Distribusi Frekuensi, Tabulasi
Silang, dan Uji Hipotesa
Di susun Oleh Kelompok 11 :
Rio Farizki 116080001 Widianto Pribadi 116080030 Bagus Resa Destian 116080033 Agus Gunawan 116080093
Nomor Gender Familiaritas 1 1 7 2 2 2 3 2 3 4 2 3 5 1 7 6 2 4 7 2 2 8 2 3 9 2 3 10 1 9 11 2 4 12 2 5 13 1 6 14 1 6 15 1 6 16 2 4 17 1 6 18 1 4 19 1 7 20 2 6
Tabel 1 Data Pengguna Internet
Label Nilai Nil
ai Frekuensi Persentase Persentasi Valid Persentase Kumulatif Sangat Tidak Familiar 1 0 0,0 0,0 0,0 2 2 6,7 6,9 6,9 3 6 20,0 20,7 27,6 4 6 20,0 20,7 48,3 5 3 10,0 10,3 58,6 6 8 26,7 27,6 86,2 Sangat Familiar 7 4 13,3 13,8 100 Hilang 9 1 3,3 Total 30 100 100
Tabel 2 Distribusi Frekuensi Familiaritas
Distribusi Frekuensi
• Ukuran Lokasi
• Mengukur Variabilitas • Mengukur Bentuk
Ukuran Lokasi
• Mean • Mode • Median
Median = Xtengah atau Median =
Mengukur Variabilitas
• Rentang
Rentang = Xterbesar – Xterkecil
• Rentang Interkuartil
Rentang interkuartil = Xke-75% - Xke-25%
• Varians dan Simpangan Baku
Varians atau s2 =
Simpangan baku atau s = • Koefisien Variasi
Mengukur Bentuk
• Kecondongan (Skewness)
Tabulasi Silang
• Merupakan metode analisis kategori data yang menggunakan data nominal, ordinal, interval serta kombinasi diantaranya
Kegunaan
• menghitung banyaknya kasus yang mempunyai kombinasi nilai-nilai yang berbeda dari dua
variabel
• menghitung harga-harga statistik berserta ujinya.
Intinya
Cara termudah melihat asosiasi (keeratan hubungan) dalam sejumlah data dengan perhitungan persentase.
Metode analisis silang
• Metode kontigensi
Metode analisis silang
• Metode kontingensi
Meruapakan metode pengujian analisis silang jika hanya terdapat dua metode
• Hirarchical Log Linier
Merupakan metode pengujian analisis silang jika terdapat lebih dari 2 variabel
Contoh pemanfaatan tabulasi silang
Manfaat yang dapat diperoleh dari
analisis tabulasi silang
• Membantu menyelesaikan penelitian yang
berkaitan dengan penentuan hubungan antara variabel atau faktor yang diperoleh dari data kualitatif, setelah melalui uji statistik.
• Mudah dilakukan
• Menentukan besarnya derajat asosiasi (hubungan kuat atau lemah)
• Dapat menentukan variabel dependent (terikat) dan variabel independent (bebas) dari dua variable yang dianalisis.
Pengujian 3 variable
Sebuah variabel ketiga mengklarifikasi asosiasi awal(atau tidak adanya asosiasi awal) antara dua variabel yang diamati.
Kemungkinan dari pengujian 3 variabel
1) Variabel ketiga dapat memperbaiki kembali asosiasi antara 2 variabel asli yang diamati.
lanj
kesimpulan
• Jadi pengenalan jenis kelamin( variabel ketiga)
dapat lebih menjelaskan antara status pernikahan dengan pembelian pakaian mode terbaru (variabel asal).
• Responden-responden yang tidak menikah lebih cenderung masuk kedalam kategori pembelian tinggi daripada mereka yang menikah,
• Pengaruh ini lebih nyata wanita daripada untuk pria.
2. Hubungan Awal bersifat
imitasi(Spurious).
Kesimpulan
asosiasi antara pendidikan denga kepemilikan mobil mahal menghilang,
menunjukkan bahwa hubungan awal yang diamati antar kedua variabel bersifat imitasi.
3. Mengungkap Asosiasi Yang
Tersembunyi.
Kesimpulan
pengaruh jenis kelamin diperhatikan seperti pada tabel kedua asosiasi yang tersembunyi mengenai keinginan berpergian keluar negeri dengan usai tadi terungkap untuk kategori pria dan wanita secara terpisah
4.Tidak Ada Perubahan dalam
Hubungan Awal.
Kesimpulan
• Hasil pengamatan menunjukkan tidak ada asosiasi.
• Kemudian ditambahkan variabel ketiga yaitu kelompok penghasilan berdasarkan pembagian median.
• Ketika penghasilan sebagai variabel ketiga dalam analisis, didapat hasil pengamatan menujukkan tidak ada asosiasi
Stastik Yang diasosiasikan dengan
Tabulasi Silang
Kekuatan Asosiasi dapat diukur dengan: • Koefisien korelasi phi
• Koefisien kontigensi • Cramer,s V
Koefisien Phi
• Teknik korelasi yang digunakan untuk jenis data nominal nominal
• •Mengkorelasikan jumlah frekwensi antar kategori pada variabel X dan Y
Koefisien kontigensi
metode yang digunakan untuk mengukur keeratan hubungan (asosiasi atau korelasi) antara 2 variabel yang keduanya bertipe data nominal (kategorik)
Cramer’s v
• Merupakan versi modifikasi dari korelasi phi dan digunakan dalam tabel yangberukuran lebih besar dari 2X2.
• Ketika menghitung phi untuk sebuah tabel yang lebih besar dari 2X2, koefisien ini tidak
mempunyai batas atas.
• Cramer’s V diperoleh dengan menyesuaikan phi untuk jumlah baris dan jumlah kolom dalam
tabel, berdasarkan mana dari keduanya yang lebih kecil.
Koefisien lambda
• Lambda mengasumsikan bahwa variabel diukur pada skala nominal.
Tipe – tipe lambda
• Lambda asimetris merupakan ukuran presentase perbaikan dalam memperkirakan nilai variabel dependen, dengan nilai tertentu dari variabel independen dalam analisisi tabel
kontigensi
• Lambda simetris mengukur perbaikan keseluruhan ketika prediksi dilakukan kedua sisi.
Statistik statistik lain.
• skala ordinal maka digunakan uji lain seperti statistik tau b,
tau c serta gamma
Tau b
• Merupakan uji yang mengukur hubungan antara dua variabel tingkat ordinal.
Statistik uji ini membuat penyesuaian untuk ties(angka seri) dan paling sesuai ketika tabel berbentuk bujursangkar.
Tau C
• Merupakan uji yang mengukur hubungan antara dua variabel tingkat ordinal.
• Statistik uji ini membuat penyesuaian untuk ties(angka seri) dan paling sesuai ketika tabel variabel tidak dalam bujur sangkar melainkan persegi panjang.
Gamma
• Merupakan uji yang mengukur hubungan
antara dua variabel tingkat ordinal. Statistik uji ini tidak membuat penyesuaian untuk angka seri ( Ties)
Prosedur Umum untuk Uji Hipotesis
Formulasikan H0 dan H1
Pilih sebuah uji yang sesuai
Pilih tingkat signifikasi,±
Kumpulkan data dan hitung statistik uji
Tentukan probabilitas yang berasosiasi dengan statistik
uji
Tentukan nilai kritis satistik uji, TSCR
Bandingkan probabilitas dengan tingkat signifikasi,
±
Tentukan apakah TSCR jatuh pada daerah
penolakan atau penerimaan
Tolak atau Terima H0
Langkah 1 : Formulasikan Hipotesis
• Hipotesis nol adalah sebuah pernyataan status quo, yaitu suatu pernyataan yang tidak berbeda atau tidak berpengaruh.
• Hipotesis alternatif yaitu hipotesis yang didalamnya diharapkan ada beberapa perbedaan atau pengaruh.
Langkah 2 : Pilih pengujian yang sesuai
• Distribusi Normal • Distibusi t
Langkah 3 : Pilih tingkat Signifikansi, α
Dua jenis kesalahan yang dapat terjadi :
1. Kesalahan Jenis I, terjadi ketika hasil sampel membawa kepada penolakan hipotesis nol padahal faktanya benar. Peluang kesalahan jenis I (α),juga disebut tingkat level signifikansi
2. Kesalahan jenis II,terjadi bila berdasarkan hasil sampel hipotesis nol tidak ditolak padahal sesungguhnya hipotesis itu memang salah.
Langkah 4 : Kumpulkan Data dan
Hitung Statistik Uji.
Ukuran sampel ditentukan setelah mempertimbangkan kesalahan α dan β serta mempertimbangkan kualitatif lainnya.Kemudian data dikumpulkan dan nilai statistik uji dihitung.
Langkah 5 : Tentukan Peluang (Nilai
Kritis)
• Menggunakan tabel standar, peluang mendapatkan nilai z. • Dalam menentukan nilai kritis statistik uji, daerah sebelah
kanan nilai kritis adalah α atau α/2. Nilai α untuk uji satu sisi dan α/2 uji dua sisi
Langkah 6 dan 7 : Bandingkan
Probabilitas (Nilai Kritis) dan Buatkan
Keputusan
Jika Peluang Tscal < Tingkat signifikansi (α),Tolak H0 Tapi
Langkah 8 : Kesimpulan Riset
Pemasaran
Kesimpulan dapat diperoleh oleh uji hipotesis harus diekspresikan dalam bentuk masalah riset pemasaran.
Uji Hipotesis
Uji Asosiasi Uji Perbedaan
Dalam uji Asosiasi, hipotesis nolnya adalah tidak ada asosiasi antar variabel-variabel (H0,….TIDAK mempunyai hubungan dengan ……). Dalam uji perbedaan, hipotesis nolnya adalah TIDAK ada perbedaan antara (H0,…..TIDAK berbeda
Uji Hipotesa
• Deskriptif • Asosiasi • Perbedaan
Uji Hipotesis Uji Parametrik Satu Sampel Uji t Uji Z Dua Sampel Sampel Independen Uji t Dua Kelompok Uji z Sampel Berpasangan Uji t berpasangan
Uji Non Parametrik
Satu Sampel Chi-square K-S Runs Binomial Dua sampel Sampel Independen Chi-square Mann-Whitney Median K-S Sampel Berpasangan Sign Wilcoxon McNemar Chi-square