Persiapan Analisis Data
Persiapan Analisis Data
Persiapan Analisis Data
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Keberlakuan hasil penelitian (padaaras populasi ataucontoh) Model/polasebaran data yang akan menentukanparameter statistik uji (Parametrikatau NonParametrik) Ada/tidaknya interaksi antara variabel bebas(perlakuan) dalam mempengaruhi variabel tak bebas(variabelrespons) Taraf kepercayaan (signifikansi)) yang akan dipakaidalam proses pengambilan keputusan: α = 5 % atau 1 % Nilai probabilitas (p) batasannya : p=0,05
PEMILIHAN JENIS UJI STATISTIK1. <strong>Analisis</strong> statistik cocok untuk data kuantitatif atau datayang dikuantitatifkan2. <strong>Analisis</strong> nonstatistik biasanya diaplikasikan untuk datakualitatif – deskriptif atau tekstular3. Khusus untuk analisis statistik: : model yang digunakanharus sesuai dengan rancangan penelitiannya(ditentukanoleh rumusan masalah – tujuan –hipotesis),dapat dibedakan:Uji beda/komparatifUji asosiasi (hubunganatau pengaruh)4. Agar model atau metode uji itu sahih maka asumsi-asumsi yang mendasari harus dipenuhi, ada 2 pilihan:Uji statistik parametrikUji statistik nonparametrik
JENIS STATISTIKStatistik Deskriptif: : data diringkas pada hal-halyangpenting dalam data tersebutGrafik, spt: : histogram, pie chart dll (padaSPSS dalam menu:Graph.TabelDistribusi frekuensi.Central tendensi : mean, modus, medianUkuran dispersi : standar deviasi, varian(keempatnyapada SPSS menggunakan menu: Analyze,submenu: Descriptive Statistic)Statistik Inferensial: menggunakan metode statistik untukmenganalisis data dan hasil analisis tersebut digunakanuntuk menggambarkan/mengestimasi parameterpopulasi dari sampel yg ada
Pedoman Penggunaan Parameter pada Statistik InferensialTipe <strong>Data</strong>Nominal/OrdinalInterval/ratioDistribusi<strong>Data</strong>Jumlah<strong>Data</strong>NormalTidak NormalKecil (30)
JENIS UJI STATISTIKMacam<strong>Data</strong>NominalKomparatif (2 sampel)Related• Mc NemarOrdinal • Sign test• WilcoxonmatchedpairsInterval, Rasio • t-test test ofrelated(pired)Independen• t-test testindependentBentuk HipotesisKomparatif (>2 sampel)Related• X 2 utk ksampel• Cochran Q• One wayAnova• Two wayAnovaIndependen•X 2 utk ksampel• Fisher Exact-Probability• Chi-Square• Median Test• Mann-Whitney-U test• Kolmogorof-Smirnov• Wald-Woldfowitz• Friedman-Two-WayWay-Anova• MedianExtension• KruskalWallis-OneOne-Way-Anova• One WayAnova• Two WayAnovaSumber: Sugiyono (1999). Statistik Nonparametrik Untuk Penelitian, CV Alfabeta, BandungAsosiasi(hubungan)•Contingency•Coefficient C• Spearmanrankcorrelation• Kendall Tau• PearsonPruductMomment• PartialCorrelation• MultipleCorrelation• Regresi
Distribusi NormalMenurut pandangan statistik, distribusi variabel padapopulasi mengikuti distribusi normalDistribusi normal adalah bentuk distribusi yang memusatdi tengah, , mean, mode dan median berada di tengah
Menguji Normalitas <strong>Data</strong> <strong>Data</strong> interval/rasiorasio harus diuji normalitas sebelumdianalisis untuk menentukan jenis uji parametrik ataunon parametrik Tujuan uji: untuk melihat apakah sebaran data mengikutipola seperti kurva normal Cara : membandingkan data empirik dengan data idealHipotesis:Ho: tidak terdapat perbedaan antara data empirik dan datateoritikHa: terdapat perbedaan antara data empirik dan data teoritik- p > 0,05 maka Ha ditolak (normal)- p < 0,05 maka Ha diterima (tidaknormal)
Prinsip Uji Distribusi NormalObservedExpectedPrinsipnya membandingkan antara distribusi data yangdidapat (observed) dengan data normal (expected)Jika hasil uji menunjukkan tidak ada perbadaan antarakedua distribusi data tersebut (p > 0,05) dikatakandistribusi data obseved adalah normal
Pengujian Distribusi Normal
Berbagai Cara Menguji Normalitas<strong>Data</strong>1. Nilai Skewness dan Kurtosis2. Lilliefors (UjiKolmogorov Smirnov)3. Shapiro-Wilks4. Grafik PP dan Grafik Q-Q Q (normal jk datatersebar di sekeliling garis)5. Nilai Z (jika(terletak antara – 1,96 sampai+1,96 pada taraf signifikansi 5 %)
1. Ratio Skewness dan Kurtosis: Ratio Skewness = nilai skewness dibagi standarerror skewness Patokan nilai Skewness adalah -0,155,sdgstandard error skewness diperoleh dari hasilanalisis data Jika Ratio Skewness berada antara -2 sampai +2maka distribusi dikatakan normal Ratio Kurtosis = nilai kurtosis dibagi standard errorkurtosis Patokan nilai Kurosis adalah -0,155,sdg standarderror kurtosis diperoleh dari hasil analisis data Jika Ratio Kurtosis berada antara -2 sampai +2maka distribusi dikatakan normal
Tambahan tentang Normalitas Satu istilah yang ngetrend dalam Kurve Normaladalah Skewness dan Kurtosis. Skewnessberkaitan dengan lebar kurve, sedangkankurtosis dengan tinggi kurve. Jika data terlihatsebarannya normal, tapi kalau nilai kurtosisnyabesar (alias salah satu kategori terlalu tinggi) yanggak normal. Dua nilai ini harus diperhatikan... Nilai Kritis (Z) = Skewness / √ (6/N). Z tidakboleh lebih dari 2,58 (sig. 1%) dan 1,96 (sig.5%). Untuk Kurtosis rumusnya sama.
Pada SPSS, RatioSkewness dan Kurtosisdiperoleh lewat: Menu Analyze Submenu DescriptiveStatistics – Frequencies Masukkan Variabel yangakan diuji ke kotakVariable(s) Klik pilihan icon Statistics,selanjutnya Klik pada:Skewness dan Kurtosis,kemudian OK
2. Testing skew by Z-scoreZThe simplest test we can use is a z-score. zIn the case ofskew the z-score zis given by:The standard error of skew is given byz = skew − 0SE skewSE skew =6 Nwhere N is the number of cases in the sample.If a z score associated with the skew is greater than|±1.96| then the sample is significantly different fromnormal.In other words, a value of skew which is significantlydifferent from zero, would mean that we do not havenormally distributed data
Cara menentukan nilai Z:pilih menu Analyze – Descriptive Statistics –DescriptivesMasukkan Variabel pada kotak Variable(s)Aktifkan pilihanpilihan: : Save standardized value asvariable (akan(ada tambahan variable barudi file yaitu nilai z)Klik pilihan Continue dan OKDistribusi Nilai Z (jika(terletak antara – 1,96sampai +1,96 pada taraf signifikansi 5 %)
3. Uji Kolmogorov Smirnov:Untuk menguji normalitassebuah variabelDikatakan Distribusi Normal jikaP > 0,05Pada program SPSS dilakukanmelalui:Menu AnalyzeSubmenu NonparametricTestPilih: – 1 Sample KSMasukkanvariabel yangpada kotak: : Test VariableListKlikicon Test DistributionNormal, kemudian OK
4. Uji Kolmogorov Smirnovdan Shapiro WilkUntuk menguji normalitas dua kelompok data yangberasal dari sebuah variabelDikatakan Distribusi Normal jika P > 0,05Pada program SPSS dilakukan melalui:Menu AnalyzeSubmenu Descriptive Statistics – ExploreMasukkan Variabel Dependen dan Faktorpembedanya ke kotak masing-masingKlik pilihan icon: Plots dan pilih Normality Plotswith Tests
Pilih Plots
Cara Membaca OutputTests of NormalityKolmogorov-SmirnovShapiro-WilklokasipenelitianStatisticdfSig.StatisticdfSig.lila WUSdesa .284 15 .002 .782 15 .010kota .196 15 .127 .948 15 .486** This is an upper bound of the true significance.a Lilliefors Significance CorrectionDistribusi Normal jika P > 0,05
5. Grafik normal PP dan Grafiknormal Q-Q QDikatakan normal jk data tersebar di sekeliling garis<strong>Data</strong> yang tersebar jauh dari garis menunjukkan dataterdistribusi tidak normalPada program SPSS dilakukan melalui:GraphsKemudian pilih P-P P P atau Q-QQ
Pilih variabel yang akandiuji dan dimasukkan kedalam kotak Variables Pilih Test Distribution :Normal Kemudian tekan OK
Lavene Test:Menguji Kesamaan VarianUntuk menguji kesamaan dua varian data yang berasal darisebuah variabelDikatakan variannya sama jika P > 0,05Pada program SPSS dilakukan melalui: Menu Analyze Submenu Descriptive Statistics – Explore Masukkan Variabel Dependen dan Faktor pembedanya kekotak masing-masing Klik pilihan icon: Plots dan pilih Power estimation padabagian Spread vs Level with Levene Test
Apa yang harus dilakukan jikasebaran data tidak normal transformasi data dalam bentuk yang lain (remedies(for non normal).Ada banyak caramentransformasikan, tetapi cara yang sering dipakaiadalah transformasi dalam bentuk akar kuadrat,arcsin, dan log 10. (lihat(modul transformasi data) menambah jumlah sampel penelitian, hinggakatakanlah 100 sampel. Menyisihkan outliers: membuang subjek yangteridentifikasi sebagai outliers atau memiliki nilaiekstrim/menyimpang dibanding yang lain. Memisah berdasarkan katagori tertentu, misal sex,lokasi, pekerjaan dll Jika tidak bisa dengan cara di atas -- data tidaknormal dianalisis dg statistik non parametrik.