Ukuran Gejala Pusat

Ukuran gejala pusat adalah ukuran lokasi pusat atau tengah distribusi. Namun, definisi "pusat" atau "tengah" sangat luas, sehingga istilah gejala pusat dapat merujuk kepada berbagai ukuran. Tiga ukuran paling umum gejala pusat adalah modus, mean, dan median.

Rata-rata Hitung (Mean)

Statistik yang paling banyak digunakan ukuran gejala pusat adalah Rata-rata hirung (Mean). Rata-rata hitung didefinisikan sebagai jumlah semua skor untuk variabel dan kemudian dibagi dengan jumlah pengamatan. Oleh karena itu, rumus untuk rata-rata hitung adalah sebagai berikut:

Koefisien Korelasi

Koefisien korelasi adalah suatu ukuran hubungan antara dua variabel, yang memiliki nilai antara -1 dan 1. Jika variabel-variabel keduanya memiliki hubungan linier sempurna, koefisien korelasi itu akan bernilai 1 atau -1. Tanda positif/negatif bergantung pada apakah variabel-variabel itu memiliki hubungan secara positif atau negatif. Koefisien korelasi bernilai 0 jika tidak ada hubungan yang linier antara variabel. Ada terdapat dua jenis koefisien korelasi yang dapat digunakan. Yang pertama adalah koefisien korelasi produk momen Pearson, dan yang lain disebut koefisien korelasi rank Spearman, yang berdasar pada hubungan peringkat (rank) antara variabel-variabel. koefisien korelasi Pearson lebih umum digunakan di dalam mengukur hubungan antara dua variabel.
Misalkan pada pengukuran dengan data berpasangan (X1,Y1), (X2,Y2), . . . ,(Xn,Yn), koefisien korelasi produk momen Pearson di peroleh dengan rumus sebagai berikut:

Margin of Error dan Titik Kritis (Critical Value)

Margin of error adalah suatu tingkat ketidaksesuaian hasil statistik dengan dengan kenyataan di lapangan yang berarti margin of Error ini dapat menunjukkan keakuratan dalam suatu penelitian/poling/survei. Kita dapat menetukan margin of error dengan menggunakan formula aljabar, chart (tabel) ataupun dengan menggunakan bantuan kalkulator/software. Seorang peneliti hanya membutuhkan tiga buah syarat yaitu, ukuran populasi, ukuran sampel dan standar deviasi yang diperoleh dari setiap pengamatan sampel. Setelah semua syarat ini terpenuhi maka kita dapat menghitung besarnya margin eror. Semakin besar nilai dari margin error, maka semakin besar tingkat kekeliruan yang terjadi dalam penelitian.

menghitung margin of error dengan menggunakan rumus:

Kelebihan dan kekurangan Analisis Korespodensi

Analisis korespondensi memiliki kelebihan dan kekurangan dibandingkan dengan analisis teknik lainnya yaitu :

A. Kelebihan

1.  Memberikan tampilan grafik gabungan dari kategori baris dan kolom dalam satu gambar yang berdimensi sama.
2. Sangat tepat untuk menganalisis data variabel kategori ganda (multiple categorical variable) yang dapat digambarkan secara sedehana dalam data tabulasi siang (crosstabulated data).
3. Tidak hanya menggambarkan hubungan antara baris dan kolom tetapi juga antar kategori dalam baris dan kolom.
4. Cukup fleksibel untuk digunakan dalam data matrik berukuran besar.

B. Kekurangan

1. Analisis ini tidak cocok untuk pengujian hipotesis tetapi sangat tepat untuk eksplorasi data.
2. Tidak mempunyai suatu metode khusus untuk menentukan atau memutuskan jumlah dimensi yang tepat.

Lihat juga:
Analisis Multivariat
Pengujian Hipotesis

Analisis korespondensi

Analisis korespondensi merupakan sebuah teknik yang memperlihatkan baris dan kolom dari suatu data yang berbentuk matrik (dua arah yang kemudian dapat diperluas untuk tabel kontigensi multi arah) pada suatu ruang vektor berdimensi kecil dan optimal.
Analisis korespondensi ditemukan dan dikembangkan pertama kali tahun 1960-an oleh jean – paul Benzeory dan kawan-kawan di Perancis. Analisis ini juga didesain untuk digunakan dalam pengembangan –pengelompokan yang mewakili data frekuensi.

Multidimensional scaling

Multidimensional scaling (MDS) juga dikenal sebagai pemetaan persepsi, adalah prosedur-prosedur dimana memungkinkan peneliti untuk menentukan gambaran secara relatif suatu kumpulan objek ( perusahaan ,produk, ide dan hal lainnya yang di hubungkan secara bersama-sama ). Tujuan dari MDS adalah untuk mentransform persamaan atau pilihan penilaian yang dilakukan oleh konsumen kedalam jarak yang diwakili dalam ruang Mulidimensional ( Hair Anderson, 1998).

Terdapat dua jenis metoda dalam Multidimensional scaling yaitu Multidimensional scaling metrik dan nonmetrik.

Analisis Multivariat

Secara umum, Analisis Multivariat atau metode multivariat berhubungan dengan metode-metode statistik yang secara bersama-sama (simultan) melakukan analisis terhadap lebih dari dua variabel pada setiap objek atau orang.

Sehingga bisa dikatakan analisis multivariat merupakan perluasan dari analisis univariat (seperti uji t) atau bivariat (seperti korelasi dan regresi sederhana)

Tujuan inti dari analisis multivariat adalah :

1 Untuk mereduksi (reduction) atau penyederhanaan struktur (structural simplied)

2 Sorting atau grouping

3 Analisis dependency (sekumpulan variable bebas dan tidak bebas)

4 Prediksi atau peramalan

5 Uji hipotesis

Sampling Design

Sampling Design terdiri dari dua elemen

1. Teknik sampling.
   Teknik samping merujuk pada aturan dan prosedur yang dipakai dalam pemilihan sampel. Beberapa teknik samping yang umum dipakai yaitu Sampilng acak sederhana, Sampling Statifikasi, Samping klaster
2. Penaksiran.
   Proses Penaksiran digunakan untuk menghitung nilai statistik yang sedang diteliti (atau disebut juga dengan estimator). Perhitungan estimator ini tergantung pada metode sampilng yang digunakan. Sebagai contoh, suatu formula dipakai untuk menghitung nilai rata-rata hintung (mean) dengan menggunakan sampling acak sederhana, akan berbeda dengan formula yang dipakai dalam menghitung mean yang menggunakan sampling statifikasi.

Sampling design tergantung pada sasaran penelitian/survey dan sumber daya penelitian. Sebagai contoh, seorang peneliti yang memiliki dana yang besar akan berharap menghasilkan tingkat presisi yang tinggi tanpa menghawatirkan dana yang akan dikeluarkan. Sedangkan untuk peneliti yang memiliki keterbatasan dana, maka akan memilih design sampel yang dapat menghasilkan tingkat presisi terbaik dari dana terbatas yang dia miliki.

Metode K-Modes Clustering

Dalam analisis klaster ada suatu alternatif yang dikembangkan oleh Ohn Mar San dkk (2004) untuk menghitung jarak suatu data kategori menggunakan ukuran jarak simple matching. Dan untuk menentukan cluster center digunakan dengan menentukan modus.
Metoda k-means diperluas untuk data kategori dengan menggunakan ukuran jarak simple matching untuk kategori objek dengan menggunakan “suara terbanyak” atau disebut modus (modes)

Alasan memakai k-modes clustering

Metode K-mean Clustering

Digunakan untuk mengelompokan sejumlah kasus yang besar lebih dari 200 kasus dengan lebih efisien. Metode ini berdasarkan nearest centroid sorting yaitu pengelompokan berdasarkan jarak terkecil antar kasus dan pusat dari klaster. Teknik ini membutuhkan jumlah klaster yang ditentukan terlebih dahulu oleh pemakai. Dan untuk hal tersebut dapat menggunakan analisis hirarki dalam menentukan jumlah klaster.

MacQueen (1967) membagi prosedur metode K-Means Clustering menjadi tiga tahap :

Analisis klaster

Analisis klaster merupakan salah satu teknik statistik multivariat untuk mengidentifikasi sekelompok obyek yang memiliki kemiripan karakteristik tertentu yang dapat dipisahkan dengan kelompok obyek lainnya. Jumlah kelompok yang dapat diindentifikasi tergantung pada banyak dan variasi data obyek. Tujuan utama analisis ini adalah memisahkan obyek ke dalam kelompok-kelompok sehingga variasi antar obyek dalam satu kelompokan-kelompokan sehingga variasi antar obyek dalam satu kelompok lebih kecil disbanding variasi dengan obyek pada kelompok lain.

Prosedur anlisis klaster, tahapan analisis klaster dapat dibagi dalam beberapa tahap, yaitu :

MANOVA

MANOVA merupakan perluasan dari ANOVA. Perbedaan antara MANOVA dengan ANOVAterletak pada jumlah variabel dependennya ( tak bebas). ANOVAdigunakan untuk mengetahui apakah terdapat perbedaan pengaruh perlakuan terhadap satu variabel respon sedangkan MANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh terhadap lebih dari satu variabel respon.

MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara beberapa variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel tak bebas secara simultan. (Hair, J.E., Anderson, R.E., R.l., Black, W.C., 1998).

Asumsi

ANOVA Satu Arah

ANOVA satu arah digunakan ketika variabel dependen-nya univariat dengan pengaruh satu faktor, jika terdapat pengaruh lebih dari satu faktor maka dapat digunakan ANOVA dua arah. ANOVA juga digunakan untuk menguji kesamaan k (k > 2) buah rata-rata populasi.

Asumsi

• Asumsi yang harus dipenuhi yaitu :
• Skala pengukuran interval.
• Data harus berasal dari populasi yang berdistribusi normal.
• Varians homogen.
• Pengambilan sampel secara acak dan masing-masing sampel independen.

Skema Data

Data sampel akan dinyatakan dengan Yij yang berarti data ke-j dalam sampel yang diambil dari populasi ke-i.

Sumber Sudjana (1996:303)

Prosedur Pengujian

Pada dasarnya Anova digunakan untuk menguji kesamaan rata-rata dengan hipotesis sebagai berikut :

ANOVA

ANOVA (Analysis of Variance) atau dikenal dengan Analisis Varians adalah analisis yang membandingkan variasi antar kelompok dengan variasi dalam kelompok (Sudjana, 1989). Varians sekumpulan data menggambarkan derajat perbedaan atau variasi nilai data individu yang ada dalam kelompok atau kumpulan data tersebut. Varians merupakan salah satu ukuran keseragaman, makin kecil bilangan yang diperlihatkan oleh ukuran statistik ini makin seragam keadaan data, sedangkan makin besar ukuran keseragamannya makin tidak seragam keadaan data.

Lihat Juga:
ANOVA satu arah

Run Test of Randomness

Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Pengujian terhadap keacakan ini penting untuk menghindari kebiasan yang terjadi dalam penarikan kesimpulan terhadap keadaan populasi. Jika ternyata sampel yang sedang diteliti tidak melibatkan unsur acak, maka sampel tersebut tidak dapat digunakan untuk dianalisis lebih lanjut.

Sebagai penggambaran awal, mari kita tilik menggunaan kata "RUN" dalam nama uji ini. Arti RUN dapat digambarkan dengan serentetan data berikut:

+ + + + - - - + - - -

Dari rentetan tanda '+' dan '-' tersebut, terdapat 4 tanda '+' secara beruntun, kemudian diikuti dengan 3 tanda '-' secara beruntun lalu tanda '+' dan dilanjutkan dengan 3 tanda '-'.

Setiap rentetan data yang berkelompok tersebut disebut sebagai satu RUN. Dengan demikian deretan tanda di atas terdiri atas 4 RUN, yakni RUN pertama terdiri atas 4 tanda '+'. lalu RUN kedua terdiri atas tiga tanda '-', lalu RUN ketiga terdiri atas satu tanda '+',dan yang RUN yang terakhir terdiri dari tiga tanda '+'.

Dari jumlah RUN tersebut dapat diketahui apakah sebuah data yang berurutan adalah bersifat acak atau tidak, Jika jumlah RUN sedikit, maka semakin kecil tingkat keacakannya. Sebaliknya, semakin besar jumlah RUN, semakin besar tingkat keacakannya.Sampel yang bersifat acak menandakan bahwa sampel diambil secara BEBAS. Dan jika sampel yang kita teliti merupakan sampel yang diambil secara bebas, maka dapat dikatakan sampel sudah merepresentasikan populasi.

Uji Satu Sampel dalam Statistik Non Parametrik

Pada statistik non parametrik untuk menguji satu sampel memiliki tujuan umum untuk melihat "apakah sebuah sampel yang diteliti mengikuti suatu pola distribusi tertentu?". Dari tujuan umum ini kita dapat menurunkan menjadi dua buah tujuan yang lebih spesifik sebagai berikut:

1. Untuk melihat apakah ada perbedaan yang signifikan (secara statistik) antara karakteristik sampel dengan populasinya. Untuk mengujinya, kita dapat menggunakan Uji Binomial dan Uji Run Test
2. Untuk melihat apakah sebuah sampel yang diambil dari populasi mengikuti suatu pola distribusi tertentu (seperti distribusi normal). Untuk mengujinya, kita dapat menggunakan Uji Chi-Square dan Kolmogorov

Bagikan

Tahapan dalam pengujian Hipotesis

Ada beberapa tahapan dalam menguji hipotesis

1. Menentkan H0 dan H1.
   Pada prinsipnya penentuan H0 dan H1 ini ebrtujuan untuk menguji karakteristik populasi berdasarkan informasi yang kita peroleh dari sampel penelitian.
2. Menentukan tingkat signifikansi (α).
   Tingkat Signifikansi adalah peluang kesalahan menolak hipotesis yang benar. Jika dikatakan α = 5 %, berarti resiko kesalahan mengambil keputusan adalah 5 %. Semakin kecil α, berarti semakin kecil resiko menolak hipotesis yang ternyata benar.
3. Tentukan Kriteria Uji yang dipakai.
   Sebagai contoh: Jika Anda menggunakan Uji t-student maka kriteria uji yang dipakai adalah "Tolak H0 jika  thitung (nilai yang diperoleh dari perhitungan uji t) lebih besar dari pada ttabel (nilai yang diperoleh dari tabel t), terima dalam hal lainnya (artinya jika ternyata thitung lebih kecil dari ttabel maka kita akan menerima H0)
4. Menentukan uji statistik yang dipakai.
   Perlu diperhatikan, apakah akan dilakukan uji satu sisi atau uji dua sisi.
5. Menghitung nilai statistik uji.
   Pada tahap ini, nilai statistik uji (hasil output dari uji statistik yang dipakai) dibandingkan dengan nilai statistik tabel. Jika uji statistik yang dipakai adalah Chi-Square Test, maka nilai output dari Chi-Square Test ini akan dibandingkan dengan nilai dari Chi-square tabel.
6. Mengambil kesimpulan berdasarkan Kriteria Uji

Lihat Juga:
Bagaimana merumuskan Hipotesis?

Bagikan

Skala pengukuran

Salah satu aspek penting yang perlu dipelajari dalam memahami data adalah skala pengukuran. Skala pengukuran selain menggambarkan kualitas data yang diperoleh dari suatu penelitian, juga berfungsi menentukan alat statistik apa yang akan dipakai. Secara umum ada 4 jenis skala pengukuran, yaitu skala Nominal, Ordinal, Interval dan Rasio.

1.  Skala Nominal,
   Ciri khas dari skala pengukuran ini adalah angka hanya sebagai simbol, angka tidak menunjukkan suatu tingkatan, operasi matematis (penambahan, pengurangan, pembagian, perkalian) tidak berlaku
2. Skala Ordinal,
   Ciri khas dari skala pengukuran ini adalah Angka sebagai simbol, angka menunjukkan suatu tingkatan, operasi matematis (penambahan, pengurangan, pembagian, perkalian) tidak berlaku.
3. Skala Interval,
   Skala interval adalah skala yang selain mempunyai ciri untuk membedakan dan urutan, juga mempunyai ciri jarak yang sama. Pengukuran interval mempunyai ciri saling lepas (mutually exclusive) dan lengkap terbatas (exhaustive).
4. Skala Rasio,
   Skala rasio adalah skala data yang mempunyai 4 ciri, yaitu membedakan, mengurutkan, interval yang sama, dan mempunyai titik nol tulen, sehingga dapat menghitung rasio atau perbandingan di antara nilai. Semua ciri skala interval menjadi skala rasio, perbedaan antar nilai-nilai diketahui dan bernilai tetap, kategori nilai juga bersifat saling lepas.

Lihat juga:
Data

Bagikan

Statistik Nonparametrik

Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah lain yang sering digunakan antara lain distribution-free statistics dan assumption-free test. Dari istilah-istilah ini, dengan mudah terlihat bahwa metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan segala asumsi yang melandasi metode statistik parametrik, terutama yang berkaitan dengan distribusi normal.

Kapan digunakan metode statistik nonparametrik?
Dari pengertian sebelumnya, dengan sederhana dapat dikatakan metode pengujian ini digunakan bila salah satu parameter statistik parametrik tidak terpenuhi.

Kelebihan dan kekurangan prosedur Non Parametrik
Kelebihan prosedur Non Parametrik, ia bisa digunakan pada data yang tidak bisa diproses dengan prosedur parametrik. Jai pada data bentuk apapun, tipe data apapun, jumlah data berapapun, prosedur Non Parmetrik bisa digunakan
Kekurangan atau kelemahan prosedur Non Parametrik justru terkait dengan kelebihannya. Oleh karena bisa disunakan dengan asumsi yang minimal sekalipun untuk memproses data, maka kesimpulan yang diambil dengan prosedur Non Parametrik akan lebih lemah dibandingkan jika menggunakan prosedur Parametrik (tenru jika asumsi yang dibutuhkan dalam prosedur Parametrik terpenuhi). Oleh karena asumsi deperlonggar, maka hasil yang didapat akan lebih bersifat umum dan lemah, dibandinkan jika asumsi diperketat (seperti dalam prosedur Parametrik).

Lihat Juga:
Asumsi-asumsi dalam prosedur Parametrik
Bagaimana menentukan pemakaian prosedur Parametrik dan Non Parametrik?

Bagikan

Bagaimana menentukan pemakaian prosedur Parametrik dan Non Parametrik

Secara garis besar, pemilihan prosedur statistik yang akan digunakan (apakah Statistik Parametrik atau Non Parametrik) dapat terlihat melalui diagram alur dibawah ini

Diagram alur pemilihan statistik Parametrik dan Non Parametrik

Lihat Juga:
Statistik Parametrik
Statistik Non Parametrik

Bagikan

Satistika Parametrik

Parametrik mengandung pengertian parameter, yaitu indikator dari suatu distribusi hasil pengukuran. Statistik Parametrik ialah suatu uji yang modelnya menetapkan adanya syarat-syarat tertentu (asumsi-asumsi) dari distribusi data populasinya. Statistika parametik lebih banyak digunakan untuk menganalisis data yang berskala interval dan rasio dengan dilandasi asumsi tertentu seperti normalitas.

Konsekuensi dari pengertian ini, maka penerapan statistik parametrik harus memenuhi asumsi-aumsi berikut:

1. Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi populasi yang bisa diasumsikan terdistribusi secara normal.
2. Sampel diperoleh secara random, dengan jumlah yang dianggap dapat mewakili populasi.
3. Distribusi normal merupakan bagian dari continuous probability distribution, sehingga skala pengukurannya pun haruslah kontinu (harus memiliki skala pengukuran rasio atau interval) atau skala nominal yang diubah menjadi proporsi (hanya bisa diolah menggunakan chi-square).

Lihat juga:
Bagaimana jika asumsi-asumsi pada staistik parametrik tidak terpenuhi?
Bagaimana menentukan pemakaian prosedur Parametrik dan Non Parametrik?


Bagikan

Uji Validitas dan Reabilitas

Validitas

Validitas adalah suatu indeks yang menunjukkan alat ukur tersebut benar-benar mengukur apa yang diukur. Validitas ini menyangkut akurasi instrumen. Untuk mengetahui apakah kuesioner yang disusun tersebut itu valid/sahih.Uji validitas dilakukan dengan mengukur korelasi antara variabel/item dengan skor total variabel. Cara mengukur validitas konstruk yaitu dengan mencari korelasi antara masing-masing pertanyaan dengan skor total menggunakan rumus teknik korelasi product moment, sebagai berikut

dengan:
r : angka korelasi pearson
n : jumlah responden
x : skor pernyataan ke-i
y : skor total pernyataan tanpa pertanyaan ke-i

Setelah semua korelasi untuk setiap pertanyaan dengan skor total diperoleh, nilai-nilai tersebut dibandingkan dengan nilai kritik

Distribusi Peluang Kontinu

Distribusi Uniform Kontinu

Fungsi peluang dari distribusi variabel random X yang bersifat uniform dan kontinu dalam interval [A,B] diberikan oleh:

Distribusi Normal
Distribusi probabilitas yg terpenting dalam statistik adalah distribusi normal atau Gaussian.
Fungsi rapat probabilitas variabel random X dengan mean μ dan variansi σ2 yang memiliki distribusi normal adalah:

Sifat-Sifat Distribusi Normal:

1. Rata-ratanya (mean) μ dan standard deviasinya = σ
2. Mode (maximum) terjadi di x=μ
3. Bentuknya simetrik thd x=μ
4. Titik belok tepat di x=μ±σ
5. Kurva mendekati nol secara asimptotis semakin x jauh dari x=μ
6. Total luasnya = 1

Teknik Sampling

Sampling adalah sebuah prosedur/cara untuk memilih sampel. Dalam sebuah penelitian tertentu  penggunaan teknik sampling mutlak diperlukan dan harus diperhatikan agar tujuan penelitian tersebut sesuai dengan kondisi dan keadaan sebenarnya sehingga penelitian menjadi absah. Dengan demikian, para peneliti memang perlu mengetahui teknik sampling yang baik dan benar. Dalam melakukan teknik sampling terdapat beberapa yang harus diperhatikan oleh para peneliti antara lain:

1. Karakteristik
Karakter atau ciri-ciri yang akan diperiksa/pelajari.
2. Unit analisis
Suatu pengamatan yang karakteristiknya akan diukur/diteliti
3. Populasi
Keseluruhan unit analisis/hasil pengukuran yang dibatasi oleh suatu kriteria tertentu.
4. Populasi sasaran
   Populasi yang akan diteliti. Seorang peneliti menyimpulkan hasil penelitiannya hanya berlaku untuk populasi sasaran yang ditetapkan.

1. Jenis-Jenis Teknik Sampling

 

Teknik sampling dilihat dari prosesnya terdapat 2 tipe sampling:

• Sampling dengan pengembalian
  Teknik pengambilan sampel yang sudah kita ambil akan kita kembalikan, jadi masih ada kemungkinan unit tersebut akan terambil kembali.
• Sampling tanpa pengembalian
  Teknik pengambilan sampel yang sudah kita ambil tidak kita kembalikan, jadi tidak ada kemungkinan unit tersebut akan diambil kembali.

Teknik sampling dilihat dari peluang (probability) pemilihannya.

• Sampling non peluang
  Proses pemilihannya sederhana tetapi kesederhanaan ini harus dibayar mahal sebab terhadap data yang dikumpulkan melalui sampling non peluang, analisis statistik yang menyangkut test of significant tidak diperkenankan, karena test of significant melibatkan peluang, padahal samplingnya tidak melibatkan peluang sehingga sampling ini jarang digunakan.
• Sampling peluang
  Pada sampling peluang peneliti sangat memperhatikan unsur peluang saat melakukan pemilihan unit analisis yang masuk ke dalam sampel, dimana peluang unit analisis terpilih ke dalam sampel adalah sama.

Jenis-jenis sampling peluang: 

1. Sampling acak sederhana (simple random sampling)
   Sampling acak sederhana adalah proses sampling yang memenuhi persyaratan bahwa setiap unit analisis yang ada dalam populasi mempunyai peluang yang sama untuk terpilih ke dalam sampel.Jika ukuran populasi N, maka setiap unit populasi mempunyai peluang 1/N untuk terpilih ke dalam sampel. Sampling acak sederhana
   merupakan dasar dari sampling lainnya, tetapi penggunaannya terbatas sekali, terutama dalam penelitian survei yang ruang lingkupnya luas. Sampling acak sederhana dapat digunakan jika peneliti berhadapan dengan populasi yang relatif homogen dan kerangka harus lengkap dan tersedia.

Hipotesis

1. Pengertian

Secara etimologi, hipotesis berasal dari dua suku kata yaitu 'hypo” yang berarti lemah dan “thesis” yang berarti pernyataan. Hipotesis berarti sebuah pernyataan yang lemah, atau kesimpulan yang belum final, masih harus diuji atau dibuktikan kebenarannya. Menurut Kerlinger (2004:30) hipotesis adalah pernyataan dugaan tentang hubungan antara dua variabel atau lebih. Menurut Donal Ary, et. al (1985:76) ada dua alasan yang mendasarinya, yaitu:

1. Hipotesis yang baik menunjukan bahwa peneliti memiliki ilmu pengetahuan yang cukup dalam kaitannya dengan permasalahan.
2. Dengan hipotesis dapat memberikan arah dan petunjuk tentang pengambilan data dan proses interprestasinya.

Secara fungsional hipotesis penelitian sangat penting dan apabila dinyatakan dengan tepat dan teliti, maka jawaban sementara dapat dipergunakan sebagai petunjuk analisis. Dengan adanya hipotesis, akan mempermudah bagi peneliti dalam mencari pemecahan permasalahan atas dasar pernyataan hipotesis yang telah dibuat sebelumnya.
Dalam penelitian yang menggunakan pendekatan kuantitatif, hipotesis harus selalu ada. Sedangkan penelitian yang menggunakan pendekatan kualitatif biasanya tidak terdapat hipotesis.
Sedangkan menurut West (1977:26) suatu hipotesis yang baik memiliki ciri-ciri:

• Bisa diterima dengan akal sehat;
• Konsisten dengan teori dan fakta yang telah diketahui;
• Rumusannya dinyatakan sedemikian rupa sehingga dapat diuji dan ditemukan salah benarnya;
• Dinyatakan dalam perumusan yang sederhana dan jelas
• Harus dinyatakan dalam bentuk kalimat pernyataan.

2. Jenis-Jenis Hipotesis Berdasarkan Rumusannya

Berdasarkan rumusan dalam suatu penelitian, hipotesis dibedakan menjadi dua yaitu hipotesis nol (null hypotheses) dan hipotesis kerja (alternative hypotheses). Kedua jenis hipotesis ini diuraikan sebagai berikut.

a) Hipotesis Nol 

Hipotesis nol menyatakan tidak adanya hubungan atau perbedaan antara variabel dengan variabel lain atau tidak adanya pengaruh variabel terhadap variabel lain.

P value

P value atau 'peluang dihitung' adalah peluang menolak hipotesis nol (H0) dari pertanyaan penelitian ketika hipotesis benar. H0 menyatakan tidak adanya hubungan atau perbedaan antara variabel  pertama dengan variabel lain atau tidak adanya pengaruh variabel terhadap variabel lain.

Misalnya tidak ada perbedaan antara tinggi badan dalam grup A dan grup B. 

Tentukan H0 penelitian untuk setiap pertanyaan dengan jelas sebelum memulai penelitian Anda!

Satu-satunya situasi di mana Anda harus menggunakan 'P value satu sisi' adalah

Menentukan Jumlah Sampel Minimum

Pendapat Solvin

Menentukan Jumlah Sampel Minimum
Jumlah sampel minimum yang harus diambil adalah

Comtoh:

Kita akan meneliti pengaruh upah terhadap semangat kerja pada karyawan pada perusahaan A. Di dalam perusahaan A tersebut terdapat 130 orang karyawan. Dengan tingkat kesalahan pengambilan sampel sebesar 5%, berapa jumlah sampel minimal yang harus diambil ?

Interval Penaksiran

Untuk menaksir parameter rata-rata μ

Populasi dan Sample

Definisi

Dalam statistika, percobaan atau penelitian yang dilakukan biasanya tidak melibatkan semua objek yang diteliti, tetapi hanya sebagian saja yang dinamakan sample. Berdasarkan data sample tersebut dibuatlah kesimpulan untuk menggambarkan kondisi objek percobaan secara keseluruhan (populasi). Jadi, antara sample dan populasi terdapat keterkaitan yang sangat erat. Meskipun demikian, suatu penelitian tidak selalu menggunakan sampel, ada yang langsung menggunakan populasi, untuk kasus yang demikian tentu tidak ada generalisasi karena data langsung diperoleh dari populasi, sehingga kesimpulan yang diambil adalah kesimpulan langsung tentang populasi.

Berdasarkan penjelasan di atas, dapat dimengeri bahwa populasi didefiniskan sebagai suatu keseluruhan pengamatan atau objek yang menjadi perhatian penelitian, sedangkan sampel adalah bagian dari populasi yang menjadi perhatian penelitian.

Alasan Menggunakan Sampel

1. Mengurangi kerepotan

Sekelumit tentang data

Dalam statistika, pengambilan kesimpulan tentang kondisi suatu populasi biasanya didasarkan pada data yang diperoleh. Ada berbagai jenis data yang dikenal dan data ini tergantung pada konteksnya. Dibawah ini saya sajikan jenis-jenis data menurut jenis pengelompokkannya.

Berdasarkan cara memperolehnya data dapat dibagi menjadi:
1. Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan maupun organisasi.
Contoh : Data yang diperoleh dari hasil wawancara, Data yang diperoleh dari kuesioner penelitian.
2. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian (berasal dari yang sudah ada dari penelitian ataupun collecting data sebelumnya). Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode.
Contoh: peneliti yang menggunakan data statistik hasil riset dari BPS.

Berdasarkan Sumber Data dapat dibagi menjadi:

jenis statistika

Ada berbagai macam jenis statistika, dimana jenis statistika ini dapat digolongkan berdasarkan orientasi pembahasannya maupun berdasarkan tujuan analisisnya. Seringkali para peneliti ataupun praktisi statistika (khususnya yAng tidak memahami statistika secara mendalam) sering salah mendefinisikan jenis statistika yang sedang mereka gunakan. Contohnya saja sering kita temui para peneliti ataupun praktisi statistik yang menggolongkan statistika yang mereka pakai adalah ststistika deskriptif inferensial. Padahal jika kita tinjau dari definisinya, jelas penamaan  ststistika deskriptif inferensial ini tidak sesuai dengan definisi masing-masing jenis statistika (statistika deskriptif dan statistika inferensial) itu sendiri.

Untuk itu dibawah ini saya akan menjelaskan pengertian jenis-jenis statistika yang benar beserta definisinya.

.

Berdasarkan orientasi pembahasannya maka statistika dibedakan menjadi: 

1. Statistika Matematik (mathematical statistic)
   Statistika matematik atau lebih dikenal dengan statistika teoritis yang lebih berorientasi pada pemahaman model dan teknik-teknik statistika secara matematis-teoriti.
2. Statistika Terapan (applied statistic)
   Statistika terapan lebih menekankan pembahasannya pada pemahaman intuitif atas konsep dan teknik-teknik statistika serta penggunaannya pada berbagai bidang ilmu.

Berdasarkan tujuan atau tahap analisis, statistika dibedakan menjadi 

1. Statistika Deskriptif
   Statistika deskriptif adalah statistika yang dalam analisisnya bertujuan untuk memperoleh gambaran (deskripsi) tentang data yang dianalisis. Jika data yang dianalisis merupakan sampel dari suatu populasi, maka statistika deskriptif akan menghasilkan ukuran-ukuran sample (statistik), sedangkan jika data yang dianalisis berasal dari populasi, maka statistika deskriptif akan menghasilkan ukuran populasi (parameter).
2. Statistika Inferensia
   Statistika inferensia adalah statistika yang berkenaan dengan cara penarikan kesimpulan
   
   

Statistik vs Statistika

Seringkali orang salah membedakan antara statistik dengan statistika. Banyak orang yang menduga bahwa statistik itu adalah statistika, padahal secara definisi tidaklah demikian.

Pada bagian ini saya ingin menjelaskan definisi dari keduanya.

Statistik adalah kumpulan data yang bisa memberikan gambaran tentang keadaan sampel.

Statistika adalah ilmu yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana caranya mengumpulkan data, mengolah data, menyajikan data, menganalisis data, membuat kesimpulan dari hasil analisis data dan mengambil keputusan berdasarkan hasil kesimpulan. 

Bagikan