Escolar Documentos
Profissional Documentos
Cultura Documentos
Informasi yang diperoleh dari sebuah observasi berupa data mentah, belum berarti apa-apa sebelum
dilakukan analisis terhadap data tersebut. Proses analisis data melibatkan banyak jenis uji
statistika, dan tiap jenis uji tersebut, umumnya, memiliki beberapa asumsi/persyaratan
yang harus dipenuhi, sehingga proses pemilihan jenis uji statistika harus dilakukan
secara tepat. Pemilihan jenis uji yang tidak tepat, akan berpotensi menyebabkan
kesimpulan yang tidak valid.
Pada prinsipnya, terdapat dua jenis alat uji statistik yaitu statistik Parametrik dan Non-parametrik,
perbedaan antar keduanya terletak pada jenis data serta asumsi normalitas datanya. Statistika
parametrik mempersyaratkan datanya harus berdistribusi normal, serta datanya bertipe
interval atau rasio.
Berikut ini kami sajikan video tutorial yang akan mengulas hal-hal yang terkait dengan statistika
Parametrik, beserta contoh kasus dan cara menyelesaikannya menggunakan program SPSS.
Video tutorial Statistika Parametrik ini terdiri atas 7 bagian:
Bagian 1 : Pengantar
Bagian 2 : Uji t Satu Sampel (One Sample t-test)
Bagian 3 : Uji t Dua Sampel Berpasangan (Paired Sample t-test)
Bagian 4 : Uji t Dua Sampel Independent (Independent Sample t-test)
Bagian 5 : Uji ANOVA Satu Arah (One Way ANOVA)
Bagian 6 : Uji ANOVA Dua Arah (Two Way ANOVA)
Bagian 7 : Penanganan Data Yang Tidak Normal
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 2: Uji t Satu Sampel)
Uji t satu sampel adalah jenis uji statistika Parametrik yang bertujuan untuk menguji apakah terdapat
perbedaan rata-rata populasi dengan sebuah data tertentu.
Contohnya adalah seorang peneliti ingin membandingkan apakah terdapat perbedaan secara signifikan
antara tanaman padi yang ditanam menggunakan VARIETAS BARU, dengan tanaman padi yang
ditanam menggunakan VARIETAS EXISTING (varietas yang selama ini digunakan oleh
petani lokal).
a. Bila rata-rata produktivitas tanaman padi yang ditanam menggunakan VARIETAS EXISTING adalah
masing-masing: 5,00; 7,00; 6.50; 7.50; 7,00 dan 6,00 ton/ha,
b. Sedang produktivitas tanaman padi yang ditanam menggunakan VARIETAS BARU adalah 8 ton/ha.
Untuk menyelesaikan kasus tersebut, dapat menggunakan uji t satu sampel. Berikut ini kami sajikan video
tutorial yang berisi panduan, step by step, untuk menyelesaikan kasus uji t satu sampel
tersebut dengan menggunakan program SPSS.
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 3: Uji t Dua
Sampel Berpasangan)
Uji t dua sampel independen adalah jenis uji statistika Parametrik yang bertujuan untuk menguji apakah
terdapat perbedaan rata-rata antara 2 kelompok data yang berpasangan.
Yang dimaksud sampel berpasangan adalah bila dua buah data yang akan dibandingkan berasal dari
Individu yang sama, namun diukur sebanyak dua kali, yaitu sebelum perlakuan dan setelah
perlakuan.
a. Data Sebelum Pelatihan : 11, 13, 13, 12, 13, 13, 14, 12, 13, dan 14 unit/hari,
b. Data Setelah Pelatihan : 14, 13, 14, 13, 14, 15, 16, 13, 15, dan 14 unit/hari.
Uji t 2 sampel berpasangan dapat digunakan untuk menyelesaikan kasus tersebut, dan dengan bantuan
program SPSS, proses penyelesaiannya dapat lebih mudah. Berikut kami tampilkan video tutorial
tentang aplikasi penggunaan program SPSS dalam menyelesaikan kasus tersebut,
happy watching
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 4: Uji t Dua
Sampel Independen)
Uji t dua sampel independen adalah jenis uji statistika Parametrik yang bertujuan untuk menguji apakah
terdapat perbedaan rata-rata antara 2 kelompok data yang tidak berpasangan.
Yang dimaksud sampel tidak berpasangan adalah bila dua buah data yang akan dibandingkan berasal dari
individu sampel yang berbeda.
Uji t dua sampel independen memiliki beberapa persyaratan:
1. Data harus berdistribusi normal
2. Kedua sampel-nya independent
3. Tipe data numerik
Contoh kasus: Seorang peternak ingin membandingkan perbedaan berat sapi potong yang diberi jenis
Pakan A dan berat sapi potong yang diberi jenis Pakan B.
Dan setelah 2 bulan pemberian pakan, dilakukan pengukuran berat badan terhadap masing-masing sapi
potong, dan hasilnya adalah:
a. Pakan A: 350; 355; 370; 340; 342; 365; 360; 367; 360; 353 kg/ha,
b. Pakan B: 375; 395; 382; 400; 380; 368; 390; 371; 387; 390 kg/ha.
Uji t dua sampel independent dapat digunakan untuk menyelesaikan contoh kasus tersebut, berikut kami
tampilkan video tutorial tentang aplikasi penggunaan program SPSS dalam menyelesaikan
kasus uji t dua sampel independen.
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 5: Uji ANOVA
Satu Arah)
Uji ANOVA Satu Arah (One Way ANOVA) adalah Jenis Uji Statistika Parametrik yang bertujuan untuk
mengetahui apakah terdapat perbedaan rata-rata antara lebih dari dua group sampel.
Yang dimaksud satu arah adalah sumber keragaman yang dianalisis hanya berlangsung satu arah yaitu
antar perlakuan (Between Group). Adapun faktor lain yang berpotensi mempengaruhi keragaman data
dimasukkan kedalam Galat (within Group) dan sebisa mungkin dikontrol, sehingga jenis uji ini umumnya
dilakukan pada rancangan perlakuan yang faktor-faktor lingkungannya dapat dikontrol, misalnya pada
percobaan di laboratorium atau di greenhouse.
Contoh kasus: Seorang peneliti ingin membandingkan rata-rata produktivitas dari 7 jenis varietas padi
yang berbeda, yaitu varietas A, B, C, D, E, F dan G, masing-masing perlakuan tersebut diulang sebanyak
3 kali, sehingga total unit perlakuan berjumlah 21 unit (7 x 3 = 21) . Penelitian dilakukan menggunakan
Rancangan Acak Lengkap, masing-masing perlakuan ditempatkan secara random.
Berikut adalah data produktivitas tanaman padi (ton/ha), untuk masing-masing perlakuan:
Uji ANOVA satu arah dapat digunakan untuk menyelesaikan contoh kasus tersebut, berikut kami
tampilkan video tutorial tentang aplikasi penggunaan program SPSS dalam menyelesaikan kasus tersebut.
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 6: Uji ANOVA
Dua Arah)
Uji ANOVA Dua Arah (Two Way ANOVA) adalah Jenis Uji Statistika Parametrik yang bertujuan untuk
mengetahui apakah terdapat perbedaan rata-rata antara lebih dari dua group sampel. Berbeda dengan
Uji One Way ANOVA yang analisisnya hanya berlangsung satu arah yaitu antar perlakuan, maka pada
uji Two Way ANOVA arah analisisnya berlangsung dua arah, yaitu antar perlakuan dan antar blok (group).
Tujuan dilakukan pengelompokan antar blok adalah agar diperoleh homogenitas yang tinggi antar
perlakuan yang ditempatkan pada masing-masing blog. Jenis uji ini umumnya dilakukan pada rancangan
perlakuan yang faktor-faktor lingkungannya sulit dikontrol, misalnya pada percobaan lapangan.
Contoh kasus: Seorang peneliti ingin membandingkan rata-rata produktivitas dari 4 jenis varietas padi
yang berbeda, yaitu varietas A,B,Cdan D. Seluruh unit percobaan ditempatkan ke dalam 3 blok, yaitu
blok I, II, dan III, sehingga total unit percobaan berjumlah 12 unit (4 perlakuan x 3 replikasi). Penelitian
dilakukan menggunakan Rancangan Acak Kelompok, masing-masing perlakuan ditempatkan secara
random dalam tiap blok.
Berikut adalah data produktivitas tanaman padi (ton/ha), untuk masing-masing perlakuan:
Uji ANOVA dua arah dapat digunakan untuk menyelesaikan contoh kasus tersebut, berikut kami
tampilkan video tutorial tentang aplikasi penggunaan program SPSS dalam menyelesaikan kasus tersebut.
Aplikasi Program SPSS Dalam Menyelesaikan Kasus Uji Statistika Parametrik (Bagian 7: Penanganan Data
Yang Tidak Normal)
Pada prinsipnya, uji data pada statistika parametrik bertujuan untuk mengetahui apakah data tersebut
sesuai dengan persyaratan atau asumsi dasar yang dibutuhkan oleh masing-masing jenis uji parametrik
yang akan digunakan.
Data yang tidak sesuai dengan persyaratan yang dibutuhkan oleh uji parametrik tertentu, diistilahkan
dengan data tidak normal (akibat distribusi datanya yang tidak normal atau karena varians datanya yang
tidak homogen).
Minimal ada 3 macam cara atau pendekatan yang dapat digunakan dalam memperlakukan sebuah data
yang tidak normal:
(1) Mengurangi jumlah data, yaitu data-data yang dinilai ekstim (outlier),
(2) Melakukan transformasi data ke dalam bentuk: Logaritma, Ln, Kuadrat, Akar Kuadrat, dan lainlain,
(3) Merubah jenis uji menjadi jenis uji non-parametrik yang sesuai, mengingat jenis uji non-parametrik
tidak mempersyaratkan sebuah data harus normal.
Merubah jenis uji menjadi jenis uji non-parametrik yang sesuai, mengingat jenis uji non-parametrik tidak
mempersyaratkan sebuah data harus normal.
Untuk keterangan lebih lanjut tentang cara memperlakukan sebuah data yang dinilai tidak normal .
LT
JK+
Dimana:
Y
0
1,2
LT
JK
Harga
:
:
:
Koefisien
Luas
Jumlah
:
:
Rumah
konstan
Regresi
Tanah
Kamar
Error
SEJARAH
ANALISIS
REGRESI
Heteroskedastisitas,
Autokorelasi,
MENILAI GOODNESS
1.
OF
Koefisien
Multikolinieritas
dan
Normalitas.
FIT SUATU
MODEL
Determinasi
(R2)
Uji
Signifikansi
Simultan
(Uji
F)
Uji
Signifikansi
Individual
(Uji
t)
2.1 Pengertian
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung
dan memprediksi variabel tergantung dengan menggunakan variabel bebas.
e. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson
(DB) sebesar < 1 dan > 3
f. Keselerasan model regresi dapat diterangkan dengan menggunakan nilai
r2 semakin besar nilai tersebut maka model semakin baik. Jika nilai
mendekati 1 maka model regresi semakin baik. Nilai r 2 mempunyai
karakteristik diantaranya: 1) selalu positif, 2) Nilai r 2 maksimal sebesar 1.
Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna.
Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model
regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier
antara X dan Y.
g. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung
(Y)
h. Data harus berdistribusi normal
i. Data berskala interval atau rasio
j. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel
bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya
variabel tergantung (disebut juga sebagai variabel response)
2.5 Linieritas
Ada dua macam linieritas dalam analisis regresi, yaitu linieritas dalam variabel dan
linieritas dalam parameter. Yang pertama, linier dalam variabel merupakan nilai
rata-rata kondisional variabel tergantung yang merupakan fungsi linier dari
variabel (variabel) bebas. Sedang yang kedua, linier dalam parameter merupakan
fungsi linier parameter dan dapat tidak linier dalam variabel.
2.6 Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat
signifikansi atau probabilitas () dan tingkat kepercayaan atauconfidence interval.
Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran
tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat
signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak
hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah
sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar
95% nilai sample akan mewakili nilai populasi dimana sample berasal. Dalam
melakukan uji hipotesis terdapat dua hipotesis, yaitu:
Hipotesis statistiknya:
H0: x= 10
H1: x > 10 Untuk uji satu sisi (one tailed) atau
H1: x < 10
H1: x 10 Untuk uji dua sisi (two tailed)
b)
c)