MODUL 6 STATISTIK NON PAREMETRIK

Transkripsi

1 MODUL 6 STATISTIK NON PAREMETRIK Materi Pembelajaran: statistik non parametrik, uji chi kuadrat, koefisien Spearman RankAlokasi WaktU2 x tatap muka perkuliahan (@ 3 x 50 menit) FAKULTAS EKONOMI UNIVERSITAS NAROTAMA

2 STANDAR KOMPETENSI Mampu menerapkan konsep statistik dalam aplikasi bisnis. KOMPETENSI DASAR Memahami statistik non parametrik, uji chi kuadrat dan koefisien spearman rank. INDIKATOR Kognitif a. Mahasiswa dapat menjelaskan statistik non parametrik. b. Mahasiswa dapat menghitung uji chi kuadrat. c. Mahasiswa dapat menghitung koefisien Spearman Rank. d. Mahasiswa dapat menganalisa statistik non parametrik. e. Mahasiswa dapat menganalisa uji chi kuadrat. f. Mahasiswa dapat menganalisa koefisien Spearman Rank. Psikomotor a. Mahasiswa dapat menjelaskan statistik non parametrik secara lisan di depan kelas. b. Mahasiswa dapat menghitung uji chi kuadrat secara tertulis di depan kelas. c. Mahasiswa dapat menghitung koefisien Spearman Rank secara tertulis di depan kelas. d. Mahasiswa dapat menganalisa statistik non parametrik secara tertulis di depan kelas. e. Mahasiswa dapat menganalisa uji chi kuadrat secara tertulis di depan kelas. f. Mahasiswa dapat menganalisa koefisien Spearman Rank secara tertulis di depan kelas. Afektif a. Mengembangkan perilaku karakter, meliputi: jujur, peduli, dan tanggungjawab. b. Mengembangkan keterampilan sosial, meliputi: menjadi pendengar yang baik, berpendapat, dan bertanya. Materi Pembelajaran statistik non parametrik, uji chi kuadrat, koefisien Spearman Rank Alokasi Waktu 2 x tatap muka perkuliahan (@ 3 x 50 menit) Model Pembelajaran Model: Pembelajaran langsung Metode Presentasi/ceramah, diskusi, dan kuis. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 79

3 URAIAN MATERI 1.1. Pengujian Statistik NonParametrik S tatistik terbagi menjadi dua bagian yaitu statistik deskriptif dan statistik Inferensia/ Induktif. Inferensia/ Induktif terbagi menjadi du bagian yaitu Statistik Parametri dan statistik nonparametrik. Pada bahasan ini kita akan membahas tentang statistik nonparametrik. Statistik NONPARAMETRIK adalah analisis yang tidak menggunakan parameter-parameter dan tidak mensyaratkan data harus berdistribusi normal. Pada analisis statistik parametrik menggunakan parameter-parameter seperti mean, deviasi standar, variansi. Statistik NONPARAMETRIK digunakan untuk menganalisis data yang bersekala nominal dan ordinal dari populasi yang bebas distribusi (tidak harus berdistribusi normal). Dalam banyak hal terkadang ditemui permasalahan, yaitu tidak semua data yang dianalisa berskala nominal dan ordinal, tetapi merupakan campuran antara ordial dan rasio, atau nominal dan ordinal atau rasio. Dalam hal ini maka yang diapai sebagai acuan adalah derajad data yang lebih rendah. Misalnya akan danalisa korelasi antara data ordinal dan data rasio, maka metode yang dipergunakan adalah data yang derajad lebih rendah yaitu data ordinal, dan metode yang dipilih adalah non parametrik. Sebagai gambaran dalam mengambil keputusan, metode apakah yang akan dipergunakan, berikut ini dibuatkan gambar diagram sebagai pedoman dalam penggunaan statistik non parametrik. 80 Agus Sukoco Santirianingrum Soebandhi

4 Start Tipe Data DATA NOMINAL/ORDINAL INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL Statistik Non Parametrik NORMAL JUMLAH DATA KECIL DATA <30 BESAR, DATA>30 Bisa pakai uji t jika distribusi populasi pasti normal STATISTIK PARAMETRIK Gambar 5.1. Penggunaan Metode Non Parametrik Sumber: singgih santoso 2004, hal 7 Deskriptif Statistik Inferensia NonParametrik Parametrik Gambar 6.1 Jenis-jenis Statistik Sumber Sugiyono, 2007:23 Sehingga Metode analisis NONPARAMETRIK menjadi metode analisis alternatif apabila salah satu atau keseluruhan persyaratan pada analisis parametrik tidak Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 81

5 terpenuhi, misalnya normalitas data, atau tidak terpenuhinya asumsi-asumsi tertentu. pada bab ini akan dibahas dua metode analisis non parametrik yaitu : 1. Analisis Chi Square 2. Korelasi Rank Spearman Soal Latihan : 1. Dalam Statistik inferensial dikenal dengan statistik Non Parametrik, jelaskan dengan singkat apakah yang dimaksud dengan statistik non parametrik dan berikan penjelasan mengapa seseorang menggunakan metode statistik non parametrik? 2. Dalam sebuah penelitian di dalam sebuah perusahaan, seorang peneliti mengambil berbagai data untuk bahan penelitiannya. diantara data yang diambil adalah sebagai berikut: a. Data hasil Test Masuk f. Data Prestasi Kerja b. Data Pendidikan terakhir c. Data Umur g. Data Kehadiran h. Data Pendapatan Perusahaan d. Data status Pernikahan e. Data Motivasi Kerja i. Data Beban Pengeluaran Perusahaan Berdasarkan data-data diatas, jika akan menggunakan metode statistik non parametri data manakah yang dapat dipergunakan? dan jelaskan mengapa dipilh data tersebut? Tugas: Membuat kelompok dengan jumlah antara 5 s/d 10 mahasiswa, dan indentifikasikan bersama sekelompokmu 10 data yang dapat dipergunakan untuk uji nonparametrik? dan berikan penjelasan megapa data tersebut dipergunakan? 82 Agus Sukoco Santirianingrum Soebandhi

6 1.2. CHI SQUARE ANALISIS (GOODNESS OF FIT TEST) Chi kuadrat (X 2 ; baca "kai kuadrat") atau sering disebut dengan goodness of fit test. Merupakan alat uji statistik yang digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua atau lebih kelas bila data berbentuk nominal dan sampelnya besar. Chi Square adalah analisis untuk mengetahui apakah distribusi data seragam atau tidak, Uji ini juga disebut uji keselarasan atau goodness of fit test. Chi kuadrat merupakan salah satu teknik statistik yang memudahkan peneliti menilai kemungkinan memperoleh perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang diharapkan dalam kategori-kategori tertentu akibat dari kesalahan sampling. Persamaan untuk menghitung nilai chi kuadrat adalah sebagai berikut: dimana, X 2 fo fh = Chi Kuadrat = Frekuensi sampel (frekuensi yang diperoleh dari hasil observasi sampel = Frekuensi harapan (frekuensi yang diharapkan dalam sampel sebagai pencerminan frekuensi yang diharapkan dalam populasi). Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan untuk menguji hipotesis komparatif 2 sampel atau 2 variabel yang berskala nominal. Pada modul ini pembahasan dan perhitungan menggunakan tiga metode yaitu, 1. Metode menghitung nilai chi square dengan persamaan chi square 2. Metode perhitungan SPSS dengan tabel Frekuensi 3. Metode peritungan SPSS dengan tabel data Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 83

7 Contoh 1 : Data dalam Tabel frekuensi Chi kuadrat untuk mengetahui apakah terdapat perbedaan suara yang signifikan diantara calon pada pemilihan Gubernur BEM fakultas Ekonomi Universitas Narotama periode tahun 2012 s/d terdapat tiga calon Gubernur Fakultas Ekonomi dengan perolehan suara sebagai berikut: No Nama Calon Jumlah Suara 1 David 85 2 Eko 40 3 Setyo 35 4 Venda 65 Sumber Data: Penyelesaian : 1. Persamaan : 2. Mencari fh = Frekuensi harapan maka fh = Mencari chi kuadrat untuk memudahkan pembayaran digunakan tabel penolong : CALON fo fh fo-fh (fo-fh) 2 David Setyo (16.25) Eko (21.25) Venda Total Agus Sukoco Santirianingrum Soebandhi

8 dengan tabel penolong diatas maka didapatkan nilai untuk chi kuadrat (x 2 ) adalah sebesar 28,78 4. Mencari Chi Kuadrat tabel dari data diatas diketahui bahwa jumlah calon = 5 dan jumlah variabel =2 maka dk untuk data tersebut adalah : dengan menggunakan alfa = 5% (0,05), didapatkan Chi kuadrat tabel (X 2 tabel ) adalah Tabel Chi Kuadrat, untuk alfa 5% dan alfa 10% 5. Pengambilan Keputusan dk 5% 10% Cara pengambilan keputusan adalah 1. Jika X 2 hitung > X 2 tabel, maka terjadi perbedaan perolehan suara 2. Jika X 2 hitung < X 2 tabel, maka tidak ada perbedaan perolehan suara Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 85

9 3. berdasarkan hasil diatas maka Jika X 2 hitung > X 2 tabel, yaitu 28,78 > , maka dapat diambil kesimpulan bahwa terdapat perbedaan yang signifikan dalam perolehan suara kelima calo tersebut diatas Perhitungan dengan SPSS Langkah langkah 1. Buka data view pada SPSS 2. Masukan data perolehan suara diatas pada sheet data view 3. Berikan identitas variabel pada variabel view 4. Proses Weight Cases pada variabel calon, dimaksudkan bahwa agar nilai dari nama calon mengacu pada jumlah suara. a. Buka menu Data pilih Weight Cases, pada weight cases by, pilih variabel Jumlah, pilih Ok 5. Proses Uji Chi Kuadrat a. Pada menu Data view, pilih menu Analize b. Pilih variabel Nama Calon c. Abaikan yang lainnya dan d. pilih Ok Tampilan Hasil SPSS NamaCalon Observed N Expected N Residual david setyo eko venda Total Agus Sukoco Santirianingrum Soebandhi

10 Test Statistics NamaCalon Chi-square a df 3 Asymp. Sig..000 a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is berdasarkan hasil di atas, dapat diketahui bahwa hasil kedua perhitungan adalah mendekati sama, yaitu 28,78 dan 28,778. Contoh 2 : Data dalam Tabel Data Sebagaimana dalam contoh 1, jika data belum diolah dalam bentuk tabel frekuensi, maka Untuk Data yang belum diolah dalam bentuk tabel Frekuensi, masih dalam bentuk tabel data. Langkah yang dilakukan adalah sebagai berikut: Langkah langkah 1. Buka data view pada SPSS 2. Masukan data perolehan suara diatas pada sheet data view Pada variabel view, pada value diisi dengan nilai nama calon.yaitu 1 untuk david,2 untuk eko, dst Berikan identitas value variabel pada variabel view, 1= david 2 = Setyo 3 = Eko 4 = Venda Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 87

11 3. Proses Uji Chi Kuadrat a. Pada menu Data view, pilih menu Analize b. pilih Non Parametric Test c. Pilih Legacy Dialog d. Pilih Chi square... Tampil dialog Box uji chi square e. pada Test Variable Test Pilih Data Calon a. Abaikan yang lainnya dan f. pilih Ok g. OutPut adalah sebagai berikut: Calon Observed N Expected N Residual David Setyo Eko Venda Total 225 Test Statistics Calon Chi-square a zz 3 mmmzmm<> 0020zzxsdcyd dsyfgf fddff df Asymp. Sig..000 Dari hasil diatas data diketahui bahwa hasil metode pertama dan metode yang kedua adalah sama. 88 Agus Sukoco Santirianingrum Soebandhi

12 Kesimpulan: 1. Perhitungan nilai Chi square dengan tiga metode yaitu Metode menghitung nilai chi square dengan persamaan chi square, Metode perhitungan SPSS dengan tabel Frekuensi dan Metode peritungan SPSS dengan tabel data mendapatakan hasil yang sama yaitu 28, 778, atau 28, Nila chi tabel pada alfa 5% atau 0,05 adalah sebesar , yang berarti bahwa perolehan suara calon Gubernur BEM Universitas Narotama adalah berbeda secara signifikan untuk 4 calon Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 89

13 Soal dan Tugas 1. Uji Chi Square sering disebut juga dengan goodness of fit test, jelaskanlah hubungan istilah tersebut dengan frekuensi harapan (fh) dari sebuah sampel penelitian? 2. Seseorang yang akan melukakan uji Chi Square, melakukan beberapa tahapan yaitu : a. Mengumpulkan data b. Membuat Tabel Data c. Membuat Tabel Frekuensi d. Menghitung Frekuensi Harapan e. Menghitung Chi Kuadrat f. Menghitung Chi Tabel g. Membuat Analisa Keputusan Dari uraian diatas, jika seseorang akan menghitung dengan menggunakan persamaan, langkah apakah yang belum disebutkan? dan uraiakanlah langkah untuk mencari Chi tabel? 3. Tugas, Carilah data tentang kesukaan teman-temanmu mahasiswa sebanyak 35 data dan buatlah perhitungan dan analisa uji chi kuadratnya? Referensi : 1. Nanang Martono, 2010, Statistik Sosial Teori dan aplikasi Program SPSS, Yogyakarta, Gava Media 2. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT Gramedia 90 Agus Sukoco Santirianingrum Soebandhi

14 Lampiran Tabel Data untuk SPSS Responden Calon dst dimana pada kolom data calon, nilai 1,2,3,4 adalah nilai kode untuk masing-masing calon yaitu, 1= david 2 = Setyo 3 = Eko 4 = Venda Data tersebut dimasukan dalam data view spss Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 91

15 Langkah ke 1, Input data ke data sheets SPSS Langkah ke 2, Memberikan nilai/ value data 92 Agus Sukoco Santirianingrum Soebandhi

16 Langkah ke 3, Uji Chi Square Langkah ke 4, Output Uji Chi Square Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 93

17 Output/ Hasil Uji Chi square SPSS Calon Observed N Expected N Residual David Setyo Eko Venda Total 225 Test Statistics Calon Chi-square a df 3 Asymp. Sig..000 a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is Agus Sukoco Santirianingrum Soebandhi

18 1.4. KORELASI RANK SPEARMAN eori Korelasi ini dikemukakan oleh Carl Spearman. Nilai korelasi ini disimbolkan dengan " " (dibaca: rho) atau dengan simbul r s. Korelasi Spearman digunakan pada data yang berskala ordinal semuanya atau sebagian data adalah ordinal. untuk itu sebelum dilakukan pengolahan data, data yang akan dianalisis perlu disusun dalam T bentuk ranking. Sehingga Korelasi Spearman merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif dua variabel bila datanya berskala ordinal (ranking). Pada pengukuran korelasi untuk dua data yang nominal, bisa dengan metode Cramer, Lambda dan sebagainya. Namun jika data yang yang diteliti tidak semuanya nominal, maka penggunaan metode-metode tersebut tidaklah tepat. Untuk data dengan tipe Ordinal yaitu data mempunyai urutan atau rangking, seperti sikap suka, Cukup Suka. Tidak Suka, peringkat 1,2,3 dst), ukuran korelasi yang digunakan bisa berupa Korelasi Spearman, Kendall, Somers, Gamma dan sebagainya. Pada suatu kasus, jika salah satu satu variabel mempunyai tipe ordinal dan yan lainnya data Rasio, maka diambil penggunaan metode dengan data yang lebih rendah derajatnya, pada kasus ini maka yang digunakan adalah korelasi Spearman. Hal ini sama jika akan dilakukan uji korelasi antara variabel bertipe nominal dengan ordinal, maka akan dipakai ukuran korelasi nominal, yaitu menggunakan uji korelasi Cramer, Lambda dan lainnya. Nilai Korelasi Spearman berada di antara -1 < < 1. Bila nilai = 0, berarti tidak ada korelasi atau tidak ada hubungan antara variabel independen dan dependen. Nilai = +1 berarti terdapat hubungan yang positif antara variabel independen dan dependen. Nilai = -1 berarti terdapat hubungan yang negatif antara variabel independen dan dependen. Dengan kata lain, tanda "+" dan "-" menunjukkan arah hubungan di antara variabel yang sedang dioperasionalkan. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 95

19 Uji signifikansi Spearman menggunakan Uji Z karena distribusinya mendekati distribusi normal. Kekuatan hubungan antar variabel ditunjukkan melalui nilai korelasi. Berikut adalah tabel nilai korelasi beserta makna nilai tersebut: Tabel, Makna Nilai Korelasi Spearman Nilai Makna 0,00-0,19 Sangat rendah / sangat lemah 0,20-0,39 Rendah / lemah 0,40-0,59 Sedang 0,60-0,79 Tinggi / kuat 0,80-1,00 Sangat tinggi/sangat kuat Sumber: nanang martono 2010, 225 Menghitung Korelasi Rank Spearman Persamaan 01: untuk nilai skor data tidak ada yang sama Persamaan 2, untuk data yang skornya ada yang sama (ties) dan dimana: 96 Agus Sukoco Santirianingrum Soebandhi

20 : nilai korelasi rank spearman. di n t : selisih ranking data ke i : jumlah sampel. : jumlah data yang sama Menentukan kriteria pengujian: Bila hitung > tabel, maka H 1 diterima. Bila hitung < tabel, maka H 0 diterima. Melakukan uji signifikansi menggunakan uji Z: ( ) Mengambil kesimpulan: Bila Z hitung > Z tabel, maka hubungan x dan y adalah signifikan. Bila Z hitung < Z tabel, maka hubungan x dan y adalah tidak signifikan. Contoh: Pada contoh kasus berikut ini mengg unakan kombinasi antara data ordinal dan data rasio. Diadakan penelitian hubungan antara skor Test, Prestasi Kerja, dan absensi pegawai sebuah perusahaan. digunakan metode rank spearman untuk mengukur hubungan antara variabel tersebut: Data hasil penelitian sebagaimana berikut ini: Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 97

21 No Pegawai Test Pegawai Prestasi Pegawai Tabel Data No Pegawai Test Pegawai Prestasi Pegawai Penyelesaian: 1. Uraian Data Pada kasus ini jenis data yang dipergunakan adalah kombinasi antara data ordinal dan data rasio yaitu : Variabel Test Prestasi Kerja Absensi Jenis Data Ordinal Ordinal Rasio Variabel Test, Prestasi dan Motivasi adalah data ordinal, dengan penilaian skor 100, skor 0, sangat jelek dan skor 100 sangat bagus. Dalam data ordinal perbedaan skor adalah perbedaan peringkat, bukan suatu penambahan atau kelipatan jumlah. Sebagai contoh, jika prestasi kerja pekerja ke 1 mempunyai skor 30 dan prestasi pekerja ke 2 mempunyai skor 60, maka tidak bisa dikatakan pekerja 2 berprestasi dua kali lebih bagus dari pekerja ke 1, tetapi dapat dikatakan bahwa pekerja 2 lebih bagus prestasinya dibandingkan pekerja 1. Data variabel Absen adalah data rasio, yang berarti bahwa angka 4 berarti seorang pekerja benar-benar 4 kali tidak masuk bekerja dalam sebulan. 98 Agus Sukoco Santirianingrum Soebandhi

22 2. Persamaan, digunakan persamaan adalah dimana : rs di n : Korelasi rank spearman : selisih ranking data ke i : jumlah data 3. Hubungan antara Test dan Prestasi Kerja Pegawai Tabel Pembantu berdasrkan persamaan diatas, maka untuk memudahkan perhitungan maka dibuatkan tabel pembantu sebagai berikut: No Pegawai Test Pegawai Prestasi Pegawai Tabel Pembantu: Rank Test Rank Prestasi di di Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 99

23 Rangking Data untuk Test mempunyai mulai dari 1 s/d 11, dan tidak ada skor yang nilainya sama. Rangking Data untuk Prestasi mempunyai mulai dari 1 s/d 11, tetapi ada skor yang nilainya sama yaitu skor 75 ada 2 buah, maka rangking yang diberikan adalah (4+5)/2 = 4,5. Penyelesaian persamaan : dari persamaan diatas, diketahui bahwa, n = 15, maka = jadi korelasi antara test pegawai dan prestasi kerja pegawai adalah sebesar Perbandingan Hasil SPSS Correlations Spearman's rho Test Correlation Coefficient Prestasi Test Kerja ** Sig. (2-tailed)..000 N Prestasi Kerja Correlation Coefficient.954 ** **. Correlation is significant at the 0.01 level (2-tailed). Sig. (2-tailed).000. N Agus Sukoco Santirianingrum Soebandhi

24 coba perhatikan bahwa hasil perhitungan point 3 hasilnya sama dengan hasil Uji SPSS, r s = 0,954 Uji Penafsiran Keeratan Hubungan Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Test dan Prestasi Kerja. pengujian dilakukan dengan dilakukan dengan uji Z. Dasar pengambilan keputusan: Dengan membandingkan z hitung dengan z tabel: Jika z hitung < z tabel, maka Ho diterima Jika z hitung > z tabel. maka Ho ditolak Dengan melihat angka probabilitas. dengan ketentuan: Probabilitas > 0.05 maka Ho diterima Probabilitas < 0.05 maka Ho ditolak Keputusan: Dengan membandingkan / hitung dengan z label: NB: Untuk n (jumlah sampel) di atas 10. bisa menggunakan uji z. Mencari z hitung: dengan r = 0,954 dan n = 15. didapat z hitung: maka Z hitung adalah Mencari z tabel: Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah standar dari SPSS), Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2. menghasilkan 2,5%. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 101

25 Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%= 47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975, maka Dari tabel z untuk luasan 0,975 didapat z tabel (sisi sebelah kiri 1,9 dan kolom atas 0,06 maka menjadi 1,96 Kesimpulan: Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut: 1. Koefisien korelasi rs = 0.954, bahwa korelasi dua variabel adalah sangat kuat 2. Nilai Zhitung = > dari Zi tabel 1,96, maka H0 ditolak, bahwa terdapat hubungan yang nyata antara test pegawai dan prestasi kerja pegawai, artinya bahwa jika test pegawai baik maka prestasi kerja pegawai tersebut cenderung baik, dan juga sebaliknya. 4. Hubungan antara Prestasi Pegawai dan Absen Pegawai Dalam hal ini permasalahan yang dihadapi adalah ntuk mengetahui apakah ada hubungan yang signifikan antara prestasi kerja pegawi dan tingkat kehadirannya. Dugaannya adalah bahwa pegawi yang prestasinya tinggi maka kehadirannya bagus, atau dengan kata lain bahwa hubungan prestasi dan absen pegawai adalah hubungan negatif. Persamaan : dan 102 Agus Sukoco Santirianingrum Soebandhi

26 No Pekerja Tabel Pembantu : Prestasi Absen Rank Prestasi Rank Absen di di JUMLAH 698 Penyelesaian: Menghitung Tx/Ty dalam menghitung TX/Ty yang perlu dilakukan adalah mencari rangking yang sama pada masing-masing variabel: Variabel Prestasi : tidak ada rangking yang sama Tx=0 Variabel Absen : terdapat beberapa data yang rangking nya sama ranking 4 ada 5, maka t =5 ranking 5 ada 3, maka t =3 ranking 6 ada 3, maka t =3 ranking 7 ada 3, maka t =3 Menghitung Ty Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 103

27 Menghitung dan = 280 Menghitung dengan menggunakan hasil sebelumnya maka Menghitung Korelasi Rang Spearman 104 Agus Sukoco Santirianingrum Soebandhi

28 Hasil perhitungan SPSS Correlations Prestasi Kerja Absen Spearman's rho Prestasi Kerja Correlation Coefficient Sig. (2-tailed)..306 N Absen Correlation Coefficient Sig. (2-tailed).306. N dari kedua cara perhitungan tersebut didapatkan bahwa korelasi yang diperoleh adalah sama. Uji Penafsiran Keeratan Hubungan Uji sigifikansi, digunakan untuk manafsir keeratan korelasi antara Prestasi Kerja dan Absen Pegawai. pengujian dilakukan dengan dilakukan dengan uji Z. Dasar pengambilan keputusan: Dengan membandingkan z hitung dengan z tabel: Jika z hitung < z tabel, maka Ho diterima Jika z hitung > z tabel. maka Ho ditolak Dengan melihat angka probabilitas. dengan ketentuan: Probabilitas > 0.05 maka Ho diterima Probabilitas < 0.05 maka Ho ditolak Keputusan: Dengan membandingkan / hitung dengan z label: NB: Untuk n (jumlah sampel) di atas 10. bisa menggunakan uji z. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 105

29 Mencari z hitung: dengan r = 0,954 dan n = 15. didapat z hitung: maka Z hitung adalah Mencari z tabel: Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah standar dari SPSS), Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2. menghasilkan 2,5%. Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%= 47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975, maka Dari tabel z untuk luasan 0,975 didapat z tabel (sisi sebelah kiri 1,9 dan kolom atas 0,06 maka menjadi 1,96, Z tabel adalah = 1,96 Kesimpulan: Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut: 1. Koefisien korelasi rs = -.283, bahwa korelasi dua variabel adalah sangat lemah 2. Nilai Zhitung = dari Z tabel 1,96, maka H0 diterima bahwa tidak terdapat hubungan yang nyata antara Prestasi pegawai dan absen pegawai, artinya bahwa jika prestasi kerja pegawai tersebut tidak cenderung absennya buruk, dan juga sebaliknya. 106 Agus Sukoco Santirianingrum Soebandhi

30 DAFTAR PUSTAKA Arikunto, Suharsimi Statistik Untuk Penelitian. Jakarta: Rineka Cipta. Dajan, Anto Pengantar Metode Statistik. Cetakan Ke-16, Jakarta: LP3ES. Heryanto, N Statistik. Bandung: Pustaka Setia. Levin, dkk Statistics for Managemen. New Jersey: Prentice Hall, 1991 Murdan Statistik Pendidikan. Jakarta: Global Pustaka. Rasyid, Harun A Statistik. UNIVERSITAS PADJAJARAN, BANDUNG. Sugiarto Metode Statistik. Jakarta: Gramedia. Walpole, Ronald E PengantarStatistik. edisi terjemahan. Jakata: PT Gramedia. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT Gramedia Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 107

31 LKM: Statistik Non-Parametrik Nama Mahasiswa : NIM : Jawablah pertanyaan di bawah ini dengan sebaik-baiknya! Buatlah data nilai mata kuliah statistik kelas masing-masing mempunyai 20 mahasiswa dengan rentang 6 sampai dengan 9. a. Analisa data yang telah Anda buat dengan uji chi kuadrat! Jelaskan kesimpulan yang Anda peroleh! b. Hitunglah koefisien Spearman Rank data yang telah Anda buat! Jelaskan kesimpulan yang Anda peroleh! LP: Kognitif Nama Mahasiswa : NIM : Jawablah pertanyaan-pertanyaan berikut ini dengan singkat dan benar! 1. Jelaskan konsep statistik non parametrik! 2. Berdasarkan data di handout/buku modul 5 a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat! b. Hitunglah dan analisa koefisien spearman rank dari data tersebut! 108 Agus Sukoco Santirianingrum Soebandhi

32 LP: Psikomotorik Jawablah secara lisan di depan kelas: 1. Jelaskan konsep statistik non parametrik! Demonstrasikan di depan kelas: 1. Berdasarkan data di modul 5 a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat! b. Hitunglah dan analisa koefisien spearman rank dari data tersebut! Lembar Penilaian Nama Mahasiswa : NIM : No. Aspek yang dinilai 1. Kebenaran uraian 2. Kejelasan bahasa 3. Keseriusan 4. Improvisasi Total skor Skor Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 109

33 LP: Pengamatan Perilaku Berkarakter Petunjuk: Amati untuk setiap perilaku berkarakter berikut ini selama perkuliahan berlangsung. Nama Mahasiswa : NIM : No. Rincian Tugas Kinerja (RTK) 1. Jujur 2. Peduli 3. Tanggungjawab Penilaian Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang. 110 Agus Sukoco Santirianingrum Soebandhi

34 LP: Pengamatan Keterampilan Sosial Petunjuk: Amati untuk setiap keterampilan sosial yang dilakukan mahasiswa selama perkuliahan berlangsung. Nama Mahasiswa : NIM : No. Rincian Tugas Kinerja (RTK) 1. Menjadi pendengar yang baik 2. Berpendapat 3. Bertanya Penilaian Catatan: Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang. Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 111

35 LAMPIRAN: Tabel Z Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_0.09 0, Agus Sukoco Santirianingrum Soebandhi

36 Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_ Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 113

37 Step 1, Input Data 114 Agus Sukoco Santirianingrum Soebandhi

38 Step 2, membuat Weight Cases Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 115

39 116 Agus Sukoco Santirianingrum Soebandhi

40 Step 3, membuat analisa Chi Kuadrat Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 117

41 Step 4, Input variabel Chi Kuadrat 118 Agus Sukoco Santirianingrum Soebandhi

42 Step 5, Output Hasil Analisa Chi kuadrat Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis 119

43 120 Agus Sukoco Santirianingrum Soebandhi