TUGAS KULIAH AZIS HIDAYAT: 2014

Rabu, 11 Juni 2014

TUGAS BAB 9 ANALISIS REGRESI DAN KORELASI

BAB 9

ANALISIS REGRESI DAN KORELASI

Pengertian : Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut :

Y = a + b X.

Keterangan :

Y : Variabel terikat (Dependent Variable);

X : Variabel bebas (Independent Variable);

a : Konstanta; dan

b : Koefisien Regresi.

Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

(nilai ujian)	X (lama belajar)	X ²	XY
40	4	16	160
60	6	36	360
50	7	49	350
70	10	100	700
90	13	169	1.170
ΣY = 310	ΣX = 40	ΣX² = 370	ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X
Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :

Sampel	X (statistik)	Y (matematika)	XY	X²	Y²
1	2	3	6	4	9
2	5	4	20	25	16
3	3	4	12	9	16
4	7	8	56	49	64
5	8	9	72	64	81
Jumlah	25	28	166	151	186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.

BAB 8 Analisis Variansi

BAB 8

Analisis Variansi

1. Pengertian dan Manfaat ANAVA

Analisis Varians (Analysis of Variance), merupakan sebuah teknik inferensial yang digunakan untuk menguji perbedaan rerata nilai. Sebagai sebuah teknik analisis varians atau yang seringkali disebut dengan anava saja mempunyai banyak keuntungan. Pertama, anava dapat digunakan untuk menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau. Kedua, perhitungan anava juga menghasilkan harga F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda, walaupun anava tidak dapat menunjukkan secara rinci yang manakah di antara rerata nilai dari sampel-sampel tersebut yan gberbeda secara signifikan satu sama lain. Uji T lah yang dapat menyempurnakan ini. Ketiga, anava juga dapat digunakan untuk menganalisis data yang dihasilkan dengan desain factorial jamak. Dalam desain factorial yang menghasilkan harga F ganda, anava dapat menyelesaikan tugas sekaligus. Dengan anava inilah peneliti dapat mengetahui antarvariabel manakah yang memang mempunyai perbedaan secara signifikan, dan varibel-variabel manakah yang berinteraksi satu sama lain.

Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari kecenderungan yang dihipotesiskan. Hasilnya disebut dengan analisis kecenderungan. Sebaagai contoh peneliti mengelompokkan siswa ke dalam empat kelompok berdasarkan tingkat kedisiplinannya seseorang akan semakin tinggi prestasi belajarnya. Untuk menguji hipotesis ini peneliti dapat menggunakan anava. Manfaat lain dari anava adalah, bahwa teknik ini dapat digunakan untuk menguji signifikansi perubahan varians dua ampel atau lebih. Dengan menggunakan teknik anava peneliti tidak perlu berkali-kali melakukan pengujian tetapi hanya cukup sekali saja. Disamping penghematan tersebut, seperti sudah dikemukakan diatas, dengan anava peneliti dapat melihat akibat dari interaksi dua faktor. Beberapa asumsi yang harus dipenuhi dalam uji anova adalah sebagai berikut :

a) Varians homogeny (sama)

b) Sampel kelompok independen

c) Data berdistribusi normal

d) Jenis data yang dihubungkan adalah : ada/tidaknya perbedaan rerata data numerik pada kelompok kategorik

Untuk uji normalitas dapat menggunakan koefisien of varians, histogram, K-S test. Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. Alternative uji anova yang dapat digunakan adalah Kruskal-Wallis.

1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians

Untuk dapat menggunakan teknik anava dengan baik, perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya. Baik dalam anava tunggal maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik sebelumnya. Harga-harga yang dimaksud adalah : sumber variasi, jumlah kuadrat (disingkat JK), rerata kuadrat atau mean kuadrat (singkat MK), dan harga F.

1.1 Sumber Variasi

Pengertian “sumber variasi” digunakan sebagai judul kolom dalam table persiapan anava. Hal-hal yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang menunjukkan variasi sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok, di dalam kelompok, dan interaksi antara dua faktor atau lebih.

1.2 Jumlah Kuadrat

JK_tot = ∑X²-∑(X)²/N

Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total, jumlah kuadrat antar kelompok, jumlah kuadrat dalam kelompok. Untuk anava ganda masih ada satu pengertian lagi yaitu kuadrat interaksi. Dengan rumus :

∑(X)²/N= faktor koreksi

JK_ant = ∑ [(∑X_k)²/n_k- (∑X)²/N ]

k = banyaknya kelompok

n_k= banyaknya subjek dalam kelompok

JK_tot = Jk_ant + Jk_dal

1.3 Pengertian Mean Kuadrat

F = MK_ant/MK_dal

Selain jumlah kuadrat, ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava yakni mean kuadrat. Dengan mean kuadrat inilah harga F dapat diketahui, karena F diperoleh dari pembagian harga mean kuadrat. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus :

2. Jenis-Jenis Anava

Sesuai dengan banyaknya faktor yang terlibat, maka anava dibedakan secara garis besar menjadi dua yaitu :

1) Anava tunggal atau anava satu jalan

2) Anava ganda atau anava lebih dari satu jalan.

Tugas statistika Bab 7 Pengertian, Fungsi, Ciri-ciri, Jenis-jenis, dan Pengujian Hipotesis

1. 1. Pengertian Hipotesis

Hipotesis adalah jawaban sementara terhadap suatu masalah. Jawaban tersebut masih perlu diuji kebenarannya. Seorang peneliti pasti akan mengamati sesuatu gejala, peristiwa, atau masalah yang menjadi focus perhatiannya. Sebelum mendapatkan fakta yang benar, mereka akan membuat dugaan tentang gejala, peristiwa, atau masalah yang menjadi titik perhatiannya tersebut.

2. Fungsi Hipotesis

Fungsi atau kegunaan hipotesis yang disusun dalam suatu rencana penelitian, setidaknya ada empat yaitu:

a. Hipotesis memberikan penjelasan sementara tentang gejala-gejala serta memudahkan perluasan pengetahuan dalam suatu bidang.

Untuk dapat sampai pada pengetahuan yang dapat dipercaya mengenai masalah pendidikan, peneliti harus melangkah lebih jauh dari pada sekedar mengumpukan fakta yang berserakan, untuk mencari generalisasi dan antar hubungan yang ada diantara fakta-fakta tersebut. Antar hubungan dan generalisasi ini akan memberikan gambaran pola, yang penting untuk memahami persoalan. Pola semacam ini tidaklah menjadi jelas selama pengumpulan data dilakukan tanpa arah. Hipotesis yang telah terencana dengan baik akan memberikan arah dan mengemukakan penjelasan. Karena hipotesis tersebut dapat diuji dan divalidasi (pengujian kesahiannya) melalui penyelidikan ilmiah, maka hipotesis dapat mebantu kita untuk memperluas pengetahuan.

b. Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat diuji dalam penelitian.

Pertanyaan tidak dapat diuji secara langsung. Penelitian memang dimulai dengan suatu pertanyaan, akan tetapi hanya hubungan antara variabel yang akan dapat duji. Misalnya, peneliti tidak akan menguji pertanyaan apakah komentar guru terhadap pekerjaan murid menyebabkan peningkatan hasil belajar murid secara nyata“? akan tetapi peneliti menguji hipotesis yang tersirat dalam pertanyaan tersebut “komentar guru terhadap hasil pekerjaan murid, menyebabkan meningkatnya hasil belajar murid secara nyata“ atau yang lebih spesifik lagi “skor hasil belajar siswa yang menerima komentar guru atas pekerjaan mereka sebelumnya akan lebih tinggi dari pada skor siswa yang tidak menerima komentar guru atas pekerjaan mereka sebelumnya“. Selanjutnya peneliti, dapat melanjutkan penelitiannya dengan meneliti hubngan antara kedua vatiabel tersebut, yaitu komentar guru dan prestasi siswa.

c. Hipotesis memberikan arah kepada penelitian

Hipotesis merupakan tujuan khusus. Dengan demikian hipotesis juga menentukan sifat-sifat data yang diperlukan untuk menguji pernyataan tersebut. Secara sangat sederhana, hipotesis menunjukkan kepada para peneliti apa yang harus dilakukan. Fakta yang harus dipilih dan diamati adalah fakta yang adahubungann nya dengan pertanyaan tertentu. Hipotesislah yang mentukan relevansi fakta-fakta itu. Hipotesis ini dapat memberikan dasar dalam pemilihan sampel serta prosedur penelitian yang harus dipakai. Hipotesis jufga dapat menunjukkan analisis satatistik yang diperlukan dan hubungannya yang harus menunjukkan analisis statistik yang diperlukan agar ruang lingkup studi tersebut tetap terbatas, dengan mencegahnya menjadi terlalu sarat.

Sebagi contoh, lihatlah kembali hipotesis tentang, latihan pra sekolah bagi anak-anak kelas satu yang mengalami hambatan kultural. Hipotesi ini menunjukkan metode penelitian yang diperlukan serta sampel yang harus digunakan. Hipotesis inipun bahkan menuntun peneliti kepada tes statistik yang mungkin diperlukan untuk menganalisis data. Dari pernyataan hipotesis itu, jelas bahwa peneliti harus melakukan eksperimen yang membandingkan hasil eblajr dikelas satu dari sampel siswa yang mengalami hambatan kultural dan telah mengalami program pra sekolah dengan sekelompok anak serupa yang tidak mengalami progaram pra sekolah. Setiap perbedaan hasil belajar rata-rat kedua kelompok tersebut dapat dianalaisis denga tes atai teknik analis variansi, agar dapat diketahui signifikansinya menurut statistik.

d. Hipotesis memberikan kerangka untuk melaporkan kesimpulan penyelidikan.

Akan sangat memudahkan peneliti jika mengambil setiap hipotesis secara terpisah dan menyatakan kesimpulan yang relevan dengan hipotesis tersebut. Artinya, peneliti dapat menyusun bagian laporan tertulis ini diseputar jawaban-jawaban terhadap hipotesis semula, sehingga membuat penyajian ini lebih berarti dan mudah dibaca.

3. Ciri-Ciri Hipotesis yang Baik

Sebuah hipotesis atau dugaan sementara yang baik hendaknya mengandung beberapa hal.

Hal – hal tersebut diantaranya :
1) Hipotesis harus mempunyai daya penjelas
2) Hipotesis harus menyatakan hubungan yang diharapkan ada di antara variabel-variabel-variabel.
3) Hipotesis harus dapat diuji
4) Hipotesis hendaknya konsistesis dengan pengetahuan yang sudah ada.
5) Hipotesis hendaknya dinyatakan sesederhana dan seringkas mungkin.

Berikut ini beberapa penjelasan mengenai Hipotesis yang baik :
- Hipotesis harus menduga Hubungan diantara beberapa variabel
Hipotesis harus dapat menduga hubungan antara dua variabel atau lebih, disini harus dianalisis variabel-variabel yang dianggap turut mempengaruhi gejala-gejala tertentu dan kemudian diselidiki sampai dimana perubahan dalam variabel yang satu membawa perubahan pada variabel yang lain.

- Hipotesis harus Dapat Diuji
Hipotesis harus dapat di uji untuk dapat menerima atau menolaknya, hal ini dapat dilakukan dengan mengumpulkan data-data empiris.

- Hipotesis harus konsisten dengan keberadaan ilmu pengetahuan
Hipotesis tidak bertentangan dengan pengetahuan yang telah ditetapkan sebelumnya. Dalam beberapa masalah, dan terkhusus pada permulaan penelitian, ini harus berhati-hati untuk mengusulkan hipotesis yang sependapat dengan ilmu pengetahuan yang sudah siap ditetapkan sebagai dasar. Serta poin ini harus sesuai dengan yang dibutuhkan untuk memeriksa literatur dengan tepat oleh karena itu suatu hipotesis harus dirumuskan bedasar dari laporan penelitian sebelumnya.

- Hipotesis Dinyatakan Secara Sederhana
Suatu hipotesis akan dipresentasikan kedalam rumusan yang berbentuk kalimat deklaratif, hipotesis dinyatakan secara singkat dan sempurna dalam menyelesaikan apa yang dibutuhkan peneliti untuk membuktikan hipotesis tersebut.

4. Jenis-Jenis Hipotesis

a. Hipotesis Nol (Ho)

Hipotesis nol (H0) adalah hipotesis yang menyatakan tidak adanya hubungan antara variabel independen (X) dan variabel dependen (Y). Artinya, dalam rumusan hipotesis, yang diuji adalah ketidakbenaran variabel (X) mempengaruhi (Y). Ex: “tidak ada hubungan antara warna baju dengan kecerdasan mahasiswa”.

b. Hipotesis Kerja (H1)

Hipotesis Kerja (H1) adalah hipotesis yang menyatakan adanya hubungan antara variabel independen (X) dan variabel dependen (Y) yang diteliti. Hasil perhitungan H1 tersebut, akan digunakan sebagai dasar pencarian data penelitian.

5. Pengujian Hipotesis

Suatu hipotesis harus dapat diuji berdasarkan data empiris, yakni berdasarkan apa yang dapat diamati dan dapat diukur. Untuk itu peneliti harus mencari situasi empiris yang memberi data yang diperlukan. Setelah kita mengumpulkan data, selanjutnya kita harus menyimpulkan hipotesis , apakah harus menerima atau menolak hipotesis. Ada bahayanya seorang peneliti cenderung untuk menerima atau membenarkan hipotesisnya, karena ia dipengaruhi bias atau perasangka. Dengan menggunakan data kuantitatif yang diolah menurut ketentuan statistik dapat ditiadakan bias itu sedapat mungkin, jadi seorang peneliti harus jujur, jangan memanipulasi data, dan harus menjunjung tinggi penelitian sebagai usaha untuk mencari kebenaran.

Diposkan oleh Tri Innayah Puji Lestari di 04.56

Jumat, 18 April 2014

TUGAS STATISTIKA BAB 2

Selasa, 18 Maret 2014

PERAN STATISTIKA DALAM PENELITIAN

1. STATISTIK VS STATISTIKA

Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara pengumpulan dan penyusunan data, pengolahan data, dan penganalisisan data, serta penyajian data berdasarkan kumpulan dan analisis data yang dilakukan. Salah satu ilmu yang mendasari dalam mempelajari statistika adalah peluang atau probabilitas. Berdasarkan kegiatannya, statistika dikelompokkan menjadi dua macam, yaitu Statistika deskriptif (statistika deduktif) dan statistika inferensi (statistika induktif).

STATISTIK adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan fakta, pengolahan serta pembuatan keputusan yang cukup beralasan berdasarkan fakta dan analisa yang dilakukan. Sementara statistic dipakai untuk menyatakan kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan.

A. Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik. Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya.

B. Statistik induktif berusaha membuat berbagai inferensi terhadap sekumpulan data yang berasal dari sutau sampel. Tindakan inferensi tersebut seperti melakukan perkiraan, peramalan, pengambilan keputusan, dsb. statistik induktif dibedakan menjadi 2.

# Statistika parametrik :

Statistika 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.

# statistika non-parametrik

Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-syaratnya yang mengenai parameter-parameter populasi yang merupakan induk sampel penelitiannya. Oleh karena itu observasi-observasi independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran populasi yang mendasarinya kecuali selama itu kontinu.

2. POPULASI VS SAMPLE

Populasi adalah kumpulan dari keseluruhan pengukuran, objek, atau individu yang sedang dikaji.

pengertian populasi dalam statistik tidak terbatas pada sekelompok/kumpulan orang-orang, namun mengacu pada seluruh ukuran, hitungan, atau kualitas yang menjadi fokus perhatian suatu kajian. Suatu pengamatan/survey terhadap seluruh anggota populasi disebut sensus. Populasi sering juga disebut universe atau sekelompok individu atau objek yang memiliki karakteristik yang sama, misalnya status sosial sama, atau obyek lain yang mempunyai karakteristik sama seperti golongan darah.

pengertian sampel adalah sebagian, atau subset (himpunan bagian), dari suatu populasi. Populasi dapat berisi data yang besar sekali jumlahnya, yang mengakibatkan tidak mungkin atau sulit untuk dilakukan pengkajian terhadap seluruh data tersebut, sehingga pengkajian dilakukan terhadap sampelnya saja. Jadi, sampel merupakan bagian dari populasi, data yang diperoleh tidaklah lengkap. Namun jika pengambilan sampel dilakukan dengan mengikuti kaidah-kaidah ilmiah, maka biasanya sangat mungkin diperoleh hasil-hasil dari sampel cukup akurat untuk menggambarkan populasi yang diperlukan dalam kajian yang dilakukan.

3. DATA

merupakan keterangan-keterangan atau fakta-fakta yang dikumpulkandari suatu populasi atau bagian populasi yang akan digunakan untuk menerangkanciri-ciri populasi yang bersangkutan (Lungan, 2006: 13). Menurut Hasan (2009:16) data merupakan keterangan-keterangan tentang suatu hal, dapat berupasesuatu yang diketahui atau dianggap. Dari pendapat para ahli tersebut, dapatdisimpulkan bahwa data merupakan fakta atau keterangan yang dikumpulkan darisuatu populasi untuk menjelaskan karakteristik populasi tersebut.

4. VARIABEL

gejala atau fakta-fakta (data) yang harganya berbeda-beda atau bervariasi

variabel dibedakan menjadi 2 :

variabel diskrit (discrete variable) atau variabel tidak kontinu (discontinuous variable) adalah perubah yang sifatnya untuk membedakan atau mengelompokkan jenis tertentu. Misalnya, untuk variabel jender, maka terdapat dua nilai yang berbeda yaitu laki-laki dan perempuan; untuk memudahkan, biasanya ditempatkan angka yang berbeda, misal 1 untuk laki-laki, dan 2 untuk perempuan. Angka 1 dan 2 dalam pengertian ini bukanlah menunjukkan bahwa jender perempuan (2) lebih besar dibanding yang laki-laki (1), namun hanya untuk membedakan, karena angka yang ditempatkan lebih sebagai label saja, hal ini tidak lain adalah variabel kualitatif. Data dari jenis variabel seperti ini biasa disebut sebagai data nominal.

variabel kontinu

variabel kontinu : menggambarkan adanya nilai yang berubah-ubah yang menunjukkan keragaman hasil dari ‘pengukuran’. Pada variabel tersebut kita membuat peringkat dan menempatkannya dalam satu kontinu. Menempatkan orang pada peringkat, misalnya rangking ke satu, kedua, ketiga dan seterusnya berdasar kriteria tertentu, namun hal ini tidak menjelaskan secara persis berapa jarak antara masing-masing ranking tersebut. Variabel dengan Jenis data seperti ini disebut sebagai data ordinal. Pengukuran data ordinal yang menjelaskan peringkat dan angka yang digunakan menunjukkan hal tersebut, misal ordinal data yang bersifat dikotomi, seperti muda dan tua dalam hal umur, atau kondisi kesehatan menggunakan kriteria sakit dan sehat; maka angka yang digunakan bisa merperesentasikan peringkat tersebut, misalnya muda = 1, dan tua = 2; atau sakit =1 dan sehat = 2; sehingga angka yang digunakan pun lebih dari sekedar label, tapi menunjukkan peringkat yang berbeda dalam satu kontinum yang sama.

5. MACAM-MACAM SKALA

Skala nominal

Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain. Contoh:

Data	Kode (a)	Kode (b)
Yuni	1	4
Desi	2	2
Ika	3	3
Astuti	4	1

Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.

Skala ordinal

Adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak. Contoh:

Data	Skala Kecantikan (a)	Skala Kecantikan (b)
Yuni	4	10
Desi	3	6
Ika	2	5
Astuti	1	1

Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.

Skala nominal dan skala ordinal biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain.

Skala interval

Skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Contoh:

Data	Nilai Mata Kuliah (a)	Skor Nilai Mata Kuliah (b)
Yuni	A	4
Desi	B	3
Ika	C	2
Astuti	D	1

Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi tidak mempunyai nilai nol mutlak.

Skala rasio

Adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Contoh:

Data	Tinggi Badan	Berat badan
Yuni	170	60
Desi	160	50
Ika	150	40
Astuti	140	30

Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.

Skala pengukuran interval dan rasio biasanya dikenai alat statistik parametrik.

5. PEMILIHAN TEKNIK STATISTIK

Cara memilih analisis data statistika

Memilih uji statistika yang akan digunakan dalam sebuah penelitian dapat dilakukan dengan beberapa pedoman:
- Apakah jenis data yang akan kita dapatkan ?

- Bagaimana hipotesis yang akan kita uji ? Apakah tujuan penelitian ?

Berikut akan disajikan keterangannya,

1. Jenis – jenis data penelitian

Data statistika dapat digolongkan menjadi dua macam.

a. data nominal, adalah data yang didapat dari hasil penghitungan dan pengkategorian.

b. data kontinum, data yang didapat dari pengukuran. Data ini dapat dibagi lagi menjadi tiga macam; nominal, ordinal, interval, rasio.

Tabel 1. Perbedaan data penelitian.

Jenis data	Ciri – ciri	Contoh
Nominal	Hasil menghitung, kategorikal, cacah, nomor rumah/telp./urut.	Jumlah keluarga, kursi, siswa, data pelanggan, dikotomi, kawin-belum, janda-duda, pria-wanita.
Ordinal	Bertingkat, angka yang lebih tinggi mengandung perbedaan (tapi tidak sama bedanya)	Kelas I-VI, golongan I-IV, eselon I-V, predikat.
Interval	Tidak punya nilai nol mutlak (netral), tiap tingkat menunj beda yang sama. Dapat dijumlah, kali, bagi.	Skala likert, Skala 2,1,0,-1,-2.
Rasio	Punya nilai nol mutlak. Dapat dikali, bagi, jumlah.	Jarak 10 m, uang Rp. 1,000,00, Panas 0⁰ C, isi 3 ml.

2. Jenis – jenis & macam hipotesis

Secara umum, hipotesis penelitian dapat dibagi menjadi 2 yaitu Hipotesis nol (H0) dan hipotesis alternatif (Ha/H1). Untuk membedakan dua macam hipotesis tersebut adalah dengan mencermati pernyataannya. Pernyataan hipotesis nol adalah; tidak ada hubungan yang signifikan antara ......... dengan ..... (isi sendiri). hipotesis nol selalu disandingkan dengan Hipotesis alternatif berbunyi; ada hubungan yang signifikan antara ..... dengan .....

Jenis–Jenis & Macam Hipotesis

Secara umum, hipotesis penelitian dapat dibagi menjadi 2 yaitu Hipotesis nol (H₀) dan hipotesis alternatif (Ha/H1). Tidak ada perbedaan arti dalam penggunaan Ha ataupun H1, namun dalam uraian buku ini digunakan istilah Ha. Untuk membedakan dua macam hipotesis tersebut adalah dengan mencermati pernyataannya. Pernyataan hipotesis nol adalah; tidak ada (hubungan/perbedaan) yang signifikan antara ... dengan ... (isi sendiri). hipotesis nol selalu dikontraskan dengan hipotesis alternatif yang berbunyi; ada (hubungan/perbedaan) yang signifikan antara ... dengan ....

Beberapa bentuk hipotesis adalah hipotesis komparatif dan asosiatif. Hipotesis bentuk lain misalnya hipotesis interdependent. Penyusunan hipotesis ini harus dibuat berdasarkan landasan teori yang kuat. Landasan teori yang kuat diperlukan agar penelitian yang dilakukan mempunyai konsep yang jelas dan banyak diakui/diterima masyarakat.

Contoh bentuk hipotesis komparatif adalah: “tidak ada perbedaan kualitas produk jeans untuk produksi dalam maupun luar negeri”. Hipotesis komparatif mempunyai bentuk umum yakni menunjukkan perbedaan antara satu, dua atau lebih kelompok berdasarkan variabel yang dipilih.

Contoh bentuk hipotesis asosiatif adalah: “tidak terdapat pengaruh antara gaya kepemimpinan transformasional manajer terhadap produktivitas pegawai”. Hipotesis asosiatif selalu menunjukkan hubungan atau pengaruh antara dua atau lebih variabel dalam penelitian.

Contoh bentuk hipotesis interdependen adalah: “karakteristik pengguna motor di Indonesia dapat dikelompokkan menjadi tiga kelompok/segmen”. Ciri bentuk hipotesis interdependen adalah hipotesis tidak hendak melihat perbedaan maupun hubungan antar variabel. Uraian lebih lengkap dapat dilihat pada subbab pengujian hipotesis satu dan dua sisi.

Tabel 2. Teknik analisis statistika yang dapat dipilih dalam penelitian.

Macam – macam data	Bentuk Komparasi				Asosiatif
	Dua sampel		k- sampel
	Korelasi	Independen	Korelasi	Independen
Interval/ Rasio	t-tes dua sampel	t-tes dua sampel	One way anova	One way anova	-product moment -korelasi parsial -korelasi ganda -regresi sederhana &ganda
Ordinal	-sign tes -wilcoxon	-Median tes -mann-whitney -kolmogorov smirnov	-friedman -two way anova	-Media ekstention -kruskal walls	-Spearman rank -kendall tau
Nominal	Mc Nemar	-Fisher exact -chi kuadrat for two sampel	Chi kuadrat for k-sampel	Chi kuadrat for k-sampel	-coefisien contingensi

Tabel 2. Menunjukkan apa saja teknik analisis yang dapat kita gunakan dalam penelitian. Misal data yang kita dapatkan adalah data interval dan hipotesisnya adalah komparatif dua kelompok tidak berhubungan maka kita menggunakan uji-t independent sample. Jika dataya adalah datanya ordinal hipotesisnya komparatif k-kelompok yang independent kita gunakan kruskal walls, dls.