MEMAHAMI KONSEP DAN PROSEDUR UJI HIPOTESIS KORELASI KAUSAL DENGAN STATISTIK INFERENSIAL
PARAMETRIK
kelompok 06 :
1. Nurleila Rizqi Putri (D77219051)
2. M. Mas’ud Yunus (D77219045)
Statistik
A. Prosedur Menguji Hipotesis Korelasi Kausal Dua Variabel/Lebih Dengan Statistik Parametrik
Hubungan dua variabel atau lebih disebut juga analisis korelatif.
Dalam perhitungan statistik yang digunakan untuk mengetahui hubungan tersebut adalah dengan teknik korelasi. Hubungan antara dua variabel adalah bivariate correlation.
Contoh hubungan antara dua variabel adalah hubungan antara
kemmapuan memahami bacaan (variabel X) dengan hasil mengarang
(variabel Y). dalam variabel hasil mengarang dipandang sebagai
variabel dependen dan kemampuan memahami bacaan dipandang
sebagai variabel independen
Statiktik parametrik adalah ilmu statistic yang
mempertimbangkan jenis sebaran atau distribusi
data, yaitu apakah dat menyebar secara normal atau
tidak. Dengan kata lain yaitu data yang akan
dianalisis menggguanakan statistik parametric harus
memenuhi asumsi normalitas.
Dalam penggunakan teknik statistik yang termasuk statistic parametric diharuskan untuk memenuhi persyaratan asumsi tertentu. asumsi yang harus dipatuhi antara lain :
a) Sampel diambil secara random dari polulasi
b) Hubungan antara variabel X dan variabel Y adalah hubungan yang linier atau garis lurus
c) Bentuk distribusi variabel X dan variabel Y adalah normal atau mendekati kurve normal.
• Langkah uji hipotesis adalah sebagai berikut :
a) Menetapkan hipotesis, dari hipotesis alternative atau kerja akan diketahui apakah uji statistic menggunakan saru arah (one tail) atau two tail (dua arah)
b) Penentuan uji statistic yang sesuai
• Jenis uji statistik sangat tergantung dari beberapa jenis, yaitu - Jenis variabel yang akan dianalisis
- Jenis data apakah dependen atau independen
- Distribusi data atau normalitas data
Statistik inferensial atau statistik induktif digunakan dengan tujuan
untuk membuat kesimpulan tentang parameter atau ukuran suatu populasi
berdasarkan nilai statistic atau ukuran yang diperoleh dari sampel.
Statitik inferensial yang parametrik mempunyai 3 ciri – ciri yaitu :
- Data berskala interval atau rasio - Data berdistrisbusi normal
- Homogen
¿CÓMO ESTÁS?
B. Uji Hipotesis Korelasi Kausal Dua Variabel Dengan Statistik Parametrik
Arah hubungan antar variabel dapat dibedakan menjadi dua jenis, yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya
berlawanan arah. Hubungan yang searah dinyatakan sebagai korelasi positif dan hubungan yang berlawanan arah dinyatakan sebagai korelasi negative.
Arah hubungan antara variabel yang dianalisis dengan korelasi dapat
dilihat melalui suatu peta atau diagram yang merupakan peta korelasi.
Dalam peta korelasi tersebut dapat dilihat titik koordinat antar pasangan –
pasangan kasus atau data yang dikorelasikan sehingga hasilnya
dinyatakan sebagai diagram pencaran tiitk (scatter diagram)
a. Jika terdapat korelasi variabel X dan variabel Y adalah korelasi positif maximal atau positif tertinggi atau positif sempurna, maka terdapat pencaran titik dalam peta korelasi, apabila dihubungkan antara satu dengan yang lain maka akan membentul satu garis lurus yang condong kearah kanan
Menurut sudijono(1987), ciri yang terdapat dalam peta korelasi
adalah sebagai berikut :
b) Jika terdapat korelasi antara variabel X dan variabel Y adalah
korelasi negative maksimal atau negative tertinggo atau negative sempurna, maka pancaran titik yang terdapat pada peta korelasi akan membentuk satu garis lurus dengan condong ke arah kiri.
Menurut sudijono(1987), ciri yang terdapat dalam peta korelasi
adalah sebagai berikut :
d) Jika terdapat korelasi antara variabel X dan variabel Y termasuk korelasi negative yang tinggi atau kuat, maka pencaran titik yang terdapat pada peta korelasi itu sedikit dan menjauhi garis lurus dengan kecondongan ke arah kiri.
Menurut sudijono(1987), ciri yang terdapat dalam peta korelasi
adalah sebagai berikut :
e) Korelasi positif atau korelasi negative yang menunjukkan
korelasi yang rendah atau kecil, maka pencaran titik yang
terdapat pada peta korelasi akan semakin jauh dan tersebar
atau menjauhi dari garis lurus.
Menurut sudijono(1987), ciri yang terdapat dalam peta korelasi
adalah sebagai berikut :
Penentuan uji parametrik adalah dengan melakukan uji normalitas. Uji normalitas bisa dilakukan dengan tiga tahap yaitu kurtosis dan skweeness,
kolmogorof smirnov dan Shapiro wilk. Apabila data terdistribusi normal maka uji
statistik yang dilakukan adalah uji parametrik. Syarat – syarat penerapan statistik parametrik yaitu : distribusi sampel diambil dari distribusi polulasi yang
terdistribusi normal, sampel diperoleh secara random. Apabila salah satu syarat
tersebut tidak terpenuhi maka dilakukan pengujian statistik non – parametrik.
.Penentuan normalitas data dapat dilakukan dengan sebagai berikut :
1) Membuat kurva/grafik distribusi data, seperti histogram, boxplot, kurva Q-Q plot.
2) Menghitung nilai kemiringan/ skeweness, apabila nilai Skeweness dibagi standar error < 2, maka data terdistribusi normal.
3) Uji normalitas dapat dilakukan dengan uji Spahiro-wilk, kolomogrov_x0002_Smirnov, Chisquare, lonilless fit. Pada buku ini kita akan mempelajari
salah satu uji normalitas yang paling umum digunakan yaitu uji kolmogorov-Simrov.
Pada uji Kolmogorovsimrov dirumuskan hipotesis sebagai berikut:
- Nilai Sig. atau signifikasi atau nilai probabilitas (p-value)
< 0.05 distribusi data tidak normal ➡
- Nilai Sig. atau signifikasi atau nilai probabilitas (p-value)
˃ 0.05 distribusi data normal (simetris)➡
Uji Kolmogorov-smirnov bisa dilakukan dengan 2 cara yaitu : 1) Uji Kolmogorov-Smirnov secara manual
Statistik uji Kolmogorov-Smirnov adalah selisih absolut terbesar antara
S(x) dan Fo(x), yang disebut deviasi maksimum D. D = |S(x) – Fo(x)| maks.
Apabila nilai D hitung lebih kecil dengan nilai D pada tabel,
maka Ho diterima. Sehingga dapat disimpulkan bahwa data
tersebut berasal dari populasi dengan distribusi yang normal.
Contoh: Dilakukan sebuah survei kepada 18 wanita, mengenai umur
pertama saat haid, didapatkan hasil seperti yang terlihat pada tabel.Tentukan apakah data tersebut berasal dari populasi yang berdistribusi
normal! (α = 5%)
Langkah 3 : membuat kesimpulan
Berasarkan perhitungan diatas, didapatkan nilai D maks adalah 0,7222.
Selanjutnya bandingkan dengan nilai D pada tabel Kolmogorov smirnov.
nilai Dtabel (untuk n=18 dan α = 5%) adalah 0,309. Sehingga 0,722 > 0,309 atau Dhitung > Dtabel. Dengan kata lain Ho ditolak, dan dapat disimpulkan data tersebut tidak terdistribusi normal.
Uji Kolmogorov-smirnov dengan SPSS
Pada uji kolmogorov smirov dilakukan perbandingan nilai signifikansi (α) dengan Pvalue. Berikut adalah tahap melakukan uji normalitas pada
program SPSS.
a) Masukan data yang akan diuji ke dalam SPSS - Buatlah variabel l pada sheet “variabel view”
Name : kolom untuk menulis nama variabel. Nama variabel tidak menggunakan spasi
Type : kolom untuk menentukan jenis variabel. Terdapat beberapa pilihan seperti, numeric, string, date, dan lain sebagainya.
Value : kolom untuk memberikan keterangan apabila data, terdiri atas beberapa pengkodean. Misalnya
Variabel sekolah terdiri atas 3 kode, yaitu kode 1= tidak sekolah; 2= sekolah SD- SMA; dan 3= sekolah PTN Measure : kolom untuk menentukan jenis variabel. Pada kolom ini hanya tersedi, nominal, ordinal dan ratio.
- Masukan data setiap variabel pada sheet “data view” Proses memasukan data, pada dasarnya mirip dengan pengoperasian di Ms.Excell. Namun pada SPSS sebelum memasukan data ke sheet “data view”, kita harus menentapkan variabel pada sheet “variabel view”.
b) Untuk melakukan uji normalitas maka pilih analyze - Descriptive - statistic - Explore, akan muncul tampilan window sebagai berikut :
Pindahkan variabel yang hendak diuji normalitas
distribusinya dari kolom sebelah kanan ke kolom kiri , yaitu
“Dependent List”
c) Pilih “Statistic” untuk memastikan tingkat kepercayaan yang digunakan sesuai dengan asumsi yang kita gunakan
d) Pilih “Plot” untuk mengaktifkan test normalitas (normality plot with test)
e) Klik OK
f) Pada window output akan muncul tabel sebagai berikut
g) Membandingkan nilai P-value pada tabel dengan nilai α (0,05), serta membuat kesimpulan Ho gagal ditolak jika P-value > α Ho ditolak, jika P- value < α
Pada contoh ini terlihat ada 2 jenis tes normalitas yaitu kolomogrov-smirnov dan Shapiro-wilk. Apabila jumlah sampel lebih dari 50, maka uji normalitas yang digunakan adalah Kolmogorov-smirnov, sedangkan apabila sampel
kurang dari 50 maka digunakan uji spahiro-wilk. Apabila data telah diketahui normalitas dari distribusi data, maka langkah selanjutnya adalah menentukan uji statistik yang tepat.
Pada data yang terdistribusi normal, dapat dilakukan uji statistik parametrik. Sedangkan pada data yang tidak
terdistribusi normal, perlu dilakukan modifikasi data hingga data terdistribusi normal. Jika tidak melakukan modifikasi data, maka uji statistik yang dilakukan adalah uji statistik nonparametrik Pemilihan jenis uji dilakukan dengan
memperhatikan jenis data yang digunakan, jumlah sampel maupun hubungan antar variabel. Secara garis besar
pemilihan uji statistik dapat disederhanakan menjadi
berikut
Uji homogenitas umunya dilakukan untuk mencari nilai levene test.
Pengambila keputusan pada uji homogenitas adalah
- Nilai Sig. atau signifikansi atau nilai probabilitas (p-value) <
0.05 data berasal dari populasi yang mempunyai varians tidak ➡ sama
- Nilai Sig. atau signifikansi atau nilai probabilitas (p-value) ˃
0.05 data berasal dari populasi yang mempunyai varians sama ➡
Uji T-Sampel berpasangan adalah Dua sampel yang berpasangan ➡ subyek sama namun mengalami 2 perlakuan atau 2 x pengukuran pre and post. Dengan ➡ tujuan untuk menguji perbedaan mea antara 2 kelompok data yang dependen atau berpasangan.
Contoh : apakah ada perbedaan BB antara sebelum dan sesudah program diet. Dengan syarat sebagai berikut yaitu distribusi data normal, kedua kelompok data dependen atau pair, jenis variabel : numeric dan kategorikal (dua kelompok).
Data yang diperoleh adalag sebagai berikut :
- Tentukan apakah ada perbedaan BB antara sebelum dan sesudah program diet
HOLA
- Buka SPSS
- Klik variabel view, ketikkan pada name : sebelum dan sesudah
- Kembali lagi ke data view dan isikan seperti contoh diatas,
untuk menghitung perbedaan mean sebelum dan sesudah pada
sampel berpasangan seperti contoh diatas, gunakan uji paired
sampel T Test
- Klik analyze, compare mean dan paired sampels T Tes
- Kemudian akan muncul tampilan
- Pindahkan variabel sebelum dan sesudah ke kolom paired variabel
- Klik “OK”
- Akan muncul hasil T test berpasangan
Nilai t = 6,023 P Value = 0.000
Kesimpulannya adalah ada hubungan antara BB sebelum dan
sesudah diet (pada alpha 5%) karena p value < 0.05
CREDITS: This presentation template was created by Slidesgo, including icons by
Flaticon and infographics & images by Freepik
¡GRACIAS!
Do you have any questions?
youremail@freepik.com +91 620 421 838
yourcompany.com
Please keep this slide for attribution
GRACIAS
