contoh analisis statistik
TRANSCRIPT
Statistik parametrik : mendasarkan pada asumsi terhadap data yang akan digunakan terutama menyangkut distribusi data. Digunakan untuk data interval dan rasio
Statistik non-parametrik : normalitas distribusi data biasanya hanya untuk data interval atau rasio, sehingga untuk data nominal dan ordinal digukan statistik non parametrik
Suatu data set yang dikomparasikan dapat dikategorikan menjadi dua, yaitu related dan unrelated
Related : menggambarkan dua kondisi pada populasi yang samaContoh : pendapatan dan pendidikan
Unrelated : menggambarkan dua kondisi pada populasi yang berbeda.Contoh : pendapatan antara laki-laki dan
perempuan
Jumlah variabel yang akan digunakan dalam analisis : univariate (1 variabel); bivariate (2 variabel) atau multivariate (lebih dari 2 variabel)
Skala pengukuran Hipotesis yang akan diuji
Pertanyaan : apakah terdapat perbedaan yang nyata antara rata-rata umur laki-laki dan perempuan
Hipotesis alternatif: terdapat perbedaan rata-rata umur laki-laki dan perempuan secara signifikan
Hipotesis null : tidak terdapat perbedaan rata-rata umur laki-laki dan perempuan
Alat uji : t-test
Jenis kelamin
N Mean Std deviation
Std. Error Mean
Laki-laki 179 16,37 1,203 ,090
perempuan
123 16,45 1,269 ,114
F : 0,243 Sig : 0,623
Hasil test menunjukkan bahwa rata-rata umur laki-laki adalah 16,37 sementara perempuan 16,45.
Dengan tingkat kepercayaan (level of confidence) 95 % atau 0,05 maka perbedaan tersebut tidak signifikan.
Hal itu dapat dilihat dari nilai sig. yang lebih besar dari 0,05.
Artinya hipotesis null diterima dan hipotesis alternatif ditolak
Pertanyaan : bagaimana hubungan antara pendapatan rumah tangga dan pengeluaran untuk makan ?
Hipotesis alternatif : terdapat hubungan positif antara pendapatan rumah tangga dengan pengeeluaran untuk makan. Semakin besar pendapatan rumah tangga semakin besar pengeluaran untuk makanan
Hipotesis null : tidak ada hubungan antara pendapatan rumah tangga dengan pengeluaran untuk makanan.
Alat uji : Korelasi produk moment
Correlations
1 ,117*
, ,041
302 302
,117* 1
,041 ,
302 302
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
total pendapatan rtperbulan?
rata-rata pengeluaranrt perbulan untuknon-makanan
totalpendapatan rt
perbulan?
rata-ratapengeluaranrt perbulan
untuknon-makanan
Correlation is significant at the 0.05 level (2-tailed).*.
Hasil uji korelasi menunjukkan bahwa nilai korelasinya adalh 0,114
Angka ini signifikan pada derajat kepercayaan 95 %
Artinya : hipotesis null ditolak atau hipotesis alternatif diterima. Terbukti bahwa semakin besar pendapatan rumah tangga semakin besar pengeluaran untuk makanan
Hasil korelasi hanya menunjukkan hubungan, tetapi belum dapat menjawab apakah pendapatan mempengaruhi pengeluaran untuk makanan
Uji pengaruh IV thd DV jika keduanya dalam skala pengukuran interval atau rasio, maka dapat digunakan least linier regression (pearson product moment)
Model Summaryb
,117a ,014 ,011 70814,366 1,636Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), total pendapatan rt perbulan?a.
Dependent Variable: rata-rata pengeluaran rt perbulan untuknon-makanan
b.
ANOVAb
2,10E+10 1 2,105E+10 4,197 ,041a
1,50E+12 300 5014674461
1,53E+12 301
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), total pendapatan rt perbulan?a.
Dependent Variable: rata-rata pengeluaran rt perbulan untuk non-makananb.
Tabel ke 2 memperlihatkan bahwa nilai sig. adalah 0,041 (lihat hasil nilai sig pada uji korelasi)
Seberapa besar kontribusi IV terhadap perubahan DV dapat dilihat dari nilai agjusted R square (0,11) artinya adalah perubahan pengeluaran untuk makanan 11 persen dipengaruhi oleh besarnya pendapatan
Persamaan y = a + bx dapat dijabarkan dengan melihat nilai b ----- y = 53675,5 + 0,025 x