pengabdian masyarakat uji statistik statistical test dalam penelitian 1 agustus 2008

UNIVERSITAS NEGERI YOGYAKARTA

FAKULTAS TEKNIK

JURUSAN PENDIDIKAN TEKNIK BOGA DAN BUSANA

Alamat: Kampus Karangmalang, Jl. Gejayan Telp. 586168 psw278, (0274)565583

Yogyakarta, 31 Juli 2008

No.

: 056/PTBB/VII/2008

Hal : Permohonan sebagai Pembicara

Lamp. :

-Kepada Yth:

Dr. Samsul Hadi, M.Pd., M.T.

Staf pengajar Jurusan Pendidikan Teknik Elektro

Fakultas Teknik, UNY

di tempat

Dengan hormat,

Sehubungan dengan rencana Program Kerja Jurusan Pendidikan Teknik Boga

dan Busana, yaitu refreshing Metodologi Penelitian bagi dosen Jurusan PTBB,

maka bersama ini kami mohon kesediaan Bapak sebagai pembicara pada

kegiatan tersebut yang direncanakan akan dilaksanakan pada hari Jumat, 1

Agustus 2008 pada pukul 09.00 - 11.30 di ruang 209 (Lab. TLRT).

Demikian permohonan ini disampaikan. Atas bantuan dan kerja samanya kami

ucapkan terima kasih.

Ketua Jurusan PTBB

'X

Dr. Sri Wening

NIP 131 282 344

DEPARTEMEN PENDIDIKAN NASIONAL

UNIVERSITAS NEGERI YOGYAKARTA

FAKULTAS TEKNIK

Alamat: Kampus Karangmalang. Yogy akarta, 55281

Telp. (0274) 586168 psw. 276,289,292 (0274) 586734 Fax. (0274) 586734

website : http://ft.unv.ac.id e-mail: ft@unv.ac. id : teknik(a).unv.ac.id

SURAT PENUGASAN/IJIN

Nomor: 1955a/H34.15/ST/2008

Dekan Fakultas Teknik Universitas Negeri Yogyakarta menugaskan/ mengijinkan kepada:

No

Nama

NIP

Jabatan

Dr. Samsul Hadi

130683449

Dosen Elektro

Keperluan : Menjadi Pembicara dalam refreshing Metodologi Penelitian dosen

Jurusan PTBB

Hari, tanggal

: Jumat, 1 Agustus 2008

Surat penugasan/ ijin ini diberikan kepada yang bersangkutan untuk dipergunakan dengan

sebaik-baiknya serta penuh tanggung jawab.

Kepada yang berkepentingan kiranya maklum dan berkenan memberikan bantuan seperlunya.

Tembusan Yth.:

Kajur PTBB

UNIVERSITAS NEGERI YOGYAKARTA

FAKULTAS TEKNIK

JURUSAN PENDIDIKAN TEKNIK BOGA DAN BUSANA

Alamat: Kampus Karangmalang, Jl. Gejayan Telp. 565583

SURAT KETERANGAN TELAH MELAKSANAKAN TUGAS

Yang bertanda tangan di bawah in i:

Nama

: Dr. Sri Wening

NIP

: 131 282 344

Jabatan

: Ketua Jurusan Pendidikan Teknik Boga dan Busana

menerangkan bahwa Dr. Samsul Hadi, M.Pd., M.T. telah melaksanakan tugas sebagai

pembicara pada kegiatan Refreshing Metodologi Penelitian bagi dosen Jurusan Pendidikan

Teknik Boga dan Busana pada hari Jumat, 1 Agustus 2008.

Demikian surat keterangan ini dibuat agar dapat digunakan sebagaimana mestinya.

Yogyakarta, 2 Agustus 2008

Ketua Jurusan PTBB

Dr. Sri Wening.

NIP 131282344

UJI STATISTIK (STATISTICAL TEST) DALAM

PENELITIAN

M a k a l a h D i sa m p a i k a n d a l a m A c a r a

Refreshing

M e t o t o l o g i

P e n e l i t i a n / St a t i st i k D o se n - d o se n PTB B FT U N Y

O l e h :

Sa m su l H a d i

FAKULTAS TEKNIK

UNIVERSITAS NEGERI YOGYAKARTA

1 AGUSTUS 2008

UJI STATISTIK

(STATISTICAL TEST)

DALAM PENELITIAN*

O l e h : Sa m su l H a d i

A. Pendahuluan

P e n e l i t i a n d i l a k sa n a k a n k a r e n a a d a n y a m a sa l a h y a n g t i m b u l k a r e n a a d a n y a

k e se n j a n g a n a n t a r a f a k t a d a n h a r a p a n . M a sa l a h t e r s e b u t m e n j a d i d a sa r u n t u k

m e r u m u sk a n a t a u m e n g e m b a n g k a n t u j u a n , m a n f a a t , k a j i a n t e o r i , i n st r u m e n ,

p e n g u m p u l a n d a t a , p e n g o l a h a n d a t a , d a n k e si m p u l a n p e n e l i t i a n . B e r d a sa r k a n r u m u sa n

m a sa l a h p e n e l i t i a n , m a k a d a p a t d i c a r i k a j i a n t e o r i , i n st r u m e n p e n e l i t i a n , d a t a p e n e l i t i a n ,

d a n t e k n i k a n a l i si s d a t a y a g t e p a t , se h i n g g a d a p a t d i t e m u k a n k e si m p u l a n y a n g d a p a t

m e n j a w a b r u m u sa n m a sa l a h d a n m e n c a p a i t u j u a n p e n e l i t i a n .

T u j u a n y a n g d i t u r u n k a n d a r i r u m u sa n m a sa l a h p e n e l i t i a n se c a r a u m u m d a p a t

d i k e l o m p o k k a n m e n j a d i t i g a ( 3 ) b e r d a s a r k a n si f a t n y a , y a i t u : d e sk r i p t i f , k o r e l a si o n a l , d a n

d i f e r e n si a l a t a u m e m b e d a k a n . M o t u l sk y ( 1 9 9 5 ) m e m b e d a k a n t u j u a n p e n e l i t i a n m e n j a d i

9 se b a g a i b e r i k u t :

1 . M e n d e sk r i p si k a n sa t u v a r i a b e l

2 . M e m b a n d i n g k a n sa t u v a r i a b e l d a r i sa t u k e l o m p o k d e n g a n su a t u n i l a i y a n g

d i h i p o t e si sk a n

3 . M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l i n d e p e n d e n

4 . M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l b e r p a sa n g a n

(

paired)

5 . M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k y a n g t a k b e r b e d a

(unmatched groups)

6 . M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k k e l o m p o k y a n g

sa m a

{matchedgroups)

7 . M e n g h i t u n g k o r e l a si a n t a r a d u a v a r i a b e l

8 . M e r a m a l k a n su a t u v a r i a b e l d a r i v a r i a b e l l a in

9 . M e r a m a l k a n su a t u v a r i a b e l b e r d a sa r k a n b e b e r a p a v a r i a b e l .

M akalah Disampaikan dalam Acara Refreshing M et ot ologi Penelit ian/ St at ist ik Dosen-dosen PTBB FT UNY pada Tanggal 1 Agust us 2008

-Se l a i n k e 9 j e n i s t u j u a n t e r se b u t , a d a p e n e l i t i a n y a n g b e r t u j u a n u n t u k m e m b a n d i n g k a n

b a n y a k v a r i a b e l d a r i d u a k e l o m p o k a t a u l e b i h , m e r a m a l k a n b a n y a k v a r i a b e l b e r d a sa r k a n

b a n y a k v a r i a b e l , d a n m e n g u j i m o d e l .

Ru m u sa n m a sa l a h m e n e n t u k a n v a r i a b e l d a n d a t a y a n g a k a n d i p e r o l e h d a l a m

p e n e l i t i a n . V a r i a b e l p e n e l i t i a n m e n e n t u k a n t e o r i d a n h a si l p e n e l i t i a n t e r d a h u l u y a n g

h a r u s d i k a j i . D a l a m p e n e l i t i a n su a t u v a r i a b e l b i sa b e r si f a t m a n d i r i , i n d e p e n d e n , a t a u

d e p e n d e n . T i p e d a t a d a l a m p e n e l i t i a n d a p a t d i k e l o m p o k k a n m e n j a d i e m p a t ( 4 ) , y a i t u :

n o m i n a l , o r d i n a l , i n t e r v a l , d a n r a si o . D a t a n o m i n a l t i d a k m e m p u n y a i u r u t a n , d a n

p e m b e r i a n a n g k a p a d a k a t e g o r i b e r si f a t

arbitrary

( m i sa l n y a l a k i - l a k i d i b e r i k o d e 1, p e r e m p u a n d i k o d e 2 ) . D a t a o r d i n a l m e m p u n y a i u r u t a n , t e t a p i j a r a k a n t a r t i t i k y a n g

d i a n g k a k a n b i sa t i d a k sa m a ( m i sa l p e r i n g k a t k e l a s, u r u t a n 1, 2 , 3 d st . m u n g k i n

m e m p u n y a i r a t a - r a t a n i l a i y a n g j a r a k n y a t i d a k sa m a ) . D a t a i n t e r v a l m e m p u n y a i u r u t a n

d a n j a r a n g a n t a r t i t i k a n g k a sa m a . N a m u n d a t a i n t e r v a l t i d a k m e m p u n y a i n i l a i 0 m u t l a k ,

k a r e n a 0 p a d a d a t a i n t e r v a l t i d a k b e r a r t i t i d a k a d a a t a u t i d a k p u n y a ( m i sa l n y a h a si l t e s,

t e m p e r a t u r , d l l ) . D a t a r a si o a d a l a h d a t a i n t e r v a l y a n g m e m p u n y a i 0 m u t l a k , m i sa l n y a

p e n g h a si l a n se se o r a n g ( G a r so n , 2 0 0 8 ) .

T u j u a n p e n e l i t i a n d a n j e n i s d a t a y a n g d i p e r o l e h d a r i p e n e l i t i a n m e n e n t u k a n u ji

st a t i s t i k y a n g h a r u s d i g u n a k a n d a l a m p e n e l i t i a n . U r a i a n b e r i k u t n y a a k a n m e m b a h a s u ji

st a t i s t i k u n t u k m e n j a w a b m a sa l a h p e n e l i t i a n .

B. Uji Statistik (Statistical Test)

M e t o d e st a t i st i k u n t u k m e n j a w a b m a sa l a h p e n e l i t i a n d a p a t d i k e l o m p o k k a n

m e n j a d i d u a , y a i t u : s t a t i s t i k d e s k r i p t i f d a n s t a t i s t i k i n f e r e n si a l . St a t i s t i k d e s k r i p t i f

b e r t u j u a n u n t u k m e n d e sk r i p si k a n v a r i a b e l y a n g d i t e l i t i se d e m i k i a n r u p a se h i n g g a

m e n a r i k m u d a h d i p a h a m i o l e h p e m b a c a . P e n d e sk r i p si a n v a r i a b e l t e r s e b u t d a p a t

d i l a k u k a n c a r a m e r a n g k u m , m e m b u a t t a b e l , a t a u m e m b u a t g r a f i k . M e r a n g k u m d a p a t

d i l a k u k a n d e n g a n c a r a m e n c a r i n i l a i r a t a - r a t a , m e d i a n , m o d e , st a n d a r d e v i a si ,

skewness,

d l l . Ra t a - r a t a d a p a t d i h i t u n g j i k a d a t a b e r t i p e i n t e r v a l a t a u r a si o . M e m b u a t t a b e l d a p a t

d i l a k u k a n d e n g a n b e r b a g a i m o d e l , d e m i k i a n j u g a d e n g a n m e m b u a t g r a f i k . A n a l i si s d a t a

d e n g a n st a t i st i k d e s k r i p t i f i n i d i l a k u k a n sa t u v a r i a b e l d e m i sa t u v a r i a b e l .

St a t i s t i k i n f e r e n si a l d i m a k su d k a n u n t u k m e n g a m b i l k e si m p u l a n d a n / a t a u

m e m b u a t k e p u t u sa n y a n g b e r l a k u u n t u k p o p u l a si b e r d a sa r k a n d a t a y a n g d i a m b i l d a r i

-sa m p e l . P e n g a m b i l a n k e si m p u l a n a t a u p e m b u a t a n k e p u t u -sa n t e r se b u t d i l a k u k a n d e n g a n

m e n g u j i h i p o t e si s n o l ( H o ) d e n g a n t a r a f si g n i f i k a n si t e r t e n t u ( b i a sa n y a 5 % ) , b a i k sa t u

e k o r a t a u d u a e k o r . T a r a f si g n i f i k a n si m e n u n j u k k a n t i n g k a t k e sa l a h a n m a k si m u m y a n g

b o l e h t e r j a d i d a l a m p e n g u j i a n h i p o t e si s. Pe n g u j i a n H o d i l a k u k a n d e n g a n

m e m b a n d i n g k a n s t a t i s t i k h i t u n g d e n g a n s t a t i s t i k t a b e l p a d a t a r a f si g n i f i k a n si y a n g t e l a h

d i t e t a p k a n . Ji k a s t a t i s t i k h i t u n g > st a t i st i k t a b e l , m a k a H o t i d a k d i t e r i m a . Se b a l i k n y a , j i k a

s t a t i s t i k h i t u n g < s t a t i s t i k t a b e l , m a k a H o d i t e r i m a . M e n e r i m a H o b e r a r t i m e n o l a k H a ,

t i d a k m e n e r i m a H o b e r a r t i m e n e r i m a H a . Se c a r a v i su a l , p r i n si p p e n g u j i a n h i p o t e si s ( d u a

e k o r ) d i t u n j u k k a n p a d a G a m b a r 1 sb b :

G a m b a r 1. P r i n si p Pe n g u j i a n H i p o t e si s ( D u a Ek o r )

H i p o t e si s ( d u a e k o r ) , d a l a m b e n t u k k a l i m a t , b i a sa n y a d i n y a t a k a n d e n g a n " T i d a k

t e r d a p a t .. .. " . H i p o t e si s in i b i a sa n y a b e r b e d a d e n g a n h i p o t e si s a l t e r n a t i f ( H a ) y a n g

d i b a n g u n d a r i k a j i a n t e o r i , h a si l p e n e l i t i a n t e r d a h u l u , d a n k e r a n g k a b e r f i k i r p e n e l i t i , y a n g

m e n y a t a k a n " T e r d a p a t

.

K a r e n a i t u , p e n e l i t i b i a sa n y a b e r a t u n t u k m e n e r i m a H o d a l a m p e n g u j i a n h i p o t e si s k a r e n a d i p e r l u k a n r a si o n a l y a n g l e b i h d a l a m u n t u k

m e n j e l a sk a n p e n o l a k a n H a .

Ru m u s s t a t i s t i k i n f e r e n si a l d i k e m b a n g k a n d e n g a n a su m si t e r t e n t u , se p e r t i

n o r m a l i t a s d a t a , l i n e a r i t a s h u b u n g a n a n t a r v a r i a b e l , h o m o g e n i t a s v a r i a n si d a t a

k e l o m p o k y a n g d i b a n d i n g k a n , d sb . Ji k a h a si l p e n g u j i a n a su m si n o r m a l i t a s d a t a t e r p e n u h i

a t a u d a t a d i a m b i l d a r i sa m p e l y a n g c u k u p b e sa r , m a k a s t a t i s t i k i n f e r e n si a l p a r a m e t r i k

d a p a t d i g u n a k a n , se d a n g j i k a a su m si n o r m a l i t a s d a t a t i d a k t e r p e n u h i a t a u d a t a d i a m b i l

( M o t u l sk y , 1 9 9 5 ) . Ra n g k u m a n s t a t i s t i k y a n g se su a i u n t u k t u j u a n p e n e l i t i a n d a n d a t a

y a n g a d a d i t u n j u k k a n p a d a T a b e l 1.

T a b e l 1. Ra n g k u m a n St a t i st i k y a n g Se su a i U n t u k T u j u a n P e n e l i t i a n d a n D a t a

( M o t u l sk y , 1 9 9 5 )

Tujuan

Tipe/ Kondisi Data

Interval/ Rasio

Normal

Ordinal atau

Interval/ Rasio

Tidak Normal

Binomial (Dua

Kemungkinan)

M e n d e s k r i p s i k a n sa t u v a r i a b e l

Mean, SD

Median,

int erquart ile range

Proportion

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i sa t u k e l o m p o k d e n g a n su a t u n i l a i y a n g d i h i p o t e s i sk a n

One-sample t

test

Wilcoxon test

Chi-square

a t a u

Binomial test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l i n d e p e n d e n

Unpaired t test

M ann-Whit ney test

Fisher's test

(chi-square f or

large samples)

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l b e r p a sa n g a n (

paired)

Paired t test

Wilcoxon test

M cNemar's test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k y a n g b e r b e d a

(unmatched

groups)

One-way ANOVA

Kruskal-Wallis test

Chi-square test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k k e l o m p o k y a n g sa m a

(mat ched

groups)

Repeated-measures

ANOVA

Friedman test

Cochrane Q

M e n g h i t u n g k o r e l a si a n t a r a d u a v a r i a b e l

Pearson

correlation

Spearman

correlation

Contingency

coefficients

M e r a m a l k a n su a t u v a r i a b e l d a r i v a r i a b e l l a i n

Simple linear

regression

a t a u

Nonlinear

regression

Nonparametric

regression

Simple logistic

regression

M e r a m a l k a n su a t u v a r i a b e l b e r d a sa r k a n b e b e r a p a v a r i a b e l

M ultiple linear

regression

a t a u

M ultiple

nonlinear

regression

M ultiple logistic

regression

Pe n e l i t i a n y a n g b e r t u j u a n u n t u k m e m b a n d i n g k a n b a n y a k v a r i a b e l d a r i d u a k e l o m p o k

a t a u l e b i h d i l a k u k a n d e n g a n M a n o v a , m e r a m a l k a n b a n y a k v a r i a b e l b e r d a sa r k a n b a n y a k

-v a r i a b e l d a p a t d i l a k u k a n d e n g a n

M ultivariate Multiple Linear Regression.

Se d a n g k a n m e n g u j i m o d e l d a p a t d i l a k u k a n d e n g a n

Structruai Equation Modeling.

H a r t m a n ( 2 0 0 0 ) m e r a n g k u m u j i s t a t i s t i k b e r d a sa r k a n j u m l a h v a r i a b e l d e p e n d e n

d a n i n d e p e n d e n se r t a t i p e d a n k o n d i si d a t a . Ra n g k u m a n t e r s e b u t d a p a t d i l i h a t p a d a

La m p i r a n . Ji k a d i b a n d i n g k a n d e n g a n r a n g k u m a n y a n g d i b u a t o l e h M o t u l sk y ( 1 9 9 5 ) ,

r a n g k u m a n y a n g d i b u a t o l e h H a r t m a n l e b i h l e n g k a p . N a m u n t e n t u n y a u j i s t a t i s t i k h a r u s

d i p i l i h b e r d a sa r k a n t u j u a n p e n e l i t i a n , b u k a n d i t e n t u k a n o l e h k e r u m i t a n a t a u k e m u d a h a n

h i t u n g a n .

C. Daftar Pustaka

... ( 2 0 0 8 ) .

Choosing the Correct St atistical Test in SAS, Stata and SPSS.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / w w w . a t s . u c l a . e d u .

G a r so n . ( 2 0 0 8 ) .

Data levels: Statnotes, from North Carolina State University, Public

Administration Program.

D i a m b i l p a d a t a n g g a l 3 1 M a r e t 2 0 0 8 d a r i : h t t p : / / w w w 2 . c h a s s . n c s u . e d u .

H a r t m a n . J. ( 2 0 0 0 ) .

Choosing the correct statistical test.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / b a m a . u a . e d u .

M o t u l sk y . H. ( 1 9 9 5 ) .

Intuitive Biostatistics: Choosing a statistical test.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / w w w . g r a p h p a d . c o m .

La m p i r a n :

Choosing the Correct Statistical Test (Hartman, 2000)

N u m b e r o f D e p e n d e n t V a r i a b l e s

N u m b e r o f In d e p e n d e n t

V a r i a b l e s

Ty p e o f D e p e n d e n t Va r i a b l e ( s)

Ty p e o f In d e p e n d e n t

Va r i a b l e ( s)

M e asu r e Te st ( s)

1

0 (1 p o p u l at io n )

c o n t i n u o u s n o r m al

n o t a p p l i c a b l e ( n o n e )

m e an o n e -sa m p l e t - t e st

c o n t i n u o u s n o n ­

n o r m al m e d i an

o n e - sa m p le m e d i an

c a t e g o r i c a l p r o p o r t io n s

Ch i Sq u a r e g o o d n e ss- o f - f i t ,

b i n o m i al t e st

1 (2 in d e p e n d e n t

p o p u l at io n s)

n o r m al

2 c a t e g o r i e s

m e an 2 in d e p e n d e n t sa m p l e t - t e st

n o n -n o r m a l m e d ia n s

M an n W h i t n e y , W i l c o xo n r an k

su m t e st

c a t e g o r i c a l p r o p o r t io n s

Ch i sq u a r e t e st Fi sh e r ' s Exact

t e st

0

(1 p o p u l at i o n m e a su r e d t w i ce )

or

1 (2 m a t ch e d p o p u l at io n s)

n o r m al

n o t a p p l i c a b l e / c a t e g o r i c a l

m e an s p a ir e d t - t e st

n o n -n o r m a l m e d ia n s W i l co x o n sig n e d r a n k s t e st

c a t e g o r i c a l p r o p o r t io n s M c N e m a r , Ch i- sq u a r e t e st

1

(3 o r m o r e p o p u la t i o n s)

n o r m al

c a t e g o r i c a l

m e an s o n e - w a y A N O V A

n o n - n o r m a l m e d ia n s Kr u sk a l W a ll i s

c a t e g o r i c a l p r o p o r t i o n s Ch i sq u a r e t e st

2 o r m o r e ( e .g., 2 -w a y A N O V A )

n o r m al

c a t e g o r i c a l

m e an s Fa ct o r ia l A N O V A

n o n - n o r m a l m e d ia n s Fr i e d m a n t e st

c a t e g o r i c a l p r o p o r t io n s

l o g- li n e a r , l o gi st i c r e g r e ssio n

La m p i r a n ( La n j u t a n )

N u m b e r o f D e p e n d e n t Va r i a b le s

N u m b e r o f In d e p e n d e n t

Va r i a b l e s

Ty p e o f D e p e n d e n t V a r i a b l e ( s)

Ty p e o f In d e p e n d e n t

Va r i a b l e ( s)

M e asu r e Te st ( s)

0 ( 1 p o p u l at i o n

m e a su r e d 3 o r m o r e t i m e s)

n o r m al n o t a p p l i ca b l e m e an s

Re p e at e d m e a su r e s A N O V A

n o r m al

c o n t i n u o u s

c o r r e la t i o n sim p l e li n e ar

r e g r e ssi o n

1

n o n - n o r m a l n o n - p a r am e t r i c c o r r e l at i o n

c a t e g o r i c a l

c a t e g o r i c a l o r c o n t i n u o u s l o gi st i c r e g r e ssio n

1

c o n t i n u o u s d isc r i m i n a n t a n a l y si s

n o r m al m u l t i p l e l i n e a r r e g r e ssio n

n o n - n o r m a l c o n t i n u o u s

c a t e g o r i c a l l o gi st i c r e g r e ssio n

2 o r m o r e

n o r m al

m ixe d c a t e g o r i c a l an d c o n t i n u o u s

A n a l y si s o f Co v a r i a n c e G e n e r a l Li n e ar

M o d e ls ( r e g r e ssi o n )

n o n -n o r m a l

c a t e g o r i c a l l o gi st i c r e g r e ssio n

2 2 o r m o r e n o r m al c a t e g o r i c a l M A N O V A

2 o r m o r e 2 o r m o r e n o r m al c o n t i n u o u s

m u l t i v a r ia t e m u l t i p l e l i n e a r

r e g r e ssio n

2 se t s o f

2 o r m o r e 0 n o r m al n o t a p p l i ca b l e

c a n o n ic a l c o r r e la t i o n

Se l a i n k e 9 j e n i s t u j u a n t e r se b u t , a d a p e n e l i t i a n y a n g b e r t u j u a n u n t u k m e m b a n d i n g k a n b a n y a k v a r i a b e l d a r i d u a k e l o m p o k a t a u l e b i h , m e r a m a l k a n b a n y a k v a r i a b e l b e r d a sa r k a n b a n y a k v a r i a b e l , d a n m e n g u j i m o d e l .

Ru m u sa n m a sa l a h m e n e n t u k a n v a r i a b e l d a n d a t a y a n g a k a n d i p e r o l e h d a l a m p e n e l i t i a n . V a r i a b e l p e n e l i t i a n m e n e n t u k a n t e o r i d a n h a si l p e n e l i t i a n t e r d a h u l u y a n g h a r u s d i k a j i . D a l a m p e n e l i t i a n su a t u v a r i a b e l b i sa b e r si f a t m a n d i r i , i n d e p e n d e n , a t a u d e p e n d e n . T i p e d a t a d a l a m p e n e l i t i a n d a p a t d i k e l o m p o k k a n m e n j a d i e m p a t ( 4 ) , y a i t u : n o m i n a l , o r d i n a l , i n t e r v a l , d a n r a si o . D a t a n o m i n a l t i d a k m e m p u n y a i u r u t a n , d a n p e m b e r i a n a n g k a p a d a k a t e g o r i b e r si f a t

arbitrary

( m i sa l n y a l a k i - l a k i d i b e r i k o d e 1, p e r e m p u a n d i k o d e 2 ) . D a t a o r d i n a l m e m p u n y a i u r u t a n , t e t a p i j a r a k a n t a r t i t i k y a n g d i a n g k a k a n b i sa t i d a k sa m a ( m i sa l p e r i n g k a t k e l a s, u r u t a n 1, 2 , 3 d st . m u n g k i n m e m p u n y a i r a t a - r a t a n i l a i y a n g j a r a k n y a t i d a k sa m a ) . D a t a i n t e r v a l m e m p u n y a i u r u t a n d a n j a r a n g a n t a r t i t i k a n g k a sa m a . N a m u n d a t a i n t e r v a l t i d a k m e m p u n y a i n i l a i 0 m u t l a k , k a r e n a 0 p a d a d a t a i n t e r v a l t i d a k b e r a r t i t i d a k a d a a t a u t i d a k p u n y a ( m i sa l n y a h a si l t e s, t e m p e r a t u r , d l l ) . D a t a r a si o a d a l a h d a t a i n t e r v a l y a n g m e m p u n y a i 0 m u t l a k , m i sa l n y a p e n g h a si l a n se se o r a n g ( G a r so n , 2 0 0 8 ) .

T u j u a n p e n e l i t i a n d a n j e n i s d a t a y a n g d i p e r o l e h d a r i p e n e l i t i a n m e n e n t u k a n u ji st a t i s t i k y a n g h a r u s d i g u n a k a n d a l a m p e n e l i t i a n . U r a i a n b e r i k u t n y a a k a n m e m b a h a s u ji st a t i s t i k u n t u k m e n j a w a b m a sa l a h p e n e l i t i a n .

B. Uji Statistik (Statistical Test)

M e t o d e st a t i st i k u n t u k m e n j a w a b m a sa l a h p e n e l i t i a n d a p a t d i k e l o m p o k k a n m e n j a d i d u a , y a i t u : s t a t i s t i k d e s k r i p t i f d a n s t a t i s t i k i n f e r e n si a l . St a t i s t i k d e s k r i p t i f b e r t u j u a n u n t u k m e n d e sk r i p si k a n v a r i a b e l y a n g d i t e l i t i se d e m i k i a n r u p a se h i n g g a m e n a r i k m u d a h d i p a h a m i o l e h p e m b a c a . P e n d e sk r i p si a n v a r i a b e l t e r s e b u t d a p a t d i l a k u k a n c a r a m e r a n g k u m , m e m b u a t t a b e l , a t a u m e m b u a t g r a f i k . M e r a n g k u m d a p a t d i l a k u k a n d e n g a n c a r a m e n c a r i n i l a i r a t a - r a t a , m e d i a n , m o d e , st a n d a r d e v i a si ,

skewness,

d l l . Ra t a - r a t a d a p a t d i h i t u n g j i k a d a t a b e r t i p e i n t e r v a l a t a u r a si o . M e m b u a t t a b e l d a p a t d i l a k u k a n d e n g a n b e r b a g a i m o d e l , d e m i k i a n j u g a d e n g a n m e m b u a t g r a f i k . A n a l i si s d a t a d e n g a n st a t i st i k d e s k r i p t i f i n i d i l a k u k a n sa t u v a r i a b e l d e m i sa t u v a r i a b e l .

St a t i s t i k i n f e r e n si a l d i m a k su d k a n u n t u k m e n g a m b i l k e si m p u l a n d a n / a t a u m e m b u a t k e p u t u sa n y a n g b e r l a k u u n t u k p o p u l a si b e r d a sa r k a n d a t a y a n g d i a m b i l d a r i

-sa m p e l . P e n g a m b i l a n k e si m p u l a n a t a u p e m b u a t a n k e p u t u -sa n t e r se b u t d i l a k u k a n d e n g a n m e n g u j i h i p o t e si s n o l ( H o ) d e n g a n t a r a f si g n i f i k a n si t e r t e n t u ( b i a sa n y a 5 % ) , b a i k sa t u e k o r a t a u d u a e k o r . T a r a f si g n i f i k a n si m e n u n j u k k a n t i n g k a t k e sa l a h a n m a k si m u m y a n g b o l e h t e r j a d i d a l a m p e n g u j i a n h i p o t e si s. Pe n g u j i a n H o d i l a k u k a n d e n g a n m e m b a n d i n g k a n s t a t i s t i k h i t u n g d e n g a n s t a t i s t i k t a b e l p a d a t a r a f si g n i f i k a n si y a n g t e l a h d i t e t a p k a n . Ji k a s t a t i s t i k h i t u n g > st a t i st i k t a b e l , m a k a H o t i d a k d i t e r i m a . Se b a l i k n y a , j i k a s t a t i s t i k h i t u n g < s t a t i s t i k t a b e l , m a k a H o d i t e r i m a . M e n e r i m a H o b e r a r t i m e n o l a k H a , t i d a k m e n e r i m a H o b e r a r t i m e n e r i m a H a . Se c a r a v i su a l , p r i n si p p e n g u j i a n h i p o t e si s ( d u a e k o r ) d i t u n j u k k a n p a d a G a m b a r 1 sb b :

G a m b a r 1. P r i n si p Pe n g u j i a n H i p o t e si s ( D u a Ek o r )

H i p o t e si s ( d u a e k o r ) , d a l a m b e n t u k k a l i m a t , b i a sa n y a d i n y a t a k a n d e n g a n " T i d a k t e r d a p a t .. .. " . H i p o t e si s in i b i a sa n y a b e r b e d a d e n g a n h i p o t e si s a l t e r n a t i f ( H a ) y a n g d i b a n g u n d a r i k a j i a n t e o r i , h a si l p e n e l i t i a n t e r d a h u l u , d a n k e r a n g k a b e r f i k i r p e n e l i t i , y a n g m e n y a t a k a n " T e r d a p a t

.

K a r e n a i t u , p e n e l i t i b i a sa n y a b e r a t u n t u k m e n e r i m a H o d a l a m p e n g u j i a n h i p o t e si s k a r e n a d i p e r l u k a n r a si o n a l y a n g l e b i h d a l a m u n t u k m e n j e l a sk a n p e n o l a k a n H a .

Ru m u s s t a t i s t i k i n f e r e n si a l d i k e m b a n g k a n d e n g a n a su m si t e r t e n t u , se p e r t i n o r m a l i t a s d a t a , l i n e a r i t a s h u b u n g a n a n t a r v a r i a b e l , h o m o g e n i t a s v a r i a n si d a t a k e l o m p o k y a n g d i b a n d i n g k a n , d sb . Ji k a h a si l p e n g u j i a n a su m si n o r m a l i t a s d a t a t e r p e n u h i a t a u d a t a d i a m b i l d a r i sa m p e l y a n g c u k u p b e sa r , m a k a s t a t i s t i k i n f e r e n si a l p a r a m e t r i k d a p a t d i g u n a k a n , se d a n g j i k a a su m si n o r m a l i t a s d a t a t i d a k t e r p e n u h i a t a u d a t a d i a m b i l d a r i sa m p e l y a n g c u k u p k e c i l m a k a p e r l u d i g u n a k a n s t a t i s t i k i n f e r e n si a l n o n p a r a m e t r i k

( M o t u l sk y , 1 9 9 5 ) . Ra n g k u m a n s t a t i s t i k y a n g se su a i u n t u k t u j u a n p e n e l i t i a n d a n d a t a y a n g a d a d i t u n j u k k a n p a d a T a b e l 1.

T a b e l 1. Ra n g k u m a n St a t i st i k y a n g Se su a i U n t u k T u j u a n P e n e l i t i a n d a n D a t a ( M o t u l sk y , 1 9 9 5 )

Tujuan

Tipe/ Kondisi Data

Interval/ Rasio

Normal

Ordinal atau

Interval/ Rasio

Tidak Normal

Binomial (Dua

Kemungkinan)

M e n d e s k r i p s i k a n sa t u v a r i a b e l

Mean, SD

Median,

int erquart ile range

Proportion

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i sa t u k e l o m p o k d e n g a n su a t u n i l a i y a n g d i h i p o t e s i sk a n

One-sample t

test

Wilcoxon test

Chi-square

a t a u

Binomial test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l i n d e p e n d e n

Unpaired t test

M ann-Whit ney test

Fisher's test

(chi-square f or

large samples)

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i d u a k e l o m p o k d e n g a n sa m p e l b e r p a sa n g a n (

paired)

Paired t test

Wilcoxon test

M cNemar's test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k y a n g b e r b e d a

(unmatched

groups)

One-way ANOVA

Kruskal-Wallis test

Chi-square test

M e m b a n d i n g k a n sa t u v a r i a b e l d a r i t i g a a t a u l e b i h k e l o m p o k k e l o m p o k y a n g sa m a

(mat ched

groups)

Repeated-measures

ANOVA

Friedman test

Cochrane Q

M e n g h i t u n g k o r e l a si a n t a r a d u a v a r i a b e l

Pearson

correlation

Spearman

correlation

Contingency

coefficients

M e r a m a l k a n su a t u v a r i a b e l d a r i

v a r i a b e l l a i n

Simple linear

regression

a t a u

Nonlinear

regression

Nonparametric

regression

Simple logistic

regression

M e r a m a l k a n su a t u v a r i a b e l b e r d a sa r k a n b e b e r a p a v a r i a b e l

M ultiple linear

regression

a t a u

M ultiple

nonlinear

regression

M ultiple logistic

regression

Pe n e l i t i a n y a n g b e r t u j u a n u n t u k m e m b a n d i n g k a n b a n y a k v a r i a b e l d a r i d u a k e l o m p o k a t a u l e b i h d i l a k u k a n d e n g a n M a n o v a , m e r a m a l k a n b a n y a k v a r i a b e l b e r d a sa r k a n b a n y a k

-v a r i a b e l d a p a t d i l a k u k a n d e n g a n

M ultivariate Multiple Linear Regression.

Se d a n g k a n m e n g u j i m o d e l d a p a t d i l a k u k a n d e n g a n

Structruai Equation Modeling.

H a r t m a n ( 2 0 0 0 ) m e r a n g k u m u j i s t a t i s t i k b e r d a sa r k a n j u m l a h v a r i a b e l d e p e n d e n d a n i n d e p e n d e n se r t a t i p e d a n k o n d i si d a t a . Ra n g k u m a n t e r s e b u t d a p a t d i l i h a t p a d a La m p i r a n . Ji k a d i b a n d i n g k a n d e n g a n r a n g k u m a n y a n g d i b u a t o l e h M o t u l sk y ( 1 9 9 5 ) , r a n g k u m a n y a n g d i b u a t o l e h H a r t m a n l e b i h l e n g k a p . N a m u n t e n t u n y a u j i s t a t i s t i k h a r u s d i p i l i h b e r d a sa r k a n t u j u a n p e n e l i t i a n , b u k a n d i t e n t u k a n o l e h k e r u m i t a n a t a u k e m u d a h a n h i t u n g a n .

C. Daftar Pustaka

... ( 2 0 0 8 ) .

Choosing the Correct St atistical Test in SAS, Stata and SPSS.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / w w w . a t s . u c l a . e d u .

G a r so n . ( 2 0 0 8 ) .

Data levels: Statnotes, from North Carolina State University, Public

Administration Program.

D i a m b i l p a d a t a n g g a l 3 1 M a r e t 2 0 0 8 d a r i :

h t t p : / / w w w 2 . c h a s s . n c s u . e d u .

H a r t m a n . J. ( 2 0 0 0 ) .

Choosing the correct statistical test.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / b a m a . u a . e d u .

M o t u l sk y . H. ( 1 9 9 5 ) .

Intuitive Biostatistics: Choosing a statistical test.

D i a m b i l p a d a t a n g g a l 2 6 Ju l i 2 0 0 8 d a r i h t t p : / / w w w . g r a p h p a d . c o m .

La m p i r a n :

Choosing the Correct Statistical Test (Hartman, 2000)

N u m b e r o f D e p e n d e n t V a r i a b l e s

N u m b e r o f In d e p e n d e n t

V a r i a b l e s

Ty p e o f D e p e n d e n t Va r i a b l e ( s)

Ty p e o f In d e p e n d e n t

Va r i a b l e ( s)

M e asu r e Te st ( s)

1

0 (1 p o p u l at io n )

c o n t i n u o u s n o r m al

n o t a p p l i c a b l e ( n o n e )

m e an o n e -sa m p l e t - t e st

c o n t i n u o u s n o n ­

n o r m al m e d i an

o n e - sa m p le m e d i an

c a t e g o r i c a l p r o p o r t io n s

Ch i Sq u a r e g o o d n e ss- o f - f i t ,

b i n o m i al t e st

1 (2 in d e p e n d e n t

p o p u l at io n s)

n o r m al

2 c a t e g o r i e s

m e an 2 in d e p e n d e n t sa m p l e t - t e st

n o n -n o r m a l m e d ia n s

M an n W h i t n e y , W i l c o xo n r an k

su m t e st

c a t e g o r i c a l p r o p o r t io n s

Ch i sq u a r e t e st Fi sh e r ' s Exact

t e st

0

(1 p o p u l at i o n m e a su r e d t w i ce )

or 1 (2 m a t ch e d p o p u l at io n s)

n o r m al

n o t a p p l i c a b l e / c a t e g o r i c a l

m e an s p a ir e d t - t e st

n o n -n o r m a l m e d ia n s W i l co x o n sig n e d r a n k s t e st

c a t e g o r i c a l p r o p o r t io n s M c N e m a r , Ch i- sq u a r e t e st

1

(3 o r m o r e p o p u la t i o n s)

n o r m al

c a t e g o r i c a l

m e an s o n e - w a y A N O V A

n o n - n o r m a l m e d ia n s Kr u sk a l W a ll i s

c a t e g o r i c a l p r o p o r t i o n s Ch i sq u a r e t e st

2 o r m o r e ( e .g., 2 -w a y A N O V A )

n o r m al

c a t e g o r i c a l

m e an s Fa ct o r ia l A N O V A

n o n - n o r m a l m e d ia n s Fr i e d m a n t e st

c a t e g o r i c a l p r o p o r t io n s

l o g- li n e a r , l o gi st i c r e g r e ssio n

La m p i r a n ( La n j u t a n )

N u m b e r o f D e p e n d e n t Va r i a b le s

N u m b e r o f In d e p e n d e n t

Va r i a b l e s

Ty p e o f D e p e n d e n t V a r i a b l e ( s)

Ty p e o f In d e p e n d e n t

Va r i a b l e ( s)

M e asu r e Te st ( s)

0 ( 1 p o p u l at i o n

m e a su r e d 3 o r m o r e t i m e s)

n o r m al n o t a p p l i ca b l e m e an s

Re p e at e d m e a su r e s A N O V A

n o r m al

c o n t i n u o u s

c o r r e la t i o n sim p l e li n e ar

r e g r e ssi o n

1

n o n - n o r m a l n o n - p a r am e t r i c c o r r e l at i o n

c a t e g o r i c a l

c a t e g o r i c a l o r c o n t i n u o u s l o gi st i c r e g r e ssio n

1

c o n t i n u o u s d isc r i m i n a n t a n a l y si s

n o r m al m u l t i p l e l i n e a r r e g r e ssio n

n o n - n o r m a l c o n t i n u o u s

c a t e g o r i c a l l o gi st i c r e g r e ssio n

2 o r m o r e

n o r m al

m ixe d c a t e g o r i c a l an d c o n t i n u o u s

A n a l y si s o f Co v a r i a n c e G e n e r a l Li n e ar

M o d e ls ( r e g r e ssi o n )

n o n -n o r m a l

c a t e g o r i c a l l o gi st i c r e g r e ssio n

2 2 o r m o r e n o r m al c a t e g o r i c a l M A N O V A

2 o r m o r e 2 o r m o r e n o r m al c o n t i n u o u s

m u l t i v a r ia t e m u l t i p l e l i n e a r

r e g r e ssio n

2 se t s o f

2 o r m o r e 0 n o r m al n o t a p p l i ca b l e

c a n o n ic a l c o r r e la t i o n