Hipotesis statistik Sebuah pernyataan tentang
parameter yang menjelaskan sebuah
populasi
(bukan sampel).
Statistik Angka yang dihitung dari sekumpulan
sampel.
Hipotesis nol
(H
0) Sebuah hipotesis yang
berlawanan dengan teori yang akan dibuktikan.
Hipotesis alternatif
(H
1) atau hipotesis kerja (Ha)
Sebuah hipotesis (kadang gabungan) yang
Tes Statistik Sebuah prosedur yang masukannya
adalah sampel dan hasilnya adalah hipotesis.
Daerah penerimaan Nilai dari tes statistik yang
menggagalkan untuk penolakan hipotesis nol.
Daerah penolakan Nilai dari tes statistik untuk
penolakan hipotesis nol.
Kekuatan Statistik (1 −
β
)
Probabilitas kebenaran pada saat menolak
hipotesis nol.
Tingkat signifikan test (
α
) Probabilitas kesalahan
pada saat menolak hipotesis nol.
Nilai P (P-value) Probabilitas, mengasumsikan
Uji Hipotesis adalah cabang Ilmu Statistika Inferensial
yang dipergunakan untuk menguji kebenaran suatu
pernyataan secara statistik dan menarik kesimpulan
apakah menerima atau menolak pernyataan tersebut.
Pernyataan ataupun asumsi sementara yang dibuat
untuk diuji kebenarannya tersebut dinamakan
dengan Hipotesis (Hypothesis) atau Hipotesa.
Tujuan dari Uji Hipotesis adalah untuk menetapkan
suatu dasar sehingga dapat mengumpulkan bukti
yang berupa data-data dalam menentukan keputusan
apakah menolak atau menerima kebenaran dari
pernyataan atau asumsi yang telah dibuat. Uji
Hipotesis juga dapat memberikan kepercayaan diri
dalam pengambilan keputusan yang bersifat
Digunakan apabila hipotesis Ho berbunyi "sama dengan"
dan hipotesis Ha berbunyi "tidak sama dengan".
Contoh hipotesis deskriptif (satu sampel):
Ho : Daya tahan lampu merk X = 400 jam ( atau m
1= 400)
Ha : Daya tahan lampu merk X ¹ 400 jam ( atau m
1¹ 400)
Contoh hipotesis komparatif (dua sampel) :
Ho : Daya tahan lampu merk A = merk B ( atau m
1= m
2)Ha : Daya tahan lampu merk A ¹ merk B ( atau m
1¹ m
2)Contoh hipotesis Asosiatif :
Ho : Tidak ada hubungan antara X dan Y ( atau r ¹ 0
)Ha : Ada hubungan antara X dan Y ( atau r = 0
) Digunakan apabila hipotesis Ho berbunyi "lebih besar atau sama
dengan" (
³
) dan hipotesis alternatifnya berbunyi "lebih kecil / paling sedikit / paling kecil" (<). Contoh hipotesis deskriptif (satu sampel):
Ho : Daya tahan lampu merk A paling rendah adalah 500 jam (
m ³ 500)
Ha : Daya tahan lampu merk A lebih rendah dari 500 jam (
m < 500)
Contoh Hipotesis komparatif (dua sampel)
Ho : Daya tahan lampu merk A paling sedikit
sama dengan lampu merk B (m
1³ m
2-m
1 lampu merkB
)
Ha : Daya tahan lampu merk A paling sedikit
sama dengan lampu merk B (m
1< m
2-m
1 lampu merkB)
Contoh hipotesis Asosiatif :
Ho : Hubungan antara X dan Y paling sedikit
(kecil) 0,65 ( atau r ³ 0,65)
Ha : Ada hubungan antara X dan Y lebih kecil dari
0,65 ( atau r < 0,65)
Digunakan apabila hipotesis Ho berbunyi "lebih kecil atau sama
dengan" (
£
) dan hipotesis Ha berbunyi "lebih besar" (>).
Contoh hipotesis deskriptif (satu sampel):
Ho : Daya tahan lampu merk A paling lama adalah 500 jam (
m £ 500)
Ha : Daya tahan lampu merk A lebih besar dari 500 jam (
m > 500)
Contoh Hipotesis komparatif (dua sampel)
Ho : Daya tahan lampu merk A paling besar sama
dengan lampu merk B (m
1£ m
2-m
1 lampu merk A)
Ha : Daya tahan lampu merk A paling sedikit
sama dengan lampu merk B (m
1> m
2-m
1 lampu merkB)
Contoh Hipotesis asosiatif :
Ho : Hubungan antara X dan Y paling sedikit
(kecil) 0,65 ( atau r £ 0,65)
Ha : Ada hubungan antara X dan Y lebih kecil dari
0,65 ( atau r > 0,65)
a) Uji Kolmogorov Smirnov merupakan pengujian
normalitas yang banyak dipakai, terutama setelah adanya
banyak program statistik yang beredar.
b) Kelebihan dari uji ini adalah sederhana dan tidak
menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji
normalitas dengan menggunakan grafik.
c) Konsep dasar dari uji normalitas Kolmogorov Smirnov
adalah dengan membandingkan distribusi data (yang akan
diuji normalitasnya) dengan distribusi normal baku.
d) Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal.
e) Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda
antara data yang diuji normalitasnya dengan data normal
baku
Uji-t menilai apakah mean dan keragaman dari dua
kelompok berbeda secara statistik satu sama lain.
Analisis ini digunakan apabila kita ingin
membandingkan mean dan keragaman dari dua
kelompok data, dan cocok sebagai analisis dua
kelompok rancangan percobaan acak.
Uji t berpasangan (paired t-test) biasanya menguji
perbedaan antara dua pengamatan. Uji t berpasangan
biasa dilakukan pada Subjek yang diuji pada situasi
sebelum dan sesudah proses, atau subjek yang
berpasangan ataupun serupa. Misalnya jika kita ingin
menguji banyaknya gigitan nyamuk sebelum diberi
lotion anti nyamuk merk tertentu maupun
Uji perangkat bertanda wilcoxon digunakan
untuk menganalisis hasil-hasil pengamatan
yang berpasangan dari dua data apakah
berbeda atau tidak.
Uji perangkat bertanda wilcoxon digunakan
untuk menganalisis hasil-hasil pengamatan
yang berpasangan dari dua data apakah
Uji Mann-Whitney merupakan alternatif bagi uji-t. Uji Mann Whitney merupakan uji non-parametrik yang digunakan untuk membandingkan dua mean populasi yang berasal dari populasi yang sama. Uji Mann-Whitney juga digunakan untuk menguji apakah dua mean populasi sama atau tidak.
Uji Mann-Whitney
biasanya digunakan dalam berbagai bidang, terutama lebih sering dalam Psikologi, medik/perawatan dan bisnis. Misalnya, pada psikologi,uji Mann-Whitney
digunakan untuk membandingkan sikap dan perilaku, dan lain-lain. Dalam bidang pengobatan,uji Mann-Whitney
digunakan untukmengetahui efek obat apakah sama atau tidak, selain itu juga bisa digunakan untuk menguji apakah obat tertentu dapat menyembuhkan penyakit atau tidak. Dalam Bisnis,
uji
Mann-Whitney
dapat digunakan untuk mengetahui preferensi orang-orang yang berbeda. ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan atau lebih.
ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen (bebas)
Asumsi yang digunakan adalah subjek diambil secara acak menjadi satu kelompok n. Distribusi mean berdasarkan
kelompok normal dengan keragaman yang sama. Ukuran sampel antara masing-masing kelompok sampel tidak harus sama,
tetapi perbedaan ukuran kelompok sampel yang besar dapat mempengaruhi hasil uji perbandingan keragaman.
Hipotesis yang digunakan adalah:
H0: µ1 = µ2 … = µk (mean dari semua kelompok sama)
Ha: µi <> µj (terdapat mean dari dua atau lebih kelompok tidak sama)
Uji Friedman merupakan metode di dalam statistika nonparametrik yang
digunakan untuk melakukan analisis ragam 2-arah (two way analysis of variance).\
Friedman Test mensaratkan tidak ada ulangan (replication) bagi
perlakuan yang diberikan kepada unit-unit percobaan. Maksudnya, hanya ada tepat 1 (satu) pengamatan untuk setiap perlakuan di dalam setiap blok. Selain itu, perlakuan yang digunakan setidak-tidaknya sebanyak 3 perlakuan.
Friedman Test digunakan manakala seseorang tidak mempertimbangkan
asumsi kenormalan dari distribusi sampel. Bisa juga, ketika asumsi-asumsi yang dibutuhkan oleh metode 2-way ANOVA parametrik tidak terpenuhi. Atau, apabila data hasil pengamatan berupa ranking-ranking (misal pada uji organoleptik, dll.), maka Friedman Test lebih tepat
digunakan, karena data berupa ranking tergolong tipe data ordinal, sehingga metode parametrik tidak tepat untuk diterapkan.
Metode padanan di dalam statistika parametrik bagi Friedman Test
Kruskal-Wallis test dikembangkan oleh Kruskal dan
Wallis. Uji Kruskal-Wallis adalah uji nonparametrik
yang digunakan untuk membandingkan tiga atau
lebih kelompok data sampel.
Uji Kruskal-Wallis digunakan ketika asumsi ANOVA
tidak terpenuhi. ANOVA adalah teknik analisis data
statistik yang digunakan ketika kelompok-kelompok
variabel bebas lebih dari dua. Pada ANOVA, kita
asumsikan bahwa distribusi dari masing-masing
kelompok harus terdistribusi secara normal. Dalam
uji Kruskal-Wallis, tidak diperlukan asumsi tersebut,
sehingga uji Kruskal-Wallis adalah uji distribusi
bebas. Jika asumsi normalitas terpenuhi, maka uji
Kruskal-Wallis tidak sekuat ANOVA
Teknik uji Chi Square pertama kali diperkenalkan
oleh karl Pearson untuk menguji keselarasan.
Pengujian dilakukan untuk memeriksa
ketergantungan dan homogenitas kedua
prosedur tersebut meliputi perbandingan
frekuensi yang teramati dengan frekuensi yang
diharapkan bila hipotesis nol yang ditetapkan
benar
Hipotesis Null: Distribusi frekuensi beberapa
kejadian yang diamati pada sebuah sampel
konsisten dengan distribusi teoritis tertentu.
Uji exact Fisher digunakan ketika Anda
memiliki dua variabel nominal
Uji exact Fisher digunakan ketika Anda
memiliki dua variabel nominal.
Penyusunan Hipotesis nol pada Uji exact
Fisher adalah sebagai berikut:
H0 : proporsi relatif dari satu variabel tidak
terkait dengan variabel kedua.
Korelasi Pearson didasarkan pada nama penemunya yaitu Karl Pearson.
Korelasi ini digunakan untuk mengetahui hubungan dari beberapa variable.
Beberapa asumsi yang digunakan apabila dilakukan analisis korelasi produk moment atau korelasi pearson antara lain Ø Distribusi nilai dari variable berdistribusi normal atau
mendekati normal.
Ø Variable yang akan dicari korelasinya adalah variable kontinum yang bersifat rasional atau minimal bersifat interval.
Persamaan umumnya adalah: Y = a + b X. Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat kartesius.
Analisis regresi linear sederhana dipergunakan untuk
mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat.
Maka yang harus diperhatikan adalah memastikan apakah
asumsi-asumsi regresi sudah terpenuhi sehingga model regresi dapat dikatakan bersifat BLUE (Best Linear Unbiased Estimator). Asumsi regresi linier klasik tersebut antara lain adalah: model regresi dispesifikasikan dengan benar, data berdistribusi normal, tidak terjadi heteroskedastisitas, tidak terjadi multikolinieritas antar peubah bebas, dan tidak terjadi autokorelasi (untuk data yang diurutkan berdasarkan waktu/time series).
Regresi logistik adalah bagian dari analisis
regresi yang digunakan ketika variabel dependen
(respon) merupakan variabel dikotomi. Variabel
dikotomi biasanya hanya terdiri atas dua nilai,
yang mewakili kemunculan atau tidak adanya
suatu kejadian yang biasanya diberi angka 0 atau
Tidak seperti regresi linier biasa, regresi logistik
tidak mengasumsikan hubungan antara variabel
independen dan dependen secara linier. Regresi
logistik merupakan regresi non linier dimana
model yang ditentukan akan mengikuti pola
kurva linier
Rumusan Masalah
Adakah Pengaruh antara Kebersihan dan penampilan
terhadap kualitas pelayanan?
Hipotesis Penelitian
Ada Pengaruh antara Kebersihan dan penampilan terhadap
kualitas pelayanan.
Kriteria
Jika signifikansi F≤ α (0,05) terdapat pengaruh nyata
antara kebersihan dan penampilan terhadap kualitas
pelayanan.
Jika signifikansi F> α (0,05) tidak terdapat pengaruh
nyata antara kebersihan dan penampilan terhadap kualitas
pelayanan.
Ada Pengaruh antara Kebersihan dan
Penampilan Karyawan terhadap Kualitas
Pelayanan.