Uji Statistik

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Dalam perhitungan statistika dibedakan menjadi dua kelompok yaitu statistika non-parametrik dan statistika parametrik.

STATISTIK PARAMETRIK
===> Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik

Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.


Tabulasi Silang
Analyze-CrossTab- ( Expect, Observ, Total )
Ada kecenderungan antara X dg Y

Koefisien Kontingensi
Anlyze-Descriptive-CrossTab
X -Row
Y- Coloum
Statistic-Contingency
Adanay Kolerasi antara X dan Y dengan arah positif.

Bivariat
Uji Korelasi/Hubungan

1.       Chi Square/ Regrasi Logistik /  Uji pengaruh untuk 2 atau lebih dengan variabel dependen kategorik ( regresi logistik)
Syarat
a.       Mencari hubungan antara dua variabel
b.      Masing-masing variabel bertipe nominal (Kategorik)

Analyze-Regrassion-Binary Logistic
Nilai chi-s sebesar.... berarti secara bersama sama X1 X2 berhubungan dengan Y
Ketepatan Prediksi = ... %

2.       Spearman rank* Lihat Slide
Syarat
a.       Mencari hubungan antara dua variabel ( Untuk melihat kuat lemahnya hubungan dan arah
hubungan antara dua variabel )
b.      Masing-masing variabel bertipe ordinal
c.       Sampel > 30

Analyze-Correlate-Bivariate
Pilih Spearman

Korelasi Spearman antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05

contoh H0 : tidak ada hubungannya antara cara mengajar dosen dengan tingkat antusia mahasiswa masuk kelas.
source : setabasri

3.       Kendall tau*
Syarat
a.       Mencari hubungan antara dua variabel atau lebih
b.      Masing-masing variabel bertipe ordinal
c.       Sampel < 30

Korelasi Kendall antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05

4.       Pearson Products momen
Syarat
a.       Mencari hubungan antara dua variabel
b.      Masing masing variabel bertipe interval (numerik)
Selengkapnya

Analyze-Correlate-Bivariate
Pada Correlation Coeffisien pilih Pearson

Korelasi Product Moment antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05

SkatterPlot
Graph-Simple Difine
Kasih Judul
Output Titik2

Garis Regresi pilih Fit Line-Linier Regrasion
Grafik diatas menunjukan adanya hubungan positif antara X1 dan Y.

Regresi Linier Sederhana / Uji pengaruh untuk 1 variabel independen ( regresi linear sederhana)
Analyze-Regrassion-Linier
Statistic(estimates dan Model Fit)

R(koe korelasi): Korelasi Product Moment antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
Rsquare(koe deterinasi): kontribusi X terhadap Y sebesar ...%
sig: signifikan atau tidak ?
F:

Regresi Linier Ganda /  Uji pengaruh untuk 2 atau lebih variabel independen (regresi linear ganda)
Analyze-Regrassion-Linier
Statistic(estimates, Model Fit dan descriptif)

R(koe korelasi): Korelasi Product Moment secara bersama2 X1 X2 terhadap Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
Rsquare(koe deterinasi): kontribusi X terhadap Y sebesar ...%
sig dan F(anova): signifikan atau tidak ?

Uji keselarasan ( Konkordansi) Kendall---Kesepakatan
digunakan untuk mengetahui sejauh mana himpunan peringkat2 dan individu selaras ataukah tidak

Ex. Bikin sabun mandi
Bungkus
Harum
Warna

Analyze - Non Paramatrik - K-related
Test Variable list ( masukan semua nya ) segar harum bahan warna
Test tipe pilih KEndall W
Statistic abaikan
ok

Uji Friedman
Uji untuk hal yang berhubungan 2 sample atau lebih
PKM Produk baru
apakah rasa mempengaruhi penerimaan ?
apakah bungkus.......
apakah warna

Analyze-Non Parametrik-k Related Sample
pilih FriedMan

Pada tabel test statistic terlihat bahwa besaran nilai Chi Square = 13.630 dan asymp sig 0.003. Hasil uji signifikansi Chi Square menunjukkan bahwa sig < 0.05 sehingga dapat disimpulkan bahwa empat metode belajar yang diberikan memberikan reaksi yang berbeda dari siswa.

Hitung < Stat Tabel = Ho diterima----> ada hubungan
Hitung >tabel = Ho ditolak ------> tidak ada hubungan

Sig > 0,05 = Ho diterima ----> tidak ada hub
Sig < 0,05 = ho ditolak ----> ada hubungan

kalimat hipotesisi negatif
ex: tidak ada perlakuan yang berbeda untuk tiap kamar
ternyata sig <0,05 ---> ho ditolak

5. Uji Gamma
Uji Gamma adalah salah satu dari uji Asosiatif Non Parametris. Gamma mengukur hubungan antara 2 variabel berskala ordinal yang dapat dibentuk ke dalam tabel kontingensi. Uji ini mengukur hubungan yang bersifat symmetris artinya variabel A dan variabel B dapat saling mempengaruhi.
Kelemahan dari uji Gamma adalah tidak memperhatikan adanya TIES atau bias, yaitu banyaknya pasangan yang bisa dibentuk. Ties kalau diartikan secara mudah adalah banyaknya responden pada peringkat yang sama. Contoh: Peringkat Pengetahuan baik, respondennya ada 23 sampel dan peringkat pengetahuan kurang ada 12 sampel. Itulah yang disebut TIES. Selengkapan

Apabila  ingin memperhatikan TIES karena data anda banyak TIES, sebaiknya anda pilih uji yang sejenis, yaitu Somer's D, Kendall tau -b dan Kendall Tau -c.

Uji Beda
Sebagai acuan apabila yang ingin di uji adalah Ha, maka interpretasinya sebagai berikut:
1. Ha diterima apabila t hitung≥ t tabel, atau nilai p-value pada kolom Sig. (2-tailed) < level of significant (α)
2. Ho diterima apabila t hitung < t tabel, atau nilai p-value pada kolom Sig. (2-tailed) > level of significant (α)
v Dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan 1 %, untuk db (N-2)= 18. Nilai T tabel untuk taraf signifikansi 5 % adalah 2.101 dan 1 % sebesar 2.878 sehingga dapat di banding 2.101>0.581<2.878, Ha ditolak
v Dengan membandingkan nilai pada p-value pada kolom sig. (2-tailed) dengan level of significant (α), maka diperleh 0.131>0.05, Ha Ditolak

1.       Uji untuk dua kelompok saling bebas (independen sampel t test)
Analyze-Independent sample test
2.       Uji untuk dua kelompok saling berhubungan (paired simple test)




Sumber informasi , Jenis Uji Statistik
Belajar Banyak tentang Statistikan KLIK, KLIK

Analisis Data Penelitian

Dalam Proposal penelitian pastilah ada Metode Penelitian yang didalamnya terdapat Metode Analisis. Metode Analisis adalah suatu metode yang peneliti gunakan untuk mengolah data yang telah diperoleh. Bagaimana cara memilih Metode Analisis data yagn tepat dengan penelitian kita ?
Seorang peneliti tidak boleh lupa tentang jenis data.

Pada pertemua kuliah ke 5, dosen saya menjelaskan tentang Analisis Data. Here We go
a) Kuantitatif
Analisis data kuantitatif dibedakan menjadi Deskriptif dan Inferensial.
-Deskriptif berisi analisis data mengenai Rata rata, penyebaran/standart deviasi, dan pengelompokan/homogenitas.
-Inferensial berisi perhitungan data biasanya menggunakan SPSS. dalam kuantitatif Inferensial peneliti biasanya meneliti suatu hubungan data, baik korelasi maupun kausalitas(sebab akibat)

b) Kualitatif
Sedangkan analisis kualitatif akan digunakan peneliti apabila peneliti hanya memiliki data/variable tunggal dalam penelitiannya. sehingga rangkaian analisis data yang bisa dilakukan peneliti adalah sebagai berikut :
-Pengumpulan data ( collect data ), data berupa catatan lapangan/ field note yaitu data mentah peneliti.
-Penampilan Data ( display )
  Biasanya penampilan data di penelitian kualitatif menggunakan matrik dengan kolom tabel 'Fokus Penelitian', Informan I, Informan II, Informan III, dan Kesimpulan.
Note : Kesimpulan yang diambil oleh peneliti bukan dari berapa banyak informan yang menginformasikan hal yagn sama namun dari kepercayaan peneliti terhadap apa yang ada di lapangan.
- Redukdi Data ( data reduction ) yaitu tahap mengurangi/ menyortir data yagn tidak relevan dengan kebutuhna informasi peneliti.
- Kesimpulan, pengambilan kesimpulan melalui cara triangulasi yaitu merujuk pada informan.

Statistika Terapan

#Memahami Jenis Data ( Basic )
a) Nominal = data pembeda ex : laki laki/perempuan
b) Ordinal = Data yang mempunyai tingkatan ex: SD, SMP, SMA
c) Scale ( Rasio dan Interval ) = Data hasil pengukuran.

#Skala Likert adalah skala yang berusaha mengukur derajat persetujuan atas sikap atau penilaian tertentu. Umumnya skala ini berwujud pernyataan setuju, agak setuju, kurang setuju, tidak setuju. Skala yang demikian dalam sifat pengukurannya adalah Ordinal. Resminya, Skala Likert adalah Ordinal.

#Uji Validitas adalah uji kecermatan dan ketepatan suatu item pertanyaan terhadap ada yang ingin di ukur.
Biasa menggunakan Uji Korelasi Pearson Product Moment.
Carapenggunaanya dengan SPSS adalah :

Buat skor total masing-masing variable.
Klik Analyze > Correlate > Bivariate
Masukkan seluruh item variable x ke Variables
Masukkan total skor variable x ke Variables
Ceklis Pearson ; Two Tailed ; Flag
Klik OK

#Uji Reliabilitas dilakukan dengan uji Alpha Cronbach. Hampir mirip dengan validitas, uji reabilitas digunakan untuk mengukur sejauh mana reabilitas suatu data.
Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability) sementara jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten secara internal karena memiliki reliabilitas yang kuat.
Carapenggunaanya dengan SPSS adalah :

Klik Analyze > Scale > Reliability Analysis
Masukkan seluruh item Variabel X ke Items
Pastikan pada Model terpilih Alpha
Klik OK

#Memilih Uji untuk Penelitian

Tabel tersebut akan membatu anda untuk lebih memahami jenis uji yang akan anda gunakan pada penelitian anda. Deskriptif atau satu varible biasanya digunakan untuk penelitian kualitatif seperti efektifitas dan implementasi. 

#Binomial : Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi binomial merupakan dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada jumlah sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni pengambilan sampel tanpa pengembalian), distribusi yang dihasilkan adalah distribusi hipergeometrik, bukan binomial. Semakin besar N daripada n, distribusi binomial merupakan pendekatan yang baik dan banyak digunakan.

Sebagai contoh, sebuah dadu dilempar sepuluh kali dan dihitung berapa jumlah muncul angka empat. Distribusi jumlah acak ini adalah distribusi binomial dengan n = 10 dan p = 1/6.
Contoh lain, sebuah uang logam dilambungkan tiga kali dan dihitung berapa jumlah muncul sisi depan. Distribusi jumlah acak ini merupakan distribusi binomial dengan n = 3 dan p = 1/2.

#Run Test : Analisis Run Test termasuk dalam statistik nonparametrik. Uji ini digunakan untuk menguji pada kasus satu sampel. Sampel yang diambil dari populasi, apakah sampel yang diambil berasal dari sampel acak atau bukan . Pengujian ini untuk kasus satu sampel. Prosedur pengujian dilakukan dengan mengurutkan data sampel dan mencari letak nilai mediannya.

#Standard Deviation (SD) mengukur seberapa baik Mean mewakili data. Semakin kecil SD, semakin data dekat dengan Mean. Semakin besar SD, semakin jauh data dengan Mean. Jika SD = 0 maka seluruh data adalah serupa, sekaligus merupakan kondisi ideal



Contoh kasus
Nilai ujian 30 siswa diambil dari populasi. Apakah pengambilan sampel ini bersifat acak?

Langkah-langkah :
Klik Analyze>Nonparametric>Runs
Masukkan variabel Nilai ujian ke dalam Variable (s) dan klik Mode
Klik OK
Hipotesis
H0 = Nilai ujian siswa bersiswa acak
H1 = Nilai ujian siswa bersifat tidak acak

Kriteria uji
Tolak Hipotesis nol (H0) bilai bilai asymtotic significant value uji Run Test < 0.05

Hasil Output SPSS
Pada hasil output SPSS tersebut di atas menunjukkan nilai asymtotic significant uji Runs test sebesar 0.320 (> 0.05), maka hipotesis nol (H0) diterima yang berarti bahwa nilai ujian siswa bersifat acak.

sumber : http://www.statistikolahdata.com/2012/01/uji-runtest.html

#Sign Test

#T test uji beda
yg dpt BLSM dan yg tidak dpt BLSM apakah ad beda kesejahteraannya ?
Pelayanan RS : VIP vs Kelas III

#Uji Friedman
Uji untuk hal yang berhubungan 2 sample atau lebih.
PKM Produk baru
apakah rasa mempengaruhi penerimaan konsumen ?
apakah bungkus mempengaruhi penerimaan konsumen ?
apakah warnamempengaruhi penerimaan konsumen ?

Hitung < Stat Tabel = Ho diterima----> ada hubungan
Hitung >tabel = Ho ditolak ------> tidak ada hubungan

Sig > 0,05 = Ho diterima ----> tidak ada hub
Sig < 0,05 = ho ditolak ----> ada hubungan

kalimat hipotesisi negatif
ex: tidak ada perlakuan yang berbeda untuk tiap kamar (Ho)
ternyata sig <0,05 ---> ho ditolak

tidak ada perbedaan perlakuan itu DITOLAK
hipotesisi yang benar adalah "ada perbedaan perlakuan pada tiap kamar"

Des / Infer
Data normal/tidak
Jenis Hipotersis
Jenis datanya (nom, ordi, scale)

Uji keselarasan ( Konkordansi) Kendall---Kesepakatan
diguankan untuk mengetahui sejau mana dja himpuna peringkat2 dan ind selaras ataukah tidak

Ex. Bikin sabun mandi

Analyze
No Par
K-rela
Test Var list ( masukan semua nya ) segar harum bahan warna
Test tipe pilih KEndall W
Statistic abaikan
ok

Hippo tidak ada keselarasan diantara para responden dalam menilai kempat atribut tsb
Stat hitung > tabel --- DITOLAK
"Ada keselarasan dr konsumen untuk memilih sabun"

Interventing-variable penggaggu