WORKSHOP STATISTIKA PENELITIAN KEPENDIDIKAN 2016
Oleh: Dr. Endang Susilaningsih, MS. NIP: 195903181994122001 NIDN: 0018035906 CP: 081578702326
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI SEMARANG Agustus 2016
A. PENDAHULUAN Statistika Penelitian Kependidikan Didefinisikan sebagai: Ilmu yang mempelajari pengumpulan , pengolahan, dan penyajian data yang berkaitan dengan penelitian kependidikan. Memilih statistika untuk statistik uji dalam analisis data pada penelitian kependidikan memerlukan pengetahuan pendukung yang kompleks, di antaranya jenis penelitian, tujuan penelitian, pengetahuan statistika yang meliputi distribusi data kontinu (distribusi t, distribusi z, distribusi F dan distribusi χ2), statistik uji untuk uji hipotesis, satatistika korelasi (korelasi product moment, korelasi biserial, korelasi point biserial, dan korelasi spierman Brown), statistika regresi (regresi sederhana, regresi ganda, dan multi regresi, serta statistika anava (anava satu jalur, anava dua jalur, dan multivariat). Teknik analisis data penelitian kependidikan sangat ditentukan oleh jenis penelitian, instrumen penelitian, dan kriteria instrumen penelitian yang harus dipenuhi. Setiap jenis penelitian kuantitatif tertentu mempunyai karakter instrumen dan teknik analisis yang sesuai dengan jenis penelitiannya. Keterampilan menyususn instrumen penelitian, memilih statistik uji, dan menentukan teknik analisis data merupakan faktor penting yang menetukan kualitas peneitian. Faktor-faktor penentu kualitas penelitian tersirat dalam judul penelitian. Judul penelitian harus bersumber pada permasalahan yang nyata, yang benar-benar hasil observasi, dan kajian jurnal hasil penelitian,, serta kajian isu-isu pendidikan nasional maupun internasional, yang dirumuskan sesuai kriteria judul penelitian kependidikan yang baik. Ini berarti masalahnya tidak dibuat-buat, sehingga judul penelitian akan menggambarkan solusi pemecahan masalah yang nyata, yang dirumuskan sesuai kriteria judul penelitian kependidikan yang baik. Judul penelitian yang baik menggambarkan tujuan penelitian, metode penelitian, variabel penelitiannya jelas, jenis penelitian, instrumen penelitian, hipotesis, dan teknik analisis data. Bagaimanakah dengan judul proposal skripsi mahasiswa bimbingan masing-masing? Tulis dan analisislah apakah sudah memuat kriteria judul skripsi yang baik seperti tersebut di atas! Contoh judul proposal skripsi: PENGEMBANGAN INSTRUMEN PENILIAIAN PRAKTIKUM TITRASI ASAM-BASA BERBASIS EVALUASI OTENTIK UNTUK MENGUKUR KETERAMPILAN LABORATORIUM SISWA KELAS XI (cobalah untuk menganalisis judul tersebut)
B. Populasi, Sampel, dan Teknik Sampling Populasi: objek penelitian yang jumlah anggotanya besar sesuai apa yang ada di lapangan. Parameter populasi: jumlah anggota dengan notasi N, rerata dengan notasi , simpangan baku dengan notasi , variansi dengan notasi
2
, dan proporsi
dengan notasi . Sampel: bagian dari populasi yang mewakili (representatif), parameter sampel: jumlah anggota notasi n, rerata = x, simpangan baku= s, variansi = s2 , dan proporsi = p Teknik sampliang: dibedakan menjadi dua bagian besar yaitu: 1. Sampling non probalitas: a. Sampling seadanya b. Sampling dengan pertimbangan (purposive sampling) 2. Sampling dengan propbabilitas a. Random Sampling b. Cluster Random Sampling c. Stratified Random Sampling d. Proportion Random Sampilng e. Stratified Proportion Random Sampling Persyaratan yang harus dipenuhi untuk pengambilan sampel dengan teknik probabilitas adalah: 1). Uji normalitas data populasi, artinya sampel secara random harus diambil dari populasi yang datanya berdistribusi normal. Uji ini juga menentukan statistik untuk analisis data penelitian, jika populasi berdistribusi normal, analisisnya menggunakan parametrik, jika tidak berdistribusi normal maka menggunakan statistika non parametrik 2). Uji hogenitas data populasi, artinya populasi harus mempunyai rataan dan varian yang sama, sehingga homogenitasnya sama.
C. HIPOTESIS Yang dimaksud dengan hipotesis adalah dugaan/jawaban sementara yamg harus dibuktikan kebenaraanya, pada umumnya orang mengelompokkan hipotesis menjadi dua jenis, yaitu hipotesis nol (null hypothesis) dan hipotesis alternativ (alternative hypothesis) dengan notasi Ha.
Hipotesis nol menyatakan tidak
adanya perbedaan, atau tidak adanya korelasi, tidak adanya hubungan.
Sebaliknya hipotesis alternative menyatakan adanya perbedaan, adanya korelasi, atau adanya hubungan. Hipotesis nol diberi notasi Ho dan hipotesis alternative diberi notasi Ha. Penolakan hipotesis nol mengakibatkan penerimaan hipotesis alternative.
Pengujian
hipotesis
dalam
pelaksanaan
penelitian,
peneliti
berkeinginan menolak Ho dan ingin menerima Ha. Notasi yang digunakan untuk hipotesis nol adalah = ;
≤ ;
dan
≥ , sedangkan notasi untuk hipotesis
alternative adalah ≠ ; > ; atau < . Ini berarti ada tiga tipe pasangan hipotesis Tipe 1: Ho →
= c ; Ha → ≠ c menggunakan dua pihak (two tail)
Tipe 2: Ho → ≤ c ; Ha → > c menggukan satu pihak sebelah kanan
Tipe 3 Ho →
≥ c ; Ha →
< c menggunakan satu pihak sebelah kiri
1. Tipe kesalahan a. Kesalahan tipe 1: kesalahan yang terjadi ketika peneliti menolak Ho, pada hal seharusnya Ho tersebut benar. b. Kesalahan tipe 2 : kesalahan yang terjadi ketika peneliti menerima Ho, pada hal seharusnya Ho tersebut tidak benar. Peluang terjadinya kesalahan tipe 1 dilambangkan dengan α dan disebut tingkat signifikansi, peluang terjadinya kesalahan tipe 2 dilambangkan dengan
dengan
kuantitas (1- ) yang disebut kekuatan uji hipotesis tersebut. Pengujian hipotesis dalam penelitian sangat diinginkan untuk memperoleh α maupun yang kecil. Peneliti harus menentukan α lebih dulu, untuk penelitian kependidikan pada umumnya menentukan α = 5% atau 0,05 2.
Prosedur Uji Hipotesis Langkah-langkah uji hipotesis sebagai berikut:
a. Rumuskan Ho dan Ha nya, rumuskan Ho lebih dulu, kebaikannya adalah Ha b. Tentukan taraf signifikansi (α) yang akan digunakan uji hipotesis c. Pilih statistik uji yang cocok untuk menguji hipotesis yang telah dirumuskan d. Komputasi: menghitung statistik uji yang sesuai berdasarkan data observasi yang diperoleh dari sampel. Perhitungan statistik uji dapat dilaukan secara manual ataupun paket program statistik yang sudah tersedia.
e. Tentukan nilai kritik dan daerah kritik berdasarkan tingkat signifikansi yang telah ditetapkan. Penentuan nilai kritik dan daerah kritik berdasarkan statistik uji yang dipilih dengan melihat tabel statistik yang bersesuaian. f. Tentukan keputusan uji mengenai Ho, apakah Ho ditolak atau diterima. Kriteria penolakan Ho bila nilai statistik uji merupakan elemen daerah kritik dan sebailknya. g. Tulislah kesimpulan berdasarkan keputusan uji yang diperoleh dengan kalimatkalimat yang bersesuaian dengan keputusan uji hipotesis 3. Contoh: uji hipotesis untuk melihat apakah rataan nilai kimia siswa SMA kelas XII lebih dari 65, secara random dari populasinya diambil 12 siswa dengan rataan nilai 74,33 jika diambil α = 1% dengan asumsi populasi berdistribusi normal, bagaimana kesimpulan penelitian tersebut. Solusi a. Ho →
≤ 65
Ha →
> 65
b. α = 1% = 0,01 c. Statistik uji → t hit =
d. Komputasi :
t hit =
⁄√
,
⁄√
,
=
, ,
⁄ ,
= 2,572
e. Daerah Kritik: DK = {t | t hit > t tabel } t tabel = t 0,01; 11 = 2,718 →
t hit bukan elemen DK →Ho diterima t hit < t tabel → Ho diterima
f. Rataan nilai kimia siswa kelas XII SMA tidak lebih dari 65 secara signifikan. 4. Uji Hipotesis Mengenai Rataan Pengujian hipotesis mengenai rataan berkaitan dengan uji kesamaan rataan atau uji beda rataan untuk populasi-populasi yang indipenden, dan beda rataan untuk data berpasangan. Persyaratan untuk memilih formula statistik uji adalah rataan populasi ( )
dan simpangan baku populasi ( ) atau variansi populasi ( 2).
Formula statistik uji dapat dilihat pada Tabel 2
Tabel 2: Statistik uji mengenai rataan
μ = μ0
H0
Persyaratan Populasi normal, σ2 diketahui
μ = μ0
Populasi normal σ2 tak diketahui
Statistik Uji x − = ~N(0,1) ∕√
x −
= μ1 – μ2 = d0 d0 = bilangan tertentu
Populasi-populasi normal dan independen, σ12 dan σ22 diketahui
~ ( − 1)
∕√
(x − x ) −
=
~N (0,1)
+ μ1 – μ2 = d0
Populasi-populasi normal dan independen, σ12 dan σ22 tak diketahui, σ12 = σ22 = σ
=
x − x
−
1
1
= μ1 – μ2 = d0
Populasi-populasi normal dan independen, σ12 dan σ22 tak diketahui, σ12 ≠ σ22
(
+
~t (
− 1)
− 2)
+ ( − 1) + −2
x − x
=
+
−
~t ( )
+
=
( ⁄ + ⁄ ) ( ⁄ ) ( ⁄ ) + − 1 −1 (Walpole, 1982 : 311)
μ D = d0
Data populasi berpasangan, populasi-populasi normal, σ2 tak diketahui
= =
D −
~t ( − 1)
∕√ =
−
D. Statistika Penelitian Kependidikan Statistika yang banyak digunakan dalam penelitian kependidikan yaitu: 1. Distribusi data kontinu a. Distribusi normal baku (distribusi z), aplikasinya menggunakan tabel z Distribusi z berbentuk kurva Gaus seperti lonceng dengan luas kurva 100%, atau satu satuan yang simetris. Kurva distribusi z dapat dilhat pada Gambar 1.
Gambar 1: Kurva Distribusi z
Transformasi skor/nilai hasil pengamatan ke skor baku z menggunakan formula x − μ = σ Keterangan: Z = skor baku X = skor hasil pengamatan μ = rerata populasi σ = simpangan baku populasi Distribusi z dapat digunakan untuk: meranking, uji hipotesis, dan job analisis.
b. Distribusi Student (t), aplikasinya menggunakan tabel t, Bentuk distribusi t hampir sama dengan distribusi z seperti pada Gambar 2
Gambar 2: Kurva Distribusi t
Distribusi t digunakan untuk: meranking, uji hipotesis, uji kesamaan rerata, kesamaan varian, dan kesamaan proporsi. Uji peningkatan rerata pada prediksi keefektifan suatu perangkat.
c. Distribusi chi kuadrat (χ2), aplikasinya menggunakan tabel χ2 Bentuk kurva distribusi χ2 condong kekanan, seperti pada Gambar 3.
Kurva distribusi χ2 dengan α = 5% atau α = 0,05
Kurva distribusi χ2 dengan derajad kebebasan (df) yang berbeda
Kurva distribusi χ2 dengan probabilitas = p
Gambar 3: Kurva Distrubusi χ2 Distribusi χ2 digunakan untuk uji hipotesis, uji normalitas data populasi d. Distribusi F, untuk aplikasi menggunakan tabel F Kurva distribusi F hampir sama dengan kurva distribusi χ2, condong kekanan digunakan untuk uji hipotesis pada analisis korelasi, regresi, dan anava, untuk kepentingan analisis populasi digunakan pada uji homogenitas data populasi, uji homogenitas kelas eksperimen dan kelas kontrol pada analisis penelitian eksperimen. Bentuk kurva distribusi F dapat dilihat pada Gambar 4.
2. Statistika Korelasi a. Korelasi product moment, dengan formula
Keterangan r = rxy = koefisien korelasi product moment x = skor kelas eksperimen y = skor kelas kontrol n = jumlah sampel b. Korelasi biserial, dengan formula:
r rbis f (z)
px f (z)
Y1 Y
Y
1 2
e
z2 2
Keterangan: r = r bis = koefisien korelasi biserial y = rerata skor kelas eksperimen y = rerata skor kelas kontrol y
= varian y
px = luas daerah pada kurva distribusi z z dihitung dari pxr Persamaan korelasi biserial yang sudah diturunkan menjadi
=
=
(
)
Keterangan: r = r bis = koefisien korelasi biserial y1 = rerata y pada kategori pertama y = rerata y pada kategori kedua p = proporsi pengamatan kategori pertama =
q = proporsi pengamatan kategori kedua = 1- p u = tinggi ordinat luasan pada kurva normal yang luasnya = p harganya dapat dilihat pada tabel ordinat kurva normal sy = simpangan baku seluruh y, baik kategori pertama maupun kedua
c. Korelasi point biserial, dengan formula
r rpbis
px 1 p x
Y1 Y
Y
2
Y Y Y n n
2
Keterangan: r = rpbis = koefisien korelasi point biserial y = rerata skor kelas eksperimen y = rerata skor kelas kontrol y
= varian y
px = proporsi yang menjawab benar
d. Korelasi Spearman dengan formula:
r=1−
6 ( − 1)
Keterangan: r = koefisien korelasi Spearman n = jumlah item d = selisih ranking/peringkat
3. Statistika Regresi a. Regresi Sederhana dengan formula =
+ x+Ɛ
0
Keterangan: y = variabel terikat/variabel respon x = variabel bebas/variabel prediktor 0=
suku tetap, yang merupakan rataan populasi jika x=0
Ɛ = galat random (random error) dari y pada pengamatan ke- i = koefisien regresi merupakan efek perubahan variabel bebas kepada Variabel terikat. 1) Estimasi regresi sederhana menggunakan persamaan: = b0 + bx atau a=
(
) (
) (
(
= a + bx )(
)
(
b=
)
) (
(
)(
)
)
persamaan regresinya : y = a + bx menjadi y=
(
) (
) (
(
)( )
)
+
(
) (
(
)( )
)
x
untuk mengetahui seberapa baik variabel bebas dapat memprediksi variabel terikat, diperlukan beberapa variansi ( variansi total/ (JKT), jumlah kuadrat regresi (JKR), dan jumlah kuadrat galat/error (JKG) JKT = JKG =
-
(
)
JKR= a ( y) + b ( xy) -
- a ( y) - b ( xy) atau JKG = JKT- JKR
(
)
2) Koefisien determinasi (D) Koefisien determinasi (coefficient of determination) regresi linear antara x dan y disajikan dengan D atau r2 ,
r2 =
3) Kesalahan baku taksiran: disajikan dengan sy.x = 4) Kesalahan baku koefisien regresi: disajikan dengan sb = Dengan Σ 2 = Σ
-
(
.
)
5) Keberartian regresi: untuk melihat signifikansi regresi digunakan pendekatan anava dengan menggunakan JKT, JKR dan JKG, derajad kebebasan untuk masing-masing rataan kuadrat itu = n-1, dan n-2, berturut-turut. Rataan kuadrat diperoleh dengan formula: RKR =
dan RKG =
Statistik ujinya adalah Fhit =
yang merupakan variabel random
berdistribusi F dengan derajat kebebasan 1 dan n-2 6) CONTOH ANALISIS REGRESI Carilah persamaan Garis Regresi y pada x dari data pada Tabel 1 Tabel 1: data nilai Mat dan Fis siswa kelas XI. Nilai mat (X) 60 45 50 60 50 65 60 65 50 65 45 50 X=
Nilai Fis (Y)
xy
X2
Y2
80 69 71 85 80 82 89 93 76 86 71 69
4800 3105 3550 5100 4000 5330 5340 6045 3800 5590 3195 3450 XY=
3600 2025 2500 3600 2500 4225 3600 4225 2500 4225 2025 2500 X2=
6400 4761 5041 7225 6400 6724 7921 8649 5776 7396 5041 4761 Y2=
Y=
1. a =
2. b =
3. persamaan garis regresi Y = 4. JKT=
JKR=
JKG=
5. Koefisien determinasi= 6. sy.x =
sb
=
7. Ujilah keberartian hubungan linear antara X dan Y.... b. Regresi ganda dengan formula =
0
+
1x1
+ 2x2 +Ɛ
1 = koefisien regresi pada x1 2 = koefisien regresi pada x2
c. Multi regresi dengan formula =
0
+
1x1
+ 2x2 + 3x3 +
4x4
+... +
nxn + Ɛ
4. Statistika Analisis Varian (anava) Dibicarakan prosedur untuk menguji secara serentak apakah k populasi mempunyai rataan yang sama. Prosedur uji hipotesis ini disebut analisis variansi (ANAVA). Jika dikaitkan dengan rancangan eksperimen prosedur uji ini bertujuan untuk menguji ada atau tidaknya perbedaan efek beberapa perlakuan terhadap variabel terikat. Jika hanya ada satu variabel bebas, maka analisisnya menggunakan anava satu jalan (jalur), jika ada dua variabel bebas analisisnya menggunakan anava dua jalan (jalur), demikian seterusnya, sehinga dikenal anava 3 jalan, anava empat jalan, dan multi variat. a. Analisis varian satu jalan dengan sel sama Pada Analisis ini hanya ada satu variabel bebas yang berskala nominal. Misal variabel bebas tersebut mempunyai mempunyai k nilai atau klasifikasi. Pelaksanaan penelitian dengan teknik uji ini, diambil k sampel dengan masingmasing sampel berukuran sama, yaitu n. Masing-masing sampel diambil dari
populasinya sendiri-sendiri, sehingga dalam kasus ini terdapat k populasi. Peleksanaan penelitiannya masing-masing sampel mendapat perlakuan sendirisendiri, sehingga jika terdapat k sampel, berarti ada k perlakuan b. Persayaratan Analisis 1) Setiap sampel diambil secara random dari populasinya 2) Masing-masing populasi saling indipenden dan masing-masing data amatan saling indipenden di dalam kelompoknya. 3) Setiap populasi berdistribusi normal 4) Populasi-populasi mempunyai variansi dan rerata yang sama (sifat homogenitas populasi).
c. Model Data Anava satu jalan dengan sel sama, setiap data atau nilai Xij pada populasi dimodelkan dalam bentuk: Xij = j
j
+ Ɛij
adalah rataan pada populasi ke-j , Ɛij adalah deviasi Xij dari rataan
populasinya. Misalnya rataan dari seluruh data pada k populasi adalah , maka
j
dapat dinyatatakan sebagai: =
j
( μ − μ ) = 0 ;
=
+ αj biasanya αj disebut efek
perlakuanke-j terhadap variabel terikat pada populasi ke-j, model data atau nilai Xij pada populasi : Xij =
+ αj +Ɛij
Xij = data ke-i pada perlakuan ke-j = rataan dari seluruh data pada populasi (grand mean) αj = j – = efek perlakuan ke-j pada variabel terikat Ɛij = deviasi data Xij terhadap rataan populasinya, berdistribusi normal dengan rataan nol. Deviasi Xij terhadap rataan populasi disebut galat (error). k = cacah populasi (cacah perlakuan, cacah klasifikasi). Notasi dan tata letak data pada k sampel, berukuran n dapat dilihat pada Tabel 2. Tabel 2: Notasi dan tata letak data pada k sampel, berukuran n
perlakuan 1
2
3
...
k
X11
X12
X13 ... X1k
X21
X22
X23 ... X2k
...
...
...
Xn1
Xn2
Xn3 ... Xnk
Jumlah
Σ1
Σ2
Σ3 ...
Σk
Jumlah total
rataan
....
.....
...
...
Grand mean
... ....
...
Komputasi analisis varian menggunakan JKT, JKA, JKG, RKA, dan RKG. Statistik uji menggunakan Fhit =
d. Contoh: untuk melihat apakah obat sakit kepalajenis A, Jenis B, jenis C, jenis D, dan jenis E memberikan efek yang sama untuk menghilangkan rasa sakit kepala, obat tersebut diberikan kepada kelompok yang berbeda yang masing-masing kelompok beranggotakan 5 orang yang sedang sakit kepala. Kelompok 1 diberi obat A, kelompok 2 diberi obat B , kelompok 3 diberi obat C, kelompok 4 diberi obat D, dan kelompok 5 diberi obat E. Data pada Tabel 3. Jika α =5%, apakah dapat disimpulkan bahwa kelima obat sakit kepala tersebut memberikan efek yang sama? Tabel 3: Lama waktu hilangnya rasa sakit pada lima jenis obat
jumlah
A 5 4 8 6 3 26
rataan
5,2
n
Jenis obat sakikepala B C D E 9 3 2 7 7 5 3 6 8 2 4 9 6 3 1 4 9 7 4 7 39 20 14 33 7,8
Solusi: 1. Ho → Ha → 2. α = 5% 3. Statistik uji: Fhit = 4. Komputasasi;
4,0
2,8
6,6
G= 132 5,28
JKT = 52 + 42 + 82 + 62 ... + 72 -
( )( )
JKA = 262 + 392 + 202 + 142 + 332 -
=
( )( )
=
5 JKG = JKT – JKA RKA =
=
RKG =
=
Fhit =
=
5. Daerah Kritik: DK = {F| Fhit > Ftabel } Ftabel = Fα, k-1,N-k = F0,05, 4, 20 = 6. Keputusan : 7. Kesimpulan: e. Contoh soal anava satu jalan dengan sel tidak sama Seorang mahasiswa ingin mengetahui media pembelajaran yang baik untuk pembelajaran kimia karbon. Untuk keperluan tersebut mahasiswa mengujicobakan tiga jenis media pada kelas yang berbeda. Kelas A (diambil 7 orang) pembelajaran dengan Media I, kelas B (diambil 9 orang) dengan Media II, dan kelas C (diambil 8 orang) menggunakan media III. Setelah selesai pembelajaran para siswa tersebut diberikan tes yang sama, skor mereka seperti berikut, jika α = 5%, bagaimana kesimpulan penelitian tersebut? Kelas A : 97 81 74 82 74 80 87 Kelas B : 58 63 64 75 70 73 80 62 71 Kelas C : 63 92 72 70 64 70 62 81 f. Uji pasca anava Jika Ho ditolak peneliti hanya mengetahui bahwa perlakuan-perlakuan yang diteliti tidak memberikan efek yang sama, tetapi belum mengetahui manakah dari perlakuan-perlakuan itu yang secara signifikan berbeda dengan yang lain. Untuk itu perlu dilakukan uji pasca anava. Banyak cara uji pasca anava tetapi yang paling sederhana adalah metode Schiffe. Langkah-langkahnya sebagai berikut: 1) Identifikasi semua pasangan komparasi rataan yang ada, jika ada k perlakuan, maka ada
(
)
pasangan rataan dan rumuskan hipotesisnya
yang bersesuaian dengan komparasitersebut. 2) Tentukan tingkat signifikansi α ( sama dengan uji anavanya) 3) Carilah nilai statistik uji F dengan formula:
(
=
− 1
+
) 1
Fi-j = nilai Fhit pada perbandingan perlakuan ke-i dan perlakuan ke-j
= rataan pada sampel ke-i
= rataan pada sampel ke-j RKG = rataan kuadrat Galat = ukuran sampel ke-i = ukuran sampel ke-j
4)Tentukan Daerah Kritik dengan formula: DK = {F| Fhit > (k-1) Fα, k-1, N-k } 5) Tentukan keputusan uji untuk masing-masing komparasi ganda 6) Tentukan kesimpulan dari keputusan uji yang ada
g. Contoh uji pasca anava dengan metode Schiffe Setelah keputusan uji Ho ditolak, maka untuk menentukan (treatmen, media, bahan ajar, metode mengajar, atau strategi mengajar) manakah yang paling baik, dilakukan komparasi ganda dengan metode Schiffe: 1) Komparasi rataan, misal ada 3 jenis media, atau bahan ajar, atau perlakuan, maka ada 3 pasang hipotesis dapat dilihat pada Tabel 4 Tabel 4: Komparasi dan Hipotesis komparasi
Ho
Ha
1 vs
2
1
=
2
1≠
2
2 vs
3
2
=
3
2≠
3
1 vs
3
1=
3
1≠
3
2) α = 5% = 0,05 =
3) Statistik uji :
(
)
4) Komputasi : misal dari perhitungan diperoleh rataan (1) = 82,14; n=7 rataan (2) = 68,44; n = 9 ; dan rataan (3) = 71,75; n=8, sehingga diperoleh: =
(
, (
,
,
)
)(
)
=
, ,
= 10,20
=
=
(
, (
(
,
)
)(
)
,
)
)(
)
, ,
(
,
= =
,
= 0,64
, ,
= 5,56
,
5) Daerah Kritik: DK = {F| Fhit > (k-1) Fα, k-1, N-k } = {F| Fhit > (2) F0,05, 2, 21 } = {F| Fhit > (2) (3,47)} = {F| Fhit > 6,94} 6) Keputusan uji: Dengan membandingkan Fhit dengan daerah kritik, tampak bahwa perbedaan yang signifikan hanya antara
1 dan
2
7) Kesimpulan: Media A sama baiknya dengan media C, media B sama baiknya dengan media C, tetapi media A lebih baik dari media B E. STSTISTIKA NON PARAMETRIK. Statistika non parametric digunakan untuk analisis data penelitian kependidikan apabila data populasi tidak berdistribusi normal. 1. UJI KESAMAAN RERATA Notasi rerata pada analisis data dengan metode non parametrik λ (lamda). Statistik uji yang digunakan adalah χ2. Cara analisis: Masing-masing populasi diambil sampelnya, missal sampel I berukuran n1 reratanya = X1 sedangkan kelompok II sampel berukuran dan reratanya X2 …….. kelompok k berukuran nk dan reratanya = Xk kemudian dihitung rerata gabungan: X1 + X2 + ⋯ 1+ 2+⋯
X g =
KRITERIA :
χ2 hit
≤
χ2α; (v)
Xk
Berarti semua populasi mempunyai rerata yang
sama
χ
CONTOH :
=
(
−
)
+
(
−
)
+ ⋯
(
−
)
Dari populasi 1 diambil sampel berukuran 5 dengan data : 50 70 70 90 90 Dari populasi 2 diambil sampel berukuran 6 dengan data : 50 70 70 90 90 70 Akan kita lihat apakah kedua populasi tersebut berkualitas sama: SOLUSI: KELOMPOK 1 : rerata = ….. . KELOMPOK 2 : rerata = …….. Rerata gabungan = ………… KRITERIA : Harga :
χ
χ2 hit
≤
χ2α; (v)
= ……….
Kesimpulan : ……….
2. UJI TANDA Komparasi pengaruh terhadap suatu treatmen dapat dianalisis dengan uji tanda, untuk keperluan ini harus disediakan beberapa pasang individu, tiappasang harus terdiri atas individu yang ekivalen. Data individu pertama tiap pasangan disebut X, data individu kedua disebut Y, dari setiap pasang dibandingkan X terhadap Y. Jika X ˃ Y pasangan diberi tanda + sebaliknya jika X ˂ Y pasangan diberi tanda − Analisis dilakukan dengan menghitung tanda + dan tanda − analisis difokuskan pada yang jumlah tandanya sedikit yang disebut dengan h. KRITERIA : Tidak terdapat perbedaan terhadap pengaruh suatu treatmen apabila
h hitung ˂ h batas h hitung = banyaknya tanda ( + atau − ) yang jumlahnya lebih sedikit. Harga h batas dapat dilihat pada TABEL. Tabel yang tersedia hanya untuk h batas dengan ukuran 95 pasang data, untuk n > 95 harga h batas dapat dihitung dengan rumus: 1 h batas = ( − 1) − √ − 1 2 k = 1,2879 untuk α = 0,01 k = 0,9800 untuk
α = 0,05
