Oleh: Dr. Endang Susilaningsih, MS. NIP...
Transcript of Oleh: Dr. Endang Susilaningsih, MS. NIP...
WORKSHOP STATISTIKA PENELITIAN KEPENDIDIKAN 2016
Oleh: Dr. Endang Susilaningsih, MS. NIP: 195903181994122001
NIDN: 0018035906 CP: 081578702326
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI SEMARANG
Agustus 2016
A. PENDAHULUAN
Statistika Penelitian Kependidikan
Didefinisikan sebagai: Ilmu yang mempelajari pengumpulan , pengolahan, dan
penyajian data yang berkaitan dengan penelitian kependidikan. Memilih statistika
untuk statistik uji dalam analisis data pada penelitian kependidikan memerlukan
pengetahuan pendukung yang kompleks, di antaranya jenis penelitian, tujuan
penelitian, pengetahuan statistika yang meliputi distribusi data kontinu (distribusi t,
distribusi z, distribusi F dan distribusi χ2), statistik uji untuk uji hipotesis, satatistika
korelasi (korelasi product moment, korelasi biserial, korelasi point biserial, dan
korelasi spierman Brown), statistika regresi (regresi sederhana, regresi ganda, dan
multi regresi, serta statistika anava (anava satu jalur, anava dua jalur, dan multivariat).
Teknik analisis data penelitian kependidikan sangat ditentukan oleh jenis
penelitian, instrumen penelitian, dan kriteria instrumen penelitian yang harus
dipenuhi. Setiap jenis penelitian kuantitatif tertentu mempunyai karakter instrumen
dan teknik analisis yang sesuai dengan jenis penelitiannya. Keterampilan menyususn
instrumen penelitian, memilih statistik uji, dan menentukan teknik analisis data
merupakan faktor penting yang menetukan kualitas peneitian. Faktor-faktor penentu
kualitas penelitian tersirat dalam judul penelitian. Judul penelitian harus bersumber
pada permasalahan yang nyata, yang benar-benar hasil observasi, dan kajian jurnal
hasil penelitian,, serta kajian isu-isu pendidikan nasional maupun internasional, yang
dirumuskan sesuai kriteria judul penelitian kependidikan yang baik. Ini berarti
masalahnya tidak dibuat-buat, sehingga judul penelitian akan menggambarkan solusi
pemecahan masalah yang nyata, yang dirumuskan sesuai kriteria judul penelitian
kependidikan yang baik. Judul penelitian yang baik menggambarkan tujuan
penelitian, metode penelitian, variabel penelitiannya jelas, jenis penelitian, instrumen
penelitian, hipotesis, dan teknik analisis data. Bagaimanakah dengan judul proposal
skripsi mahasiswa bimbingan masing-masing?
Tulis dan analisislah apakah sudah memuat kriteria judul skripsi yang baik seperti
tersebut di atas! Contoh judul proposal skripsi: PENGEMBANGAN INSTRUMEN
PENILIAIAN PRAKTIKUM TITRASI ASAM-BASA BERBASIS EVALUASI
OTENTIK UNTUK MENGUKUR KETERAMPILAN LABORATORIUM
SISWA KELAS XI (cobalah untuk menganalisis judul tersebut)
B. Populasi, Sampel, dan Teknik Sampling
Populasi: objek penelitian yang jumlah anggotanya besar sesuai apa yang ada di
lapangan. Parameter populasi: jumlah anggota dengan notasi N, rerata dengan
notasi �, simpangan baku dengan notasi �, variansi dengan notasi �2, dan proporsi
dengan notasi �.
Sampel: bagian dari populasi yang mewakili (representatif), parameter sampel:
jumlah anggota notasi n, rerata = x, simpangan baku= s, variansi = s2 , dan
proporsi = p
Teknik sampliang: dibedakan menjadi dua bagian besar yaitu:
1. Sampling non probalitas:
a. Sampling seadanya
b. Sampling dengan pertimbangan (purposive sampling)
2. Sampling dengan propbabilitas
a. Random Sampling
b. Cluster Random Sampling
c. Stratified Random Sampling
d. Proportion Random Sampilng
e. Stratified Proportion Random Sampling
Persyaratan yang harus dipenuhi untuk pengambilan sampel dengan teknik
probabilitas adalah:
1). Uji normalitas data populasi, artinya sampel secara random harus diambil
dari populasi yang datanya berdistribusi normal. Uji ini juga menentukan
statistik untuk analisis data penelitian, jika populasi berdistribusi normal,
analisisnya menggunakan parametrik, jika tidak berdistribusi normal maka
menggunakan statistika non parametrik
2). Uji hogenitas data populasi, artinya populasi harus mempunyai
rataan dan varian yang sama, sehingga homogenitasnya sama.
C. HIPOTESIS
Yang dimaksud dengan hipotesis adalah dugaan/jawaban sementara yamg harus
dibuktikan kebenaraanya, pada umumnya orang mengelompokkan hipotesis
menjadi dua jenis, yaitu hipotesis nol (null hypothesis) dan hipotesis alternativ
(alternative hypothesis) dengan notasi Ha. Hipotesis nol menyatakan tidak
adanya perbedaan, atau tidak adanya korelasi, tidak adanya hubungan.
Sebaliknya hipotesis alternative menyatakan adanya perbedaan, adanya korelasi,
atau adanya hubungan. Hipotesis nol diberi notasi Ho dan hipotesis alternative
diberi notasi Ha. Penolakan hipotesis nol mengakibatkan penerimaan hipotesis
alternative. Pengujian hipotesis dalam pelaksanaan penelitian, peneliti
berkeinginan menolak Ho dan ingin menerima Ha. Notasi yang digunakan untuk
hipotesis nol adalah = ; ≤ ; dan ≥ , sedangkan notasi untuk hipotesis
alternative adalah ≠ ; > ; atau < . Ini berarti ada tiga tipe pasangan hipotesis
Tipe 1: Ho → �=c;Ha→�≠cmenggunakanduapihak(twotail)
Tipe2:Ho→�≤c;Ha→�>cmenggukansatupihaksebelahkanan
Tipe 3 Ho → �≥ c ; Ha → � < c menggunakan satu pihak sebelah kiri
1. Tipe kesalahan
a. Kesalahan tipe 1: kesalahan yang terjadi ketika peneliti menolak Ho, pada hal
seharusnya Ho tersebut benar.
b. Kesalahan tipe 2 : kesalahan yang terjadi ketika peneliti menerima Ho, pada
hal seharusnya Ho tersebut tidak benar.
Peluang terjadinya kesalahan tipe 1 dilambangkan dengan α dan disebut tingkat
signifikansi, peluang terjadinya kesalahan tipe 2 dilambangkan dengan � dengan
kuantitas (1- �)yangdisebutkekuatanujihipotesistersebut.Pengujianhipotesis
dalampenelitiansangatdiinginkanuntukmemperolehα maupun �yangkecil.
Penelitiharusmenentukanα lebih dulu, untuk penelitian kependidikan pada
umumnya menentukan α = 5% atau 0,05
2. Prosedur Uji Hipotesis
Langkah-langkah uji hipotesis sebagai berikut:
a. Rumuskan Ho dan Ha nya, rumuskan Ho lebih dulu, kebaikannya adalah Ha
b. Tentukan taraf signifikansi (α) yang akan digunakan uji hipotesis
c. Pilih statistik uji yang cocok untuk menguji hipotesis yang telah dirumuskan
d. Komputasi: menghitung statistik uji yang sesuai berdasarkan data observasi yang
diperoleh dari sampel. Perhitungan statistik uji dapat dilaukan secara manual
ataupun paket program statistik yang sudah tersedia.
e. Tentukan nilai kritik dan daerah kritik berdasarkan tingkat signifikansi yang
telah ditetapkan. Penentuan nilai kritik dan daerah kritik berdasarkan statistik uji
yang dipilih dengan melihat tabel statistik yang bersesuaian.
f. Tentukan keputusan uji mengenai Ho, apakah Ho ditolak atau diterima. Kriteria
penolakan Ho bila nilai statistik uji merupakan elemen daerah kritik dan
sebailknya.
g. Tulislah kesimpulan berdasarkan keputusan uji yang diperoleh dengan kalimat-
kalimat yang bersesuaian dengan keputusan uji hipotesis
3. Contoh: uji hipotesis untuk melihat apakah rataan nilai kimia siswa SMA kelas
XII lebih dari 65, secara random dari populasinya diambil 12 siswa dengan rataan
nilai 74,33 jika diambil α = 1% dengan asumsi populasi berdistribusi normal,
bagaimana kesimpulan penelitian tersebut.
Solusi
a. Ho → � ≤ 65
Ha → � > 65
b. α = 1% = 0,01
c. Statistik uji → t hit =����
� √�⁄
d. Komputasi : t hit = ��,�����
��,��� √��⁄ =
�,��
��,��� �,���⁄ = 2,572
e. Daerah Kritik: DK = {t | t hit > t tabel }
t tabel = t 0,01; 11 = 2,718 → t hit bukan elemen DK →Ho diterima
t hit < t tabel → Ho diterima
f. Rataan nilai kimia siswa kelas XII SMA tidak lebih dari 65 secara signifikan.
4. Uji Hipotesis Mengenai Rataan
Pengujian hipotesis mengenai rataan berkaitan dengan uji kesamaan rataan atau
uji beda rataan untuk populasi-populasi yang indipenden, dan beda rataan untuk
data berpasangan. Persyaratan untuk memilih formula statistik uji adalah rataan
populasi (�) dan simpangan baku populasi (�) atau variansi populasi (�2).
Formula statistik uji dapat dilihat pada Tabel 2
Tabel 2: Statistik uji mengenai rataan
H0 Persyaratan Statistik Uji μ = μ0 Populasi normal, σ2 diketahui
� =x − ��
� ∕ √�~N(0,1)
μ = μ0 Populasi normal σ2 tak diketahui
� =x − ��
� ∕ √�~�(� − 1)
μ1 – μ2 = d0
d0 = bilangan tertentu Populasi-populasi normal dan independen, σ1
2 dan σ22 diketahui
� =( x
�− x
�) − ��
���
�
��+
���
��
~N(0,1)
μ1 – μ2 = d0
Populasi-populasi normal dan independen, σ1
2 dan σ22 tak
diketahui, σ12 = σ2
2 = σ
� =� x
�− x
�� − ��
�1��
+1
��
��~t(�� + �� − 2)
��� =
(�� − 1)��� + (�� − 1)��
�
�� + �� − 2
μ1 – μ2 = d0
Populasi-populasi normal dan independen, σ1
2 dan σ22 tak
diketahui, σ12 ≠ σ2
2
� =� x
�− x
�� − ��
���
�
��+
���
��
~t(�)
� =(��
� ��⁄ + ��� ��⁄ )�
(��� ��⁄ )�
�� − 1 + (��
� ��⁄ )�
�� − 1
(Walpole, 1982 : 311)
μD = d0
Data populasi berpasangan, populasi-populasi normal, σ2 tak diketahui
� =� D − ���
�� ∕ √�~t(� − 1)
� = �� − �� �� = ����������������
D. Statistika Penelitian Kependidikan
Statistika yang banyak digunakan dalam penelitian kependidikan yaitu:
1. Distribusi data kontinu
a. Distribusi normal baku (distribusi z), aplikasinya menggunakan tabel z
Distribusi z berbentuk kurva Gaus seperti lonceng dengan luas kurva
100%, atau satu satuan yang simetris. Kurva distribusi z dapat dilhat pada
Gambar 1.
Gambar 1: Kurva Distribusi z
Transformasi skor/nilai hasil pengamatan ke skor baku z menggunakan formula
� =x − μ
σ
Keterangan: Z = skor baku
X = skor hasil pengamatan
μ = rerata populasi
σ = simpangan baku populasi
Distribusi z dapat digunakan untuk: meranking, uji hipotesis, dan job analisis.
b. Distribusi Student (t), aplikasinya menggunakan tabel t,
Bentuk distribusi t hampir sama dengan distribusi z seperti pada Gambar 2
Gambar 2: Kurva Distribusi t
Distribusi t digunakan untuk: meranking, uji hipotesis, uji kesamaan rerata, kesamaan varian,
dan kesamaan proporsi. Uji peningkatan rerata pada prediksi keefektifan suatu perangkat.
c. Distribusi chi kuadrat (χ2), aplikasinya menggunakan tabel χ2
Bentuk kurva distribusi χ2 condong kekanan, seperti pada Gambar 3.
Kurva distribusi χ2 dengan α = 5% atau α = 0,05
Kurva distribusi χ2 dengan derajad kebebasan (df) yang berbeda
Kurva distribusi χ2 dengan probabilitas = p
Gambar 3: Kurva Distrubusi χ2
Distribusi χ2 digunakan untuk uji hipotesis, uji normalitas data populasi
d. Distribusi F, untuk aplikasi menggunakan tabel F
Kurva distribusi F hampir sama dengan kurva distribusi χ2, condong
kekanan digunakan untuk uji hipotesis pada analisis korelasi, regresi, dan
anava, untuk kepentingan analisis populasi digunakan pada uji
homogenitas data populasi, uji homogenitas kelas eksperimen dan kelas
kontrol pada analisis penelitian eksperimen. Bentuk kurva distribusi F
dapat dilihat pada Gambar 4.
2. Statistika Korelasi
a. Korelasi product moment, dengan formula
Keterangan
r = rxy = koefisien korelasi product moment
x = skor kelas eksperimen
y = skor kelas kontrol
n = jumlah sampel
b. Korelasi biserial, dengan formula:
)(
1
zf
pYY
bisx
Yrr
2
2
2
1)(z
ezf
Keterangan:
r = r bis = koefisien korelasi biserial
y = rerata skor kelas eksperimen
y = rerata skor kelas kontrol
�y = varian y
px = luas daerah pada kurva distribusi z
z dihitung dari pxr
Persamaan korelasi biserial yang sudah diturunkan menjadi
� = ���� =(����)��
���
Keterangan:
r = r bis = koefisien korelasi biserial
y1 = rerata y pada kategori pertama
y = rerata y pada kategori kedua
p = proporsi pengamatan kategori pertama = ��
��� ��
q = proporsi pengamatan kategori kedua = 1- p
u = tinggi ordinat luasan pada kurva normal yang luasnya = p
harganya dapat dilihat pada tabel ordinat kurva normal
sy = simpangan baku seluruh y, baik kategori pertama maupun kedua
c. Korelasi point biserial, dengan formula
Keterangan:
r = rpbis = koefisien korelasi point biserial
y = rerata skor kelas eksperimen
y = rerata skor kelas kontrol
�y = varian y
px = proporsi yang menjawab benar
x
x
Y p
pYY
pbisrr
11
22
n
Y
n
Y
Y
x
x
Y p
pYY
pbisrr
11
d. Korelasi Spearman dengan formula:
r = 1 −6���
�(�� − 1)
Keterangan:
r = koefisien korelasi Spearman
n = jumlah item
d = selisih ranking/peringkat
3. Statistika Regresi
a. Regresi Sederhana dengan formula
� =�0 + �x + Ɛ
Keterangan:
y = variabel terikat/variabel respon
x = variabel bebas/variabel prediktor
�0 = suku tetap, yang merupakan rataan populasi jika x=0
Ɛ = galat random (random error) dari y pada pengamatan ke- i
�=koefisienregresimerupakanefekperubahanvariabelbebaskepada
Variabelterikat.
1) Estimasiregresisederhanamenggunakanpersamaan:
� =b0 + bx atau � =a + bx
a =(��)(���)�(��)(���)
�����(��)� b =
�(���)�(��)(��)
�����(��)�
persamaan regresinya : y = a + bx menjadi
y = (��)(���)�(��)(���)
�����(��)� +
�(���)�(��)(��)
�����(��)� x
untuk mengetahui seberapa baik variabel bebas dapat memprediksi variabel terikat,
diperlukan beberapa variansi ( variansi total/ (JKT), jumlah kuadrat regresi (JKR),
dan jumlah kuadrat galat/error (JKG)
JKT = ���- (��)�
� JKR= a (�y) + b (�xy) -
(��)�
�
JKG=���-a(�y) - b (�xy) atau JKG = JKT- JKR
2) Koefisien determinasi (D)
Koefisien determinasi (coefficient of determination) regresi linear antara x dan y
disajikan dengan D atau r2 , r2 = ���
���
3) Kesalahan baku taksiran: disajikan dengan sy.x =����
���
4) Kesalahan baku koefisien regresi: disajikan dengan sb = ���
�.�
���
Dengan �2= ��- (��)�
�
5) Keberartian regresi: untuk melihat signifikansi regresi digunakan
pendekatan anava dengan menggunakan JKT, JKR dan JKG, derajad
kebebasan untuk masing-masing rataan kuadrat itu = n-1, dan n-2,
berturut-turut. Rataan kuadrat diperoleh dengan formula:
RKR = ���
� dan RKG =
���
���
Statistik ujinya adalah Fhit = ���
��� yang merupakan variabel random
berdistribusi F dengan derajat kebebasan 1 dan n-2
6) CONTOH ANALISIS REGRESI
Carilah persamaan Garis Regresi y pada x dari data pada Tabel 1 Tabel 1: data nilai Mat dan Fis siswa kelas XI.
Nilai mat (X)
Nilai Fis (Y) xy X2 Y2
60 80 4800 3600 6400 45 69 3105 2025 4761 50 71 3550 2500 5041 60 85 5100 3600 7225 50 80 4000 2500 6400 65 82 5330 4225 6724 60 89 5340 3600 7921 65 93 6045 4225 8649 50 76 3800 2500 5776 65 86 5590 4225 7396 45 71 3195 2025 5041 50 69 3450 2500 4761
�X = �Y = �XY= �X2= �Y2=
1. a =
2. b =
3. persamaan garis regresi Y =
4. JKT= JKR= JKG=
5. Koefisien determinasi=
6. sy.x = sb =
7. Ujilah keberartian hubungan linear antara X dan Y....
b. Regresi ganda dengan formula
� =�0 + �1x1 +�2x2 +Ɛ
�1=koefisienregresipadax1
�2=koefisienregresipadax2
c. Multi regresi dengan formula
� =�0 + �1x1 +�2x2 +�3x3 + �4x4 +...+ �nxn + Ɛ
4. Statistika Analisis Varian (anava)
Dibicarakan prosedur untuk menguji secara serentak apakah k populasi
mempunyai rataan yang sama. Prosedur uji hipotesis ini disebut analisis
variansi (ANAVA). Jika dikaitkan dengan rancangan eksperimen prosedur uji
ini bertujuan untuk menguji ada atau tidaknya perbedaan efek beberapa
perlakuan terhadap variabel terikat. Jika hanya ada satu variabel bebas, maka
analisisnya menggunakan anava satu jalan (jalur), jika ada dua variabel bebas
analisisnya menggunakan anava dua jalan (jalur), demikian seterusnya,
sehinga dikenal anava 3 jalan, anava empat jalan, dan multi variat.
a. Analisis varian satu jalan dengan sel sama
Pada Analisis ini hanya ada satu variabel bebas yang berskala nominal. Misal
variabel bebas tersebut mempunyai mempunyai k nilai atau klasifikasi.
Pelaksanaan penelitian dengan teknik uji ini, diambil k sampel dengan masing-
masing sampel berukuran sama, yaitu n. Masing-masing sampel diambil dari
populasinya sendiri-sendiri, sehingga dalam kasus ini terdapat k populasi.
Peleksanaan penelitiannya masing-masing sampel mendapat perlakuan sendiri-
sendiri, sehingga jika terdapat k sampel, berarti ada k perlakuan
b. Persayaratan Analisis
1) Setiap sampel diambil secara random dari populasinya
2) Masing-masing populasi saling indipenden dan masing-masing data
amatan saling indipenden di dalam kelompoknya.
3) Setiap populasi berdistribusi normal
4) Populasi-populasi mempunyai variansi dan rerata yang sama (sifat
homogenitas populasi).
c. Model Data
Anava satu jalan dengan sel sama, setiap data atau nilai Xij pada populasi
dimodelkan dalam bentuk: Xij = �j + Ɛij
�j adalah rataan pada populasi ke-j , Ɛij adalah deviasi Xij dari rataan
populasinya. Misalnya rataan dari seluruh data pada k populasi adalah �,
maka �j dapat dinyatatakan sebagai: �j = � + αj
� ��
�
�� � = � (
�
�� �μ� − μ) = 0; biasanya αj disebut efek
perlakuanke-jterhadapvariabelterikatpadapopulasike-j,modeldata
ataunilaiXij pada populasi : Xij = � + αj+Ɛij
Xij = data ke-i pada perlakuan ke-j
�=rataandariseluruhdatapadapopulasi(grandmean)
αj=�j – �=efekperlakuanke-jpadavariabelterikat
Ɛij = deviasi data Xij terhadap rataan populasinya, berdistribusi normal
dengan rataan nol. Deviasi Xij terhadap rataan populasi disebut galat
(error).
k=cacahpopulasi(cacahperlakuan,cacahklasifikasi).
Notasi dan tata letak data pada k sampel, berukurann dapat dilihat
padaTabel2.
Tabel2:Notasidantataletakdatapadaksampel,berukurann
perlakuan
1 2 3 ... k
X11 X12 X13 ... X1k
X21 X22 X23 ... X2k
... ... ... ... ....
Xn1 Xn2 Xn3 ... Xnk
Jumlah Σ1 Σ2 Σ3 ... Σk Jumlah total
rataan .... ..... ... ... ... Grand mean
Komputasi analisis varian menggunakan JKT, JKA, JKG, RKA, dan
RKG. Statistik uji menggunakan Fhit =���
���
d. Contoh: untuk melihat apakah obat sakit kepalajenis A, Jenis B, jenis C, jenis D, dan jenis E memberikan efek yang sama untuk menghilangkan rasa sakit kepala, obat tersebut diberikan kepada kelompok yang berbeda yang masing-masing kelompok beranggotakan 5 orang yang sedang sakit kepala. Kelompok 1 diberi obat A, kelompok 2 diberi obat B , kelompok 3 diberi obat C, kelompok 4 diberi obat D, dan kelompok 5 diberi obat E. Data pada Tabel 3. Jika α =5%, apakah dapat disimpulkan bahwa kelima obat sakit kepala tersebut memberikan efek yang sama? Tabel 3: Lama waktu hilangnya rasa sakit pada lima jenis obat
Jenis obat sakikepala A B C D E
n 5 9 3 2 7 4 7 5 3 6 8 8 2 4 9 6 6 3 1 4 3 9 7 4 7
jumlah 26 39 20 14 33 G= 132
rataan 5,2 7,8 4,0 2,8 6,6 5,28
Solusi:
1. Ho →
Ha →
2. α = 5%
3. Statistik uji: Fhit =���
���
4. Komputasasi;
JKT = 52 + 42 + 82 + 62 ... + 72 - ����
(�)(�) =
JKA = 262 + 392 + 202 + 142 + 332 - ����
(�)(�) =
5 JKG = JKT – JKA
RKA = ���
��� =
RKG = ���
���� =
Fhit =���
��� =
5. Daerah Kritik: DK = {F| Fhit > Ftabel }
Ftabel = Fα, k-1,N-k = F0,05, 4, 20 =
6. Keputusan :
7. Kesimpulan:
e. Contoh soal anava satu jalan dengan sel tidak sama
Seorang mahasiswa ingin mengetahui media pembelajaran yang baik untuk pembelajaran kimia karbon. Untuk keperluan tersebut mahasiswa mengujicobakan tiga jenis media pada kelas yang berbeda. Kelas A (diambil 7 orang) pembelajaran dengan Media I, kelas B (diambil 9 orang) dengan Media II, dan kelas C (diambil 8 orang) menggunakan media III. Setelah selesai pembelajaran para siswa tersebut diberikan tes yang sama, skor mereka seperti berikut, jika α = 5%, bagaimana kesimpulan penelitian tersebut? Kelas A : 97 81 74 82 74 80 87 Kelas B : 58 63 64 75 70 73 80 62 71 Kelas C : 63 92 72 70 64 70 62 81
f. Uji pasca anava
Jika Ho ditolak peneliti hanya mengetahui bahwa perlakuan-perlakuan
yang diteliti tidak memberikan efek yang sama, tetapi belum mengetahui
manakah dari perlakuan-perlakuan itu yang secara signifikan berbeda
dengan yang lain. Untuk itu perlu dilakukan uji pasca anava. Banyak cara
uji pasca anava tetapi yang paling sederhana adalah metode Schiffe.
Langkah-langkahnya sebagai berikut:
1) Identifikasi semua pasangan komparasi rataan yang ada, jika ada k
perlakuan, maka ada �(���)
� pasangan rataan dan rumuskan hipotesisnya
yang bersesuaian dengan komparasitersebut.
2) Tentukan tingkat signifikansi α ( sama dengan uji anavanya)
3) Carilah nilai statistik uji F dengan formula:
���� =(�� − ��)�
��� �1��
+1��
�
Fi-j = nilai Fhit pada perbandingan perlakuan ke-i dan perlakuan ke-j
�� = rataan pada sampel ke-i
�� = rataan pada sampel ke-j
RKG = rataan kuadrat Galat
��= ukuran sampel ke-i
�� = ukuran sampel ke-j
4)Tentukan Daerah Kritik dengan formula:
DK = {F| Fhit > (k-1) Fα, k-1, N-k }
5) Tentukan keputusan uji untuk masing-masing komparasi ganda
6) Tentukan kesimpulan dari keputusan uji yang ada
g. Contoh uji pasca anava dengan metode Schiffe
Setelah keputusan uji Ho ditolak, maka untuk menentukan (treatmen,
media, bahan ajar, metode mengajar, atau strategi mengajar) manakah
yang paling baik, dilakukan komparasi ganda dengan metode Schiffe:
1) Komparasi rataan, misal ada 3 jenis media, atau bahan ajar, atau
perlakuan, maka ada 3 pasang hipotesis dapat dilihat pada Tabel 4
Tabel 4: Komparasi dan Hipotesis
komparasi Ho Ha
�1 vs �2
�2 vs �3
�1 vs �3
�1 = �2
�2 = �3
�1 = �3
�1 ≠ �2
�2 ≠ �3
�1 ≠ �3
2) α = 5% = 0,05
3) Statistik uji : ���� =(�����)�
��� ��
� ��
�
� ��
4) Komputasi : misal dari perhitungan diperoleh rataan (1) = 82,14; n=7
rataan (2) = 68,44; n = 9 ; dan rataan (3) = 71,75; n=8, sehingga
diperoleh:
����= (��,�����,��)�
(��,��)(�
��
�
�)
= ���,��
��,�� = 10,20
����= (��,�����,��)�
(��,��)(�
��
�
�)
= ��,��
��,�� = 0,64
����= (��,�����,��)�
(��,��)(�
��
�
�)
= ���,��
��,�� = 5,56
5) Daerah Kritik:
DK = {F| Fhit > (k-1) Fα, k-1, N-k }
= {F| Fhit > (2) F0,05, 2, 21 } = {F| Fhit > (2) (3,47)} = {F| Fhit > 6,94}
6) Keputusan uji:
Dengan membandingkan Fhit dengan daerah kritik, tampak bahwa
perbedaan yang signifikan hanya antara �1 dan �2
7) Kesimpulan:
Media A sama baiknya dengan media C, media B sama baiknya
dengan media C, tetapi media A lebih baik dari media B
E. STSTISTIKA NON PARAMETRIK.
Statistika non parametric digunakan untuk analisis data penelitian kependidikan
apabila data populasi tidak berdistribusi normal.
1. UJI KESAMAAN RERATA
Notasi rerata pada analisis data dengan metode non parametrik λ (lamda). Statistik uji
yang digunakan adalah χ2. Cara analisis:
Masing-masing populasi diambil sampelnya, missal sampel I berukuran n1 reratanya =
X1 sedangkan kelompok II sampel berukuran dan reratanya X2 …….. kelompok k
berukuran nk dan reratanya = Xk kemudian dihitung rerata gabungan:
Xg = ��X1 + ��X2 + ⋯ ��Xk
�1 + �2 + ⋯ ��
KRITERIA : χ2 hit ≤ χ2α; (v) Berarti semua populasi mempunyai rerata yang
sama
χ���� =
(�� − ��)�
�+
(�� − ��)�
�+ ⋯
(�� − ��)�
�
CONTOH :
Dari populasi 1 diambil sampel berukuran 5 dengan data : 50 70 70 90 90
Dari populasi 2 diambil sampel berukuran 6 dengan data : 50 70 70 90 90 70
Akan kita lihat apakah kedua populasi tersebut berkualitas sama:
SOLUSI:
KELOMPOK 1 : rerata = ….. . KELOMPOK 2 : rerata = ……..
Rerata gabungan = …………
KRITERIA : χ2 hit ≤ χ
2α; (v)
Harga : χ����
= ……….
Kesimpulan : ……….
2. UJI TANDA
Komparasi pengaruh terhadap suatu treatmen dapat dianalisis dengan uji tanda, untuk
keperluan ini harus disediakan beberapa pasang individu, tiappasang harus terdiri atas
individu yang ekivalen. Data individu pertama tiap pasangan disebut X, data individu
kedua disebut Y, dari setiap pasang dibandingkan X terhadap Y. Jika X ˃ Y pasangan
diberi tanda + sebaliknya jika X ˂ Y pasangan diberi tanda − Analisis dilakukan
dengan menghitung tanda + dan tanda − analisis difokuskan pada yang jumlah
tandanya sedikit yang disebut dengan h.
KRITERIA : Tidak terdapat perbedaan terhadap pengaruh suatu treatmen apabila
h hitung ˂ h batas
h hitung = banyaknya tanda ( + atau − ) yang jumlahnya lebih sedikit. Harga h batas
dapat dilihat pada TABEL. Tabel yang tersedia hanya untuk h batas dengan ukuran
95 pasang data, untuk n > 95 harga h batas dapat dihitung dengan rumus:
hbatas =1
2(� − 1) − �√� − 1
k = 1,2879 untuk α = 0,01
k = 0,9800 untuk α = 0,05