MODUL PRAKTIKUM

STATISTIK I

PROGRAM STUDI S1 KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN DAN FARMASI

UNIVERSITAS MUHAMMADIYAH

KALIMANTAN TIMUR

2018/2019

ii

VISI, MISI DAN TUJUAN PROGRAM STUDI S1 KESEHATAN

MASYARAKAT

A. VISI

“Pada Tahun 2037, menjadi Program Studi Kesehatan Masyarakat yang

islami berbasis teknologi informasi yang unggul di bidang pemberdayaan

masyarakat dan berkonstribusi terhadap penyelesaian masalah sosial dan

lingkungan”

B. MISI

1. Menyelenggarakan pendidikan kesehatan masyarakat yang islami

berbasis teknologi informasi yang peka terhadap kesehatan di

masyarakat.

2. Mengembangkan riset dibidang kesehatan masyarakat untuk

berkonstribusi dalam penyelesaian masalah sosial dan lingkungan.

3. Menerapkan ilmu pengetahuan dan teknologi kesehatan masyarakat

dalam bentuk pengabdian dan pemberdayaan masyarakat untuk

menjadi solusi masalah sosial khususnya pengangguran, kemiskinan

dan lingkungan.

4. Mengembangkan kerjasama dibidang kesehatan masyarakat dengan

berbagai pihak yang saling menguntungkan baik di dalam ataupun luar

negeri.

C. TUJUAN

1. Menghasilkan lulusan tenaga kesehatan masyarakat yang berkarakter,

berwawasan dan berkemajuan yang berpijak pada nilai – nilai

keislaman dan mampu memanfaatkan teknologi informasi yang

berkontribusi terhadap pembangunan dan menjadi solusi masalah

sosial dan lingkungan.

iii

2. Menghasilkan produk penelitian IPTEKS kesehatan masyarakat yang

berbasis teknologi informasi dan ramah lingkungan.

3. Melaksanakan pengabdian dan pemberdayaan masyarakat untuk

menjadi solusi masalah sosial khususnya pengangguran, kemiskinan

dan lingkungan.

4. Menghasilkan kerjasama dalam bidang Catur Dharma Perguruan

Tinggi yang produktif dan saling menguntungkan baik dalam dan luar

negeri

D. SASARAN

1. Peningkatan mutu pembelajaran dan lulusan

2. Pengembangan SDM dosen dan tenaga kependidikan

3. Pengembangan wahana pendidikan

4. Pengembangan program studi baru

5. Peningkatan penelitian dan publikasi ilmiah

6. Optimalisasi pengabdian masyarakat yang diprioritaskan pada upaya

mengatasi masalah sosial, pengangguran dan lingkungan

7. Peningkatan kerjasama nasional maupun internasional

iv

KATA PENGANTAR

Assalamualaikum Wr. Wb

Puji syukur praktikan panjatkan kehadirat Allah SWT yang maha kuasa atas

segala limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan

penyusunan Modul pembelajaran tentang Statistik I ini dengan baik dan lancar.

Dalam penyusunannya, penulis ucapkan terimakasih kepada semua pihak yang

telah memberikan dorongan dan support kepada penulis untuk menyelesaikan

Modul ini. Untuk itu pada kesempatan ini, kami mengucapkan terima kasih

kepada yang terhormat:

1. Rektor Universitas Muhammadiyah Kalimantan Timur

2. Dekan Fakultas llmu Kesehatan Dan Farmasi

3. Ketua Program Studi S1 Kesehatan Masyarakat

4. Berbagai pihak yang tidak bisa disebutkan satu persatu.

Namun disamping itu menyadari masih banyak kekurangan dalam penulisan

modul ini, oleh karena itu praktikan mengharapkan kritik dan saran yang

membangun agar modul ini dapat lebih baik lagi.

Wassalamualaikum Wr. Wb

Samarinda, Agustus 2019

Penyusun

v

DAFTAR ISI

HALAMAN JUDUL ...................................................................................... i

VISI, MISI DAN TUJUAN PRODI ............................................................. ii

KATA PENGANTAR ................................................................................... iv

DAFTAR ISI ................................................................................................... v

BAB I PENDAHULUAN .............................................................................. 1

A. Latar Belakang .................................................................................... 1

B. Tujuan .................................................................................................. 2

BAB II TINJAUAN PUSTAKA .................................................................... 3

A. Memasukan Data ................................................................................. 3

B. Recoding Data ...................................................................................... 11

C. Dekrisi variabel Ktegorik dan Variabel Numerik ................................ 12

D. Uji Normalitas ...................................................................................... 13

E. Uji Chi Square ...................................................................................... 17

F. Uji T .................................................................................................... 18

BAB III PENUTUP ....................................................................................... 22

A. Kesimpulan ......................................................................................... 22

B. Saran .................................................................................................... 22

DAFTAR PUSTAKA .................................................................................... 23

FORMULIR PENILAIAN ............................................................................ 25

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pada zaman sekarang ini, semua sudah serba modern sehingga semua

kegiatan dituntut untuk serba cepat, seperti pengolahan data dan yang lain yang

sulit untuk dikerjakan secara manual. Dan untuk memudahkan itu semua maka

diciptakanlah komputer. Komputer berasal dari bahasa yunani „Computare‟

yang artinya menghitung. Komputer memang memudahkan kita untuk

mengolah data yang didasarkan pada operasi matematika seperti operasi logika.

Meskipun komputer merupakan buatan manusia, namun alat ini sangat

membantu pekerjaan manusia dalam pengolahan data karena mempunyai tiga

keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.

Ternyata komputer saja tidak cukup untuk membantu manusia dalam

memasukkan data (data entry), mengedit data, transformasi data, analisis data

yang dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan

mendistribusikan informasi yang berguna untuk pengambilan keputusan dalam

suatu organisasi, agar tetap eksis dan unggul dalam kompetisi yang ketat, yang

dialami oleh mahasiswa dalam mata kuliah Statistika. Maka dari itu dibuat

suatu program aplikasi SPSS. Software ini dibuat oleh tiga mahasiswa Stanford

University yang dioperasikan pada komputer mainframe pada tahun 1968.

Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS (Statistical

Product and Service Solution) yang nantinya dapat digunakan mahasiswa

dalam menghitung dan menganalisis suatu data yang telah diperoleh

sebelumnya.

Analisis kuantitatif dalam suatu penelitian dapat didekati dari dua sudut

pendekatan, yaitu analisis kuantitatif secara deskriptif, dan analisis kuantitatif

secara inferensial. Masing-masing pendekatan ini melibatkan pemakaian dua

jenis statistik yang berbeda. Yang pertama menggunakan statistik deskriptif

dan yang kedua menggunakan statistik inferensial. Kedua jenis statistik ini

memiliki karakteristik yang berbeda, baik dalam hal teknik analisis maupun

2

tujuan yang akan dihasilkannya dari analisisnya itu. Sesuai dengan namanya,

deskriptif hanya akan mendeskripsikan keadaan suatu gejala yang telah

direkam melalui alat ukur kemudian diolah sesuai dengan fungsinya.

Hasil pengolahan tersebut selanjutnya dipaparkan dalam bentuk angka-

angka sehingga memberikan suatu kesan lebih mudah ditangkap maknanya

oleh siapapun yang membutuhkan informasi tentang keberadaan gejala

tersebut. Dengan demikian hasil olahan data dengan statistik ini hanya sampai

pada tahap deskripsi, belum sampai pada tahap generalisasi. Dengan kata lain,

statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan

menganalisa data angka, agar dapat memberikan gambaran secara teratur,

ringkas dan jelas, mengenai suatu gejala, peristiwa atau keadaan, sehingga

dapat ditarik pengertian atau makna tertentu. Statistik inferensial fungsinya

lebih luas lagi, sebab dilihat dari analisisnya, hasil yang diperoleh tidak sekedar

menggambarkan keadaan atau fenomena yang dijadikan obyek penelitian,

melainkan dapat pula digeneralisasikan secara lebih luas kedalam wilayah

populasi.

B. Tujuan

1. Untuk mengetahui cara memasukan data.

2. Untuk mengetahui cara recoding data.

3. Untuk mengetahui cara membuat deskrisi variabel.

4. Untuk mengetahui cara menggunakan uji normalitas.

5. Untuk mengetahui cara menggunkana uj chi Square.

6. Untuk mengetahui cara menggunakan uji T.

3

BAB II

TINJAUAN PUSTAKA

A. Memasukan Data

1. Definisi Statistik

Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara

atau untuk menyatakan hal-hal yang berhubungan dengan ketatanegaraan.

Cakupan statistik bukan hanya pada angka-angka pemerintahan saja, tetapi

telah mengambil bagian dari berbagai kehidupan. Berikut ini pengertian

statistik sesuai dengan perkembangannya.

a) Pengertian pertama

Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik

angka yang belum tersusun maupun angka-angka yang sudah tersusun

dalam suatu daftar atau grafik.

b) Pengertian kedua

Statistik adalah sekumpulan cara dan aturan tentang pengumpulan,

pengolahan, analisis, serta penafsiran data yang terdiri dari angka-

angka.

c) Pengertian ketiga

Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data

atau hasil pengamatan.

Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa

statistika merupakan suatu metode atau ilmu, yaitu metode atau ilmu yang

mempelajari cara pengumpulan, pengolahan, penganalisisan, penafsiran,

dan penarikan kesimpulan dari data yang ada. Dari pengertian-pengertian di

atas, unsur-unsur dari statistik adalah:

a) Data

b) Perlakuan data, seperti pengumpulan dan pengolahan

c) Kesimpulan

d) Angka-angka

4

Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu:

a) Croxton dan Cowden

Statistik adalah metode untuk mengumpulkan, mengolah, dan

menyajikan, serta menginterpretasikan data yang berwujud angka-

angka.

b) Anderson dan Bancroft

Statistik adalah ilmu dan seni perkembangan dan metode paling

efektif untuk pengumpulan, pentabulasian, dan penginterpretasian data

kuantitatif sedimikian rupa, sehingga kemungkinan salah dalam

kesimpulan dan estimasi dapat diperkirakan dengan penggunaan

penalaran induktif yang didasarkan pada matematika probabilitas.

c) Prof. Dr. Sudjana, M.A., M.sc.

Statistik adalah pengetahuan yang berhubungan dengan cara-cara

pengumpulan data, pengolahan penganalisisannya, dan penarikan

kesimpulan berdasarkan kumpulan data dan penganalisisan yang

dilakukan.

d) Steel dan Torrie

Statistik adalah metode yang memberikan cara-cara guna menilai

ketidaktentuan dan penarikan kesimpulan yang bersifat induktif.

e) J. Supranto

Dalam arti sempit Statistika adalah data ringkasan yang berbentuk

angka(kuantitatif). Dalam arti luas Statistika adalah ilmu yang

mempelajari cara pengumpulan, penyajian, dan analisis data, serta cara

pengmbilan kesimpulan secara umum berdasarkan hasil penelitian yang

menyeluruh.

f) Drs. Djarwanto Ps.

Statistik adalah kumpulan angka-angka yang berhubungan dengan

atau melukiskan suatu persoalan.

5

Peranan statistik antara lain:

a) Dalam kehidupan sehari-hari

Sebagai penyedia bahan-bahan atau keterangan-keterangan

berbagai hal untuk diolah dan ditafsirkan.

b) Dalam penelitian ilmiah

Sebagai penyedia alat untuk mengemukakan atau menemukan

kembali keterangan-keterangan yang seolah-olah tersembunyi dalam

angka-angka statistik.

c) Dalam ilmu pengetahuan

Sebagai peralatan analisis dan interpretasi dari data kuntitatif ilmu

pengetahuan, sehingga didapatkan suatu kesimpulan dari data-data

tersebut. (Ir. M. Iqbal Hasan,M.M., 2002).

2. Variabel Statistik Dan Skala Pengukuran

a) Variabel statistik

Variabel adalah suatu sifat atau fenomena yang menunjukan

sesuatu yang dapat diamati dan nilainya berbeda-beda Sesuatu dikatakan

variabel, jika:

1) Mempunyai nama

2) Dapat diamati atau diukur

3) Nilainya berbeda-beda

4) Memiliki definisi verbal

5) Ada kelompok penggolongan atau satuan

Variabel Penekan/ Pra Kondisi

1) Variabel penekan atau prakondisi adalah variabel yang merupakan

prasyarat bekerjanya variabel bebas dan variabel tergantung

2) Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB

(varibel tergantung) → proses diatas dapat berlangsung pada saat

kondisi tubuh lemah (variabel penekan/ prakondisi).

6

Variabel Pengganggu/ Distorter

1) Variabel pengganggu/ distorter adalah variabel yang mengganggu

bekerjanya variabel bebas dan variabel tergantung

2) Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak

daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini

disebabkan ada variabel pengganggu yaitu variabel status pekerjaan:

PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non

PNS

Definisi Operasional Variabel Definisi operasional adalah

seperangkat instruksi yang lengkap untuk menetapkan apa yang akan

diukur dan bagaimana cara mengukur variable. Hal-hal yang perlu

diperhatikan dalam menyusun definisi operasional sebuah variable

adalah:

1) Nama variable

2) Definisi verbal variable

3) Kelompok penggolongan variable

4) suatu cara untuk menggolongkannya

Agar variabel dapat diamati dan diukur, maka setiap konsep yang

ada dalam permasalahan atau yang ada dalam hipotesis harus disusun

Definisi Operasional.

Definisi operasional dari variabel sangat diperlukan terutama untuk

menentukan alat atau instrumen yang akan digunakan dalam

pengumpulan data.

Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan

sebagai: Orang yang dapat menghabiskan sepiring nasi dalam waktu

kurang dari dua menit.

Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan

lesu. Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi

1 diperlukan sepiring nasi dan sebuah pencatat waktu, sedang berdasar

definisi 2 tidak diperlukan alat, kecuali indera pengamatan.

7

b) Skala pengukuran

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal,

ordinal, interval dan ratio.

1) Nominal

Skala pengukuran nominal digunakan untuk mengklasifikasikan

obyek, individual atau kelompok; sebagai contoh mengklasifikasi

jenis kelamin, agama, pekerjaan, dan area geografis. Dalam

mengidentifikasi hal-hal di atas digunakan angka-angka sebagai

symbol. Apabila kita menggunakan skala pengukuran nominal, maka

statistik non-parametrik digunakan untuk menganalisa datanya. Hasil

analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita

mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-

laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat

melakukan operasi arimatika dengan angka-angka tersebut, karena

angka-angka tersebut hanya menunjukkan keberadaan atau

ketidakadanya karaktersitik tertentu.

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang

bersifat kategorikal dapat diberi symbol angka-angka sebagai

berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.

2) Ordinal

Skala pengukuran ordinal memberikan informasi tentang jumlah

relatif karakteristik berbeda yang dimiliki oleh obyek atau individu

tertentu. Tingkat pengukuran ini mempunyai informasi skala

nominal ditambah dengan sarana peringkat relatif tertentu yang

memberikan informasi apakah suatu obyek memiliki karakteristik

yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan

kelebihannya.

Contoh:

Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju,

tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol

8

angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol

peringkat, tidak mengekspresikan jumlah.

3) Interval

Skala interval mempunyai karakteristik seperti yang dimiliki

oleh skala nominal dan ordinal dengan ditambah karakteristik lain,

yaitu berupa adanya interval yang tetap. Dengan demikian peneliti

dapat melihat besarnya perbedaan karaktersitik antara satu individu

atau obyek dengan lainnya. Skala pengukuran interval benar-benar

merupakan angka. Angka-angka yang digunakan dapat dipergunakan

dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau

dikalikan. Untuk melakukan analisa, skala pengukuran ini

menggunakan statistik parametric.

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan,

misalnya: Berapa kali Anda melakukan kunjungan ke Jakarta dalam

satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-angka

1,3, dan 5 merupakan angka sebenarnya dengan menggunakan

interval 2.

4) Ratio

Skala pengukuran ratio mempunyai semua karakteristik yang

dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan

skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol

tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang

sedang diukur. Pengukuran ratio biasanya dalam bentuk

perbandingan antara satu individu atau obyek tertentu dengan

lainnya.

Contoh:

Berat Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari

dibanding dengan berat Maya sama dengan 1 dibanding 2.

9

5) Validitas

Suatu skala pengukuran dikatakan valid apabila skala tersebut

digunakan untuk mengukur apa yang seharusnya diukur. Misalnya

skala nominal yang bersifat non-parametrik digunakan untuk

mengukur variabel nominal bukan untuk mengukur variabel interval

yang bersifat parametrik. Ada 3 (tiga) tipe validitas pengukuran yang

harus diketahui, yaitu:

a) Validitas Isi (Content Validity)

Validitas isi menyangkut tingkatan dimana item-item skala

yang mencerminkan domain konsep yang sedang diteliti. Suatu

domain konsep tertentu tidak dapat begitu saja dihitung semua

dimensinya karena domain tersebut kadang mempunyai atribut

yang banyak atau bersifat multidimensional.

b) Validitas Kosntruk (Construct Validity)

Validitas konstruk berkaitan dengan tingkatan dimana skala

mencerminkan dan berperan sebagai konsep yang sedang diukur.

Dua aspek pokok dalam validitas konstruk ialah secara alamiah

bersifat teoritis dan statistik.

c) Validitas Kriteria (Criterion Validity)

Validitas kriteria menyangkut masalah tingkatan dimana

skala yang sedang digunakan mampu memprediksi suatu variable

yang dirancang sebagai kriteria.

6) Reliabilitas

Reliabilitas menunjuk pada adanya konsistensi dan stabilitas

nilai hasil skala pengukuran tertentu. Reliabilitas berkonsentrasi

pada masalah akurasi pengukuran dan hasilnya.

3. Klasifikasi Statistik

a) Statistik Parametrik

Statistika parametrik adalah ilmu statistika yang mempertimbangkan

jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau

tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus

10

dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya

dilakukan transformasi agar data mengikuti sebaran normal, sehingga

bisa dikerjakan dg statistika parametrik. Contoh metode statistika

parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi

pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll.

(Ir. M. Iqbal Hasan,M.M., 2002)

b) Statistik deskriptif

Statistik deskriptif adalah bagian dari statistik yang mempelajari cara

pengumpulan dan penyajian data sehingga mudah dipahami. Statistik

deskriptif hanya berfungsi untuk menerangkan keadaan, gejala, atau

persoalan. Penarikan kesimpulan pada statistik deskriptif hanya ditujukan

pada kumpulan data yang ada. Didasarkan pada ruang lingkup

bahasannya, statistik deskriptif mencakup hal sebagai berikut: Distribusi

frekuensi beserta bagian-bagiannya seperti:

1) Grafik distribusi (histogram, poligon frekuensi, dan ogif)

2) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan

sebagainya)

3) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan

baku, dan sebagainya)

4) Kemencengan dan keruncingan kurva

5) Angka Indeks

6) Time Series/deret waktu atau data berkala

7) Korelasi dan Regresi Sederhana

c) Statistik Inferensi

Statistik inferensi adalah bagian dari statistik yang mempelajari

mengenai penafsiran dan penarikan kesimpulan yang berlaku secara

umum dari data yang telah tersedia. Penarikan kesimpulan pada statistik

inferensi merupakan generalisasi dari suatu populasi berdasarkan data

yang ada. Didasarkan atas ruang lingkup bahasannya, statistik ini

mencakup:

11

1) Probabilitas atau teori kemungkinan

2) Distribusi teoritis

3) Sampling dan distribusi sampling

4) Pendugaan populasi dan teori populasi

5) Uji hipotesis

6) Analisis korelasi dan uji signifikasi

7) Analisis regeresi untuk peramalan

(Ir. M. Iqbal Hasan,M.M., 2002)

b. Statistik Non Parametrik

Statistika non-parametrik -> statistika non-parametrik adalah

statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter

populasi, baik normal atau tidak). Statistika non-parametrik biasanya

digunakan untuk melakukan analisis pada data berjenis Nominal atau

Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal.

Contoh metode Statistika non-parametrik:Binomial test, Chi-square test,

Median test, Friedman Test. (Ir. M. Iqbal Hasan,M.M., 2002).

B. Recoding Data

Recode adalah : Perintah recode digunakan untuk merubah nilai/kategori

jawaban dari 10 kategori atau lebih menjadi 3 atau 4 kategori. Atau untuk

mengganti nilai pada kolom variable tertentu, sifatnya menggantikan (into

same variable) atau merubah (into different variable) pada variable baru.

Perintah recode terdiri dari dua sub perintah, yaitu :

1) Into same variable : perbedaanya pada recode pertama, hasil

perubahan akan di over write pada variabel yang direcode.

2) Into different variable : sedangkan pada jenis kedua hasil perubahan

akan ditempatkan pada variabel baru.

Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan

masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan,

gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol

12

lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan,

obyek, kejadian ataupun suatu konsep.

Informasi merupakan hasil pengolahan dari sebuah model, formasi,

organisasi, ataupun suatu perubahan bentuk dari data yang memiliki nilai

tertentu, dan bisa digunakan untuk menambah pengetahuan bagi yang

menerimanya. Dalam hal ini, data bisa dianggap sebagai obyek dan informasi

adalah suatu subyek yang bermanfaat bagi penerimanya. Informasi juga bisa

disebut sebagai hasil pengolahan ataupun pemrosesan data.

C. Diskrisi Variabel Kategorik dan Numerik

1. Variabel kategorik

Nominal dan ordinal disebut sebagai variabel kategorik karena variabel

tersebut memiliki kategori variabel. Sebagai contoh “jenis kelamin” adalah

variabel, sedangkan “laki-laki” dan “perempuan” adalah kategori variabel.

Klasifikasi “derajat anemia” adalah variabel, sedangkan “ringan”, “sedang”,

“berat” adalah kategori variabel.

Berdasar kategori inilah anda dapat membedakan variabel nominal dan

ordinal. Variabel nominal, kategorinya sederajat/ setingkat. Contoh : jenis

kelamin (laki-laki dan perempuan). Variabel ordinal kategorinya bertingkat/

berjenjang. Contoh : derajat anemia (ringan, sedang, barat).

2. Variabel numerik

Variabel rasio dan interval disebut sebagai variabel numerik karena

tidak memiliki kategori. Cara membedakan rasio dan interval adalah dari

nilai nol-nya.

Apabila memiliki nol alami atau nol absolut, disebut rasio. Contoh :

tinggi badan (nilai terendah tinggi badan adalah nol, tidak ada lagi di bawah

nol; dan dengan skala apapun nilai nolnya adalah sama).

Apabila tidak memiliki nol alami, disebut interval. Contoh : suhu (suhu

ada yang di bawah 00 dan antara suhu nol celcius beda nilainya dengan suhu

nol farenheit).

13

D. Uji Normalitas

1. Uji Normalitas

a) Definisi uji normalitas

Distribusi Normalitas dalam statistik parametric seperti regresi dan

Anova merupakan syarat pertama.Uji normalitas bertujuan untuk

menguji apakah dalam model regresi, variabel penggangu atau residual

memiliki distribusi normal. Jika asumsi ini dilanggar, maka uji statistik

menjadi tidak valid atau bias terutama untuk sampel kecil.

Ada beberapa cara melakukan uji asumsi normalitas ini yaitu

menggunakan analisis Chi Square dan Kolmogorov-Smirnov. Bagaimana

analisisnya untuk sementara kita serahkan pada program analisis statistik

seperti SPSS dulu ya. Tapi pada dasarnya kedua analisis ini dapat

diibaratkan seperti ini :

1) pertama komputer memeriksa data kita, kemudian membuat sebuah

data virtual yang sudah dibuat normal.

2) kemudian komputer seolah-olah melakukan uji beda antara data

yang kita miliki dengan data virtual yang dibuat normal tadi.

3) dari hasil uji beda tersebut, dapat disimpulkan dua hal :

Jika p lebih kecil daripada 0,05 maka dapat disimpulkan bahwa data

yang kita miliki berbeda secara signifikan dengan data virtual yang

normal tadi. Ini berarti data yang kita miliki sebaran datanya tidak

normal.

Jika p lebih besar daripada 0,05 maka dapat disimpulkan bahwa

data yang kita miliki tidak berbeda secara signifikan dengan data

virtual yang normal. Ini berarti data yang kita miliki sebaran

datanya normal juga.

Ukuran inilah yang digunakan untuk menentukan apakah data kita

berasal dari populasi yang normal atau tidak.

14

b) Bagaimana mengatasi masalah normalitas?

Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak

normal; yaitu:

1) Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner

dari data (bahasan outliner akan dibahas kemudian)

2) Melakukan transformasi data.

3) Menggunakan alat analisis nonparametric

Data yang tidak normal tidak selalu berasal dari penelitian yang

buruk.Data ini mungkin saja terjadi karena ada kejadian yang di luar

kebiasaan.Atau memang kondisi datanya memang nggak normal. Misal

data inteligensi di sekolah anak-anak berbakat (gifted) jelas tidak akan

normal, besar kemungkinannya akan juling positif. Lalu apa yang bisa

kita lakukan?

1) Kita perlu ngecek apakah ketidaknormalannya parah nggak. Tidak

ada patokan pasti tentang keparahan ini. Tapi kita bisa mengira-ira

jika misalnya nilai p yang didapatkan sebesar 0,049 maka

ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit

di bawah 0,05). Ada beberapa analisis statistik yang agak kebal

dengan kondisi ketidaknormalan yang tidak terlalu parah (disebut

memiliki sifat robust), misalnya F-test dan t-test. Jadi kita bisa tetap

menggunakan analisis ini jika ketidaknormalannya tidak parah.

2) Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah.

Nilai ekstrem ini disebut outliers. Pertama kita perlu membuat

grafik, dengan sumbu x sebagai frekuensi dan y sebagai semua nilai

yang ada dalam data kita (ini tentunya bisa dikerjakan oleh

komputer). Dari sini kita akan bisa melihat nilai mana yang sangat

jauh dari kelompoknya. Nilai inilah yang kemudian perlu dibuang

dari data kita, dengan asumsi nilai ini muncul akibat situasi yang

tidak biasanya. Misal responden yang mengisi skala kita dengan

sembarang yang membuat nilainya jadi sangat tinggi atau sangat

rendah.

15

3) Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform

data kita. Ada banyak cara untuk mentransform data kita, misalnya

dengan mencari akar kuadrat dari data kita, dll.

4) Bagaimana jika semua usaha di atas tidak membuahkan hasil. Maka

langkah terakhir yang bisa kita lakukan adalah dengan menggunakan

analisis non-parametrik. Analisis ini disebut juga sebagai analisis

yang distribution free. Sayangnya analisis ini seringkali mengubah

data kita menjadi data yang lebih rendah tingkatannya. Misal kalau

sebelumnya data kita termasuk data interval dengan analisis ini akan

diubah menjadi data ordinal.

2. Teknik Uji Normalitas

Banyak sekali teknik pengujian normalitas suatu distribusi data yang

telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung

karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan

saat ini sudah tersedia banyak sekali alat bantu berupa program statistik

yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan

menggunakan teknik Kolmogorov Smirnov.

Uji Kolmogorov Smirnov merupakan pengujian normalitas yang

banyak dipakai, terutama setelah adanya banyak program statistik yang

beredar. 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.

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan

membandingkan distribusi data (yang akan diuji normalitasnya) dengan

distribusi normal baku. Distribusi normal baku adalah data yang telah

ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi

sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji

normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika

signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan

jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.

Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di

16

bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang

signifikan dengan data normal baku, berarti data tersebut tidak normal.

Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat

perbedaan yang signifikan antara data yang akan diuji dengan data normal

baku, artinya data yang kita uji normal. Kelemahan dari Uji Kolmogorov

Smirnov yaitu bahwa jika kesimpulan kita memberikan hasil yang tidak

normal, maka kita tidak bisa menentukan transformasi seperti apa yang

harus kita gunakan untuk normalisasi. Jadi kalau tidak normal, gunakan plot

grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan

Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa

yang paling tepat dipergunakan.

Pengujian normalitas dengan menggunakan Program SPSS dilakukan

dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik

pada 1-Sample K-S.K-S itu singkatan dari Kolmogorov-Smirnov. Maka

akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan

diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan

OK. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi

Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas

0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika

nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.

Normalitas dalam statistik parametric seperti regresi dan Anova

merupakan syarat pertama.Uji normalitas bertujuan untuk menguji apakah

dalam model regresi, variabel pengganggu atau residual memiliki distribusi

normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid

atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan

melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P

Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-

Wilk (bahasan mengatasi masalah normalitas akan dibahas terpisah).

17

E. Uji Chi Square

1. Definisi Uji Chi Square

Uji chi-square adalah salah satu uji statistic non parametik yang cukup

sering digunakan dalam penelitian. Uji chi-square ini bias diterapkan untuk

pengujian kenormalan data, pengujian data yang berlevel nominal atau

untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chi-

square diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan

di amati (data observasi) bebeda secara nyata ataukah tidak dengan

frekuensi yang diharapkan (expected value). Chi-square Test atau Uji Chi-

square adalah teknik analisis yang digunakan untuk menentukan perbedaan

frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan

(Ei) suatu kategori tertentu. Uji ini dapatdilakukan pada data diskrit atau

frekuensi.

Pengertian chi square atau chi kuadrat lainnya adalah sebuah uji

hipotesis tentang perbandingan antara frekuensi observasi dengan frekuensi

harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus atau data

(diktat 2009). Chi kuadrat adalah pengujian hipotesis tentang perbandingan

antara frekuensi sampel yang benar–benar terjadi (Haryono,1994). Chi

kuadrat biasanya di dalam frekuensi observasi berlambangkan dengan

frekuensi harapan yang didasarkan atas hipotesis dilambangkan.

Ekspresi matematis tentang distribusi chi kuadrat hanya tergantung

pada suatu parameter, yaitu derajat kebebasan (d.f.)

Chi kuadrat mempunyai masing–masing nilai derajat kebebasan, yaitu

distribusi (kuadrat standard normal) merupakan distribusi chi kuadrat

dengan d.f. = 1, dan nilai variabel tidak bernilai negative. Kegunaan dari chi

square untuk menguji seberapa baik kesesuaian diantara frekuensi yang

teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan

dihipotesiskan, atau juga menguji perbedaan antara dua kelompok pada data

dua kategorik untuk dapat menguji signifikansi asosiasi dua kelompok pada

data dua katagorik tersebut (Sri,1990).

18

Syarat agar uji Chi-Square dapat digunakan adalah jumlah sel yang

nilai espektasinya kurang dari 5 tidak ebih dari 20 % dari sel yang

ada.Namun apabila hal ini terjadi SPSS akan memberikan peringatan dan

anda harus menggunakan uji chi-square dengan koreksi.Jika hal ini terjadi

pada tebel 2 baris dan 2 kolom,sebaiknya anda menggunakan uji eksak dan

Fisher yang di tampilkan pada bagian bawah table uji statistik.

2. Syarat Penggunaan Chi Square

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah

satu jenis uji komparatif non parametris yang dilakukan pada dua variabel,

di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel,

ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan

merujuk bahwa harus digunakan uji pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak

digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi

responden atau sampel yang digunakan besar, sebab ada beberapa syarat di

mana chi square dapat digunakan yaitu:

a) Tidak ada cell dengan nilai frekuensi kenyataan atau disebut

juga Actual Count (F0) sebesar 0 (Nol).

b) Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell

saja yang memiliki frekuensi harapan atau disebut juga expected

count ("Fh") kurang dari 5.

c) Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell

dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari

20%.

F. Uji T

1. Pengertian dari Uji T-Test Dependent

T-test dependent atau sering diistilakan dengan Paired Sampel t-Test,

adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata

dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan

sebagai sebuah sampel dengan subjek yang sama namun mengalami 2

19

perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan

sesudah dilakukan sebuah treatment.(Sugiyono, 2010)

Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent adalah

pengujian yang mana tidak adanya perbedaan yang signifikan antara nilai

variabel dari dua sampel yang berpasangan atau berkolerasi. Sampel

berpasangan dapat berupa :

a) Satu sampel yang diukur dua kali misalnya sebelum sampel diberi iklan

dansesudah diberi iklan. Yang diukur selanjutnya adalah apakah setelah

diberi iklan anggota sampel yang membeli barang lebih banyak daripada

anggota sampel sebelum diberi iklan atau tidak.

b) Dua sampel berpasangan diukur bersama, misalnya sampel yang satu

diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah

apakah anggota sampel yang diberi iklan memberi barang lebih banyak

atau tidak dari pada yang tidak diberi iklan.

2. Fungsi dari Uji T-test dependent

Fungsi dari t-test dependent adalah untuk membandingkan rata-rata dua

grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai

sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan

atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah

dilakukan sebuah perlakuan. Selain itu untuk menguji efektifitas suatu

perlakuan terhadap suatu besaran variabel yang ingin ditentukan, misalnya

untuk mengetahui efektifitas metode penyuluhan terhadap peningkatan

pengetahuan dari responden.( Ridwan, 2009)

3. Syarat – Syarat Penggunaan Uji T - Test Dependent

Syarat – syarat penggunaan uji t – test dependent, terdiri dari :

a) Uji komparasi antar dua nilai pengamatan berpasangan, misalnya:

sebelum dan sesudah

b) Digunakan pada uji parametrik dimana syaratnya sebagai berikut:

1) satu sampel (setiap elemen mempunyai 2 nilai pengamatan)

2) merupakan data kuantitatif (rasio-interval)

20

3) Data berdistribusi normal (di populasi terdapat distribusi difference =

d yang berdistribusi normal dengan mean μd=0 dan variance =1)

(Sugiyono, 2010)

4. Jenis Hipotesis pada Uji T - Test Dependent

a) Uji dua arah. Pada hipotesis awal tidak terdapat perbedaan yang

signifikan antara rata-rata 1 dan rata-rata 2, sedangkan pada hipotesis

alternatif sebaliknya yaitu terdapat perbedaan rata-rata 1 dan rata-rata 2.

b) Uji satu arah dimana pada hipotesis awal kelompok atau sampel 1

memiliki rata-rata sama dengan atau lebih besar dengan rata-rata

kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih

kecil dibandingkan dengan rata-rata kelompok 2.

c) Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis

awal kelompok atau sampel 1 memiliki rata-rata sama dengan atau lebih

kecil dengan rata-rata kelompok 2. sedangakan hipotesis alternatif rata-

rata kelompok 1 lebih besar dibandingkan dengan rata-rata kelompok 2.

Hipotesis awal ditolak, bila:

|t hitung| > t tabel ( terdapat perbedaan / Ha)

atau:

Hipotesis awal diterima, bila:

|t hitung| <= t tabel (tidak terdapat perbedaan / Ho)

21

5. Rumus

Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu :

Statistik hitung (t hitung):

Dimana:

Keterangan

D = Selisih x1 dan x2 (x1-x2)

n = Jumlah Sampel

X bar = Rata-rata

S d = Standar Deviasi dari d.

6. Langkah Menggunakan Uji T – Test Dependent

Menurut Ratih (2014), Langkah-langkah pengujian signifikansi (hipotesis)

dalam Pengujian Perbedaan Rata‐rata Dua kelompok berpasangan:

a) Tetapkan H0 dan H1

b) Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat

kepercayaan 99 %) yang terdapat pada tabel “t”.

c) Tentukan daerah kritis, dengan db = n -1.

d) Tentukan t hitung dengan menggunakan rumus.

e) Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung

dengan “t” tabel.

22

BAB III

PENUTUP

A. Kesimpulan

SPSS adalah salah satu program statistik yang dibuat untuk mempermudah

dalam menyelesaiakan masalah-masalah pengolahan data dalam statistik.

Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS

Data Editor dengan beberapa uji.

Uji Chi square adalah pengujian hipotesis mengenai perbandingan antara

frekuensi observasi atau yang benar-benar terjadi atau aktual dengan frekuensi

harapan. Yang dimaksud dengan frekuensi harapan adalah frekuensi yang

nilainya dapat di hitung secara teoritis (e). sedangkan dengan frekuensi

observasi adalah frekuensi yang nilainya di dapat dari hasil percobaan (o).

B. Saran

Saya menyadari bahwa modul ini masih jauh dari sempurna, oleh karena

itu kritik dan saran dari semua pihak yang bersifat membangun selalu kami

harapkan demi kesempurnaan laporan ini. Akhir kata, saya sampaikan terima

kasih kepada semua pihak yang telah berperan serta dalam penyusunan

makalah ini dari awal sampai akhir.

23

DAFTAR PUSTAKA

Applbaum, Ronald L, 1974, Strategies for Persuasive Communication, Charles E.

Merril Publishing Company, Columbus, Ohio.

Arifin, Johar. 2008. Statistik Bisnis Terapan dengan Microsoft Excel 2007. Jakarta

: PT. Elex Media Komputindo

Csuryana. 2010. Data dan jenis data penelitian.

http://csuryana.wordpress.com/2010/03/25/data-dan-jenis-data-

penelitian/.Diakses pada tanggal 29 Desember 2017

F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara

granosa L.) Under Commercial Culture: Analysis Through Length-Frequency

Data, Bay of

Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/do

crep/007/ae15e /ae115e00.htm

Fiske John. 2012. Pengantar Ilmu Komunikasi. Jakarta: Rajawali Pers.

http://kuliah.dinus.ac.id/edi-nur/sb1-7.html

https://navelmangelep.wordpress.com/2011/12/30/variabel-variabel-dalam-

penelitian/

Liliweri, Alo. 2007. Dasar-dasar Komunikasi Kesehatan. Yogyakarta : Pustaka.

Pelajar.

R. Wayne Pace dan Don F. Faules. 2006. Komunikasi Organisasi; strategi

meningkatkan kinerja perusahaan. Bandung: PT Remaja Rosdakarya.

Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada :

Jakarta

Stoner, James A.F., 1996, Manajemen, Erlangga, Jakarta

24

Dr Elvinaro Ardianto,dkk.,2004 Komunikasi Massa Suatu Pengantar, Bandung:

Simbiosa Rekatama Media. Wiryanto, 2000, Teori Komunikasi Massa,

Jakarta: Grasindo

N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara granosa

L.) Under Commercial Culture: Analysis Through Length-Frequency Data,

Bay of

Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/d

ocrep/007/ae15e /ae115e00.html

25

Formulir Penilaian Praktik Mandiri Statistik I

No.

Aspek yang Dinilai

Bobot

Nilai

YA

TIDAK

1. Praktik Memasukkan Data 20

2. Praktik Recoding Data 20

3. Praktik Membuat Diskrisi Variabel Kategorik

dan Numerik

15

4. Praktik Uji Normalitas 15

5. Praktik Analisa Chi Square 15

6. Praktikum Uji T 15

Jumlah 100