STATISTIK INFERENSIAL
Salah
satu tugas dari statistik inferensial adalah mengambil kesimpulan tentang
sesuatu hal yang diselidiki dari bahan-bahan yang diperoleh dari sejumlah
individu yang sangat terbatas, tetapi kesimpulan itu hendak digeneralisasikan
pada sejumlah individu yang jauh lebih besar jumlahnya.
SAMPEL DAN
POPULASI
Populasi adalah:
Seluruh penduduk yang dimaksud untuk diselidiki, untuk memudahkan pemahaman
Populasi dibatasi sebagai sejumlah penduduk atau individu yang paling
sedikit mempunyai satu sifat yang sama.
Sampel : sejumlah
penduduk yang jumlahnya kurang dari jumlah populasi (bagian dari populasi).
Bagaimana cara
memperoleh sampel yang mewakili populasi ?
Untuk memperoleh
sampel yang mewakili populasi, maka menggunakan teknik (sampling) yang baik.
Adapun teknik memperoleh sampel yang baik adalah sebagai berikut :
1. Random Sampling
a. Cara Undian (mekanik)
b. Cara Ordinal (membuat daftar
nama populasi)
c. Randomisasi dari tabel
bilangan random
2. Non Random Sampling
a. Startified Sampling
Startified Sampling biasa
digunakan jika populasi terdiri dari golongan-golongan yang mempunyai susunan
bertingkat. (misalnya tingkat penghasilan, tingkatan kelas dan lain-lain)
b. Purposive Sampling
Dalam purposive sampling
pemilihan sekelompok subyek didasarkan atas ciri-ciri atau sifat-sifat tertentu
yang dipandang mempunyai sangkut paut yang erat dengan ciri-ciri atau
sifat-sifat pupolasi yang sudah diketahui sebelumnya.
c. Qouta Sampling
d. Incidental Sampling
(kebetulan)
e. Proportional Sampling
Teknik ini memperhatikan
sesuatu pada porsinya atau perimbangan unsur-unsur atau kategori-kategori dalam
populasi.
f. Area Sampling
g. Cluster Sampling (rumpun)
PENGENTASAN
HIPOTESA
Hipotesa adalah
pernyataan yang masih lemah kebenarannya dan masih perlu dibuktikan
kenyataannya.
Hipotesa tidak lazim
dikemukakan dengan bentuk pertanyaan, melainkan selalu dinyatakan dalam
bentuk statemen atau pernyataan.
Hipotesa ada dua :
1.
Hipotesa Alternatif (H1) : Hipotesa yang menyatakan ada
perbedaan antara sampel yang satu dengan sampel yang lainnya atau ada perbedaan
antara variabel yang satu dengan variabel yang lainnya.
Contoh
:
-
Pria lebih cerdas dari pada wanita
-
Wanita lebih cerdas dari pada pria
-
Sate kambing lebih enak dari pada sate ayam
2.
Hipotesa Nihil (H0) : Hipotesa yang menyatakan tidak ada
perbedaan antara sampel yang satu dengan sampel yang lainnya atau tidak ada
perbedaan antara variabel yang satu dengan variabel yang lainnya.
Contoh
:
-
Tidak ada perbedaan kecerdasan antara pria dan wanita
-
Tidak ada perbedaan rasa antara rokok cap kucing
dengan rokok cap kambing
TEKNIK - TEKNIK KORELASI
Kata
"korelasi" berasal dari bahasa Inggris correlation.
Dalam bahasa Indonesia sering diterjemahkan dengan "hubungan",
atau "saling hubungan", atau "hubungan timbal balik"
Dalam
Ilmu Statistik istilah "korelasi" diberi pengertian sebagai
"hubungan antar dua variabel atau lebih".
Dua
variabel yang hendak diselidiki hubungannya itu biasa diberi kode variabel X
dan variabel Y.
Contoh : Hubungan
atau korelasi antara prestasi studi (X) dan kerajinan kuliah (Y). Prestasi
studi disebut dependent variable, yaitu yang dipengaruhi (variabel
terikat); sedang kerajinan kuliah disebut independent variable, yaitu
variabel bebas yang dapat memberikan pengaruh terhadap prestasi studi.
KOEFISIEN KORELASI PRODUCT MOMENT
Koefisien korelasi product moment dapat diperoleh
dengan rumus :
di mana : rxy =
koefisien korelasi antara X dan Y
xy =
product dari x kali y
SDx =
standart deviasi dari variabel X
SDy =
standart deviasi dari variabel Y
Misal Skripsi dengan judul KORELASI ANTARA MATEMATIKA DENGAN ILMU
PENGETAHUAN ALAM
Hipotesa:
1. H1 :
2. H0 :
TABEL 12
CONTOH MENCARI KOEFISIEN KORELASI ANTARA VARIABEL
MATEMATIKA (X) DAN ILMU PENGETAHUAN ALAM (Y)
Subyek
No.
|
Matematika
(X)
|
IPA
(Y)
|
Subyek
No.
|
Matematika
(X)
|
IPA
(Y)
|
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
|
39
62
47
35
75
64
81
72
52
87
|
25
26
24
22
32
35
29
25
25
32
|
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
|
35
35
28
27
30
25
26
37
30
33
|
78
77
66
60
54
80
49
88
68
65
|
Langkah-langkah untuk menghitung koefisien korelasi dengan rumus di
atas :
1. Cari mean kedua variabel (Mx dan My)
2. Cari SD kedua variabel (SDx dan SDy)
3. Cari deviasi setiap nilai kedua variabel. ( x
untuk deviasi variabel X dan y untuk variabel Y) x = X - Mx , y = Y
- My, Jangan lupa Σx = 0 dan Σy = 0
4. kalikan tiap-tiap x dengan tiap-tiap y yang sebaris, dan masukkan ke kolom xy
5. Jumlahkan kolom xy untuk memperoleh Σxy.
TABEL 13
MENGERJAKAN KOEFISIEN KORELASI PRODUCT MOMENT ANTARA
VARIABEL MATEMATIKA (X) DAN ILMU PENGETAHUAN ALAM (Y)
Subyek
|
|||||||
1
|
|||||||
2
|
|||||||
3
|
|||||||
4
|
|||||||
5
|
|||||||
6
|
|||||||
7
|
|||||||
8
|
|||||||
9
|
|||||||
10
|
|||||||
11
|
|||||||
12
|
|||||||
13
|
|||||||
14
|
|||||||
15
|
|||||||
16
|
|||||||
17
|
|||||||
18
|
|||||||
19
|
|||||||
20
|
|||||||
Total
|
Mx = SDx =
My = SDy =
Dimasukkan ke dalam rumus :
Untuk menghemat tenaga
rumus
dapat diubah menjadi :
Rumus-rumus tersebut digunakan jika mean dari masing-masing variabel
adalah bilangan bulat. Akan tetapi jika mean dari masing-masing variabel tidak
bilangan bulat, maka kita terlibat dalam kesukaran untuk mencari deviasi dari
tiap-tiap variabel. Maka jika kita
jumpai hal yang demikian kita dapat menggunakan korelasi product moment dengan menggunakan rumus angka kasar, yaitu :
TABEL 14
MENGERJAKAN KOEFISIEN KORELASI PRODUCT MOMENT ANTARA
VARIABEL MATEMATIKA (X) DAN ILMU PENGETAHUAN ALAM (Y)
DENGAN RUMUS ANGKA KASAR
Sumbyek No.
|
|||||
1
|
|||||
2
|
|||||
3
|
|||||
4
|
|||||
5
|
|||||
6
|
|||||
7
|
|||||
8
|
|||||
9
|
|||||
10
|
|||||
11
|
|||||
12
|
|||||
13
|
|||||
14
|
|||||
15
|
|||||
16
|
|||||
17
|
|||||
18
|
|||||
19
|
|||||
20
|
|||||
Total
|
Dimasukan ke dalam rumus :
TABEL 15
TABEL NILAI-NILAI
"r" PRODUCT MOMENT
N
|
Taraf Signifikan
|
N
|
Taraf Signifikan
|
N
|
Taraf Signifikan
|
|||
5%
|
1%
|
5%
|
1%
|
5%
|
1%
|
|||
3
|
0,997
|
0,999
|
26
|
0,388
|
0,496
|
55
|
0,266
|
0,345
|
4
|
0,950
|
0,990
|
27
|
0,381
|
0,487
|
60
|
0,254
|
0,330
|
5
|
0,878
|
0,959
|
28
|
0,374
|
0,478
|
65
|
0,244
|
0,317
|
29
|
0,367
|
0,470
|
70
|
0,235
|
0,306
|
|||
6
|
0,811
|
0,917
|
30
|
0,361
|
0,463
|
75
|
0,227
|
0,296
|
7
|
0,754
|
0,874
|
||||||
8
|
0,707
|
0,834
|
31
|
0,355
|
0,456
|
80
|
0,220
|
0,286
|
9
|
0,666
|
0,798
|
32
|
0,349
|
0,449
|
85
|
0,213
|
0,278
|
10
|
0,632
|
0,765
|
33
|
0,344
|
0,442
|
90
|
0,207
|
0,270
|
34
|
0,339
|
0,436
|
95
|
0,202
|
0,263
|
|||
11
|
0,602
|
0,735
|
35
|
0,334
|
0,430
|
100
|
0,195
|
0,256
|
12
|
0,576
|
0,708
|
||||||
13
|
0,553
|
0,684
|
36
|
0,329
|
0,424
|
125
|
0,176
|
0,230
|
14
|
0,532
|
0,661
|
37
|
0,325
|
0,418
|
150
|
0,159
|
0,210
|
15
|
0,514
|
0,641
|
38
|
0,320
|
0,413
|
175
|
0,148
|
0,194
|
39
|
0,316
|
0,408
|
200
|
0,138
|
0,181
|
|||
16
|
0,497
|
0,623
|
40
|
0,312
|
0,403
|
300
|
0,113
|
0,148
|
17
|
0,482
|
0,606
|
||||||
18
|
0,468
|
0,590
|
41
|
0,308
|
0,398
|
400
|
0,098
|
0,128
|
19
|
0,456
|
0,575
|
42
|
0,304
|
0,393
|
500
|
0,088
|
0,115
|
20
|
0,444
|
0,561
|
43
|
0,301
|
0,389
|
|||
44
|
0,297
|
0,384
|
600
|
0,080
|
0,105
|
|||
21
|
0,433
|
0,549
|
45
|
0,294
|
0,380
|
700
|
0,074
|
0,097
|
22
|
0,423
|
0,537
|
||||||
23
|
0,413
|
0,526
|
46
|
0,291
|
0,376
|
800
|
0,070
|
0,091
|
24
|
0,404
|
0,515
|
47
|
0,288
|
0,372
|
900
|
0,065
|
0,086
|
25
|
0,396
|
0,505
|
48
|
0,284
|
0,368
|
|||
49
|
0,281
|
0,364
|
1000
|
0,062
|
0,081
|
|||
50
|
0,279
|
0,361
|
Secara sederhana interpretasi
terhadap Angka Indeks Korelasi "r" Product Moment (rxy),
dapat juga dipergunakan pedoman atau
ancar-ancar sebagai berikut:
rxy (r)
|
Interpretasi
|
0,00 – 0,20
|
Antara Variabel X dan Variabel Y memang terdapat
korelasi, akan tetapi korelasi itu sangat lemah, sehingga korelasi diabaikan
(dianggap tidak ada korelasi antara variabel X dan Y
|
0,20 – 0,40
|
Antara Variabel X dan Variabel Y terdapat korelasi
yang rendah
|
0,40 – 0,70
|
Antara Variabel X dan Variabel Y terdapat korelasi
yang sedang
|
0,70 – 0,90
|
Antara Variabel X dan Variabel Y terdapat korelasi
yang kuat/tinggi
|
0,90 – 1,00
|
Antara Variabel X dan Variabel Y terdapat korelasi
yang sangat kuat atau sangat tinggi
|
TEKNIK
KORELASI TATA JENJANG (TEKNIK KORELASI RANK ORDER)
Teknik
Korelasi Tata Jenjang (ρ) dalam dunia statitstik dikenal sebagai teknik Analisa
Korelasional yang paling sederhana jika dibandingkan dengan Teknik Analisa
Korelasional lainnya.
Besar-kecil
atau kuat lemahnya korelasi antara variabel yang sedang kita selidiki
korelasinya, diukur berdasarkan perbedaan urutan kedudukan skornya (rank
of diference), jadi bukan didasarkan pada sekor hasil pengukuran yang
sebenarnya.
Teknik
Analisa Korelasi Tata Jenjang efektif digunakan apabila sampel dalam penelitian
10≤N≤29.
Rumus
untuk menghitung korelasi ini adalah sebagai berikut :
ρ
6
& 1
D
N
|
:
:
:
:
|
Angka indeks Korelasi Tata Jenjang
Bilangan konstan (tidak boleh diubah-ubah)
Difference, yaitu perbedaan
antara urutan sekor pada variabel pertama (R1) dan urutan sekor pada variabel kedua (R2)
; jadi D = R1 – R2. ( ΣD = 0)
Banyaknya pasangan yang sedang dikorelasikan
|
Untuk
memberikan interpretasi terhadap Angka Indeks Korelasi Tata Jenjang, terlebih
dahulu dirumuskan Hipotesanya, baik Hipotesa Altarnatif (H1) atau
Hipotesa Nihil (H0).
Setelah
diperoleh Angka Indeks Korelasi Tata Jenajangnya (ρ), lalu kita berikan
interpretasi dengan mempergunakan Tabel nilai ρ dengan db (derajat kebebasan) =
N, baik pada taraf signifikansi 5% maupun 1%. Jika ρ yang kita peroleh dalam
perhitungan (ρo) ≥ dari pada harga ρ yang tercantum dalam tabel (ρt),
maka Hipotesa Nihil ditolak dan sebaliknya.
Ada tiga cara
mencari (menghitung) Rho, yaitu :
1. dalam keadaan tidak terdapat
urutan yang kembar
2. dalam keadaan terdapat urutan
yang kembar dua
3. dalam keadaan terdapat urutan
yang kembar tiga atau lebih.
1. Dalam keadaan terdapat urutan
kedudukan yang kembar tiga atau lebih
Teknik
menghitung rata-rata kedudukan sekor yang kembar dua seperti di atas,
dikembangkan oleh Du Bois; akan tetapi perhitungan rata-rata dari jumlah urutan
yang kembar dipandang cukup tepat apabila urutan yang kembar itu hanya dua
buah. Jika urutan kedudukan yang kembar itu tiga buah atau lebih, maka perlu
dilakukan perhitungan yang lebih teliti, yaitu dengan mencari "urutan
kedudukan yang kita harapkan" (Re), dengan menggunakan rumus
sebagai berikut :
Re
MR
n
|
:
:
:
|
Rang (urutan kedudukan) yang kita cari (kita harapkan)
sehubungan dengan terjadinya kekembaran.
Mean (Nilai rata-rata hitung) dari Rank (uritan kedudukan)
sekor kembar
Banyaknya sekor yang kembar
|
No comments:
Post a Comment