19/04/2013
Deskriptif
Statistik
Parametris
Inferensial Non Parametris Gambar : Macam-macam statistik (Sugiyono, 2003)
1
19/04/2013
Ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data menyebar/berdistribusi secara normal atau tidak. Digunakan untuk menganalisis Data yang berskala INTERVAL dan RASIO.
2
19/04/2013
Sumber: Sopiyudin Dahlan.,2012
Sumber: Sopiyudin Dahlan.,2012
3
19/04/2013
Sumber: Sopiyudin Dahlan.,2012
1.
Skala Pengukuran: Kategorik &
Numerik 2.
Jenis Hipotesis: Komparatif – Korelatif
3.
Jumlah Kelompok: 2 Kelompok – Lebih
2 dari Kelompok.
4
19/04/2013
Dibedakan atas Kategorik dan Numerik
Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam klasifikasi skala pengukuran antara lain: Kategorik dan NonKategorik atau Kualitatif dan Kuantitatif. Dalam program SPSS, digunakan istilah Scale untuk istilah Kuantitatif dan Nonkategorik. KATEGORIK: Nominal dan Ordinal NUMERIK: Interval dan Rasio
Sumber: Sopiyudin Dahlan.,2012
5
19/04/2013
Dibedakan menjadi 2 : Hipotesis Komparatif dan Hipotesis Korelatif. Hipotesis Komparatif: ◦ Perbedaan ◦ Pengaruh ◦ Efektivitas
Hipotesis Korelatif: ◦ Korelasi ◦ Hubungan
Pertanyaan Penelitian dengan Hipotesis Komparatif: ◦ Apakah terdapat perbedaan terjadinya kanker paru pada perokok dan bukan perokok?
Pertanyaan Penelitian dengan Hipotesis Korelatif: ◦ Berapa besar korelasi antara kadar trigliserida dan kadar gula darah ? ◦ Adakah hubungan antara kebiasaan merokok dengan kejadian kanker paru ?
6
19/04/2013
4.
Uji Korelasi Parsial (Partial Correlation)
5.
Uji Korelasi Ganda (Multiple Correlation)
6.
Uji Regresi (Regresion Test)
7.
Uji Regresi Ganda (Multiple Regresion Test)
2
Kelompok Berpasangan:
2
Kelompok Tidak Berpasangan:
◦ Uji t berpasangan (Paired t-test)
◦ Uji t tidak berpasangan
(Independent t-test)
7
19/04/2013
Korelasi
Product Moment
Korelasi
Ganda
Korelasi
Parsial
HIPOTESIS KORELATIF Merupakan DUGAAN adanya ‘hubungan’ antar variabel dalam populasi.
Hubungan antar Variabel “POSITIF” : apabila Nilai dari Satu Variabel ditingkatkan, maka akan meningkatkan variabel yang lain atau SEBALIKNYA. Contoh: Ada hubungan Positif antara Tinggi Badan dengan Kecepatan lari.
Hubungan antar Variabel “NEGATIF” : apabila Nilai dari Satu Variabel ditingkatkan, maka akan menurunkan nilai variabel yang lain atau SEBALIKNYA. Contoh: Ada hubungan Negatif antara Curah Hujan dengan Penjualan Es.
8
19/04/2013
Digunakan untuk Mencari Hubungan atau Membuktikan Hipotesis Hubungan antara Dua Variabel dengan Skala Data berbentuk INTERVAL atau RASIO
Lambang/Simbol = ‘r’ Kuatnya Hubungan (Koefisien Korelasi) =
-1 ≤ r ≤ +1
-1 s/d +1 (Paling Rendah = 0)
INTERPRETASI KOEFISIEN KORELASI (Riduwan,2010)
0,000,199 = Sangat Rendah
0,200,399 = Rendah
0,400,599 = Sedang
0,600,799 = Kuat
0,801,000 = Sangat Kuat
9
19/04/2013
Syarat Uji Pearson Product Moment:
Data berdistribusi Normal Skala Data Interval atau Rasio
RUMUS :
Cara Analisis dengan Program SPSS • Entry Data • Analyze Correlate Bivariate • Dst (Modul Praktikum)
10
19/04/2013
1.
Membandingkan nilai ‘r’ hitung dengan nilai ‘r’ tabel.
2.
Membandingkan Harga Signifikansi (p).
Bila nilai ‘t’ hitung Lebih Besar dari nilai ‘t’ pada tabel, maka berarti H0 ditolak dan Ha diterima. Dan sebaliknya. Melihat Tabel Interpretasi Koefisien Korelasi.
Bila harag ‘p’ < 0.05 ; berarti H0 ditolak dan Ha diterima. Dan sebaliknya.
Dilakukan suatu penelitian dengan tujuan untuk mengetahui ada tidaknya hubungan antara pendapatan dan pengeluaran. Untukkeperluan tersebut, maka telah dilakukan pengumpulan data terhadap100 responden yang diambil secara random. Berdasarkan 100 responden tersebut telah diperoleh data tentang pendapatan dan pengeluaran dengan Skala Data Numerik. Berdasarkan Kasus di atas, maka:
1. Bagaimanakah Rumusan Hipotesisnya ? 2. Teknik Analisis Data apa yang paling tepat digunakan untuk menguji Hipotesis tersebut bila Data berdistribusi secara Normal ? Berikan alasannya !
11