BAB 2 TINJAUAN TEORITIS 2.1 Statistik non...
Transcript of BAB 2 TINJAUAN TEORITIS 2.1 Statistik non...
BAB 2
TINJAUAN TEORITIS
2.1 Statistik non Parametrik
Metode statistik non parametrik atau sering juga disebut metode bebas sebaran
(distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat tertentu
tentang bentuk distribusi parameter populasinya. Oleh karena itu observasi-
observasinya harus independen dan bahwa variabel yang diteliti pada dasarnya harus
memiliki kontinuitas.
Statistik non parametrik mempunyai kelebihan yaitu kebanyakan prosedur
parametrik memerlukan asumsi dalam jumlah yang minimal maka kemungkinan
untuk beberapa prosedur non parametrik perhitungan-perhitungan dapat dilakukan
dengan cepat dan mudah, terutama bila terpaksa dilakukan dengan manual. Jadi
penggunaan prosedur-prosedur ini menghemat waktu yang diperlukan untuk
perhitungan dan ini merupakan bahan pertimbangan bila hasil penyajian harus secara
tersaji atau bila mesin hitung berkemampuan tinggi tidak tersedia. Dengan statistik
non parametrik para peneliti dengan dasar matematik dan statistik yang kurang
biasanya konsep dan metode prosedur non parametrik mudah dipahami. Prosedur-
prosedur non parametrik boleh diterapkan bila data telah diukur dengan menggunakan
skala pengukuran.
Universitas Sumatera Utara
Sedangkan kelemahan dari statistik non parametrik adalah perhitungan-
perhitungan yang dibutuhkan untuk kebanyakan prosedur non parametrik cepat dan
sederhana yang mengakibatkan uji ini kurang akurat dan efisien.Metode ini juga tidak
dapat digunakan untuk membuat prediksi (ramalan) seperti dalam model analisis
regresi, karena asumsi distribusi normal tidak dapat dipenuhi.
Dalam penelitian ini digunakan analisis data kuantitatif (data yang berbentuk
bilangan) secara statistik, yaitu dengan menggunakan Chi-Kuadrat (X2). Chi-Kuadrat
merupakan salah satu prosedur non parametrik yang dapat digunakan dalam analisis
statistik. Di dalam Chi-Kuadrat terdapat tekhnik analisa statistik untuk mengetahui
signifikan perbedaan anatara proyeksi subjek dan objek penelitian ynag datanya telah
dikategorikan. Analisa kategori dapat dibagi ke dalam dua macam kategori atau lebih
tergantung dari objek ataupun respon yang ingin diamati.
2.2 Hipotesis
Hipotesis secara etimologis dibentuk dari dua kata yaitu, kata hypo yang berarti
kurang dan thesis yang berarti pendapat. Jadi hypothesis merupakan jawaban
sementara terhadap pertanyaan penelitian. Pengertian ini kemudian diperluas dengan
maksud sebagai kesimpulan yang belum sempurna, sehingga disempurnakan dengan
membuktikan kebenaran hipotesis tersebut. Pembuktian ini hanya dapat dilakukan
dengan menguji hipotesis dengan data di lapangan.
Universitas Sumatera Utara
Adapun sifat-sifat yang harus dimiliki untuk menentukan hipotesis adalah:
1. Hipotesis harus muncul dan hubungannya dengan teori serta masalah yang
diteliti.
2. Setiap hipotesis adalah kemungkinan jawaban terhadap persoalan yang diteliti.
3. Hipotesis harus dapat diuji atau terukur tersendiri untuk menetapkan hipotesis
yang besar kemungkinannya didukung oleh data empirik.
Adapun jenis hipotesis yang mudah dimengerti adalah hipotesis nol (H0),
hipotesis alternatif (Ha), hipotesis kerja (Hk). Tetapi yang biasa adalah H0 yang
merupakan antara dua variabel x dan variabel y yang akan diteliti atau variabel
independen (x) tidak mempengaruhi variabel dependen (y).
2.3 Analisa yang Digunakan
2.3.1 Analisa Univariat
Analisa univariat merupakan metode statistik dalam penelitian yang hanya
menggunakan satu variabel. Penggunaan satu variabel dalam penelitian sangat
tergantung dari tujuan dan skala pengukuran yang digunakan. Analisa univariat
dilakukan untuk mengetahui distribusi frekuensi dari masing-masing variabel
independen dan variabel dependen.
Universitas Sumatera Utara
2.3.2 Analisa Bivariat
Analisa bivariat pada umumnya mempunyai tujuan untuk menguji perbedaan dan
menguji hubungan antara dua variabel penelitian yang digunakan. Hipotesa yang diuji
biasanya adalah kelompok itu berbeda dalam ciri khas tertentu, dengan demikian
perbedaan itu berhubungan dengan frekuensi relatif masuknya anggota-anggota
kelompok ke dalam beberapa kategori. Dalam analisa ini digunakan hipotesa Chi-
kuadrat.
2.3.3 Uji Chi-Kuadrat
Uji Chi-kuadrat merupakan salah satu prosedur non parametrik yang dapat digunakan
dalam analisis statistik yang sering digunakan dalam praktek. Tekhnik Chi-kuadrat
(Chi-square; Chi dibaca: kai ; simbol dari huruf Yunani: X2) ditemukan oleh Helmet
pada tahun 1900, pertama kali diperkenalkan kembali oleh Karl Pearson.
Uji Chi-kuadrat digunakan untuk menguji kebebasan antara dua sampel
(variabel) yang disusun dalam tabel baris kali kolom atau menguji keselarasan dimana
pengujian dilakukan untuk memeriksa ketergantungan dan homogenitas apakah data
sebuah sampel yang diambil menunjang hipotesis yang menyatakan bahwa populasi
asal sampel tersebut mengikuti suatu distribusi yang telah ditetapkan. Oleh karena itu,
uji ini dapat juga disebut uji keselarasan (goodness of fit test), karena untuk menguji
apakah sebuah sampel selaras dengan salah satu distribusi teoritis (seperti distribusi
normal, uniform, binomial dan lainnya).
Universitas Sumatera Utara
Pada kedua prosedur tersebut selalu meliputi perbandingan frekuensi yang
teramati dengan frekuensi yang diharapkan bila H0 yang ditetapkan benar, karena
dalam penelitian yang dilakukan data yang diperoleh tidak selamanya berupa data
skala interval saja, melainkan juga data skala nominal, yaitu yang berupa perhitungan
frekuensi pemunculan tertentu.
Perhitungan frekuensi pemunculan juga sering dikaitkan dengan perhitungan
persentase, proporsi atau yang lain yang sejenis. Chi-kuadrat adalah tekhnik statistik
yang dipergunakan untuk menguji probabilitas seperti itu, yang dilakukan dengan cara
mempertentangkan antara frekuensi yang benar-benar terjadi, frekuensi yang
diobservasi, observe frequencies (disingkat F0 atau O ) dengan frekuensi yang
diharapkan, expected frequencies (disingkat Fh atau E).
Ada beberapa hal yang perlu diperhatikan dalam menggunakan Chi-kudarat,
yaitu:
1. Chi-kuadrat digunakan untuk menganalisa data yang berbentuk frekuensi
2. Chi-kuadrat tidak dapat digunakan untuk menentukan besar atau kecilnya
korelasi dari variabel-variabel yang dianalisa.
3. Chi-kuadrat pada dasarnya belum dapat menghasilkan kesimpulan yang
memuaskan.
4. Chi-kuadrat cocok digunakan untuk data kategorik, data diskrit atau data
nominal.
Cara memberikan interpretasi terhadap Chi-kuadrat adalah dengan menentukan df
(degree of freedom) atau db (derajat bebas). Setelah itu berkonsultasi tabel harga kritik
Chi-kuadrat. Selanjutnya membandingkan antara harga Chi-kuadrat dari hasil
Universitas Sumatera Utara
perhitungan dengan harga kritik Chi-kuadrat, akhirnya mengambil kesimpulan dengan
ketentuan:
1. Bila harga Chi-kuadrat (X2) sama atau lebih besar dari tabel Chi-kuadrat maka
hipotesa nol (H0) ditolak dan hipotesa alternatif (Ha) diterima.
2. Bila harga Chi-kuadrat (X2) lebih kecil dari tabel Chi-kuadrat maka hipotesa
nol (H0) diterima dan hipotesa alternatif (Ha) ditolak.
Ada beberapa persoalan yang dapat diselesaikan dengan mengambil manfaat
dari Chi-kuadrat diantaranya adalah:
1. Uji Independen antara Dua Faktor
Banyak data hasil pengamatan yang dapat digolongkan ke dalam beberapa faktor,
karakteristik atau atribut terdiri dari beberapa klasifikasi, kategori, golongan atau
mungkin tingkatan. Berdasarkan hasil pengamatan terhadap fenomena demikian akan
diselidiki mengenai asosiasi atau hubungan atau kaitan antara faktor-faktor itu, bisa
dikatakan bahan faktor-faktor itu bersifat independen atau bebas, tepatnya bebas
statistik. Selain daripada itu akan diselidiki ada atau tidaknya pengaruh mengenai
beberapa taraf atau tingkatan sesuatu faktor terhadap kejadian fenomena.
Secara umum untuk menguji independen antar dua faktor dapat dijelaskan
sebagai berikut: misalkan diambil sebuah sampel acak berukuran n, dan tiap
pengamatan tunggal diduga terjadi karena adanya dua macam faktor I dan II. Faktor I
terbagi atas b taraf atau tingkatan dan faktor II terbagi atas k taraf. Banyak
Universitas Sumatera Utara
pengamatan yang terjadi karena taraf ke-I faktor ke I (i=1,2,…,b) dan taraf ke-j faktor
ke II (j=1,2,…,k) akan dinyatakan dengan nij. Hasilnya dapat dicatat dalam sebuah
daftar kontingensi b k. Pasangan hipotesis yang akan diuji berdasarkan data dengan
memakai penyesuaian persyaratan data yang diuji sebagai berikut:
H0 : Kedua faktor bebas statistik
H1 : Kedua faktor tidak bebas statistic
Tabel yang disajikan akan dianalisis untuk setiap sel yang diperlukan
kemudian dibentuk tabel kontingensi. Dari tabel tersebut di atas agar dapat dicari
hubungan antara faktor-faktor dengan menggunakan statistik uji Chi-kuadrat.
Pengujian eksak sukar digunakan, karena disini hanya akan dijelaskan
pengujian yang bersifat pendekatan. Untuk itu diperlukan frekuensi teoritik atau
banyak gejala yang diharapkan terjadi, disini akan dinyatakan dengan Eij.
Rumusnya adalahsebagai berikut:
Eij = (nio noj) n
Dengan:
Eij = Banyak data teoritik (banyak gejala yang diharapkan terjadi)
nio = jumlah baris ke-i
noj = jumlah kolom ke-j
n = total jumlah data
Dengan demikian misalnya didapat nilai dari teoritik masing-masing data:
Universitas Sumatera Utara
E11 = (n10 n01 )/n ; E12 = (n10 n02)/n
E21 = (n20 n01 )/n ; E22 = (n20 n02)/n
dan seterusnya …
Jelas bahwa n = n10 + n20 + … + nb0 = n01 + n02 + … + n0k
Sehingga nilai statistik yang digunakan untuk menguji hipotesis di atas adalah:
X2 =
b
i
k
j ij
ijij
E
En
1 1
2)(
Dengan:
X2 = Chi Kuadrat
nij = Jumlah observasi untuk kasus-kasus yang dikategorikan dalam baris ke-I dan
kolom ke-j
Eij = Banyak kasus yang diharapkan untuk dikategorikan dalam baris ke-I dan kolom
ke-j.
Dengan kriteria pengujian sebagai berikut:
Tolak H0 jika X2hitung X2
tabel
Terima H0 jika X2hitung X2
tabel
Dalam taraf nyata α = 0,05 dan derajat kebebasan (dk) untuk distribusi Chi-Kuadrat
adalah (b-1)(k-1), dalam hal yang lainnya kita terima hipotesa H0.
Universitas Sumatera Utara
2. Koefisien Kontingensi
Kegunaan tekhnik koefisien kontingensi yang diberi simbol C, adalah untuk mencari
atau menghitung keeratan hubungan antara dua variabel yang mempunyai gejala
ordinal (kategori), paling tidak berjenis nominal.
Cara kerja atau perhitungan koefisien kontingensi sangatlah mudah jika nilai
Chi-Kuadrat sudah diketahui. Oleh karena itu biasanya para peneliti menghitung harga
koefisien kontingensi setelah menemukan harga Chi-Kuadrat. Test signifikansi yang
digunakan tetap menggunakan tabel kritik Chi-Kuadrat, dengan derajat kebebasan
(db) sama dengan jumlah kolom dikurangi satu dikalikan dengan jumlah baris
dikurangi satu (b-1)(k-1). Rumus untuk menghitung koefisien kontingensi adalah:
C = NX
X
hitung
hitung
2
2
Keterangan:
C = Koefisien kontingensi
X2hitung = Hasil perhitungan Chi-Kuadrat
N = Banyak data
3. Metode Analisa
Dalam penelitian ini dilakukan metode analisis kuantitatif dengan langkah-langkah
sebagai berikut:
Universitas Sumatera Utara
Langkah 1:
Pengumpulan data yang dilakukan penulis dengan mengadakan penelitian di Polres
Toba Samosir dari tanggal 26 Desember sampai dengan 30 Desember 2010 di Bagian
Operasional Polres Toba Samosir Kabupaten Toba Samosir.
Langkah 2:
Dari data yang dianalisis, lalu disusun dalam tabel distribusi frekuensi:
Langkah 3:
Dari data yang dianalisis maka dapat dibentuk daftar kontingensi frekuensi yang
diamati seperti di bawah ini:
Tabel 2.1 Daftar Kontingensi
FAKTOR II (K TARAF)
JUMLAH 1 2 …. K
FA
KT
OR
I (
B T
AR
AF
) 1 n11 n12 …. n1k N10
2 n12 n22 …. n2k N20
…. …. …. …. …. ….
…. …. …. …. …. ….
B nB1 nB2 …. nbk nB0
Jumlah n01 n02 …. n0k N
Universitas Sumatera Utara
Dimana : faktor I dan faktor II adalah faktor-faktor yang membentuk dafatar
kontingensi dengan b baris dan k kolom, nij adalah frekuensi yang diamati.
N(1) =
b
iijE
1
; i = 1,2,3,…,b
N(1) =
k
jijE
1
; j = 1,2,3,…,k
Langkah 4:
Tentukan frekuensi yang diharapkan dari frekuensi yang diamati dengan rumus:
Eij = ( nio noj ) / n
Dengan:
Eij = ferkuensi yang diharapkan
n = jumlah data yang diamati
Dari rumus di atas dapat disusun tabel kontingensi dari frekuensi yang diharapkan
seperti pada tabel 2.2 di bawah ini:
Universitas Sumatera Utara
Tabel 2.2 Daftar Kontingensi dari Frekuensi yang Diharapkan
FAKTOR II (K TARAF)
JUMLAH 1 2 …. K F
AK
TO
R I
( B
TA
RA
F )
1 E11 E12 …. E1k N10
2 E12 E22 …. E2k N20
…. …. …. …. …. ….
…. …. …. …. …. ….
B EB1 EB2 …. Ebk nB0
Jumlah n01 n02 …. n0k N
Dengan terbentuknya daftar frekuensi yang diamati dan daftar frekuensi yang
diharapkan maka dapat ditentukan harga X2.
Langkah 5:
Untuk menghitung harga Chi-Kuadrat, perlu perhatikan criteria sebagai berikut:
1. Frekuensi teoritis (Eij) minimum harus 5 setiap kotak, sebab X2 hanya berlaku
apabila Eij ≥ 5, dengan kata lain apabila Eij <5 maka terhadap data tidak dapat
dipertanggungjawabkan. Untuk tabel dua baris dan dua kolom dan untuk tabel
lebih dari 2 2 sebelum menghitung X2 perlu diperhatikan dahulu Eij pada
setiap kotak dalam tabel. Jika syarat tidak dipenuhi maka beberapa kolom atau
baris perlu digabung.
Universitas Sumatera Utara
2. Setiap kotak tidak boleh mempunyai frekuensi kurang dari 1.
Setelah kriteria-kriteria di atas dipenuhi maka harga X2 dapat dihitung dengan rumus:
X2 =
b
i
k
j ij
ijij
E
En
1 1
2)(
Untuk menguji apakah harga X2 dianggap berarti pada suatu level of signifikan
tertentu harus diketahui nilai kritis dari X2 dengan menggunakan daftar pencarian
harga Chi-Kuadrat yang dibandingkan dengan nilai yang diperoleh dari hasil
perhitungan. Dengan membaca nilai ini Chi-Kuadrat yang tepat harus terlebih dahulu
dipilih confidence coefficient yang akan dipakai dan degree of freedom (db) yaitu (b-
1)(k-1).
Langkah 6:
Hipotesa yang diajukan adalah:
H0 = Tidak ada hubungan antara jumlah personil polisi dan jumlah penduduk dengan
jumlah kejahatan pada setiap polsek.
H1 = Ada hubungan antara jumlah personil polisi dan jumlah penduduk dengan
jumlah kejahatan pada setiap polsek.
Dengan kriteria pengujian sebagai berikut:
Tolak H0 jika X2hitung X2
tabel
Terima H0 jika X2hitung < X2
tabel
Universitas Sumatera Utara
Langkah 7:
Selanjutnya akan ditentukan koefisien kontingensi C dengan menggunakan rumus
sebagai berikut:
C = NX
X
hitung
hitung
2
2
Keterangan:
C = Koefisien Kontingensi
X2hitung = Hasil perhitungan Chi-Kuadrat
N = Banyak data
Harga C dipakai untuk nilai derajat asosiasi antar faktor-faktornya adalah dengan
membandingkan harga C dengan koefisien kontingensi maksimum dihitung dengan
rumus sebagai berikut:
Cmaks =
Dengan m harga minimum antara b dan k atau antara jumlah baris dan kolom.
Langkah 8:
Dengan membandingkan C dan Cmaks maka keeratan hubungan variabel I dan variabel
II ditentukan oleh persentase. Hubungan kedua variabel ini disimbolkan dengan Q dan
mempunyai nilai antara -1 dan +1. Bilamana harga Q mendekati +1 maka hubungan
tambah erat dan bila harga Q menjauhi +1 maka hubungan kedua variabel semakin
kurang erat.
Universitas Sumatera Utara
Rumus yang digunakan adalah sebagai berikut:
Q = maksC
C 100%
Dengan ketentuan-ketentuan Davis (1971) sebagai berikut:
1. Sangat erat jika Q 0,70
2. Erat jika Q antara 0,50 dan 0,69
3. Cukup erat jika Q antara 0,30 dan 0,49
4. Kurang erat jika Q antara 0,10 dan 0,29
5. Dapat diabaikan jika Q antara 0,01 dan 0,09
6. Tidak ada jika Q = 0,00
Universitas Sumatera Utara