ANALISIS KUANTITATIF STATISTIK INFERENSIAN
ANALISIS
KUANTITATIF
STATISTIK
INFERENSIAN
DIAMBIL DARI BERBAGAI SUMBER
1. Pengertian Statistika
KEGUNAAN ?
STATISTIKA :
Proses sistematis yang terdiri dari:
• Pengumpulan data
• Pengolahan data
• Penyajian data
• Analisis dan Intepretasi data
STATISTIKA DESKRIPTIF :
Metode statistik yang terdiri dari proses
pengumpulan, pengolahan dan penyajian data
yang dikumpulkan. Selanjutnya dideskripsikan
tanpa menarik suatu kesimpulan
STATISTIKA INFERENSI :
Langkah pada metode ini sama dengan statistik
deskriptif dan dilanjutkan dengan proses
analisis statistik. Hasil uji selanjutnya
diintepretasikan dan kemudian digunakan
sebagai dasar pemberian rekomendasi. Tujuan
dari statistika inferensi adalah proses
generalisasi suatu fenomena (jika sampel
representatif)
2. Statistika & Metode Ilmiah
METODE ILMIAH :
Proses pemecahan
masalah dan pencarian
kebenaran dengan
menggunakan cara
yang terstruktur,
sistematis dan sudah
teruji.
LANGKAH-LANGKAH :
1. Latar Belakang
2. Perumusan masalah, maksud dan tujuan
3. Kajian teori dan Pustaka
4. Membuat hipotesis (jika diperlukan)
4.
Pengumpulan dan pengolahan data, pengujian hipotesis
5.
Menarik kesimpulan dan rekomendasi
POPULASI
VARIABEL
INDIKATOR
VARIABEL
METODE
STATISTIK
SAMPEL
INSTRUMEN
DATA
METODE ANALISIS
Pembagian Statistik
Statistik
Statistik
Deskriptif
Statistik
Inferensia
Parametrik
Non
Parametrik
Perbedaan Statistik Parametrik dan Non Parametrik
NO
1
PARAMETRIK
NON PARAMETRIK
- menguji parameter populasi melalui statistik
menguji distribusi
- menguji ukuran populasi melalui data sampel.
- parameter adalah data yang diperoleh dari semua
anggota populasi yang ada.
yaitu: rara-rata (μ), simpangan baku (σ), varians (σ²).
- statistik adalah data yang diperoleh dari penarikan
sampel.
yaitu: rata-rata (x bar), simpangan baku (s) dan
varians (s²).
Adanya penetapan dan pengujian hipotesis
Asumsi yang harus dipenuhi: berdistribusi normal, data
homogin (untuk bbrp tes), asumsi linieritas (untuk
regresi).
tidak menuntut terpenuhi
banyak asumsi
free distribution
data interval dan rasio
data nominal dan ordinal
Statistik Parametrik
• Adalah suatu uji mempersyaratkan adanya asumsiasumsi tertentu yang harus dipenuhi.
• Jenis data yang dipergunakan dalam statistik
parametrik adalah berskala interval atau rasio
• Syarat populasi adalah berdistribusi normal.
Contoh: Asumsi pada uji t adalah populasi berdistribusi
normal.
Istilah parametrik menunjukkan bahwa pada uji t yang
diuji adalah parameter (rata-rata populasi)
Persyaratan Data pada Analisis Statistik
Parametrik
• Data sampel dipilih secara acak (random)
• Data harus homogen uji homogenitas.
• Adanya normalitas data (data yang dianalisis berbentuk
garis linier) uji linieritas.
• Berpasangan artinya data yang dihubungkan mempunyai
pasangan yang sama sesuai dengan subjek yang sama,
kalau salah satu tidak terpenuhi untuk persyaratan
analisis korelasi atau regresi tidak dapat dilakukan.
Macam Data
Interval
Rasio
Bentuk Hipotesis
Deskriptif
(satu
variabel)
Komparatif (dua sampel)
Komparatif (lebih dari 2
sampel)
Related
Related
T
Test*
T-test of* T-test of* One-Way One-Way Pearson
Related
independ Anova* Anova* Product
ent
Moment
Two Way Two Way *
Independen
Anova*
Asosiatif
(hubungan)
Independen
Anova*
Partial
Correlati
on*
Multiple
Correlati
on*
Data
DATA DALAM PENELITIAN
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk informasi ukan
angka.
Contoh : jenis pekerjaan,
desa-kota, tingkat motivasi
kerja
DATA KUANTITATIF :
Data yang dinyatakan dalam
bentuk angka
Contoh : lama sekolah,
jumlah penduduk, usia,
tingkat produksi
DATA
KUALITATIF
NOMINAL
ORDINAL
JENIS
DATA
KUANTITATIF
INTERVAL
RASIO
Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan
CIRI : posisi data tidak setara
Jarak antar data tidak diketahui
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui.
CIRI : Tidak ada kategorisasi
Posisi data tidak setara
Jarak antar data diketahui
bisa dilakukan operasi matematika
CONTOH :, sistem kalender, jarak tempat tinggal
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala
sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku, temperatur yang diukur berdasarkan 0C dan 0F
Pengolahan Data
PROSEDUR PENGOLAHAN DATA :
A.
B.
PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi
•
Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi
data normal atau mendekati normal.
•
Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameterparameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui
atau tidak normal
JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi
•
•
•
Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau
beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh
: korelasi motivasi dengan pencapaian akademik.
Analisis BIVARIAT
Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel
di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi
terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang
pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.
Pengolahan Data
MULAI
Statistik
Non Parametrik
Analisis
Univariat
SATU
NOMINAL
ORDINAL
Jumlah
Variabe
l?
INTERVAL
Jenis
Data
?
DUA / LEBIH
RASIO
Statistik
Parametrik
Analisis
Multivariat
Ukuran Penyebaran
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :
1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)
4. DEVIASI STANDAR (Standard Deviation)
Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.
Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan
dengan bilangan terbesar dan terkecil.
Contoh :A : 100
90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10
C : 100 100 100 90 80 30 20 10 10 10
Rata-rata
X = 55
r = 100 – 10 = 90
Deviasi rata-rata
Deviasi Rata-rata : penyebaran
Berdasarkan harga mutlak
simpangan
bilangan-bilangan terhadap rataratanya.
Kelompok A
Rata-rata
Kelompok B
Nilai X
X-X
|X – X|
Nilai X
X-X
|X – X|
100
45
45
100
45
45
90
35
35
100
45
45
80
25
25
100
45
45
70
15
15
90
35
35
60
5
5
80
25
25
50
-5
5
30
-25
25
40
-15
15
20
-35
35
30
-25
25
10
-45
45
20
-35
35
10
-45
45
10
-45
45
10
-45
45
Jumlah
0
250
Jumlah
0
390
DR = 250 = 25
10
Rata-rata
DR = 390 = 39
10
DR =
n |Xi – X|
Σ
n
i=1
Makin besar simpangan,
makin besar nilai deviasi rata-rata
Varians & Deviasi Standar
Varians : penyebaran berdasarkan
jumlah kuadrat simpangan bilanganbilangan terhadap rata-ratanya ;
melihat ketidaksamaan sekelompok data
n
2
2
s = Σ (Xi – X)
n-1
i=1
Deviasi Standar : penyebaran
berdasarkan akar dari varians ;
menunjukkan keragaman kelompok data
s=
√
n
(Xi – X)2
Σ
i=1 n-1
Kelompok A
Kelompok B
Nilai X
X -X
(X–X)2
Nilai X
X -X
(X –X)2
100
45
2025
100
45
2025
90
35
1225
100
45
2025
80
25
625
100
45
2025
70
15
225
90
35
1225
60
5
25
80
25
625
50
-5
25
30
-25
625
40
-15
225
20
-35
1225
30
-25
625
10
-45
2025
20
-35
1225
10
-45
2025
10
-45
2025
10
-45
2025
8250
Jumlah
Jumlah
s =√
8250
9 = 30.28
s =√
15850
15850
9 = 41.97
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
+3s
+2s
-s
+s
+2s +3s
68%
95%
99%
• Lakukan uji normalitas
• Rasio Skewness & Kurtosis berada –2 sampai +2
nilai
Rasio =
Standard error
• Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon,
Mann-White, Tau Kendall)
Normalitas, Hipotesis, Pengujian
Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;
berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;
akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni
hipotesis yang akan diterima seandainya Ho ditolak
HIPOTESIS
TERARAH
TIDAK TERARAH
Hipotesis
Penelitian
Siswa yang belajar bahasa lebih
serius daripada siswa yang
belajar IPS
Ada perbedaan keseriusan siswa
antara yang belajar bahasa dengan
yang belajar IPS
Hipotesis Nol
(Yang diuji)
Siswa yang belajar bahasa tidak
menunjukkan kelebihan
keseriusan daripada yang belajar
IPS
Ho : b < i
Ha : b > i
Tidak terdapat perbedaan
keseriusan belajar siswa antara
bahasa dan IPS
Ho : b = i
Ha : b ≠ I
TUGAS
1.Setiap mahasiswa mereview 4 jurnal/laporan penelitian/buku
2.Mahasiswa mencari data hipotesis terkait dengan jenis data sebagai
berikut:
a. Data Nominal b. Data Ordinal c. Data Internal
d. Data Rasio
3. Mahasiswa mereview jurnal tersebut dengan mengisi form yang ada
4. Mahasiswa mengupload 4 jurnal yang dipilih dengan nama fle:
MKB 1 [Nim] Tugas 1 Jurnal 1
Contoh :
MKB 1 130321100088 Tugas 1 Jurnal 1
MKB 1 130321100088 Tugas 1 Jurnal 2
dst
5. Batas akhir pengumpulan 14 Maret 2016
SUMBER
•
http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDMQFjAB&url=http%3A%2F
%2Filearn.unand.ac.id%2Fpluginfle.php%2F15547%2Fmod_resource%2Fcontent%2F1%2FPertemuan
%252012%2520Statistik
%2520parametrik.ppt&ei=nay8UMjhG42yrAfetYCAAQ&usg=AFQjCNEU1eDNXXRECh2dqL4ALiYRFkaLiA&sig2=opCsXk9plxSG
a1gS7LfSvA
•
•
Santoso, S. 2007. Menguasai Statistik di Era Informasi. Elex Media Komputindo, Jakarta
Sumber-sumber lain
KUANTITATIF
STATISTIK
INFERENSIAN
DIAMBIL DARI BERBAGAI SUMBER
1. Pengertian Statistika
KEGUNAAN ?
STATISTIKA :
Proses sistematis yang terdiri dari:
• Pengumpulan data
• Pengolahan data
• Penyajian data
• Analisis dan Intepretasi data
STATISTIKA DESKRIPTIF :
Metode statistik yang terdiri dari proses
pengumpulan, pengolahan dan penyajian data
yang dikumpulkan. Selanjutnya dideskripsikan
tanpa menarik suatu kesimpulan
STATISTIKA INFERENSI :
Langkah pada metode ini sama dengan statistik
deskriptif dan dilanjutkan dengan proses
analisis statistik. Hasil uji selanjutnya
diintepretasikan dan kemudian digunakan
sebagai dasar pemberian rekomendasi. Tujuan
dari statistika inferensi adalah proses
generalisasi suatu fenomena (jika sampel
representatif)
2. Statistika & Metode Ilmiah
METODE ILMIAH :
Proses pemecahan
masalah dan pencarian
kebenaran dengan
menggunakan cara
yang terstruktur,
sistematis dan sudah
teruji.
LANGKAH-LANGKAH :
1. Latar Belakang
2. Perumusan masalah, maksud dan tujuan
3. Kajian teori dan Pustaka
4. Membuat hipotesis (jika diperlukan)
4.
Pengumpulan dan pengolahan data, pengujian hipotesis
5.
Menarik kesimpulan dan rekomendasi
POPULASI
VARIABEL
INDIKATOR
VARIABEL
METODE
STATISTIK
SAMPEL
INSTRUMEN
DATA
METODE ANALISIS
Pembagian Statistik
Statistik
Statistik
Deskriptif
Statistik
Inferensia
Parametrik
Non
Parametrik
Perbedaan Statistik Parametrik dan Non Parametrik
NO
1
PARAMETRIK
NON PARAMETRIK
- menguji parameter populasi melalui statistik
menguji distribusi
- menguji ukuran populasi melalui data sampel.
- parameter adalah data yang diperoleh dari semua
anggota populasi yang ada.
yaitu: rara-rata (μ), simpangan baku (σ), varians (σ²).
- statistik adalah data yang diperoleh dari penarikan
sampel.
yaitu: rata-rata (x bar), simpangan baku (s) dan
varians (s²).
Adanya penetapan dan pengujian hipotesis
Asumsi yang harus dipenuhi: berdistribusi normal, data
homogin (untuk bbrp tes), asumsi linieritas (untuk
regresi).
tidak menuntut terpenuhi
banyak asumsi
free distribution
data interval dan rasio
data nominal dan ordinal
Statistik Parametrik
• Adalah suatu uji mempersyaratkan adanya asumsiasumsi tertentu yang harus dipenuhi.
• Jenis data yang dipergunakan dalam statistik
parametrik adalah berskala interval atau rasio
• Syarat populasi adalah berdistribusi normal.
Contoh: Asumsi pada uji t adalah populasi berdistribusi
normal.
Istilah parametrik menunjukkan bahwa pada uji t yang
diuji adalah parameter (rata-rata populasi)
Persyaratan Data pada Analisis Statistik
Parametrik
• Data sampel dipilih secara acak (random)
• Data harus homogen uji homogenitas.
• Adanya normalitas data (data yang dianalisis berbentuk
garis linier) uji linieritas.
• Berpasangan artinya data yang dihubungkan mempunyai
pasangan yang sama sesuai dengan subjek yang sama,
kalau salah satu tidak terpenuhi untuk persyaratan
analisis korelasi atau regresi tidak dapat dilakukan.
Macam Data
Interval
Rasio
Bentuk Hipotesis
Deskriptif
(satu
variabel)
Komparatif (dua sampel)
Komparatif (lebih dari 2
sampel)
Related
Related
T
Test*
T-test of* T-test of* One-Way One-Way Pearson
Related
independ Anova* Anova* Product
ent
Moment
Two Way Two Way *
Independen
Anova*
Asosiatif
(hubungan)
Independen
Anova*
Partial
Correlati
on*
Multiple
Correlati
on*
Data
DATA DALAM PENELITIAN
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk informasi ukan
angka.
Contoh : jenis pekerjaan,
desa-kota, tingkat motivasi
kerja
DATA KUANTITATIF :
Data yang dinyatakan dalam
bentuk angka
Contoh : lama sekolah,
jumlah penduduk, usia,
tingkat produksi
DATA
KUALITATIF
NOMINAL
ORDINAL
JENIS
DATA
KUANTITATIF
INTERVAL
RASIO
Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan
CIRI : posisi data tidak setara
Jarak antar data tidak diketahui
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui.
CIRI : Tidak ada kategorisasi
Posisi data tidak setara
Jarak antar data diketahui
bisa dilakukan operasi matematika
CONTOH :, sistem kalender, jarak tempat tinggal
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala
sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku, temperatur yang diukur berdasarkan 0C dan 0F
Pengolahan Data
PROSEDUR PENGOLAHAN DATA :
A.
B.
PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi
•
Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi
data normal atau mendekati normal.
•
Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameterparameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui
atau tidak normal
JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi
•
•
•
Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau
beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh
: korelasi motivasi dengan pencapaian akademik.
Analisis BIVARIAT
Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel
di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi
terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang
pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.
Pengolahan Data
MULAI
Statistik
Non Parametrik
Analisis
Univariat
SATU
NOMINAL
ORDINAL
Jumlah
Variabe
l?
INTERVAL
Jenis
Data
?
DUA / LEBIH
RASIO
Statistik
Parametrik
Analisis
Multivariat
Ukuran Penyebaran
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :
1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)
4. DEVIASI STANDAR (Standard Deviation)
Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.
Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan
dengan bilangan terbesar dan terkecil.
Contoh :A : 100
90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10
C : 100 100 100 90 80 30 20 10 10 10
Rata-rata
X = 55
r = 100 – 10 = 90
Deviasi rata-rata
Deviasi Rata-rata : penyebaran
Berdasarkan harga mutlak
simpangan
bilangan-bilangan terhadap rataratanya.
Kelompok A
Rata-rata
Kelompok B
Nilai X
X-X
|X – X|
Nilai X
X-X
|X – X|
100
45
45
100
45
45
90
35
35
100
45
45
80
25
25
100
45
45
70
15
15
90
35
35
60
5
5
80
25
25
50
-5
5
30
-25
25
40
-15
15
20
-35
35
30
-25
25
10
-45
45
20
-35
35
10
-45
45
10
-45
45
10
-45
45
Jumlah
0
250
Jumlah
0
390
DR = 250 = 25
10
Rata-rata
DR = 390 = 39
10
DR =
n |Xi – X|
Σ
n
i=1
Makin besar simpangan,
makin besar nilai deviasi rata-rata
Varians & Deviasi Standar
Varians : penyebaran berdasarkan
jumlah kuadrat simpangan bilanganbilangan terhadap rata-ratanya ;
melihat ketidaksamaan sekelompok data
n
2
2
s = Σ (Xi – X)
n-1
i=1
Deviasi Standar : penyebaran
berdasarkan akar dari varians ;
menunjukkan keragaman kelompok data
s=
√
n
(Xi – X)2
Σ
i=1 n-1
Kelompok A
Kelompok B
Nilai X
X -X
(X–X)2
Nilai X
X -X
(X –X)2
100
45
2025
100
45
2025
90
35
1225
100
45
2025
80
25
625
100
45
2025
70
15
225
90
35
1225
60
5
25
80
25
625
50
-5
25
30
-25
625
40
-15
225
20
-35
1225
30
-25
625
10
-45
2025
20
-35
1225
10
-45
2025
10
-45
2025
10
-45
2025
8250
Jumlah
Jumlah
s =√
8250
9 = 30.28
s =√
15850
15850
9 = 41.97
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
+3s
+2s
-s
+s
+2s +3s
68%
95%
99%
• Lakukan uji normalitas
• Rasio Skewness & Kurtosis berada –2 sampai +2
nilai
Rasio =
Standard error
• Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon,
Mann-White, Tau Kendall)
Normalitas, Hipotesis, Pengujian
Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;
berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;
akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni
hipotesis yang akan diterima seandainya Ho ditolak
HIPOTESIS
TERARAH
TIDAK TERARAH
Hipotesis
Penelitian
Siswa yang belajar bahasa lebih
serius daripada siswa yang
belajar IPS
Ada perbedaan keseriusan siswa
antara yang belajar bahasa dengan
yang belajar IPS
Hipotesis Nol
(Yang diuji)
Siswa yang belajar bahasa tidak
menunjukkan kelebihan
keseriusan daripada yang belajar
IPS
Ho : b < i
Ha : b > i
Tidak terdapat perbedaan
keseriusan belajar siswa antara
bahasa dan IPS
Ho : b = i
Ha : b ≠ I
TUGAS
1.Setiap mahasiswa mereview 4 jurnal/laporan penelitian/buku
2.Mahasiswa mencari data hipotesis terkait dengan jenis data sebagai
berikut:
a. Data Nominal b. Data Ordinal c. Data Internal
d. Data Rasio
3. Mahasiswa mereview jurnal tersebut dengan mengisi form yang ada
4. Mahasiswa mengupload 4 jurnal yang dipilih dengan nama fle:
MKB 1 [Nim] Tugas 1 Jurnal 1
Contoh :
MKB 1 130321100088 Tugas 1 Jurnal 1
MKB 1 130321100088 Tugas 1 Jurnal 2
dst
5. Batas akhir pengumpulan 14 Maret 2016
SUMBER
•
http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDMQFjAB&url=http%3A%2F
%2Filearn.unand.ac.id%2Fpluginfle.php%2F15547%2Fmod_resource%2Fcontent%2F1%2FPertemuan
%252012%2520Statistik
%2520parametrik.ppt&ei=nay8UMjhG42yrAfetYCAAQ&usg=AFQjCNEU1eDNXXRECh2dqL4ALiYRFkaLiA&sig2=opCsXk9plxSG
a1gS7LfSvA
•
•
Santoso, S. 2007. Menguasai Statistik di Era Informasi. Elex Media Komputindo, Jakarta
Sumber-sumber lain