: 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.