PERAN STATISTIK DALAM

PENELITIAN KUANTITATIF
JENIS STATISTIK
PARAMETRIK
 Terikat pada asumsi
 Jenis data adalah interval
dan ratio
 Umumnya digunakan
untuk sampel besar
 Data diambil secara
random
NON PARAMETRIK
 Tidak membutuhkan
asumsi
 Jenis data adalah nominal
dan ordinal
 Umumnya digunakan
untuk sampel kecil (tidak
mutlak)
APA ITU ASUMSI

Asumsi adalah kriteria yang harus dipenuhi oleh

suatu data yang telah disepakati sebelumnya.

Asumsi harus dipenuhi sebelum masuk ke dalam

pengolahan data statistik
JENIS ASUMSI

NORMALITAS
Diasumsikan bahwa data terdistribusi secara normal di
dalam sebaran kurva normalitas
Logikanya, semua data di muka bumi ini terdiri dari data
ekstrim dan data menengah (umum). Jadi di dalam
kelompok ada orang yang memiliki kecenderungan
sangat… (tinggi/rendah) dan yang biasa (normal
Secara jumlah maka yang ekstrem lebih sedikit daripada
yang normal
JENIS ASUMSI (Continued)
HOMOGENITAS
Diasumsikan bahwa data yang diperoleh harus bersifat
homogen, yaitu berbeda dari kelompok yang lain

 LINEARITAS
Diasumsikan bahwa dua data yang hendak dilihat
hubungannya memenuhi asumsi garis linear. Bahwa
kenaikan/penurunan nilai variabel X akan diikuti oleh
kenaikan/penurunan nilai variabel Y
APLIKASI DALAM PENELITIAN

NORMALITAS LINEARITAS
Untuk penelitian uji Untuk penelitian uji
perbedaan (komparasi) korelasi (hubungan)
Misalnya: Uji t dan Anava
Misalnya: Product
Moment, Korelasi
HOMOGENITAS Parsial dan Regresi
Untuk penelitian uji Sederhana/Berganda
perbedaan (komparasi)
Misalnya: Uji t dan Anava
T TES
 Digunakan untuk uji hipotesa komparasi
 Tergolong dalam uji Statistik Parametrik
 Memerlukan uji asumsi homogenitas dan normalitas
 Jenis Data:
1 Sampel (one sample t test)
2 Sampel Independen (independent sample t test)
2 Sampel Berhubungan (paired sample t test)
Lebih dari 2 sampel (anava)
BEBERAPA PERSYARATAN
Variabel dependent harus berbentuk data interval
atau ratio, sedangkan variabel bebasnya harus
berbentuk data nominal atau ordinal (kategori).
Jika variabel bebas bersifat interval maka harus
dikategorikan
Misalnya: variabel bebasnya adalah IQ, karena IQ
berbentuk interval maka harus dirubah menjadi
ordinal/nominal, misalnya IQ TInggi, Sedang dan
Rendah
BEBERAPA PERSYARATAN (Contd)
 Untuk memakai uji t maka data variabel tergantung
(dependent) harus terdistribusi secara normal (Asumsi I)
atau memiliki jumlah subyek (sampel) yang besar. Jika tidak
anda lebih baik menggunakan Statistik Non Parametrik
 Perbandingan jumlah sampel tidak terlalu berbeda. Misalnya
jika hendak melihat tingkat kecemasan antara pria dan
wanita, maka perbandingan jumlah pria dan wanita tidak
terlalu jauh berbeda atau setidaknya skor keduanya
homogen (asumsi II)
 JENIS T TEST

One Sample t test

Untuk menguji apakah skor yang kita tentukan
sendiri memiliki perbedaan secara signifikan
Misalnya: Apakah skor IQ saya yang 110 berbeda
dengan IQ siswa-siswa di kelas saya?
 JENIS T TEST (Continued)
 Between Subject (Sampel Independen)
Sampel independen adalah sampel yang didapatkan dari data yang
berasal dari subyek yang berbeda
Misalnya: perbandingan antar jenis kelamin (pria & wanita), tingkat
pendidikan (SMA & S1), dsb (ingat… hanya antar 2 kelompok)
Contoh Hipotesis:
Ada perbedaan depresi (dependent) antara laki-laki dan perempuan
(independent)
Penelitian eksperimen: Ada perbedaan Motivasi (dependent) antara
sebelum training dan sesudah training (dengan melihat perbedaan
skor pre dan post test) pada pria dan wanita (independent)
 JENIS T TEST (Continued)
 Between Treatment (Sampel Berhubungan)
Sampel berhubungan adalah sampel yang didapatkan dari
data yang berasal dari subyek yang sama
Misalnya: melihat perbedaan kepuasan kerja pegawai
(dependent) sebelum dan sesudah gaji dinaikkan
(independent)
Dalam eksperimen ada 1 kelompok yang sebelum
diberikan perlakuan diberikan pre test kemudian setelah
perlakuan diberikan post test
 PRAKTEK

Hipotesa: Terdapat perbedaan keraguan setelah

membeli antara laki-laki dan perempuan
Dependent Variabel: Keraguan setelah membeli
Independent Variabel: Laki-laki dan perempuan
 Siapkan Data (Lihat Data 1)
Masukkan data-data di Data Vieuw
Untuk memberikan nama buka Variable Vieuw
1. Pada kolom Name ketikkan nama variabel
2. Pada kolom Type umumnya adalah Numeric
3. Pada kolom Width ubah sesuaikan dengan
panjang karakter angka
4. Pada kolom Label Decimal sesuaikan angka, jika
pecahan gunakan 2 angka decimal, jika tidak ubah
menjadi 0
 Siapkan Data (Lihat Data 1)
5. Pada kolom Label (kosongkan saja)
6. Pada kolom Value
Untuk variabel independent, karena bersifat
kategori, berisikan simbol angka kepada variabel
tersebut,
Langkah:
Klik pada pojok kanan kolom Values
Akan muncul kotak Value. Pada Value ketik angka
1, kemudian pada kotak Label ketik kata Pria,
kemudian Add. Selanjutnya ketik angka 2 pada Value,
ketik kata Wanita pada kotak Label, lalu klik Add dan
terakhir klik OK
 Siapkan Data (Lihat Data 1)
6. Pada kolom Colums hanya menyesuaikan lebar
kolom berdasarkan nama variabel
7. Pada kolom Align untuk menempatkan angka
apakah menjorok ke kanan, kiri atau tengah
8. Pada kolom Measure, sesuaikan jenis data.
Jika data variebel independen adalah Nominal,
sedangkan data variabel dependent adalah
Scale
9. Jika sudah selesai klik lagi Data View
 Mengolah Data (Lihat Data 1)
Klik menu Analyze… Compare Means… dan Independent
Samples T Test, lalu muncul kotak Menu
Masukkan variabel dependent pada Test Variables dan
variebel independent pada Grouping Variables
Pada menu Group tekan define group, lalu muncul menu
kotak kecil. Krena jenis kelamin tadi di kode dengan angka
1 & 2, maka ketiklah angka 1 dan 2
Klik Continue kemudian Ok, maka Display Out akan muncul
 Membaca Data (Lihat Display Out)
Pada Display Out muncul Group Statistics yang
berisikan data Mean Score sikap keraguan setelah
membeli antara pria dan wanita. Jumlah N yang
terlibat dan Standard Deviation skor dan standar
Error
Tabel ini berguna untuk deskripsi data. Jika
penelitian anda bersifat deskriptif, maka dalam
pengolahan SPSS data seperti inilah yang akan
muncul
 Perhatikan Independent Sample T Test…
Pada kolom Levene’s Test for Equality Variances ada
pilihan Equal Variances Assumed dan Equal Variances not
Assumed. Tertulis nilai F = 7.205 dan Sign. = .009
Ini menunjukkan bahwa ada perbedaan varians skor
keraguan setelah membeli antara pria dan wanita. Berarti
sampel tidak homogen
Syarat Homogen:
Output F nilai sign. p > .005 (Homogen)
Output F nilai sign. p < .005 (Tidak Homogen)
Jika data anda homogen baca lajur Equal Variances
Assumed, jika data anda tidak homogen baca lajur Equal
Variances not Assumed
 Perhatikan Independent Sample T Test…
Karena data kita tidak homogen maka kita baca lajur sebelah bawah.
Tertulis sign. = .000, dengan nilai t = 28.147
Ingat konvensi umum:
Jika t hitung > t tabel, maka Ha diterima dan H0 ditolak
Jika t hitung < t tabel maka Ha diterima dan H0 ditolak
Di dalam SPSS kita tidak usah lagi melihat t tabel, tapi cukup melihat
taraf sign. Jika:
p sign. < .005 Ha diterima, H0 ditolak
p sign. > .005 ha ditolak, H0 diterima
KESIMPULAN:
Ha diterima, berarti ada perbedaan keraguan setelah membeli antara
pria dan wanita
 Perhatikan Independent Sample T Test…
Mana yang lebih ragu???
Perhatikan tabel Group Statistics, terlihat bahwa,
mean score pria (….) , wanita (….) dengan
demikian maka……
Karena hipotesa yang digunakan 2 arah, maka kita
tidak memerlukan analisis ini
Bagaimana jika hipotesa berbunyi:
“Ada perbedaan keraguan setelah membeli antara
pria dan wanita, dimana wanita lebih ragu daripada
pria”
Untuk menjawab ini perhatikan:
Hipotesa bersifat 1 arah (1 tailed)
Untuk itu nilai p sign. HARUS DIBAGI 2
Perhatikan perbandingan mean
APA KESIMPULAN ANDA?
Data Tambahan:
Mean Difference:
Menunjukkan selisih mean antara pria dan wanita (45,23 –
22.49) = 22.74
95% Confidence Interval of The Difference
Menunjukkan rentang nilai perbedaan yang ditoleransi.
Dalam hal ini toleransinya adalah 95%. Berarti taraf
signifikan yang kita gunakan adalah p<.005
Anda boleh saja menggunakan taraf kepercayaan lain
(misalnya 99%)
Caranya ubah angka pada menu options
ONE WAY ANAVA
 Mengolah Data (Lihat Data 6)
Klik menu Analyze… Compare Means… dan One
Way ANOVA, lalu muncul kotak Menu
Masukkan variabel dependent pada Dependent List
dan variebel independent pada Factor
Klik Option lalu checklist Descriptive dan
Homogenity of Variance Test kemudian klik
Continue kemudian klik OK, maka Display Out akan
muncul
 Membaca Data (Lihat Display Output)
Pada Display Out muncul Descriptive yang
berisikan data N, Mean Score, Standar deviasi dan
Standar Error Inovasi antara kelompok SMA, D3
dan S1
Tabel ini berguna untuk deskripsi data. Jika
penelitian anda bersifat deskriptif, maka dalam
pengolahan SPSS data seperti inilah yang akan
muncul
 Perhatikan Tes Homogenity of Variance…
Pada kolom Levene Statistics tertulis angka
…..dengan sign…….
Ini menunjukkan bahwa……….
Syarat Homogen:
Output F nilai sign. p > .005 (Homogen)
Output F nilai sign. p < .005 (Tidak Homogen)
 Perhatikan tabel ANOVA…
Ingat konvensi umum:
Jika F hitung > F tabel, maka Ha diterima dan H0 ditolak
Jika F hitung < F tabel maka Ha diterima dan H0 ditolak
Di dalam SPSS kita tidak usah lagi melihat F tabel, tapi
cukup melihat taraf sign. Jika:
p sign. < .005 Ha diterima, H0 ditolak
p sign. > .005 ha ditolak, H0 diterima
Hasil F = ……., dengan p …….
KESIMPULAN:
……………………………………
 Jika ada perbedaan diantara ketiga kelompok
yang menjadi pertanyaan adalah… “Yang mana
saja yang berbeda????”
 Untuk itu lanjutkan ke analisis Posthoc yang ada
pada menu One Way ANova
 Klik salah satu pilihan (Scheefe)
 Terlihat bahwa ………………..
UJI KORELASI

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

 CONTOH HIPOTESA
“Ada hubungan antara karir dengan kepuasan kerja

ANALISA DATA:
Hipotesa dua arah
(Karena tidak menyebutkan apakah arah korelasinya
POSITIF atau NEGATIF
LANGKAH-LANGKAH
UJI ASUMSI NORMALITAS
( Kolmogorov Smirnov di menu statistic non parametrics)

UJI ASUMSI LINEARITAS

1. Klik Analyze, Compare Means dan Means
2. Masukkan variabel berdasarkan urutannya, yang mana data ke
Dependent List dan yang mana ke Independent List
3. Klik options, lalu muncul menu Means: Options
4. Beri tanda checklist di depan test for linearity
5. Klik OK
LANGKAH-LANGKAH

6. Perhatikan ANOVA Table

7. Jika Deviation from Linearity sig. berada di atas
0.05 maka dapat dikatakan bahwa asumsi
linearitas terpenuhi. Artinya tidak terjadi
penyimpangan signifikan terhadap linearitas
LANGKAH UJI KORELASI
1. Klik Analyze ….Correlate … Bivariate (karena hanya 2
variabel)
2. Masukkan kedua variabel/data yang hendak diolah ke
dalam kotak Variables
3. Pada Correlation Coefficients klik di depan Pearson
karena data yang diolah adalah data dalam bentuk
Parametrik
4. Pada test of Significance, sesuaikan dengan hipotesa.
Jika 1 arah (sudah ada jenis hubungan) berarti kita
menggunakan One Tailed, namun jika masih hanya
melihat hubungan saja kita gunakan Two Tailed
LANGKAH UJI KORELASI
5. Klik pada Flag of Significant Correlation untuk
menampilkan signifikansi jika korelasi pada .05 maka
akan muncul tanda *. Jika korelasi signifikan pada .01
maka pada output akan muncul tanda **
6. Klik option maka akan muncul menu means and standard
deviation dan cross product deviations. Klik pada menu
means jika anda ingin mengetahui data deskriptifnya
7. Klik Continue untuk kembali ke kotak dialogue dan
kemudian OK
INTERPRETASI

1. Lihat tabel Correlations.

2. Hipotesa diterima jika p sign. < 0.05 (yang akan
diberi lambang *)
3. Jika nilai r positif (mis: r = .878) maka arah
korelasi adalah POSITIF
4. Jika nilai r negatif (mis: r = -.878) maka arah
korelasi NEGATIF
KEKUATAN r
Sejumlah ahli berusaha untuk membuat klasifikasi nilai r
signifikan untuk mengetahui apakah korelasi kuat atau
lemah
Misalnya:
0.001 – 0.200: Korelasi sangat lemah
0.200 – 0.400: Korelasi Lemah
0.400 – 0.600: Korelasi Cukup kuat
0.600 – 0.800: Korelasi Kuat
0.800 – 1.000: Korelasi Sangat Kuat