: ANALISIS DATA (2) TOPIK PEMBAHASAN ANALISIS DATA
BAB 9 : ANALISIS DATA (2) TOPIK PEMBAHASAN ANALISIS DATA
Pengujian Hipotesis
Estimasi dan Probabilitas
Kriteria Keputusan
TUJUAN PEMBAHASAN
Hipotesis Nol dan Hipotesis Alternatif
Menjelaskan komleksitas
Kesalahan Tipe I dan II pengujian hipotesis, kriteria
Pengujian Statistik
keputusan dan kemungkinan Pengujian Alpha
kesalahan dalam membuat Pengujian Satu Sisi dan
keputusan menolak atau
Dua Sisi
mendukung hipotesis.
Pemilihan Metode Statistik
Membahas elemen-elemen pokok Tujuan Studi
dalam pengujian hipotesis: Jumlah Variabel
pernyataan hipotesis, daerah Penelitian
penerimaan dan penolakan, Skala Pengukuran
pengujian alpha satu sisi dan dua
Analisis Univariate
sisi.
Analisis Deskriptif Menjelaskan pengaruh tujuan Uji Hipotesis
studi, jumlah variabel penelitian,
Analisis Bivariate
dan skala pengukuran dalam Uji Perbedaan
pemilihan metode statistic untuk Uji Hubungan
analisis data penelitian.
Analisis Multivariate
Membahas dan memberikan Analisis Dependensi
contoh metode statisik daam Analisis Interdepedensi analisis univariate, bivariate, dan multivariate.
PENGUJIAN HIPOTESIS Salah satu tujuan dari penelitian adalah menguji hipotesis. Hipotesis adalah jawaban
atas masalah penelitian yang secara rasional dideduksi dari teori. Tujuan dari pengujian hipotesis adalah untuk menentukan apakah jawaban teoritis yang terkandung didalam pernyataan hipotesis didukung oleh fakta yang dikumpulkan dan dianalisis dalam pengujian data (Indriantoro dan Supomo 2002: 191).
Dalam pengertian lain menyebutkan bahwa Hipotesis diartikan sebagai jawaban sementara terhadap rumusan masalah penelitian, dan secara statistik pengertian dari hipotesisi adalah sebagai pernyataan mengenai keadaan populasi (parameter) yang akan diuji kebenarannya berdasarkan data yang diperoleh dari sampel penelitian (statistik) (Sugiyono 2013: 221). oleh karena itu dalam statistik yang diuji adalah hipotesisi nol. Hipotesis nol adalah pernyataan tidak adanya perbedaan antara parameter dengan statistik (data sampel). Lawan dari hipotesisi nol adalah hipotesis alternatif, yaitu adanya perbedaan antara parameter dan statistik. Hipotesis nol biasanya digunakan untuk penelitian yang hakiki seperti penelitian fisika, kimia dan lainnya yang hasilnya sudah pasti. Sedangkan hipotesis alternative lebih digunakan dipenelitian sosial seperti penelitian akuntansi, keuangan dan lainnya. Hipotesis alternatif bisa menjadi seuah teori jika banyak penelitian semacam yang mendukung hipotesisi alternatif dibandingkan dengan hipotesis nol (Jogiyanto 2014: 57). Terdapat beberapa hal yang harus diperhatikan dalam pengujian hipotesis, diantaranya adalah:
1. Estimasi dan Probablitas
Pengujian hipotesis (yang menggambarkan karakteristik populasi) dengan menggunakan data sampel (yang menggambarkan karakteristik sampel) pada dasarnya merupakan pembuatan keputusan melalui proses inferensi yang memerlukan akurasi penelitian dalam melakukan estimasi. Inferensi merupakan proses pengambilan kesimpulan-kesimpulan berdasarkan data sampel yang lebih sedikit menjadi kesimpulan yang lebih umum untuk sebuah populasi.
Proses inferensi pada dasarnya dapat dilakukan melalui satu dari dua tahap, yaitu Estimasi Nilai Parameter Populasi atau Membuat Keputusan Mengenai Nilai Parameter.Estimasi nilai parameter populasi keyakinan nya tergantung pada representetif sampel yang diambil dari populasi yang bersangkutan. Peneliti harus menyadari adanya kemungkinan kesalahan dalam pembuatan keputusan menolak atau Proses inferensi pada dasarnya dapat dilakukan melalui satu dari dua tahap, yaitu Estimasi Nilai Parameter Populasi atau Membuat Keputusan Mengenai Nilai Parameter.Estimasi nilai parameter populasi keyakinan nya tergantung pada representetif sampel yang diambil dari populasi yang bersangkutan. Peneliti harus menyadari adanya kemungkinan kesalahan dalam pembuatan keputusan menolak atau
2. Kriteria Keputusan (Decision Criterion)
Tingkat Signifikan adalah tingkat probabilitas yang ditentukan oleh peneliti untuk membuat keputusan menolak atau menerima hipotesisis (Indriantoro dan Supomo 2002: 192). Tingkat siginifikan menunjukkan probabilitas kesalahan yang dibuat peneliti untuk menolak atau menerima hipotesis. Kriteria keputusan berdasarkan tingkat signifikan semisal 0.05 atau 0.1 menunjukkan bahwa keputusan yang dibuat oleh peneliti untuk menolak atau menerima suatu hipotesis mempunyai probabilitas kesalahan sebesar 5 persen atau 10 persen.
3. Hipotesis Nol dan Hipotesis Alternatif
Hipotesis nol menyatakan bahwa tidak ada hubungan atau perbedaan diantara kedua variabel, dan jika terdapat hubungan atau perbedaan, adalah karena secara kebetulan semata (Kuncoro 2009: 61). Sedangkan pengertian lain menyebutkan Hipotesisi nol merupakan hipotesis yang menyatakan suatu hubungan antar variabel yang definitif atau eksak sama dengan nol, atau secara umum dinyatakan bahwa tidak ada hubungan atau perbedaan (signifikan) antar variabel yang diteliti, dan Hipotesis Alternatif merupakan lawan pernyataan dari firmat hipotesis nol yang menunjukkan adanya hubungan atau perbedaan (signifikan) antar variabel yang diteliti (Indriantoro dan Supomo 2002: 79).
4. Kesalahan Tipe I dan Tipe II
Terdapat dua kemungkinan kesalahan yang dibuat peneliti dalam membuat keputusan:
Keputusan peneliti menolak hipotesis nol, padahal kenyataan nya hipotesisi nol
adalah benar. Kesalahan ini selanjutnya disebut dengan Kesalahan Tipe I. Dalam hal ini tingkat ke salahan dinyatakan dengan α (alpha).
kesalahan peneliti menerima hipotesis nol, padahal hipotesis nol adalah salah.
Kesalahan ini disebut dengan Kesalahan Tipe II.dalam hal ini tingkat kesalahan dinayatakanh dengan β (beta).
Keadaan Sebenarnya
Keputusan
Hipotesis Benar
Hipotesis Salah
Terima Hipotesis
Kesalahan Tipe II ( β) Menolak Hipotesis Kesalahan Tipe I ( α)
Tidak membuat kesalahan
Tidak membuat kesalahan
Keterangan Table:
a. Keputusan menerima Hipotesisi nol yang benar, berarti tidak membuat kesalahan.
b. Keputusan menerima hipotesisi nol yang salah, berarti terjadi kesalahan Tipe
II (β).
c. Membuat keputusan menolak hipotesis nol yang benar, berarti terjadi kesalahan Tipe I (α).
d. Keputusan menolak hipotesisi nol yang salah, berarti tidak membuat kesalahan. PENGUJIAN STATISTIK (STATISTICAL TEST)
1. Pengujian Satu Sisi (One Tiled Test), dan Dua Sisi (Two Tiled Test)
Pengujian Dua Sisi
Pengujian dua pihak digunakan bila hipotesis nol (H O ) berbunyi “sama dengan “, dan hipotesis alternatif (Ha) berbunyi tidak sama dengan (≠). Contoh: Ho : Daya tahan lampu merek A = 400 jam
Ha : Daya tahan lampu merek A ≠ 400 jam Ho : µ = 400 jam
Ha : µ ≠ 400 jam Pengujian satu sisi sebelah kiri
Contoh: Hipotesis nol
Ho : µ ≥
: 400 jam
Hipotesis alternatif
Ha : µ <
:400 jam
Pengujian satu sisi sebelah kanan Contoh:
Hipptesis nol
Ho : µ ≤
: 400 jam
Hipotesisi Alternatif
Ha : µ >
: 400 jam
2. Pengujian Alpha (α)
Pengujian hipotesis dapat dilakukan dengan menggunakan konsep pengujian statistic terhadap probabilitas terjadinya kesalahan tipe I ( α). Probabilitas terjadinya kesalahan tipe I dapat ditentukan jika peneliti mengetahui distribusi sampel (x) dari suatu pengujian statistic pengujian alpha ( α) mengunakan asumsi bahwa hipotesis nol adalah benar.
PEMILIHAN METODE STATISTIK
1. Tujuan Studi
Eskplorasi
Deskripsi Tujuan Studi Uji
Perbedaan
Uji Hipotesis Sebab- Akibat
Uji Hubungan
Korelasional
Penelitian dengan tujuan untuk menguji hipotesis, menggunakan teknik-teknik yang umum nya digunakan dalam statistic inferensial yaitu statistic parametrik dan non parametrik, tergantung kepada normalitas distribusi data dan tipe skala pengukuran yang digunakan. Terdapat dua uji hipotesis yaitu uji perbedaan dan uji hubungan. Selanjutnya di dalam uji hubungan dibagi menjadi dua lagi yaitu uj sebab akibat, dan uji korelasional.
2. Jumlah Variabel Penelitian
Berdasarkan jumlah variable penelitian, dibagi menjadi 3, yaitu Variabel Univariate, Bivariate, dan Multivariate.
Analisis data Univariate terdiri atas metode-metode statstik deskriptif dan statistic inferensial yang digunakan untuk menganalisis data satu variable. Analisis data Bivariate terdiri atas metode-metode statistic desktriptitf dan statistic inferensial yang digunakan untuk menganalisis data dua variable.
Ananlisis data Multivariate terdiri atas metode-metode statistic deskriptif dan
statistic infeensial yang digunakan untuk menganalisis data lebih dari dua
variable.
3. Skala Pengukuran
Pemilihan metode statistic dipengaruhi oleh skala pengukuran juga, yaitu skala nominal, odinal, interval, dan rasio. Jika peneliti menggunakan skala interval dan rasio, maka penggunaan statistic prametrik lebih tepat dari pada statistic non prametrik, dengan asumsi data harus terdistribusi normal. Sebaliknya, jika peneliti menggunakan skala nominal dan ordinal, maka penggunaan statistic non prametrik lebih tepat dari pada statistic parametrik, dengan asumsi data tidak dianjurkan terdistribusi normal.
Statistik parametrik memerlukan terpenuhi banyak nya asumsi. Asumsi yang pertama adalah data yang dianalisis harus terdistribusi normal (Sugiyono 2013: 209). Selanjutnya dalam penggunaan salah satu test mengharuskan data homogen, dalam regresi harus terpenuhi asumsi lineartitas. Sedangkan statistic non parametrik tidak menuntut terpenuhi banyak nya asumsi, semisal data yang diteliti harus terdistribusi normal. Oleh karena situ statistis non parametrik disebut juga Distribution Free (bebas distribusi).
ANALISIS UNIVARIATE, BIVARIATE, DAN MULT IVARIATE
1. Univariate
Analisis Deskriptif Dalam hal ini dimaksudkan untuk menjelaskan distribusi data dari satu variable. Ukuran yang digunakan dalam mendesripsikan frekuensi, tendensi sentral dan disperse.
Uji Hipotesis uji hipotesis pada satu variable umumnya berupa uji perbedaan nilai sampel
dengan populasi atau nilai dari data yang diteliti dengan nilai ekspektasi peneliti. Dan dapat ditentukan berdasarkan tujuan studi (masalah atau pertanyaan penelitian) dan skala pengukuran.
Skala
No Tujuan Studi
Pertanyaan Penelitian
Metode Statistik
Pegukuran
1. Identifikasi
jumlah Pakah jumlah manajer wanita sama
Chi-Square Test kategori
Nominal
dengan jumlah yang diekspektasi
Perbedaan
Proporsi Apakah proporsi akuntan wanita sama
T-Test Proporsi Kategori
Nominal
dengan jumlah akuntan pria Apakah distribusi nilai ujian untuk
Perbedaan
urutan
Chi-Square Test kategori
3. kategori A, B, C, D berbeda dengan Ordinal
distribusi nilai yang diperkirakan Apakah urutan merk produk yang
4. disukai konsumen sesuai dengan Ordinal
kategori Test
urutan merk yang dihipotesisikan Apakah rata-rata gaji karyawan yang
Z-Test (sampel besar), Perbedaan nilai sampel diteliti mempunyai perbedaan yang Interval atau 5.
atau T-Test (Sampel dengan nilai populasi
signifikan
dengan
rata-rata gaji rasio
Kecil)
seluruh karyawan perusahaan
2. Bivariate
Uji Perbedaan
Tujuan Studi – Uji Perbedaan
Skala Pengukuran
Antara 2 kel. Independen
Antara 3 atau lebih kel. Independen
Nominal
Z-Test (dua proporsi)
Chi-Square Test
Chi-Square Test
Ordinal
Mann-Whitney U-Test
Kruskal-Wallis Test
Wilcoxon Test
Interval dan Rasio
Z-Test atau T-Test terhd. Kel. One-Way Anova Independen
Uji Hubungan
Skala Pengukuran Contoh Pertanyaan Penelitian
Metode Statistik
Nominal
Apakah ada korelasi antara jenis Chi-Square Test kelamin dengan keahlian pemakai Phi-Coefficient personal computer
Contigency Coefficient Ordinal
Apakah peringkat preferensi terhadap Chi-Square Test produk minuman ringan mempunyai Spearman Rank Correlation korelasi dengan peringkat intensitas Kendall’s Rank Correlation iklan produk yang bersangkutan di televisi.
Interval dan Rasio Apakah tingkat partisipasi manajer Correlation Coefficient dalam
penyusunan
anggaran (Pearson’s)
mempunyai
korelasi
dengan Bivariate Regression Analysis
peningkatan kinerja manajerial.
3. Multivariate
Analisis Dependensi (Analysis of Dependence) Merupakan metode-metode statistic dalam analisis multivariate yang gunakan untuk menjelaskan dan memprediksi satu atau lebih variable dependen
berdasarkan beberapa variable independen.
Metode Tujuan Studi
Jumlah Variabel
Skala Pengukuran
Dependen
Independen
Dependen Independen
Menguji beberapa pengaruh
variable
Interval
Interval atau Analisis regresi
Satu
Dua atau lebih
independen terhadap
berganda variable dependen. Memprediksi subyek atau obyek penelitian mempunyai dua atau
atau rasio rasio
Interval atau Analisis lebih
kategori Satu
Dua atau lebih Nominal
deskriminan mutually
rasio
exclusive berdasarkan variable independen
Menentukan korelasi antara dua atau lebih
Interval atau
variable dependen
Dua atau lebih
correlation
lebih
atau rasio rasio
dengan beberapa analysis variable independen Menguji signifikansi perbedaan nilai rata-
rata beberapa variable
Satu
Nominal
analysis of
lebih
atau rasio
antara dua level dalam variance satu variable
Analisis Regresi Berganda ( Multiple Regression Analysis) merupakan ekstensi dari metode regresi dalam analisis bivariate yang umumnya digunakan untuk menguji pengaruh dua atau lebih variable independen terhadap variable dependen dengan skala pengukuran interval atau rasio dalam suatu persamaan linear. Analisis regresi dilakukan bila hubungan dua variable berupa hubungan kausal atau fungsional (Sugiyono 2013: 269).
Analisis Diskriminan ( Discriminant Analysis) analisis diskriminan adalah untuk memprediksi pengaruh beberap variable independen terhadap satu variable dependen dengan dua atau lebih kategori yang diukur dengan skala nominal (Indriantoro dan Supomo 2002: 211). Sedangkan menurut Kuncoro (2009: 244) mendefinisikan analisis diskriminasi adalah teknik statistic untuk mngklasifikasikan individu/obyek ke dalam group terpisah berdasarkan sejumlah variable bebas, dengan tujuan untuk menmukan kombinasi linear dari sejumlah variable bebas yang meminimalkan probabilitas salah klasifikasi individu/objek ke dalam masing-masing group. Canonical Correlation Analysis adalah analisis yang digunakan untuk menentukan tingkat hubungan antara dua kelompok variable yang masing- masing terdiri dari beberapa variable (Kuncoro 2009: 249). Multivariate Analysis of Variance (MANOVA) digunakan untuk menguji perbedaan nilai rata-rata antar kelompok dalam dua atau lebih variable dependen berdasarkan satu variable independen yang diukur dengan skala nominal.
Analisis Interdependen (Interdependence Analysis) Analisis ini bertujuan untuk mengetahui lebih dalam mengenai struktur dari
seperangkat variable atau objek. Analisis ini terdiri dari 3 macam, yaitu Analisis Faktor (Factor Analysis), Analisis Kluster (Cluster Analysis), dan Skala Multidimensional (Multidimentional Scaling). Analisis Faktor ( Factor Analysis) adalah jenis analisis yang digunakan untuk mengenali dimensi-dimensi pokok atau ketaraturan sebuah fenomena dengan tujuan adalah untuk meringkas kandungan informasi variable dalam jumlah yang besar menjadi suatu kelompok variable baru. Semisal informasi mengenai umur, tinggi, berat badan, jabatan, pendidikan, dan sumber penghasilan karyawan dari beberapa perusahaan. Informasi tersebut dapat diringkas berdasarkan Ukuran (Umur, Tinggi, dan berat badan) dan berdasarkan Status Sosial (Jabatan, Pendidikan, dan sumber penghasilan). Analisis Kluster ( Cluster Analysis) adalah teknik yang digunakan untuk mengidentifikasi objek atau individu yang serupa dengan memperhatikan beberapa kriteria. Semisal 24 perusahaan minuman ringan dikelompokkan berdasarkan karakteristik perusahaan berdasarkan dua dimensi: unit produksi dan jumlah biaya produksi (Kuncoro 2009: 262).
Kelompok
Unit Penjualan
Biaya Produksi
I Tinggi
Rendah
II Sedang
Factor analisis berkaitan dengan proses pengelompokan konsep-konsep ke dalam dimensi atau construct, sedangkan Analisis Cluster mengelompokkan subyek atau obyek ke dalam dimensi atau construct. Skala Multidimensional ( Multidimentional Scaling) menurut Kuncoro (2009: 264) adalah teknik untuk mengukur obyek dalam ruang multidimensi berdasarkan kesamaan penilaian responden terhadap suatu obyek.