Step 2

1. Hal yang perlu diperhatikan dalam pengambilan uji statistic2. Mengapa dlm hal pemilihan uji statistic diperlukan logika dan penalaran?3. Macam2 statistik

1. Statistik DeskriptifStatistik Deskriptif adalah statistik yang digunakan untuk menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas (generalisasi atau inferensi).Penelitian yang tidak menggunakan sampel, analisisnya akan menggunakan statistik deskriptif. Demikian juga penelitian yang menggunakan sampel, tetapi peneliti tidak bermaksud untuk membuat kesimpulan terhadap populasi darimana sampel diambil, maka statistik yang digunakan adalah statistik deskriptif. Dalam hal ini Teknik Korelasi dan Regresi juga dapat berperan sebagai Statistik Deskriptif.2. Statistik InferensialStatistik inferensial adalah statistik yang digunakan untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi dimana sampel diambil.Selanjutnya Statistik Inferensial dapat dibedakan menjadi Statistik Parametris dan Statistik Non Parametris. Statistik Parametris adalah digunakan untuk menganalisis data interval atau rasio, yang diambil dari populasi yang berdistribusi normal.Sedangkan Statistik Non Parametris adalah digunakan untuk menganalisis data nominal dan ordinal dari populasi yang bebas distribusi. Jadi tidak harus normal. Dalam hal ini Teknik Korelasi dan Regresi dapat berperan sebagai Statistik Inferensial.Sumber Tulisan :Sugiyono, 2007, Statistika Untuk Penelitian, Cetakan Keduabelas, Alfabeta, Bandung.

4. Manfaat statistic  Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat bekerja efisien dengan hasil yang sesuai dengan obyek yang ingin diteliti  Membantu penelitian untuk membaca data yang telah terkumpul sehingga peneliti dapat mengambil keputusan yang tepat  Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang satu dengan kelompok yang lainnya atas obyek yang diteliti  Membantu peneliti untuk melihat ada tidaknya hubungan antara variable yang satu dengan variabel yang lainnya  Membantu peneliti dalam menentukan prediksi untuk waktu yang akan dating  Membantu peneliti dalam melakukan interpretasi atas data yang terkumpul (M.Subana dkk, 2000;14)

5. Jelaskan perbedaan statistic parametric dan nonparametric

2.1.1 Statistik Parametrik

Statistik 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.

Contoh metode statistik parametrik :

a. Uji-z (1 atau 2 sampel)

b. Uji-t (1 atau 2 sampel)

c. Korelasi pearson,

d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

- Data dengan skala interval dan rasio

- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik

Keunggulan :

1.Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

Kelemahan :

1. Populasi harus memiliki varian yang sama.

2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

2.1.2 Statistika Non Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

a. Uji tanda (sign test)

b. Rank sum test (wilcoxon)

c. Rank correlation test (spearman)

d. Fisher probability exact test.

e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal

- Umumnya dilakukan pada penelitian sosial

- Umumnya jumlah sampel kecil.Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.

2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).

4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.

6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.

3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu

6. Kesalahan dalam uji statistic

7. Apa saja metode2 yg digunakan dlm uji statistic parametric dan non parametric

Nama Rumus Asumsi / Catatan

Satu sampel z-

test

(En=One-sample

z-test)

(Populasi normal atau n > 30) dan σ

diketahui.

(z adalah jarak dari rata-rata

sehubungan dengan simpangan

baku rata-rata). Untuk distribusi non-

normalmemungkinkan untuk dihitung

proporsi terkecil dalam

sebuah populasi yang berada di

dalam k simpangan baku untuk setiap k.

Dua sampel z-test

(En=Two-sample

z-test)

Populasi normal dan observasi

independen dan σ1 dn σ2 diketahui

Satu sampel t-test

(En=One-sample

t-test)

(Populasi normal atau n > 30) dan   

tidak diketahui

Pasangan t-test

(En=Paired t-test)

(Populasi normal dari

perbedaan atau n > 30) dan   tidak

diktahui

Dua sampel t-test

digabung

(En=Two-sample

pooled t-test)

varians yang

sama  [4]

(Populasi

normal atau n1 + n2 > 40) dan observasi

independen dan σ1 = σ2 idak diketahui

Dua sampel t-test

terpisah

(En=Two-sample

unpooled t-test)

varians tidak

sama

(Populasi

normal atau n1 + n2 > 40) dan observasi

independen dan kedua σ1 ≠ σ2 diketahui

 [4]

Satu proporsi z-

test

(En=One-

proportion z-test)

n .p0 > 10 dan n (1 − p0) > 10.

Dua proporsi z-

test

(En=Two-

proportion z-test)

 di

gabungkan

n1 p1 > 5 dan n1(1 − p1) >

5 dan n2 p2 > 5 dan n2(1 − p2) >

5 dan observasi independen.

Dua proporsi z-

test

(En=Two-

proportion z-

test)   

tidak digabung

n1 p1 > 5 dan n1(1 − p1) >

5 dan n2 p2 > 5 dan n2(1 − p2) >

5 dan observasi independen.

Chi-squared test

untuk variansPopulasi normal

Chi-squared test

untuk goodness of

fit

df = k - 1 - # parameter terestimasi

• Semua jumlah yang diharapkan paling

tidak 5.[5]

• Semua jumlah yang diharapkan > 1

dan tidak lebih dari 20% dari jumlah

yang diharapkan lebih kecil dari 5[6]

Dua sampel F

test untuk

persamaan varian

s

(En=Two-sample

F test for equality

of variances)

Populasi normal

Diurutkan   >   dan H0 ditolak

jika [7]

Definisi simbol:

, probabilitas melakukan kesalahan

tipe I (menolak hipotesis nol pada saat

hipotesis nol benar)

 = Jumlah sampel

 = Jumlah sampel 1

 = Jumlah sampel 2

 = Rata-rata sampel

 = Dugaan rata-rata populasi

 = Rata-rata populasi 1

 = Rata-rata populasi 2

 = Simpangan baku populasi

 = Varians populasi

 = Simpangan baku sampel

 = Penjumlahan(dari angka

sejumlak k)

 = Variacs sampel

 = Simpangan baku

sampe 1

 = Simpangan baku

sampe 2

 = t statistik

 = derajat

kebebasan (En=Degree of

freedom)

 = Rata-rata perbedaan

sampel

 = Dugaan rata-rata

perbedaan populasi

 = Simpangan baku

perbedaan

 = Chi-squared statistik

 = x/n = Proporsi sampel,

(kecuali ditentukan

sebelumnya)

 = Dugaan proporsi populasi

 = proporsi 1

 = proporsi 2

 = Dugaan perbedaan

proporsi

 = minimum

of n1 and n2

 = F statistik

8. Tahapan2 dlm melakukan uji statistic

9. Bagaimana usaha untuk mengurangi kesalahan dalam uji statisticKesalahan tipe 1

- Kesalahan ini merupakan kesalahan menolak Ho, padahal sesungguhnya Ho benar. Artinya menyimpulkan adanya perbedaan, padahal sesungguhnya tidak ada perbedaan.

- Peluang kesalahan tipe I adalah α atau sering disebut tingkat signifikansi (significance level).

- Sebaliknya,peluang untuk tidak membuat kesalahan tipe I adalah sebesar 1 – α, yang disebut dengan tingkat kepercayaan (confidence level)\

Kesalahan tipe 2

Kesalahan ini merupakan kesalahan tidak menolak Ho, padahal sesungguhnya Ho salah. Artinya menyimpulkan tidak ada perbedaan, padahal sesungguhnya ada perbedaan.

Peluang untuk membuat kesalahan tipe kedua (II) ini sebesar 1- β, dan dikenal sebagai Tingkat Kekuatan Uji (power of the test)

10. Bagaimana cara menentukan statistic yg akan digunakan