sampel

C. Uji Beda Satu Sampel (One-Sample t Test) Prosedur Pengujian Uji Beda Satu Sampel (One-Sample t Test) adalah : Karakteristik: Dipergunakan untuk menguji data sampel yang mempunyai rata-rata yang masih sama dengan populasinya atau masih sama dengan nilai standarnya. Dalam pengujian ini varians σ2 tidak diketahui, dihitung:
(∑ X i )2 n n −1

S

2

=

X i2 −

Data: Susun data X1, X2,......Xn, (Sebaiknya dalam bentuk kolom) kemudian hitunglah rata-rata x serta S2. Tentukan besarnya n (sampel). Asumsi : (1). Data Xi menebar mengikuti sebaran normal (2). Nilai μ diketahui (sebagai standar pembanding) (3). σ2 tidak diketahui dan harus diduga dengan S2 Hipotesis Nol : Ho : X = μ (Penggunaan Tabel t/Sig. t sebagai pembanding) Uji Statistika : thitung =
X − μ

S

(S

X

=

X

S n

Kaidah Keputusan : Jika Ha: X > μ Jika Ha: X < μ Jika Ha: X ≠ μ Tolak Ho apabila thitung > tα atau sig. t < α Tolak Ho apabila thitung < -tα atau sig. t < α Tolak Ho apabila thitung > tα/2 atau sig. t < α

64

Langkah-langkah uji beda satu sampel (One-Sample t Test) dengan SPSS Yaitu: 1. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Compare Means, lalu pilih One-Sample t-Test 3. Tampak dilayar tampilan Windows One-Sample t-Test 4. Isikan data ke Kotak Test Variabel Yaitu Produktivitas, lalu Ketik angka standar yang ditetapkan pada test Value 5. Pilih Oke 6. Tampilkan Output SPSS

65

Output dan hasil interprestasi uji beda satu sampel dengan sofware SPSS Yaitu:

D. Uji Beda Dua Sampel (Two Sample t Test ) Uji beda t-test dua sampel digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda. Uji beda t- tes dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sampel atau formulasinnya sbb:

Selanjutnya dalam pengujian Uji beda t-test dua sampel dapat dilakukan dengan dua cara yaitu: 1. Uji Independent Sampel t Test (Uji Dua Sampel Independent/ Unpaired) yaitu membandingkan rata-rata dari dua grup (sampel) yang tidak berhubungan satu dengan yang lainnya. Apakah kedua grup (sampel) mempunyai rata-rata yang sama atau tidak.

66

2. Uji Dependent Sampel t Test (Uji Dua Sampel Dependent/Paired) yaitu menguji dua sampel yang berpasangan apakah mempunyai rata-rata yang secara nyata berbeda atau tidak. Cth: Uji Dua Sampel Independent/ Unpaired Manajer Pemasaran Roti Karunia Mandiri Kendari ingin mengetahui apakah ada perbedaan prestasi penjualan roti berdasarkan jenis kelamin (gender) salesmennya. Berdasarkan pengamatan sementara maka dugaan yang diajukkan oleh manajer pemasaran bahwa “Terdapat perbedaan prestasi penjualan roti yang signifikan antara jenis kelamin wanita dan pria” Untuk membuktikan dugaan manajer pemasaran Roti Karunia Mandiri perlu dilakukan pengujian dengan level of signifikan α=0,05 (5%) atau taraf kepercayaan 95%. Data yang diperoleh untuk melakukan pengujian dengan mengambil sampel 30 orang tenaga salesmennya sebagai berikut:

67

Prosedur Pengolahan data untuk uji dua sampel independent/unpaired) dengan software SPSS, yaitu: 1. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Compare Means, lalu pilih Independet Sample t-Test 3. Tampak dilayar tampilan Windows Independent Sample t-Test 4. Isikan data ke Kotak Test Variabel Yaitu Volume Penjualan Roti, dan pada Kotak Group Variabel Bertipe Kualitatif yaitu Gender 5. Kemudian Variabel Tersebut Harus didefinisikan dan pilih Define Group lalu pada grup 0 (Wanita) dan Grup 1 (Pria)

68

6. Pilih Continues dan Oke Tampilkan Output SPSS Output Uji Dua Sampel Independent/ Unpaired

Intreprestasi & Kesimpulan Hasil pengujian Uji Dua Sampel Independent estasi

69

Cth: Uji Dua Sampel Dependent/Paired Sampel t Test Seorang mahasiswa yang cerdas pada Fekon jurusan Manajemen Unhalu ingin melakukan pengujian sikap konsumen terhadap status pioneer Air mineral merek aqua dengan Arindo sebagi merek pengikut di Kota Kendari. Berdasarkan sejumlah teori yang dikembangkan, maka hipotesis yang diajukan oleh mahasiswa tersebut adalah “Terdapat perbedaan sikap yang signifikan antara konsumen yang mengetahui bahwa Aqua sebagai merek pioneer dengan konsumen yang tidak mengetahui”. Pengambilan sampel dilakukan secara purposive sampling pada 25 orang mahasiwa Jurusan Manajemen. Data yang diperoleh atas penilain mahasiswa terhadap atribut produk Aqua sebagai pioneer dan Arindo sebagai merek pengikut sebagai berikut:

70

Langkah-Langkah Pengolahan Data Uji Dua Sampel Dependent/Paired) Dengan sofware SPSS Yaitu: 1. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Compare Means, lalu pilih Paired-Sample t-Test 3. Tampak dilayar tampilan Windows Paired Sampel t-Test 4. Isikan data ke Paired Sampel t-Test Yaitu Aqua dan Arindo pada Kotak Paired Variabel lalu tekan tombol option. 5. Pilih Continues dan Oke jika pengisian sudah selesai Tampilkan Output SPSS

71

Output Pengolahan Uji Dua Sampel Dependent/ Paired

Intreprestasi & Kesimpulan Ouput Pengujian Dua Sampel Dependent/ Paired 1. Group Statistics, Sikap konsumen atas penilain atribut produk air minum mineral untuk merek Aqua rata-rata 26,92 sedangkan Arindo rata-rata 22,16. 2. Paired samples Correlations, Hasil korelasi antara kedua variabel menghasilkan angka 0,413 dengan nilai signifikan 0,04 < α = 0,05. Dapat disimpulkan bahwa rata-rata Sikap konsumen atas penilain atribut produk air minum mineral untuk merek Aqua dengan merek Arindo adalah kuat atau signifikan. 3. Paired Samples Test, Dasar pengambilan keputusan: Jika signifingkasi/Probablitas > α = 0,05, Ho diterima jadi variance sama Jika signifingkasi/Probablitas < α = 0,05, Ho ditolak variance berbeda. Terlihat dari output SPSS bahwa probabilitas/signifikan (sig. 2-tailed) adalah 0,000. Karena probabilitas/signifikan < α = 0,05. Dengan demikian dapat disimpulkan “Terdapat perbedaan sikap yang signifikan secara nyata antara konsumen yang mengetahui bahwa Aqua sebagai merek pioneer dengan konsumen yang tidak mengetahui” sehingga Ha dapat diterima.

72

6. EVALUASI 1) Jelaskan pengertian uji beda one-sample t test dan two sample t test? 2) Dalam pengujian uji beda dua sampel (two sample t test) dapat dilakukan dengan dua metode sebutkan dan jelaskan? 3) Seorang mahasiswa Jurusan Manajemen melakukan observasi apakah pretasi belajar mahasiswa bebas tes sama dengan prestasi belajar mahasiwa yang mengikuti tes. Berdasarkan kondisi empiris yang terjadi, maka dugaan sementara oleh mahasiswa yang melakukan observasi tersebut bahwa “Tidak terdapat perbedaan yang signifikan antara pretasi belajar mahasiwa yang bebas tes dan yang mengikuti tes”. Untuk kepentingan pengujian penarikan sampel secara Jugmend atas 17 orang mahasiswa. Data yang diperoleh atas pengukuran pretasi belajar melalui Indeks Prestasi Komulatif (IPK) dalam kurun waktu 2 semester terakhir sebagai berikut: Rekapitulasi Data Hasil Observasi Sampel Status Mahasiswa (X) 1 BT 2 TBT 3 TBT 4 BT 5 TBT 6 TBT 7 TBT 8 BT 9 TBT 10 BT 11 BT 12 BT 13 TBT 14 BT 15 TBT 16 BT 17 TBT
Nama Varibel Status Mahasiswa Prestasi Belajar Tipe Data Numerik/Kategorik/Nominal (Kualitatif) Numerik/Rasio (Kuantitatif)

IPK (Y) 2,86 3,65 3,12 2,45 1,67 3,89 4,00 3,25 2,45 2,78 1,78 3,24 2,50 2,64 3,55 2,24 3,46
Label 1 = BT (Bebas Tes) 2 = TBT (Tidak Bebas Tes) Indeks Prestasi Komulatif (IPK)

Diminta: a. Lakukan perhitungan Uji Beda (t-Tes) melalui software SPSS b. Interprestasikan dan simpulkan output dari hasil pengujian dengan level of signifikan α = 0,10 (10%)

73

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan Analisis Of Variance (ANOVA) serta aplikasinya dalam kajian empiris. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan Analisis Of Variance b. Mahasiswa diharapkan dapat menghitung Analisis Of Variance (ANOVA) c. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan Analisis Of Variance (ANOVA) serta penginterprestasian output dengan sofware SPSS 3. KATA KUNCI: Analisis Of Variance (ANOVA) 4. RANGKUMAN Anova digunakan untuk mengetahui pengaruh utama (main effect) dan pengaruh interaksi (interaction effect) dari variabel independent kategorikal (sering disebut faktor) terhadap variabel dependent metrik. Pengaruh utama (main effect) adalah pengaruh langsung variabel independen terhadap variabel dependent. Sedangkan pengaruh interaksi (interaction effect) adalah pengaruh bersama atau joint effect dua atau lebih variabel independent terhadap variabel dependent. 5. URAIAN PEMBELAJARAN A. Pendahuluan Pada pokok bahasan sebelumnya telah diuraikan tentang pengujian hipotesis, dalam hal ini membandingkan dua nilai rata-rata, baik dari populasi yang sama maupun dari populasi yang berbeda. Sekarang apabila kita bermaksud untuk membandingkan tiga atau lebih nilai rata-rata dapat dilakukan melalui metode analisis varians. Pada pokok bahasan analisis varians akan diuraikan pengertian dan kegunaan ANOVA, formulasi dan metode perhitungan Analisis Of Variance serta pengolahan data menggunakan Analisis Of output dengan sofware SPSS. Variance serta penginterprestasian

74

B. Pengertian dan Kegunaan ANOVA ANOVA (Analisis of variance) merupakan metode untuk menguji hubungan antara satu variabel dependent (Skala ANOVA digunakan dengan tujuan untuk: 1. Menguji rata-rata dua sampel yang berbeda secara signifikan atau tidak 2. Menguji dua buah sampel yang mempunyai varians populasi yang sama/tidak. Asumsi yang diperlukan dalam analisis varians adalah: 1. Homogeneity of varians yaitu varians dari populasi/sampel adalah sama. 2. Random sampling yaitu Sampel tidak berhubungan satu dengan yang lain 3. Multyvariat Normality yaitu populasi/sampel yang akan diuji berdistribusi normal 4. Data kuantitatif dan kualitatif Formulasi ANOVA adalah: metrik) dengan satu atau lebih variabel independent (skala non metrik/kategorikal).

75

Prosedur pengolahan data ANOVA dengan sofware SPSS Yaitu: 1. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Compare Means, lalu pilih One-Way ANOVA 3. Tampak dilayar tampilan Windows One-Way ANOVA 4. Dependent list atau variabel dependen yang akan diuji Pilih Sales. 5. Faktor atau group pilih Roti 6. Klik kota dialok Option akan tampak dilayar One-Way ANOVA: Option pilih Deskriptive dan Homogeneyty-of-Variance, abaikan yang laian lalu Continue 7. Untuk kolom Post-Hot atau analisis lanjutan dari F test dengan mengklik akan tampak dilayar One-Way ANOVA: Post Hoc Multiple Comparisons, agar seragam klik Benferroni dan tukey. 8. Pilih Continues dan Oke jika pengisian sudah selesai, Tampilkan Output SPSS Output Pengolahan Data ANOVA

76

Intreprestasi & Kesimpulan Ouput Pengujian ANOVA Output (Group Statistics) Terlihat ada perbedaan yang besar antara masing-masing jenis roti, karena rata-rata penjualan jenis roti kacang 392,13; roti sley 403,75 dan roti tawar 371,00 Ouput Test Homogeneyty of varians Analisis bertujuan untuk menguji salah asatu Asumsi ANOVA dimana sampel yang diamati mempunyai varians yang sama. Dasar pengambilan keputusan: Jika signifingkasi/Probablitas > α = 0,05, maka Ho diterima Jika signifingkasi/Probablitas < α = 0,05, maka Ho ditolak Terlihat bahwa nilai probabilitas/signifingkasi hasil uji Levene Test adalah 0,963 karena signifikansinya > α = 0,05, maka Ho diterima atau ketiga sampel mempunyai varian yang sama. Untuk itu analisis selanjutnya dapat dilakukan karena asumsi ANOVA terpenuhi.

77

Output ANOVA ANOVA (Analysis of Variancs) dilakukan untuk menguji apakah ketiga sampel mempunyai rata-rata yang sama. Tampak bahwa Fhitung sebesar 0,064 dengan signifingkasi 0,939, karena signifingkasinya > α = 0,05, maka Ho diterima & Ha ditolak bahwa Tidak terdapat perbedaan atas penjualan roti ramayana Kendari. Ouput Post Hoc Test Tampak bahwa hasil pengujian tidak ada tanda ’*’ pada kolom Difference, maka dapat disimpulkan terdapat perbedaan yang tidak signifikan antara penjualan ketiga jenis roti. Output Homogeneus Subset Terlihat bahwa ketiga sampel dalam subset, menunjukan ketiga jenis roti tidak mempunyai perbedaan nyata karena nilai signifinkasinya subset 0,925 > α = 0,05. Dengan demikian dapat disimpulkan bahwa ketiga jenis roti ramayana memang tidak mempunyai perbedaan yang nyata dalam penjualannya. 6. EVALUASI 1) Jelaskan pengertian ANOVA (Analisis of variance) dan sebutkan kegunaannya? 2) Jelaskan Asumsi yang diperlukan dalam ANOVA (Analisis of variance? 3) PT. Ade Group mempunyai 3 perusahaan di Kota Kendari dalam bidang property yaitu PT. Ade Taksi, PT. Ade Swalyan, PT. Ade Buku. Manajemen sedang memikirkan apakah akan tetap menjual saham ketiga perusahaan atau dijadikan satu saja. Apabila rata-rata harga sahamnya berbeda, maka akan tetap dijual tiga saham, apabila harga rata-ratanya sama, maka akan dijual satu saham perusahaan saja. Dengan taraf uji 5% apakah harga saham ketiga perusahaan tersebut sama atau tidak. PT. Ade Taksi 200 210 225 180 175 200 210 175 PT. Ade Swalyan 210 280 250 210 250 210 210 225 PT. Ade Buku 575 575 560 575 600 575 500 675

78

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep dan kegunaan analisis korelasi dalam Kajian empiris. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis korelasi b. Mahasiswa diharapkan dapat menghitung analisis korelasi c. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan analisis korelasi serta penginterprestasian output dengan sofware excel 3. KATA KUNCI: Analisis Korelasi 4. RANGKUMAN Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linear antara dua variabel. Korelasi tidak menunjukan hubungan fungsional atau dengan kata lain analisis korelasi tidak membedakan antara variabel dependent dengan variabel independent. 5. URAIAN PEMBELAJARAN A. Pendahuluan Ingin mengetahui apakah diantara dua variabel terdapat hubungan, dan jika ada hubungan, bagaimana arah hubungan dan seberapa besar hubungan tersebut, salah satu metode analisis statistika yang dapat digunakan adalah korelasi. Pokok bahasan analisis korelasi akan disajikan pengertian dan kegunaan analisis korelasi; metode perhitungan analisis korelasi dan pengolahan data menggunakan analisis korelasi serta penginterprestasian output dengan sofware excel. B. Pengertian Analisis Korelasi Analisis korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau korelasi antara dua variabel atau lebih. Dalam analisis korelasi dikenal ada dua jenis hubungan yaitu positif dan negatif, seperti yang nampak pada gambar berikut:

79

Gambar 8.1. Bentuk Hubungan Positif dan Negatif Pada Analisis Korelasi

C. Rumus Untuk Menentukan Koefisien Korelasi Rumus koefisien korelasi tersebut dinyatakan sebagai berikut:

Selanjutnya bentuk hubungan yang kuat atau lemah pada analisis korelasi dapat dilihat pada gambar berikut:

80

Gambar 8.1. Bentuk Hubungan Kuat Dan Lemahnya Suatu Korelasi

Contoh: Analisis korelasi atas permintaan dipengaruhi harga dan pendapatan dengan data sebagai berikut:

81

D. Koefisien determinasi (r2) Dalam analisis korlasi juga penting untuk menentukan koefisien determinasi yaitu bagian dari keragaman total variabel tak bebas Y (variabel yang dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas X (variabel yang mempengaruhi atau independent). Koefisien determinasi = r2

Rumus Uji t Untuk Uji Korelasi yaitu:

Di mana: t : Nilai t-hitung r : Nilai koefisien korelasi n : Jumlah data pengamatan Contoh: Uji t untuk uji korelasi dari data permintaan dipengaruhi harga dan pendapatan. Ujilah apakah (a) nilai r = - 0,412 pada hubungan antara suku bunga dan investasi dan (b) r = 0,86 pada hubungan antara harga minyak dan produksi kelapa sawit sama dengan nol pada taraf nyata 5%? Langkah-langkah pengujin: 1. Perumusan hipotesa: Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam populasi dilambangkan dengan sedang pada sampel r. H0 : r = 0 H1 : r ≠ 0 2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) = n-k = 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat bahwa n adalah jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah variabel yaitu Y dan X, jadi k=2. 3. Menentukan nilai uji t

82

4. Menentukan daerah keputusan dengan nilai kritis 2,36

5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah tidak menolak H0. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0, sehingga dapat disimpulkan bahwa korelasi dalam populasi sama dengan nol, hubungan antara tingkat suku bunga dengan investasi lemah dan tidak nyata. E. Menggunakan Ms Excel Untuk Mencari Korelasi

83

6. EVALUASI 1) Jelaskan pengertian dan kegunaan analisis korelasi 2) Ada dugaan bahwa kota-kota di Sultra yang menjadi tujuan wisata mempunyai inflasi yang lebih tinggi. Hal tersebut diakibatkan banyaknya wisatawan yang datang dan membelanjakan uangnya pada daerah tujuan wisata. Untuk menguji hal tersebut diukurlah tingkat inflasi dan jumlah wisatawan yang dicerminkan dari tingkat hunian hotel pada tahun 2007. Pada beberapa kota di Sultra adalah berikut: Kota Inflasi Hunian Hotel (%) Kendari 66 27 Bau-Bau 84 40 Kolaka 87 41 Konawe 74 32 Wakatobi 73 33 Muna 72 37 Dengan menggunakan data tersebut, cobalah hitung: a. Koefisien korelasi b. Hitunglah koefisien regresi dimana Y (inflasi) dan X (hunian hotel)

84

Cth:

Ada keyakinan bahwa antara penjualan dan keuntungan ada hubungannya namun untuk memperbesar keuntungan diharapkan dapat meminimumkan biaya. Berikut adalah Data penjualan, laba dan biaya operasional dari 11 pedagang buah yang ada di Kendari tahun 2007. Hitunglah berapa besarnya koefisien korelasi penjualan terhadap keuntungan dengan biaya operasional berfungsi sebagai kontrol dengan menggunakan SPSS. Interprestasikan hasil pengolahan data dengan taraf uji 95% atau α = 0,05 ?

N0. Nama Pedagang Penjualan (juta) Keuntungan (juta) 1. LD. Beta 89.2 4.9 2. La Min 18.6 4.4 3. La Alfa 18.2 1.3 4. LD. Bagi 71.7 8.0 5. La Kurang 58.6 6.6 6. La Tambalagi 46.8 4.1 7. LD. Kuadrat 17.5 2.6 8. La Regresi 11.9 1.7 9. La Valid 19.6 3.5 10. LD Reliabel 51.2 8.2 11. LD. Data 28.6 6.1 Sumber data: Fiktif (Untuk Latihan)

Biaya Operasional 22.56 14.48 11.44 48.52 56.65 20.12 12.62 21.76 13.58 38.22 56.18

85

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep dan kegunaan analisis regresi dalam kajian empiris. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis regresi b. Mahasiswa diharapkan dapat menghitung analisis regresi c. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan analisis regresi serta penginterprestasian output dengan sofware MS EXCEL & SPSS. 3. KATA KUNCI: Analisis Regresi. Ordinary Least Square (OLS) 4. RANGKUMAN Analisis regresi bertujuan mengukur kekuatan hubungan antara dua variabel atau lebih. juga menunjukan arah hubungan antara variabel dependent dengan variabel independent. Teknik estimasi variabel dependent yang melandasi analisis regresi yang disebut Ordinary Least Square (OLS) (pangkat kuadrat terkecil). Metode OLS diperkenalkan pertama kali oleh Carsl Freidrich Gauss. seorang ahli matematik dari Jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. Hasil regresi adalah berupa koefisien dari masing-masing variabel independent. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependent dengan suatu persamaan. Secara ringkas analisis regresi mempelajari sejauh mana variabel respon (Y) bergantung pada variabel predikator (X). 5. URAIAN PEMBELAJARAN A. Pendahuluan Istilah ”Regresi” pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendesi bahwa orang tua yang memiliki tubuh tinggi. memiliki anak-anak yang tinggi pula begitu pula sebaliknya. Subyek analisis

86

regresi mempelajari hubungan antara variabel dengan tujuan untuk membentuk suatu model untuk kepentingan peramalan. Pokok bahasan analisis regresi akan dijelaskan pengertian dan kegunaan analisis regresi; metode perhitungan analisis resgresi dan asumsi-asumsi yang mendasari; pengolahan data menggunakan analisis regresi serta penginterprestasian output dengan sofware MS Excel dan SPSS. B. Pengertian dan Kegunaan Analisis Regresi Analisis regresi adalah suatu persamaan matematika yang mendefinisikan hubungan antara dua variabel. Tujuan analisis regresi yaitu memprediksi besarnya variabel tergantung dengan menggunakan data variabel bebas yang sudah diketahui besarnya. Bentuk persamaan regresi dengan dua variabel indenpenden adalah: Y = a + b1 X1 + b2 X2 Bentuk persaman regresi dengan 3 veriabel independen adalah: Y = a + b X1 + b2 X2 + b3 X3 Bentuk umum persamaan regresi untuk k variabel indendent dapat dirumuskan: Y = a + b1 X1 + b2 X2 + b3X3 + … + bk Xk Persamaan untuk mendapatkan koefisien regresi pada prinsipnya menggunakan metode ordinary least square(OLS) adalah meminimumkan jumlah kuadrat deviasi di sekitar garis regresi. Nilai koefisien regresi a. b1. dan b2 dapat dipecahkan secara simultan dari tiga persamaan berikut: ∑Y = na + b1∑X1 + b2∑X2 …………….…………. (a) ∑X1Y = a∑X1 + b1∑X12 + b2∑X1 ∑X2 …………….…………. (b) ∑X2Y = a∑X2 + b1∑X1 ∑X2 + b2∑X22…………….…………. (c) Kegunaan analisis regresi adalah: 1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti. 2. prediksi nilai variabel tergantung berdasarkan nilaia variabel bebas. yang mana prediksi dengan regresi ini dapat dilakukan secara kuantitataif 3. Faktor determinan. yaitu penentuan variabel bebas mana (pada regresi berganda yang berpengaruh dominan terhadap variabel tergantung. Hal ini dapat dilakukan bilaman unit satuan data seluruh variabel sama dan skala data seluruh seluruh variabel homogen.

87

C. Validitas Model dan Prosedur analisis Regresi Analisis regresi memiliki validitasi model yang dapat dibedakan atas tiga yaitu: Akurasi model : Koefisien determinasi. R2. semakin besar semakin akurat untuk kepentingan prediksi. Ketelitian model : P-Value uji F pada ANOVA (Uji koefisien serempak) untuk kepentingan generalisasi hasil prediksi) dan P-Value uji t (uji koefisien regresi secara parsiil) untuk kepentingan generalisasi eksplanasi. Pemilihan Model : Akaike Information Criterion. semakin kecil semakin baik Scharz Criterion. semakin kecil semakin baik R2 adjusted. semakin besar semakin baik. Langkah-Langkah Analisis Regresi adalah : 1. Spesifikasi Model : a. Identifikasi Variabel Dependent dan Independent (Teoritis dan Empiris) b. Menentukan Spesifikasi Model Spesifikasi model sesuai dengan mekanisme subtansi pada bidang yang dikaji (teoritis) Spesifikasi model ditentukan secara empiris (Scatter diagram) 2. Pendugaan Parameter 3. Periksa Asumsi 4. menguji signifikansi model (uji t. uji F dan sebagainya). 5. Interprestasi Asumsi (Teori GAUSS-MARKOV) analisis regresi yaitu: 1. Hubungan antara Y dengan X adalah tetap (RESET test. teorits) 2. Variabel X bersifat fix atau nonstokastik (teoritis) 3. a. Erorr memiliki nilai harapan nol. E(ε)= 0 da E(ε2) =σ2 (Park atau Plot Sisaan Terstudent dengan Fit: Random. homoskedastisitas) b. Antara εI tidak berkorelasi. E(εi.εj) = 0 (Durbin Watson : sekitar 2 tidak ada otokorelasi) c. Variabel εi menyebar normal d. Regresi berganda : Tidak ada multikolinearitas (Condition index: lebih kecil 30 berarti tidak ada multikolinearitas).

88

Contoh: Permintaan dipengaruhi harga dan pendapatan dengan data sebagai berikut:

Untuk mendapatkan koefisien regresi. sesuai dengan persamaan (a). (b) dan (c). perlu dihitung lebih dahulu dari nilai-nilai sebagai berikut: ∑Y. ∑X1. ∑X2. ∑X1Y. ∑X12. ∑X1 ∑X2. ∑X2Y. ∑X22

89

Untuk mendapatkan nilai Untuk mendapatkan nilai koefisien regresi a. b1. dan b2 dapat dilakukan dengan Subtitusi antar persamaan

Dari persamaan 6. maka nilai b2 adalah = -8.65/21.06 = -0.41. Setelah menemukan nilai b2. maka nilai b1 dapat dicari dengan mempergunakan persamaan 4 atau 5.

Dengan menemukan nilai koefisien regresi a. b1. dan b2 maka persamaan regresinya dapat dinyatakan sebagai berikut:

90

Penggunaan MS excel untuk mencari koefisien regresi berganda

91

D. Rumus Koefisien Determinasi Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh persamaan regresi (regression of sum squares. RSS) (Ŷ - Y)2 terhadap varian total (total sum of squares. TSS)(Y - Y)2. Besarnya koefisien determinasi dirumuskan sebagai berikut:

Varian yang diterangka n persamaan regresi (RSS) R = Varian Total (TSS)
2

ˆ (Y − Y ) 2 R = (Y − Y ) 2
2

R =
2

n ( a.∑ Y + b1 .∑ YX 1 + b2 ) − ( ∑ Y ) 2 n.∑ Y 2 − ( ∑ Y ) 2

92

E. Asumsi Dan Pelanggaranasumsi Pada Regresi Berganda Beberapa asumsi dalam regresi berganda adalah sebagai berikut: 1) Variabel tidak bebas dan variabel bebas memiliki hubungan yang Linier atau hubungan garis lurus. Jadi hubungan Y dengan X harus Linier. bagaimana kalau tidak Linier? namun untuk persamaan yang tidak Linier. maka datanya ditransformasi terlebih dahulu menjadi Linier dan biasanya data di log-kan terlebih dahulu. sehingga menjadi Linier. 2) Variabel tidak bebas haruslah variabel bersifat kontinu dan paling tidak berskala selang. Variabel kontinu ini adalah variabel yang dapat menempati pada semua titik dan biasanya merupakan data dari proses pengukuran. 3) Nilai keragaman atau residu yaitu selisih antara data pengamatan dan data dugaan hasil regresi (Y - Ŷ) harus sama untuk semua nilai Y. Asumsi ini menyatakan bahwa nilai residu bersifat konstan untuk semua data Y. (Y – Ŷ = θ). Asumsi ini memperlihatkan kondisi Homoskedastisitas yaitu nilai residu (Y - Ŷ) yang sama untuk semua nilai Y. menyebar normal dan mempunyai rata-rata 0. 4) Pengamatan-pengamatan untuk variabel tidak bebas dari satu pengamatan ke pengamatan lain harus bebas atau tidak berkorelasi. Hal ini penting untuk data yang bersifat deret berkala. Pelanggaran asumsi multikoniear antar variabel bebas ada korelasi. beberapa teknik untuk mengenali multikolinieritas: a. Variabel bebas secara bersama-sama pengaruhnya nyata. atau Uji F-nya nyata. namun ternyata setiap variabel bebasnya secara parsial pengaruhnya tidak nyata. (uji-t-nya tidak nyata). b. Nilai koefisien determinasi R2 sangat besar. namun ternyata variabel bebasnya berpengaruh tidak nyata. (uji-t tidak nyata). c. Nilai koefisien korelasi parsial yaitu rYX1.X2. rYX2.X1. dan rX1X1.Y ada yang lebih besar dari koefisien determinasinya. Heteroskedastititas varian atau residu tidak konstan. Heteroskedastisitas untuk menunjukkan nilai varians (Y – Ŷ) antar nilai Y tidaklah sama atau hetero.

93

Autokorelasi antar data pengamatan berkorelasi. Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut urutan waktu. Ada beberapa penyebab autokorelasi yaitu: a. Kelembamam. biasanya terjadi dalam fenomena ekonomi di mana sesuatu akan mempengaruhi sesuatu mengikuti siklus bisnis atau saling kait mengkait. b. Terjadi bias dalam spesifikasi yaitu ada beberapa variabel yang tidak termasuk dalam model. dan c. Bentuk fungsi yang dipergunakan tidak tepat. seperti semestinya bentuk nonLinier digunakan Linier atau sebaliknya. F. Analisis Regresi Dengan Sofware SPSS Masukan data ke Worksheet SPSS Klik Analyze. Cari regression dan pilih linear Masukan variabel yang akan diananlisis Klik Statistics. kemudian pilih Durbin-Watson dan Collinearity Diagnostics (Uji autokorelasi dan multikolinearitas). Selanjutnya klik CONTINUE Klik plot. kemudian pilih Normal Probability Plot (Uji Normalitas). Selanjutnya Klik CONTINUE Klic Save. kemudian pilih Unstardized pda Predieted values dan Studentized di Residual (untuk uji heterokedastisitas). Selanjutnya Klik CONTINUE Klik OK Contoh: Analisis Regresi Pengaruh Pelaksanaan Program Pengembangan Karir Terhadap Motivasi Kerja Pegawai Langkah-Langkah Analisis Regresi : A. Spesifikasi Model 1. Identifikasi variabel dependent dan independent : Pengujian dilakukan dengan tujuan untuk mengetahui pengaruh pelaksanaan program pengembangan karir (mutasi. promosi. dan pelatihan) terhadap peningkatan motivasi kerja. Variabel yang diamati adalah pelaksanaan program pengembagan karir yang meliputi : mutasi. promosi. dan pelatihan sebagai variabel independent.

94

sedangkan motivasi kerja sebagai variabel dependent. Instrumen penelitian berupa kuisioner. dimana variabel mutasi dan pelatihan diukur dengan 4 indikator (item). sedangkan untuk variabel promosi dan motivasi kerja diukur dengan 3 indikator. Skala ukuran yang digunakan adalah skala likert. 2. Menentukan spesifikasi model : a. Secara teoritis : Variabel pelaksanaan program pengembangan karir (mutasi. promosi. dan pelatihan) berpengaruh terhadap motivasi kerja. Perumusan spesifikasi model secara ekonomimetrika : Y = a + b1x1 + b2x2 + b3x3 + ei b. Secara empiris : Variabel dependent : Y = Motivasi kerja Variabel independent pelaksanaan pengembangan karir meliputi : X1 = Mutasi; X2 = Promosi; X3 = Pelatihan. Skatter diagram : Pengembangan Karir Mutasi (X1) Promosi (X2) Pelatihan B. Pendugaan Parameter : OLS (Software SPSS 11.5)
Model Summary Model 1 R .944a R Square .892
b

Motivasi Kerja (Y)

Adjusted R Square .880

Std. Error of the Estimate 1.870

Durbin-W atson 1.707

a. Predictors: (Constant), Pelatihan, Mutasi, Promosi b. Dependent Variable: Motivasi Kerja
ANOVAb Model 1 Sum of Squares 750.974 90.892 841.867 df 3 26 29 Mean Square 250.325 3.496 F 71.606 Sig. .000a

Regression Residual Total

a. Predictors: (Constant), Pelatihan, Mutasi, Promosi b. Dependent Variable: Motivasi Kerja

95

a Coefficients

Model 1 (Constant) Mutasi Promosi Pelatihan

Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 5.108 2.422 .839 .366 .292 1.881 .544 .576 .310 .379 .116

t 2.109 2.292 3.455 .817

Sig. .045 .030 .002 .421

Collinearity Statistics Tolerance VIF .256 .149 .207 3.910 6.697 4.826

a. Dependent Variable: Motivasi Kerja

Berdasarkan hasil olahan data. maka estimasi parameter dapat disusun dalam bentuk persamaan regresi sebagai berikut :
^

Y

= 5.108 + 0.839X1 + 1.881X2 +

0.310X3 + 1.870. Persamaan regresi diperoleh bahwa semua nilai koefisien regresi memiliki tanda positif. berarti arah pengaruh positif dapat disimpulkan jika variabel X1. X2 dan X3 ditingkatkan. secara statistik akan mendorong motivasi kerja pegawai. C. Pemeriksaan Asumsi Agar estimasi dari koefisien regresi tidak bias. sebelum melakukan proses analisis harus dilakukan lebih dulu pengujian beberapa asumsi kalsik sebagai berikut: 1. Uji normalitas. bertujuan untuk mengetahui kenormalan data yang berdistribusi normal apabila nilai residual mendekati angka nol. Uji normalitas dilakukan dengan menggunakan histrogram dimana nilai residualnya rata-rata mendekati angka nol dan kurva membentul lonceng/genta. sehingga dapat disimpulkan bahwa data yang dianalisis memenuhi asumsi kenormalan data. Model regresi yang baik mempunyai distribusi data normal atau mendekati normal. Deteksi normalitas dapat dilakukan dengan uji chi Square dan metode grafik yaitu: a. Perhitungan melalui uji chi Square menghasilkan nilai chi Square= 20.333 dengan probablitas = 0.000 yang jauh berada di bawah tingkat signifikan 0.05. berarti distribusi data adalah normal atau mendekati normal. Chi-Square Test
Test Statistics Standardized Residual 20.333 4 .000

Chi-Square df Asymp. Sig. a.

a

0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 6.0.

96

b. Dari hasil uji metode grafik dengan melihat penyebaran titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan: (1) jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. maka model regresi memenuhi asumsi normalitas; (2) jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal. maka model regresi tidak memenuhi asumsi normalitas. Dari grafik di bawah ini. terlihat titik menyebar disekitar garis diagonal. serta penyebarannya mengikuti arah garis diagonal maka model regresi layak dipakai untuk prediksi dan telah memenuhi asumsi normalitas.
Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Motivasi Kerja
1.00

.75

Expected Cum Prob

.50

.25

0.00 0.00 .25 .50 .75 1.00

Observed Cum Prob

2. Uji multikolinieritas. asumsi klasik model regresi linear adalah tidak boleh terdapat multikolinieritas diantara variabel-variabel bebas di dalam model. Deteksi adanya multikolinearitas dapat dilakukan dengan cara melihat besarnya VIF (Variance Inflation Factor) dan toleransi. kriteria suatu model regresi yang bebas dari multikolinearitas apabila mempunyai nilai VIF (Variance Inflation Factor) disekitar angka 1 dan besaran nilai toleransi mendekati 1. Dari hasil olahan data menunjukkan bahwa nilai VIF semua variabel independen berkisar antara 3.910 sampai dengan 6.697 yang berarti tidak lebih dari angka 10 dan nilai toleransinya di atas 0.1. Dengan demikian dapat disimpulkan tidak terjadi gejala multikolinearitas dalam model regresi yang digunakan.

97

a Coefficients

Model 1 (Constant) Mutasi Promosi Pelatihan

Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 5.108 2.422 .839 .366 .292 1.881 .544 .576 .310 .379 .116

t 2.109 2.292 3.455 .817

Sig. .045 .030 .002 .421

Collinearity Statistics Tolerance VIF .256 .149 .207 3.910 6.697 4.826

a. Dependent Variable: Motivasi Kerja

3. Uji autokorelasi. dilakukan untuk menguji suatu model regresi linear apakah terdapat korelasi antara residual (kesalahan pengganggu) dari suatu priode ke priode lainnya. Model regresi yang baik adalah bebas dari autokorelasi atau korelasi serial. Deteksi adanya autokorelasi dapat dilihat nilai Durbin-Watson (DW). Secara umum yang menjadi dasar kriteria mengenai angka D-W untuk mendeteksi autokorelasi. yaitu: a) Angka D-W di bawah – 2 berarti terjadi korelasi positif b) Angka D-W di bawah – 2 sampai + 2 berarti tidak terjadi korelasi c) Angka D-W di atas + 2 berarti terjadi korelasi negatif
Model Summary b Model 1 R .944a R Square .892 Adjusted R Square .880 Std. Error of the Estimate 1.870 Durbin-W atson 1.707

a. Predictors: (Constant), Pelatihan, Mutasi, Promosi b. Dependent Variable: Motivasi Kerja

Hasil uji pada bagian model summary di atas menunjukkan nilai D-W = 1.707 dimana berada diantara – 2 sampai + 2. berarti model regresi linear berganda tidak terjadi gejala atau terdapat masalah autokorelasi. Hal ini senada dengan pendapat Hirschey (1995 ; 231) bahwa apabila nilai yang mendekati 2 untuk statistika Durbin-Waston menunjukkan tidak adanya korelasi serial; deviasi dari nilai ini menunjukkan bahwa residu tersersebut tidak terdistribusi secara acak. 4. Uji Heterokedastisitas digunakan mendeteksi terjadinya heteroskedastisitas ditunjukan dengan adanya ketidaksamaan varian nilai residualnya antara

98

variabel-variabel bebas yang dapat dideteksi melaui perhitungan uji koefisien korelasi rank Spearman dan grafik (scatterplot) sebagai berikut: a. Perhitungan uji koefisien korelasi Rank Spearman yang mengkorelasikan antara nilai absolute residual dengan setiap variabel bebas. Hasil uji adalah sebagai berikut : Nonparametric Correlations
Correlations ABS-RES Spearman's rho ABS-RES Correlation Coefficien 1.000 Sig. (2-tailed) . N 30 Mutasi Correlation Coefficien -.211 Sig. (2-tailed) .262 N 30 Promosi Correlation Coefficien -.181 Sig. (2-tailed) .338 N 30 Pelatihan Correlation Coefficien .019 Sig. (2-tailed) .923 N 30 **. Correlation is significant at the 0.01 level (2-tailed). Mutasi Promosi Pelatihan -.211 -.181 .019 .262 .338 .923 30 30 30 1.000 .855** .777** . .000 .000 30 30 30 .855** 1.000 .859** .000 . .000 30 30 30 .777** .859** 1.000 .000 .000 . 30 30 30

Hasil uji nonparametric correlations dengan korelasi Rank Spearman dapat diringkas: Hasil Uji Heteroskedastisitas Variabel Bebas X1 X2 X3 Koefisien korelasi -0.211 -0.181 0.019 Prob. 0.262 0.338 0.923 Keterangan Homoskedastisitas Homoskedastisitas Homoskedastisitas

Pada di atas menunjukan bahwa koefisien korelasi dari seluruh variabel bebas adalah lebih kecil dari 0.05. yang berarti model regresi linear berganda yang digunakan dalam penelitian ini tidak terjadi heteroskedastisitas. b. Deteksi adanya heteroskedastisitas dapat pula dilakukan dengan melihat ada tidaknya pola tertentu pada grafik. di mana sumbu X dan Y yang telah dipresdiksi dan telah distandardized. Ini dapat dilakukan dengan melihat ada tidaknya pola tertentu (bergelombang) melebar kemudian menyempit pada

99

grafik plot (scatter plot) antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Dasar pengambilan keputusan: (1) jika ada pola tertentu. seperti titik (point-point) yang ada membentuk pola tertentu yang teratur (bergelombang. melebar dan kemudian menyempit) maka telah terjadi heterokedastisitas; (2) jika tidak ada pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y. maka tidak terjadi heterokedastisitas. Dari grafik di bawah ini. terlihat titik menyebar secara acak atau tidak membentuk suatu pola tertentu. tersebar baik di atas maupun di bawah angka 0 pada sumbu Y berarti tidak terjadi heterokedastisitas. sehingga model regresi layak dipakai untuk prediksi.

Scatterplot Dependent Variable: ABS-RES
3

Regression Standardized Residual

2

1

0

-1

-2 -3 -2 -1 0 1 2

Regression Standardized Predicted Value

5. Uji linearitas. dilakukan untuk mengetahui hubungan antara variabel bebas dengan variabel terikat yang mempunyai fungsi linear atau tidak. Uji linearitas dilakukan melalui scatter plot (diagran pancar). dari variabel bebas terhadap variabel terikat terpenuhi jika diantara nilai residual dan nilai prediksinya tidak membentuk pola tertentu. Hasil uji linearitas terlihat secara visual nilai residual dan nilai prediksinya tidak membentuk pola tertentu (acak). sehingga dapat dikatakan bahwa model regresi dalam penelitian ini telah memenuhi asumsi linearitas.

100

a Residuals Statistics

Minimum Maximum Predicted Value .0888 1.2625 Residual -.7363 1.2084 Std. Predicted Value -2.194 1.781 Std. Residual -1.400 2.297 a. Dependent Variable: ABS-RES

Mean Std. Deviation .7366 .29526 .0000 .49802 .000 1.000 .000 .947

N 30 30 30 30

Scatterplot Dependent Variable: Motivasi Kerja
3

Regression Standardized Residual

2

1

0

-1

-2 -3 -3 -2 -1 0 1 2

Regression Standardized Predicted Value

D. Interprestasi Berdasarkan hasil analisis regresi linear berganda. maka diperoleh hasil persamaan regresi untuk variabel X1.X2 dan X3 terhadap Y sebagai berikut:
^

Y

= 5.108 + 0.839X1 + 1.881X2 + 0.310X3 + 1.870 searah jika variabel bebas (X1.X2 dan X3) menunjukkan tidak ada perubahan atau dengan kata lain tetap. maka Motivasi kerja (Y) sebesar 5.108

1. Nilai constant (β0) sebesar 5.108 berarti mempunyai pengaruh positif yang

2. Persamaan regresi dibentuk berdasarkan nilai unstandardized coefficients B dan standar erros estimasi. dimana persamaan regresi linear berganda tersebut dapat dilihat arah hubungan dari variabel bebas (X1. X2 dan X3) semuanya bertanda positif berarti setiap penambahan atau peningkatan pada masingmasing variabel berpengaruh positif terhadap Motivasi Kerja (Y)

101

3. Nilai Multiple R sebesar 0.944 menunjukkan korelasi hubungan antara variabel bebas (X1. X2 dan X3) terhadap Motivasi kerja pegawai (Y) adalah kuat karena nilainya berada di atas 0.5. 4. Nilai koefisien determinasi (R–Square (R2)) = 0.892 dapat diartikan bahwa 89.2% variasi dari motivasi kerja pegawai (Y) dijelaskan oleh variabel bebas (X1. X2 dan X3) dan sisanya 10.8% dijelaskan oleh variabel lain di luar model analisis. Atau menunjukkan 89.2% kontribusi pengaruh atas variasi perubahan yang terjadi pada motivasi kerja pegawai dijelaskan oleh variasi perubahan yang terjadi pada faktor pelaksanaan program pengembangan karir (X1. X2 dan X3). Sisanya 10.8% dijelaskan oleh variasi perubahan yang terjadi di luar variabel yang tidak dimasukkan dalam model. 5. Standar Error Estimate (SEE) sebesar 1.870. menjukkan angka yang relatif kecil berarti model regresi yang digunakan semakin akurat untuk memperdiksi motivasi kerja pegawai (Y). 6. Uji koefisien secara simultan/Uji F signifikan (p = 0.000). karena probabilitasnya lebih kecil dari 0.05. maka model regresi dapat digunakan untuk memprediksi motivasi kerja (Y). Pelaksanaan program pengembangan karir (X1. X2 dan X3) secara simultan mempunyai pengaruh yang signifikan terhadap motivasi kerja pegawai. Kemaknaan ini dapat dilihat dari nilai signifikansi F sebesar 0.000 < α = 0.05. 7. Uji t adalah untuk menguji signifikansi konstanta dari setiap variabel independent. Koefisien regresi yang signifikan (sig. < 0.05) adalah X1 dan X2. sedangkan yang tidak signifikan adalah X3. hal ini dapat dilihat dari sebagai berikut : a. Variabel X1 nilai signifikan (sig.t) = 0.030 < 0.05 berarti variabel X1 mempunyai pengaruh yang signifikan terhadap Y. b. Variabel X2 sig. t = 0.002 < 0.05. berarti mempunyai pengaruh signifikan antara variabel X2 terhadap Y. c. Variabel X3 dengan sig. t = 0.421 > 0.05). berarti tidak ada pengaruh nyata/signifikan antara variabel X3 terhadap Y.

102

6. EVALUASI 1) Jelaskan pengertian dan kegunaan analisis Regresi? 2) Sebutkan tahapan-tahapan dalam analisis regresi? 3) Jelaskan validitasi model analisis regresi dan asumsi analisis regresi?. 4) Teori Keynesian menyatakan bahwa konsumsi suatu keluarga dipengaruhi oleh pendapatan keluarga dan jumlah anggota keluarga. Teori ini menyatakan bahwa semakin tinggi pendapatan. maka akan semakin tinggi konsumsinya. demikian juga semakin banyak anggota keluarga. maka semakin tinggi konsumsinya. Untuk membuktikan teori tersebut. maka diadakan penelitian terhadap 10 keluarga di Kelurahan Kembangan Utara Jakarta Barat dan hasilnya adalah sebagai berikut: Nomor Responden 1 2 3 4 5 6 7 8 9 10 Konsumsi (Rp.000/bl) 500 400 600 300 400 500 400 500 600 500 Pendapatan (Rp.000/bl) 700 500 900 500 700 600 800 700 1700 1400 Jumlah Anggota 4 2 4 1 2 4 3 4 5 3

Dari soal di atas cobalah hitung dengan MS Excel: a. Koefisien regresi dari persamaan Y = a + b1 X1 + b2 X2 di mana Y adalah konsumsi keluarga. X1 pendapatan keluarga dan X2 jumlah anggota keluarga. b. Hitunglah koefisien determinasinya c. Ujilah signifikansinya dari Uji F dan Uji t 5) Perusahaan masih memikirkan masalah produktivitas. apakah untuk meningkatkan produktivitas diperlukan peningkatan gaji karyawan. atau diperlukan tambahan pengawas. Hal yang disadari perusahaan. terkadang tenaga kerja tidak produktif bukan karena masalah gaji tetapi disebabkan unsur kemalasan. oleh sebab itu diperlukan tambahan jumlah pengawas. Berdasarkan pada kedua hal tersebut. diadakan survei terhadap beberapa bagian di perusahaan dan berikut adalah hasilnya.

103

Responden 1 2 3 4 5 6 7 8 9 10

Produksi 40 25 35 10 20 50 35 10 25 15

Gaji 850 610 680 200 340 950 700 160 350 150

Pengawas 9 5 7 5 7 13 15 11 16 10

Diminta menghitung dengan menggunakan software SPSS: a. Buatlah regresi dan hitung koefisiennya b. Hitung koefisien determinasi dan korelasinya c. Ujilah dengan uji F dan uji-t d. Bahaslah apa yang sebaiknya dilakukan oleh pengusaha sepatu? 6) Ada pemikiran di Universitas Haluoleo Kendari untuk mengetahui keberhasilan alumninya dengan melihat adakah hubungan antara keberhasilan alumni yang dilihat dari besarnya gaji yang diterima dengan IPK dan lama studi. Untuk keperluan tersebut dilakukan survei terhadap 10 alumni di 10 perusahaan dan berikut adalah hasilnya. Responden 1 2 3 4 5 6 7 8 9 10 Gaji (juta/bl) 1.785 1.955 1.615 2.805 2.380 2.975 2.720 2.210 3.230 1.785 IPK 3.2 3.3 2.7 3.5 3.1 3.7 3.4 2.6 3.9 2.5 Lama Studi 6 5 6 4 5 4 4 5 4 6

Diminta : Dengan data tersebut. cobalah Anda buktikan apakah keyakinan bahwa gaji sebagai wujud keberhasilan alumni memang dipengaruhi oleh IPK dan lama studinya dengan MS Excel!

104

1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep teori dan kegunaan analisis nonparametrik serta aplikasi dalam kehidupan nyata. 2. TUJUAN KHUSUS a. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis non-parametrik b. Mahasiswa diharapkan dapat menghitung metode-metode analisis dengan mengunakan pendekatan analisis non-parametrik c. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan metodemetode nonparametrik serta interprestasi output dengan sofware excel dan SPSS. 3. KATA KUNCI: Analisis Non-Parametrik. 4. RANGKUMAN Metode kualitatif atau sering juga disebut metode metode non-parametrik merupakan metode yang bersifat historis. komperatif. case study. dan sebagainya. Sehingga analisis dari data yang bersifat kualitatif tersebut perlu dilakukan tahapan tersendiri dalam melakukan langkah perhitungan dan pengujiannya. Statistika nonparametrik merupakan statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau bebas distribusi. sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji. 5. URAIAN PEMBELAJARAN A. Pendahuluan Pokok bahasan statistika nonparametrik secara khusus mengenai data yang berskala ordinal (jenjang) dimana data tersebut mempunyai arti berdasarkan urutan tingkat kepentingan. Dalam kajian statistika nonparametrik akan diuraikan pengertian dan kegunaan analisis statistika nonparametrik; metode-metode yang digunakan dalam analisis non-parametrik; dan paraktek pengolahan data menggunakan metode-metode non-parametrik serta penginterprestasian output dengan sofware excel dan SPSS.

105

B. Pengertian Statistika Nonparametrik (Kualitatif) ”Statistika nonparametrik adalah statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau bebas distribusi. sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji”. Satatistika nonparametrik merupakan metode statistika yang tidak memerlukan suatu anggapan tertentu mengenai bentuk sebaran atau parameter dari variabel random yang diselidiki atau metode yang bersifat historis. komperatif. case study. dan sebagainya. Kelemahan statistika nonparmetrik : 1. Bila asumsi sebaran normal dapat dipenuhi. maka kesimpulan analisis yang diperolah kemungkinan akan membias. 2. Tidak dapat dipergunakan untuk mengukur interaksi 3. Tidak dapat dipakai sebagai alat untuk menduga atau meramal. Manfaat Statistika nonparmetrik: Nilai peluang hasil analisis dapat diperoleh dengan pasti karna tidak berdasarkan pada anggapan (Asumsi). Dapat dipergunakan untuk menganalisis dengan cuplikan (populasi) yang sedikit Dapat menganalisis data yang populasinya atau sampelnya berbeda. Dapat dipergunakan untuk menganalisis data yang ukuranya menurut skala ordinal & nominal. Metode analisis relatif mudah dengan hanya mempergunakan aljabar yang sederhana Mudah dipelajari dan diaplikasikan. Pengolongan Statistika Nonparametrik yaitu: chi Square. Anova. Uji tanda. run test. uji perubahan tanda. independent dua Sampel. uji peluang pasti Fisher. Goodnes of Fit Tes. Goodman & Kruskal. Selanjutnya dalam menggunakan statistik nonparametrik ada beberapa alasan yang mendasar dan yang harus dipahami. sebagaimana yang disajikan pada skema berikut:

106

Gambar 10.1. Menggunakan Statistik Nonparametrik

C. Metode-metode Analisis Statistika Nonparametrik (Kualitatif) 1. Uji chi-Kuadrat (Kai Kuadrat) Uji Chi-Kuadrat adalah membandingkan antara fakta yang diperoleh berdasarkan hasil observasi dan fakta yang didasarkan atas teoritis (dihrapkan). Formulasi untuk menghitung chi-kuadrat adalah:

107

Asumsi-Asumsi yang mendasari hasil perhitungan chi-kuadrat adalah: a. Jika X2 = 0. dapat diartikan bahwa frekwensi-frekwensi teoritis dan yang diharapkan adalah tetap sama dengan frekwensi-frekwensi hasil observasinya. b. Jika X2 > 0. frekwensi-frekwensi terebut dapat diartikan tetap tidak sama. c. Semakin besar nilai X2 maka dapat diartikan semakin besar pula perbedaan antara frekwensi yang diobservasi dan yang diharpkan. Uji chi-square dapat dibedakan atas tiga jenis yaitu : 1. Uji Chi-Kuadrat untuk Keselarasan Gambar 10. 2. Grafik Chi-Kudrat Tidak Tunggal. Berkeluarga

Contoh: Uji keselarasan dengan frekuensi harapan sama. Hasil perdagangan saham pada minggu pertama 2007 sebagai berikut:

Langkah-langkah penyelesain:

108

Menentukan hipotesa. Hipotesa yang disusun adalah hipotesa nol (H0) dan hipotesa alternatif (Ha). Hipotesa nol. H0. menyatakan bahwa tidak ada perbedaan antara nilai atau frekuensi observasi atau teramati dengan nilai atau frekuensi harapan. Sedangkan hipotesa alternatif. Ha. menyatakan bahwa ada perbedaan antara nilai atau frekuensi teramati dengan nilai atau frekuensi yang diharapkan. Hipotesa dinyatakan sebagai berikut: H0 : fo = fe Ha : fo ≠ fe Menentukan Taraf Nyata dan Nilai Kritis. Untuk kasus ini. nilai n adalah kategori atau sampel yaitu 10. sedang k adalah variabel. dimana k= 1. jadi derajat bebasnya adalah df= 10 - 1= 9. Setelah menemukan nilai df dan taraf nyata. maka dapat dicari nilai kritis chi-kuadrat dengan menggunakan tabel chi-kuadrat sebagai berikut:

Melakukan perhitungan Chi-Squre (uji Kai Kuadrat)

109

Menentukan Daerah Keputusan

Menentukan Keputusan. berdasarkan aturan pada langkah ke-4. diketahui nilai chi-kuadrat hitung adalah 219.5 dan nilai chi-kuadrat kritis 16.919 berarti nilai chi-kuadrat hitung > dari chi kuadrat kritis. Dengan demikian Ho ditolak dan Ha diterima. Jadi terdapat cukup bukti untuk menolak Ho. sehingga antara kenyataan yang terjadi dengan harapan dari analisis adalah tidak sama. 2. Uji Chi-Kuadrat untuk uji Kenormalan Gambar 10. 3. Skema Langkah-Langkah Uji Normalitas

110

3. Uji Chi-Kuadrat untuk uji Independensi Bagaimana Melakukan Uji Independensi? Langkah-langkah yang dapat dilakukan pada uji Chi-Kuadrat untuk uji Independensi adalah: a. Menyusun hipotesa. Hipotesa Ho biasanya menyatakan tidak ada hubungan antara dua variabel. sedangkan Ha menyatakan ada hubungan antara dua variabel. b. Menentukan nilai χ2 kritis dengan taraf nyata α dan derajat bebas df=(r - 1) x (c - 1) c. Menentukan frekuensi harapan (fe) dimana fe untuk setiap sel dirumuskan:

d. Menentukan nilai X2 dengan rumus:

e. Menentukan daerah kritis yaitu daerah penerimaan Ho dan penolakan Ho f. Menentukan keputusan apakah menerima Ho atau menolak Ho. 2. Data Beperingkat Statistika nonparametrik untuk data berperingkat menggunakan data ordinal yaitu data yang sudah diurutkan dengan urutan tertentu dan diberikan peringkatnya. Adapun analisis data berperingkat meliputi: 1) Uji Tanda Uji tanda adalah “Uji yang dimaksudkan untuk melihat adanya perbedaan dan bukan besarnya perbedaan serta didasarkan pada prosedur pada tanda positif dan negatif dari perbedaan antara pasangan data ordinal”. Langkah-Langkah Uji Tanda adalah: a. Menentukan hipotesa. Hipotesa merupakan langkah pertama yang harus ditentukan. Anda dapat menyusun hipotesa satu arah dan dua arah. apabila hipotesa nol mengandung tanda sama dengan (=). berarti uji dua arah. sedang hipotesa mengandung tanda ketidaksamaan (≤. ≥) menunjukkan uji satu arah. Hipotesa nol (Ho) untuk uji tanda biasanya menyatakan bahwa tidak ada perbedaan. sedang hipotesa alternatif (H1) menyatakan adanya perbedaan.

111

b. Memilih taraf nyata. Taraf nyata ini merupakan tingkat toleransi terhadap kesalahan kita terhadap sampel. Pada umumnya anda dapat gunakan taraf nyata 1%. 5% atau 10%. c. Menghitung Frekuensi tanda. Pada langkah ini dilakukan perhitungan untuk jumlah observasi yang relevan (n) yaitu observasi yang mempunyai tanda + dan -. sedang tanda 0 tidak dipergunakan. Setelah menentukan nilai observasi n. maka perlu mengetahui nilai r yaitu jumlah obyek yang digunakan pada saat bersamaan. di mana jumlah r bisa sama dengan n atau lebih kecil dari n. d. Menentukan probabilitas hasil sampel yang diobservasi. Pada langkah ini kita ingin mengetahui berapa probabilitas suatu kejadian dari n sampel observasi yang relevan dengan r kejadian secara bersamaan. Nilai r biasanya dipilih berdasarkan tanda + atau – yang paling kecil dari n observasi yang relevan. Untuk keperluan ini kita dapat menggunakan tabel probabilitas binomial atau menghitung manual dengan rumus P (r) = (nCr)prqn-r. e. Menetukan kesimpulan. Kesimpulan yang diperoleh adalah menerima Ho atau menolak Ho. Menerima Ho menunjukkan bahwa tidak ada perbedaan. sedang menolak Ho menunjukkan adanya perbedaan antara subyek yang dicocokkan. Aturan umum dalam menentukan menerima atau menolak Ho adalah; menerima Ho apabila α ≤ probabilitas hasil sampel. dan menolak Ho atau menerima H1 apabila α ≥ probabilitas hasil sampel. Menggunakan Excel Untuk Menghitung Probabilitas Sampel yaitu:

112

Rumus Z Untuk Sampel Besar

Di mana: Z : Nilai Z hitung R : Jumlah tanda + N : Jumlah sampel yang relevan 2) Uji Peringkat Bertanda Wilcoxon Langkah-Langkah Dalam Uji Peringkat Bertanda Wilcoxon a. Menentukan Hipotesa. Hipotesa kerja biasanya menunjukkan tidak ada perbedaan sedang hipotesa alternatif menunjukkan adanya perbedaan. b. Menentukan Nilai Kritis. Nilai kritis diperoleh dengan mempergunakan tabel uji peringkat bertanda Wilcoxon. Untuk menentukan nilai kritis diperlukan pengetahuan nilai observasi yang relevan (n) dan taraf nyata. c. Menentukan Nilai Statistik Wilcoxon. Untuk menentukan nilai statistik Wilcoxon ada beberapa langkah yaitu: (a) membuat perbedaan data berpasangan. (b) memberikan rangking untuk urutan beda data berpasangan tanpa memperhatikan tanda. untuk nilai beda yang sama digunakan rata-rata rangking. (c) memisahkan nilai rangking yang positif dan negatif. (d) menjumlahkan nilai rangking positif dan negatif. nilai yang terkecil merupakan nilai statistik wilcoxon.

113

d. Menentukan keputusan. Apabila nilai statistik wilcoxon < nilai kritis maka Ho ditolak dan H1 diterima. begitupula sebaliknya. Uji Jumlah Peringkat Wilcoxon dengan rumus:

Di mana: Z : Nilai Z hitung W : Jumlah peringkat sampel pertama n1 : Jumlah observasi sampel relevan pertama n2 : Jumlah observasi sampel relevan kedua 3) Uji Kruskal-Wallies Gambar 10. 3. Skema Langkah-Langkah Kruskal-Wallies

114

4) Koefisien Korelasi Spearman Koefisien korelasi berperingkat spearman pengujian dapat dilakuakan dengan beberapa tahapan sebagai berikut: Gambar 10. 3. Skema Langkah-Langkah Koefisien Korelasi Spearman

Contoh: Hubungan laba bank dengan harga saham berikut ini adalah data tentang laba dan harga saham dari 8 bank tahun 2007.

Langkah Penyelasian :

115

Langkah Pertama. Menyusun peringkat data

Langkah Kedua. Menghitung Perbedaan Peringkat

Langkah Ketiga. Menghitung koefisien korelasi Spearman

Nilai koefisien korelasi spearman 0.786. ini menunjukkan bahwa ada hubungan antara harga saham dengan laba perbankan sebesar 78.6%. Hubungan antara harga saham dengan laba termasuk kuat. kinerja saham akan berhubungan dengan kinerja laba perbankan.

116

6. EVALUASI 1) Jelaskan pengertian dan kegunaan statistika nonparametrik? Berikan contoh! 2) Sebutkan beberapa metode analisis dalam statistika nonparametrik? 3) PT. Angkutan Kilat adalah perusahaan transportasi untuk buah-buahan dari Landono ke Kendari. Perusahaan menginginkan kerusakan buah yang diangkut tidak sampai 15%. Berikut ini adalah data buah yang rusak selama 6 bulan terakhir. Dari data tersebut. apakah masih sesuai harapan dari perusahaan dengan taraf nyata 5%. Bulan % Kerusakan Buah 1 9 2 12 3 14 4 15 5 18 6 16 4) Beberapa emiten merencanakan memberikan dividen yang lebih besar untuk tahun 2007. sehingga dapat mendorong perbaikan harga saham di bursa. Berikut adalah dividen yang diharapkan atau direncanakan dan deviden yang dapat dibayarkan pada tahun 2007 dalam rupiah per lembarnya. Perusahaan fe fo Semen Gresik 231 268 Gudang Garam 500 300 Timan Tbk 119 25 Ramayana 75 100 Sampurna 57 90 Unilever 250 300 Dengan memperhatikan kondisi tersebut. apakah antara harapan dan kenyataan masih sesuai? 5) Pemerintah menghendaki bahwa inflasi pada tahun 2007 sebesar 8% pertahun. Data tahun 2007 inflasi dibeberapa kota besar adalah sebagai berikut: Kota Inflasi (%) Medan 9.49 Palembang 12.25 Padang 10.22 Jakarta 9.08 Bandung 11.97 Semarang 13.56 Surabaya 9.15 Denpasar 12.49 Banjarmasin 9.18 Makasar 8.25 Menado 15.22 Dengan data tersebut apakah target atau harapan pemerintah masih sesuai dengan kondisi sebenarnya dengan taraf nyata 5%?

117

6) Pemerintah berusaha agar tingkat hidup petani semakin membaik. Usaha tersebut dilakukan dengan berbagai program diantaranya adalah pemberian kredit. Pada tahun 2007 diharapkan nilai tukar petani dapat mencapai 110 atau terjadi kelebihan 10% dari apa yang harus dibayar. Berikut ini nilai NTP petani selama 2007. dengan nilai NTP tersebut apakah keinginan pemerintah dapat tercapai pada taraf uji 5%? Bulan NTP Bulan NTP 1 115 7 89 2 113 8 93 3 118 9 94 4 118 10 94 5 113 11 94 6 114 12 92 7) PT ABC memproduksi minuman sari asem dalam bentuk kemasan. Untuk mempersiapkan pengiklanan produk ini perusahaan ingin mengetahui apakah ada hubungan antara acara di TV dengan kelompok umur. Keinginan ini didasarkan perusahaan ingin produknya dikonsumsi remaja yang mempunyai hobi musik. Berikut adalah hasil penelitian tersebut: Kelompok Total Acara TV umur Senetron Musik Kartun Dewasa 200 160 110 470 Remaja 150 150 120 420 Anak 160 130 110 400 Jumlah 510 440 340 1290 Data tersebut. ujilah apakah ada hubungan antara acara TV dengan kelompok umur? 8) Ada keyakinan bahwa apabila IPK tinggi. maka akan mendapatkan penghasilan tinggi. Berdasarkan keyakinan tersebut. Nani dari CESS tahun 2003 melakukan penelitian terhadap 751 sarjana dari berbagai PT yang bekerja disektor perbankan di Jakarta. Berikut adalah hasilnya: IPK Total Tingkat Penghasilan (jutaan) <0.8 0.8-1.5 1.5-3.5 >3.5 >3.5 22 31 31 8 92 2.75-3.5 67 80 73 17 237 <2.75 124 161 122 15 422 213 272 226 40 751 Dari data tersebut. apakah keyakinan adanya hubungan antara IPK dengan tingkat penghasilan dapat dibenarkan? 9) Berikut ini adalah data ekspor nonmigas pada tahun 2006 dan 2007 selama 10 bulan. Dengan data tersebut. ujilah dengan uji tanda. apakah kondisi 2007 lebih baik dari tahun 2006.

118

Bulan 1 2 3 4 5 6 7 8 9 10

Ekspor 2007 3727 3623 3814 3880 3920 4222 4252 3716 3885 3965

Ekspor 2006 3222 3366 3523 3747 3717 4105 4033 3884 4034 4182

10) PT PLN Persero mengirimkan 14 manajernya untuk training dalam menyusun job analysis. untuk lebih mengoptimalkan pemanfaatan sumber daya manusia yang ada. Berikut adalah hasil tes dari manajer tersebut sebelum dan sesudah training. Ujilah dengan uji tanda. apakah ada perbedaan antara sebelum dan sesudah training? Nama Test awal Test Akhir LD. Waluyo 40 55 La Jumadi 38 38 Nurhidayat 50 80 Makmun 85 65 La Hardi 65 75 LD. Joni 70 85 WD. Mardiyani 25 65 Khofifah 55 90 Wulandari 90 95 LD. Yono Suyono 20 65 La Junaedi 80 80 Rachmat 65 75 Wa Sri Anah 85 75 Zulfithri 90 85 11) Teori SDM konsentrasi terhadap kesempatan untuk mendapatkan gaji yang sama antara pria dan wanita. Berikut ini adalah data gaji karyawan prian dan wanita. Dengan menggunakan uji jumlah peringkat wilcoxon. apakah benar bahwa gaji karyawan wanita lebih rendah dibandingkan dengan kaum pria? Wanita Gaji (jutaan) Pria Gaji (jutaan) Augustina 1.4 Yadi 2.2 Farida 2.6 Purwo Handoko 1.7 Anik 1.6 Zulfithri 3.6 Sri Anah 1.3 Atep Afia 2.6 Yuni Astuti 1.1 Asep 1.4 Tati Barus 2.1 Utje 2.1 Afra 1.8 Hasan 1.1 Nani 1.5 Prapto 1.2

119

12) Ada permintaan dari staf Bank Mandiri bagian penyelesaian kasus kredit. agar suasana kerja diperbaiki. sehingga produktivitas meningkat. Manajemen memutuskan memberikan tambahan fasilitas seperti AC. Telepon. Internet dan antarjemput. Dengan menggunakan uji wilcoxon. ujilah apakah ada perbedaan sebelum dan sesudah pemberian fasilitas tersebut: Nama Kasus Awal Kasus Akhir Agus Mulyadharma 23 33 Nani 26 26 Suwito 24 30 Jose Hehamanua 17 25 Lucky 20 19 David Januaria 24 22 Hendro 30 29 Sisca Mardiana 21 25 Budi Oktavia 25 22 Santi K 21 23 Agustina 16 17 Farida 20 15 Utje Usman 17 9 Atep Afia 23 30 13) Pembinaan usaha kecil selama ini terpecah menjadi beberapa departemen yaitu Koperasi. Diknas dan Deperindag. Ada gagasan apabila hasil pembinaan dari ketiga departemen tersebut sama maka akan digabungkan saja. sedangkan apabila berbeda maka akan diteruskan. Berikut adalah data penghasilan usaha kecil dalam 1 tahun dalam jutaan. Ujilah dengan kruskal-wallis apakah hasil antar pembinaan sama atau tidak. dengan taraf nyata 5%. Koperasi Diknas Deperindag 56 19 94 37 36 25 23 73 65 74 92 77 91 25 61 67 33 27

120

DAFTAR PUSTAKA Anto Dayan. 1991. Statistika I & II. Erlangga. Jakarta Ghozali. Imam. 2002. Aplikasi Analisis Multivariat dengan Program SPSS. Universitas Dipanegaoro. Semarang. Gujarati. Dahmodar & Sumarno Zain. 1998. Ekonomimetrika Dasar. Erlangga. Jakarta Hair. J.H.; Anderson. R.E.; Tatham. R.L. & Black. W.C. 1999. Análisis multivariante; Prentice Hall Iberia; 5ª ed.; Madrid. Joreskog. K. G. & Sorbom D. (1993): LISREL 8 User’s Reference Guide . Chicago: Scientific Software International. Inc. Levine. David. M. et.;all. 2005. Statistics For Managers Using Microsoft Excel. Pearson Edition Internasional. USA. Malhorta. Naresh K. 1993. Marketing Research. An Applid Orientantion. The PrenticeHall. Inc.. New Jersey. Nazir. M. 2004. Metode Penelitian. Ghalia Indnesia. Jakarta Purwadi. B. 2000. Riset Pemasaran Implementasi Dalam Bauran Pemasaran. Penerbit PT. Grafindo. Jakarta. Santoso. Singgih. 2004. SPSS Statistika Multivariat. PT. Elex Media Komputindo. Jakarta. Sugiyono. 2001. Metode Penelitian Bisnis. CV. Alfabeta. Bandung. Sudjana. 2002. Metode Statistika. Edisi ke-6. Tarsito Bandung. Supangat. Andi. 2007. Statistika Dalam Kajian Deskriptif. Nonparametrik. Penerbit Kencana Pernada Media Group. Jakarta Supranto. J. 1992. Statistika Teori dan Aplikasi. Rineka Cipta Jakarta. Supranto. J. 1997. Metode Riset. Rineka Cipta Jakarta. Supranto. J. 2004. Tehnik Analisi Multivariat. Rineka Cipta Jakarta. Sudrajat. 2001. Statistika Sosial. Fakultas Pertanian Universitas Padjajaran. Bandung Iferensial. dan

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->