19/04/2013. Deskriptif. Statistik. Parametris. Inferensial. Non Parametris. Gambar : Macam-macam statistik (Sugiyono, 2003)

Transkripsi

1 Statistik Deskriptif Inferensial Parametris Non Parametris Gambar : Macam-macam statistik (Sugiyono, 2003) 1

2 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

3 Sumber: Sopiyudin Dahlan.,2012 Sumber: Sopiyudin Dahlan.,2012 3

4 Sumber: Sopiyudin Dahlan., Skala Pengukuran: Kategorik & Numerik 2. Jenis Hipotesis: Komparatif Korelatif 3. Jumlah Kelompok: 2 Kelompok Lebih 2 dari Kelompok. 4

5 Dibedakan atas Kategorik dan Numerik Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam klasifikasi skala pengukuran antara lain: Kategorik dan Non- Kategorik 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

6 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

7 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: Uji t berpasangan (Paired t-test) 2 Kelompok Tidak Berpasangan: Uji t tidak berpasangan (Independent t-test) 7

8 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

9 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 0,00-0,199 = Sangat Rendah 0,20-0,399 = Rendah (Riduwan,2010) 0,40-0,599 = Sedang 0,60-0,799 = Kuat 0,80-1,000 = Sangat Kuat 9

10 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

11 1. Membandingkan nilai r hitung dengan nilai r tabel. 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. 2. Membandingkan Harga Signifikansi (p). 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