P. 1
PENGGUNAAN STATISTIK

PENGGUNAAN STATISTIK

|Views: 997|Likes:

More info:

Published by: Imam Prayogo Setiawan on Dec 15, 2010
Copyright:Attribution Non-commercial

Availability:

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

05/09/2013

pdf

text

original

PERAN STATISTIK DALAM PENELITIAN KUANTITATIF

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

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

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

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

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

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

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

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

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) .BEBERAPA PERSYARATAN (Contd) Untuk memakai uji t maka data variabel tergantung (dependent) harus terdistribusi secara normal (Asumsi I) atau memiliki jumlah subyek (sampel) yang besar.

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

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

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

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

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

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

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

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

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

jika data anda tidak homogen baca lajur Equal Variances not Assumed .205 dan Sign. p < .005 (Tidak Homogen) Jika data anda homogen baca lajur Equal Variances Assumed.005 (Homogen) Output F nilai sign. Berarti sampel tidak homogen Syarat Homogen: Output F nilai sign. Perhatikan Independent Sample T Test« Pada kolom Levene¶s Test for Equality Variances ada pilihan Equal Variances Assumed dan Equal Variances not Assumed. p > . = .009 Ini menunjukkan bahwa ada perbedaan varians skor keraguan setelah membeli antara pria dan wanita. Tertulis nilai F = 7.

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

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

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

74 95% Confidence Interval of The Difference Menunjukkan rentang nilai perbedaan yang ditoleransi.23 ± 22.49) = 22. Berarti taraf signifikan yang kita gunakan adalah p<.Data Tambahan: Mean Difference: Menunjukkan selisih mean antara pria dan wanita (45.005 Anda boleh saja menggunakan taraf kepercayaan lain (misalnya 99%) Caranya ubah angka pada menu options . Dalam hal ini toleransinya adalah 95%.

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 OK. lalu muncul kotak Menu ANOVA. akan muncul .ONE WAY ANAVA  Mengolah Data (Lihat Data 6) Klik menu Analyze« Compare Means« dan Analyze« Means« One Way ANOVA.

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

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

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

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

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

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

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

LANGKAHLANGKAH-LANGKAH 6.05 maka dapat dikatakan bahwa asumsi linearitas terpenuhi. berada di atas 0. Perhatikan ANOVA Table 7. Artinya tidak terjadi penyimpangan signifikan terhadap linearitas . Jika Deviation from Linearity sig.

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

01 maka pada output akan muncul tanda ** 6.LANGKAH UJI KORELASI 5. Jika korelasi signifikan pada . 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. deviations. Klik pada Flag of Significant Correlation untuk menampilkan signifikansi jika korelasi pada .05 maka akan muncul tanda *. Klik Continue untuk kembali ke kotak dialogue dan kemudian OK .

< 0. 2.878) maka arah korelasi adalah POSITIF 4.INTERPRETASI 1.05 (yang akan diberi lambang *) 3. Hipotesa diterima jika p sign. Lihat tabel Correlations. Jika nilai r positif (mis: r = . Jika nilai r negatif (mis: r = -.878) maka arah korelasi NEGATIF .

600: Korelasi Cukup kuat 0.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 0.800 ± 1.200 ± 0.400 ± 0.800: Korelasi Kuat 0.000: Korelasi Sangat Kuat .600 ± 0.400: Korelasi Lemah 0.

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)//-->