UJI PRASYARAT ANALISIS Wahyu Widhiarso Fakultas Psikologi UGM
Latar Belakang PENGANTAR • Beberapa formula statistika disusun berdasarkan asumsi-asumsi tertentu. Formula tersebut dapat menggambarkan sebuah fenomena ketika asumsi-asumsi tersebut terpenuhi. • Oleh karena itu, jika kita memakai formula tersebut maka data kita diharapkan sesuai dengan asumsi sebuah formula. CONTOH BERLAKUNYA ASUMSI • Rumus A2+ B2= C2 dapat dipakai menjelaskan panjang sisi segitiga siku-siku jika segitiga tersebut berada pada permukaan datar. Jika berada pada bidang lengkung maka rumus tersebut tidak dapat dikenakan.
1
UJI DISTRIBUSI NORMAL
DISTRIBUSI NORMAL
• •
Menurut pandangan statistika distribusi variabel pada populasi mengikuti distribusi normal Distribusi normal adalah bentuk distribusi yang memusat di tengah, mean, mode, dan median berada di tengah
2
DISTRIBUSI NORMAL
POPULASI
Pengujian distribusi normal bertujuan untuk melihat apakah sampel yang diambil mewakili distribusi populasi
Individu yang dikenai generalisasi hasil penelitian
SAMPEL Individu yang menjadi subjek penelitian
Jika distribusi sampel adalah normal dapat dikatakan sampel yang diambil mewakili populasi
UJI DISTRIBUSI NORMAL • Merupakan syarat untuk semua uji statistik • Tujuan. Untuk melihat apakah sebaran data mengikuti pola seperti kurva normal • Cara. Membandingkan data empirik dengan data ideal • Jenis Uji. Kolmogorov-Smirnov One Samples – Ho : tidak terdapat perbedaan antara data empirik dengan data teoritik – Ha : terdapat perbedaan antara data empirik dengan data teoritik • p>0.05 Æ Ha ditolak (normal) • p<0.05 Æ Ha diterima (tidak normal)
3
UJI DISTRIBUSI NORMAL
OBSERVED
EXPECTED
• PRINSIP UJI DISTRIBUSI NORMAL adalah membandingkan antara distribusi data yang didapatkan (observed) dengan distribusi data normal (expected). • Jika hasil uji menunjukkan TIDAK ADA PERBEDAAN antar kedua distribusi tersebut (p>0,05), maka dapat dikatakan distribusi data yang kita adalah normal
UJI DISTRIBUSI NORMAL ANALISIS MELALUI SPSS • Cara Pertama – ANALYZE Æ NON PARAMETRIC TEST Æ 1-SAMPLE KS – Masukkan variabel yang hendak diuji (skor total variabel)
• Cara Kedua – ANALYZE Æ DESCRIPTIVE Æ EXPLORE – Masukkan variabel yang hendak diuji (skor total variabel) dalam kotak dependen list – Klik PLOT lalu klik NORMALITY PLOT WITH TEST
MEMBACA HASIL SPSS •
Lihat nilai KS-Z – Jika p>0.05 maka data berdistribusi normal – p<0.05 maka data tidak berdistribusi normal
4
UJI DISTRIBUSI NORMAL YANG DILAKUKAN JIKA DATA TIDAK BERDISTRIBUSI NORMAL • Menambah Jumlah Sampel – Sampel besar lebih mendukung distribusi normal dibanding dengan sampel yang kecil • Menyisihkan Outliers – Outliers adalah skor yang nilainya ekstrim karena sangat jauh berbeda dengan skor pada umumnya – Keberadaan outliers dapat merusak distribusi • Memisah Berdasar Kategori – Terkadang distribusi normal mengacu pada kategori tertentu, sehingga untuk mengujinya kita perlu membagi skor berdasarkan kategori yang ada (misal, jender, status) • Normalisasi Data/Transformasi Data – Terkadang dalam ekspresi yang lain data dapat menunjukkan distribusi normal. Ekspresi ini didapatkan dengan mentransformasikan data (misal, kuadrat, log-10)
UJI HUBUNGAN LINIER
5
UJI HUBUNGAN LINIER • Sebagian besar rumus statistika menghendaki adanya hubungan antar variabel psikologis yang mengikuti garis linier • Hubungan linier adalah hubungan yang menunjukkan peningkatan skor satu variabel diikuti dengan peningkatan variabel lainnya, atau sebaliknya • Hubungan linier dapat bersifat positif atau negatif • Adakah hubungan antar variabel yang tidak bersifat linier?
UJI HUBUNGAN LINIER Y
Y
X
X
Hubungan Linier
Hubungan Log
Y
Y
X Hubungan Kuadratik
X Hubungan Eksponensial
6
UJI HUBUNGAN LINIER • Merupakan syarat untuk semua uji hipotesis hubungan • Tujuan. Untuk melihat apakah hubungan dua variabel membentuk garis lurus (linier) • Cara. Membandingkan data empirik dengan data ideal • Jenis Uji. Anova – Ho : tidak terdapat penyimpangan hubungan kedua variabel dari garis linier – Ha : terdapat penyimpangan hubungan kedua variabel dari garis linier • p>0.05 Æ Ha ditolak (linier) • p<0.05 Æ Ha diterima (tidak linier)
UJI HUBUNGAN LINIER •
•
UJI LINIERITAS MELALUI SPSS – Masuk ke menu COMPARE MEAN Æ MEANS – Masukkan variabel ke VARIABEL DEPENDEN dan VARIABEL INDEPENDEN – Pilih menu OPTION Æ klik ANOVA TABLE dan LINEARITY TEST MEMBACA HASIL ANALISIS SPSS ANOVA Table
Sikap terhadap Perubahan * Knowledge Sharing
Between Groups Within Groups Total
(Combined) Linearity Deviation from Linearity
Sum of Squares 3177,792 7,340 3170,452 5721,648 8899,440
df 39 1 38 60 99
Mean Square 81,482 7,340 83,433 95,361
F ,854 ,077 ,875
Sig. ,696 ,782 ,666
– Lihat baris DEVIATION FROM LINEARITY • Jika p>0,05 maka hubungan linier terbukti • Jika p<0,05 maka hubungan linier tidak terbukti
7
UJI HUBUNGAN LINIER • PRINSIP UJI LINIERITAS adalah melihat apakah penyimpangan garis hubungan antar data menjauhi atau mendekati garis linier
DEVIATION FROM LINEARITY JIKA PENYIMPANGANNYA BESAR (signifikan) maka p<0,05 sehingga dapat dikatakan hubungannya tidak linier JIKA PENYIMPANGANNYA KECIL (tidak signifikan) maka p>0,05 sehingga dapat dikatakan hubungannya linier
UJI HUBUNGAN LINIER • Yang dilakukan jika data tidak berdistribusi normal – Menyisihkan Outliers – Memisah Berdasar Kategori – Normalisasi Data/Transformasi Data
8
UJI HOMOGENITAS
UJI HOMOGENITAS VARIAN • Merupakan syarat untuk semua uji hipotesis perbedaan • Tujuan. Untuk melihat kategori di dalam variabel memiliki varian yang setara (equal/homogen) • Cara. Membandingkan data empirik dengan data ideal • Jenis Uji. Levene Test – Ho : tidak terdapat perbedaan varian antar kategori di dalam variabel – Ha : terdapat perbedaan varian antar katagori di dalam variabel • p>0.05 Æ Ha ditolak (homogen) • p<0.05 Æ Ha diterima (tidak homogen)
9
UJI HOMOGENITAS
Self-Esteem
Self-Esteem a Levene's Test of Equality of Error Variances
Descriptive Statistics Dependent Variable: Self Esteem Jenis Kelamin Laki-laki Perempuan Total
Mean 46,74 34,78 40,76
Std. Deviation 10,398 2,252 9,599
Dependent Variable: Self Esteem N 50 50 100
F 56,117
df1
df2 1
98
Sig. ,000
Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept+gender
10
