Tabel T Statistika 

Dalam statistika di kenal namanya tabel distribusi normal. Tabel ini digunakan untuk membantu kita menentukan hipotesis. Hal ini dilakukan dengan cara perbandingan antara statistik hitung dengan statistik uji. Kalau statistik hitung bisa mudah saja diperoleh dari perhitungan sendiri. Nah untuk statistik uji, kita perlu tabel distribusi. Lalu, tabel distribusi apa yang mau dipakai? Ini tergantung statistik uji yang mau dipakai. Kalau pakai statistik uji F, maka kita harus menggunakan tabel distribusi F. jika statistik uji t yang kita gunakan, maka tabel distribusi t yang harus kita pakai sebagai perbandingan. Begitu juga untuk uji hipotesis dengan menggunakan statistik untuk uji Z, maupun Chi-Square. Berikut ini tabel t untuk uji statistik t

Tabel T

d.f.	TINGKAT SIGNIFIKANSI
dua sisi	20%	10%	5%	2%	1%	0,2%	0,1%
satu sisi	10%	5%	2,5%	1%	0,5%	0,1%	0,05%
1	3,078	6,314	12,706	31,821	63,657	318,309	636,619
2	1,886	2,920	4,303	6,965	9,925	22,327	31,599
3	1,638	2,353	3,182	4,541	5,841	10,215	12,924
4	1,533	2,132	2,776	3,747	4,604	7,173	8,610
5	1,476	2,015	2,571	3,365	4,032	5,893	6,869
6	1,440	1,943	2,447	3,143	3,707	5,208	5,959
7	1,415	1,895	2,365	2,998	3,499	4,785	5,408
8	1,397	1,860	2,306	2,896	3,355	4,501	5,041
9	1,383	1,833	2,262	2,821	3,250	4,297	4,781
10	1,372	1,812	2,228	2,764	3,169	4,144	4,587
11	1,363	1,796	2,201	2,718	3,106	4,025	4,437
12	1,356	1,782	2,179	2,681	3,055	3,930	4,318
13	1,350	1,771	2,160	2,650	3,012	3,852	4,221
14	1,345	1,761	2,145	2,624	2,977	3,787	4,140
15	1,341	1,753	2,131	2,602	2,947	3,733	4,073
16	1,337	1,746	2,120	2,583	2,921	3,686	4,015
17	1,333	1,740	2,110	2,567	2,898	3,646	3,965
18	1,330	1,734	2,101	2,552	2,878	3,610	3,922
19	1,328	1,729	2,093	2,539	2,861	3,579	3,883
20	1,325	1,725	2,086	2,528	2,845	3,552	3,850
21	1,323	1,721	2,080	2,518	2,831	3,527	3,819
22	1,321	1,717	2,074	2,508	2,819	3,505	3,792
23	1,319	1,714	2,069	2,500	2,807	3,485	3,768
24	1,318	1,711	2,064	2,492	2,797	3,467	3,745
25	1,316	1,708	2,060	2,485	2,787	3,450	3,725
26	1,315	1,706	2,056	2,479	2,779	3,435	3,707
27	1,314	1,703	2,052	2,473	2,771	3,421	3,690
28	1,313	1,701	2,048	2,467	2,763	3,408	3,674
29	1,311	1,699	2,045	2,462	2,756	3,396	3,659
30	1,310	1,697	2,042	2,457	2,750	3,385	3,646
31	1,309	1,696	2,040	2,453	2,744	3,375	3,633
32	1,309	1,694	2,037	2,449	2,738	3,365	3,622
33	1,308	1,692	2,035	2,445	2,733	3,356	3,611
34	1,307	1,691	2,032	2,441	2,728	3,348	3,601
35	1,306	1,690	2,030	2,438	2,724	3,340	3,591
36	1,306	1,688	2,028	2,434	2,719	3,333	3,582
37	1,305	1,687	2,026	2,431	2,715	3,326	3,574
38	1,304	1,686	2,024	2,429	2,712	3,319	3,566
39	1,304	1,685	2,023	2,426	2,708	3,313	3,558
40	1,303	1,684	2,021	2,423	2,704	3,307	3,551
41	1,303	1,683	2,020	2,421	2,701	3,301	3,544
42	1,302	1,682	2,018	2,418	2,698	3,296	3,538
43	1,302	1,681	2,017	2,416	2,695	3,291	3,532
44	1,301	1,680	2,015	2,414	2,692	3,286	3,526
45	1,301	1,679	2,014	2,412	2,690	3,281	3,520
46	1,300	1,679	2,013	2,410	2,687	3,277	3,515
47	1,300	1,678	2,012	2,408	2,685	3,273	3,510
48	1,299	1,677	2,011	2,407	2,682	3,269	3,505
49	1,299	1,677	2,010	2,405	2,680	3,265	3,500
50	1,299	1,676	2,009	2,403	2,678	3,261	3,496
51	1,298	1,675	2,008	2,402	2,676	3,258	3,492
52	1,298	1,675	2,007	2,400	2,674	3,255	3,488
53	1,298	1,674	2,006	2,399	2,672	3,251	3,484
54	1,297	1,674	2,005	2,397	2,670	3,248	3,480
55	1,297	1,673	2,004	2,396	2,668	3,245	3,476
56	1,297	1,673	2,003	2,395	2,667	3,242	3,473
57	1,297	1,672	2,002	2,394	2,665	3,239	3,470
58	1,296	1,672	2,002	2,392	2,663	3,237	3,466
59	1,296	1,671	2,001	2,391	2,662	3,234	3,463
60	1,296	1,671	2,000	2,390	2,660	3,232	3,460
61	1,296	1,670	2,000	2,389	2,659	3,229	3,457
62	1,295	1,670	1,999	2,388	2,657	3,227	3,454
63	1,295	1,669	1,998	2,387	2,656	3,225	3,452
64	1,295	1,669	1,998	2,386	2,655	3,223	3,449
65	1,295	1,669	1,997	2,385	2,654	3,220	3,447
66	1,295	1,668	1,997	2,384	2,652	3,218	3,444
67	1,294	1,668	1,996	2,383	2,651	3,216	3,442
68	1,294	1,668	1,995	2,382	2,650	3,214	3,439
69	1,294	1,667	1,995	2,382	2,649	3,213	3,437
70	1,294	1,667	1,994	2,381	2,648	3,211	3,435
71	1,294	1,667	1,994	2,380	2,647	3,209	3,433
72	1,293	1,666	1,993	2,379	2,646	3,207	3,431
73	1,293	1,666	1,993	2,379	2,645	3,206	3,429
74	1,293	1,666	1,993	2,378	2,644	3,204	3,427
75	1,293	1,665	1,992	2,377	2,643	3,202	3,425
76	1,293	1,665	1,992	2,376	2,642	3,201	3,423
77	1,293	1,665	1,991	2,376	2,641	3,199	3,421
78	1,292	1,665	1,991	2,375	2,640	3,198	3,420
79	1,292	1,664	1,990	2,374	2,640	3,197	3,418
80	1,292	1,664	1,990	2,374	2,639	3,195	3,416
81	1,292	1,664	1,990	2,373	2,638	3,194	3,415
82	1,292	1,664	1,989	2,373	2,637	3,193	3,413
83	1,292	1,663	1,989	2,372	2,636	3,191	3,412
84	1,292	1,663	1,989	2,372	2,636	3,190	3,410
85	1,292	1,663	1,988	2,371	2,635	3,189	3,409
86	1,291	1,663	1,988	2,370	2,634	3,188	3,407
87	1,291	1,663	1,988	2,370	2,634	3,187	3,406
88	1,291	1,662	1,987	2,369	2,633	3,185	3,405
89	1,291	1,662	1,987	2,369	2,632	3,184	3,403
90	1,291	1,662	1,987	2,368	2,632	3,183	3,402
91	1,291	1,662	1,986	2,368	2,631	3,182	3,401
92	1,291	1,662	1,986	2,368	2,630	3,181	3,399
93	1,291	1,661	1,986	2,367	2,630	3,180	3,398
94	1,291	1,661	1,986	2,367	2,629	3,179	3,397
95	1,291	1,661	1,985	2,366	2,629	3,178	3,396
96	1,290	1,661	1,985	2,366	2,628	3,177	3,395
97	1,290	1,661	1,985	2,365	2,627	3,176	3,394
98	1,290	1,661	1,984	2,365	2,627	3,175	3,393
99	1,290	1,660	1,984	2,365	2,626	3,175	3,392
100	1,290	1,660	1,984	2,364	2,626	3,174	3,390

Cara Membaca Tabel T

Kita lihat dulu bagian-bagian dari tabel T masing-masing kolom mulai dari kolom kedua (angka yang dicetak tebal) dari tabel tersebut adalah nilai probabilita atau tingkat signifikansi. Nilai yang lebih kecil menunjukkan probabilita satu arah (satu sisi) sedangkan nilai yang lebih besar menunjukkan probabilita kedua arah (dua sisi). Misalnya pada kolom kedua, angka 0,25 adalah probabilita satu arah sedangkan 0,50 adalah probabilita dua arah. Lanjut di bagian kiri ada degree of freedom (derajat kebebasan) seinget saya waktu kuliah dulu angkanya 1 sampai 200

Probabilita Pada Tabel T

Sebelum melakukan pengujian hipotesis terlebih dahulu kita tetapka apa yang disebut dengan probabilita. Probabilita itu adalah taraf signifikansi atau sering disebut alpha α.

Probabilita 1 arah dan probabilita 2 arah

Jenis probabilita tergantung pada rumusan hipotesis yang akan kita uji. Misal kita ingin menguji suatu hipotesis ” Dari sisi ini, pengujian hipotesis memiliki dua bentuk pengujian yaitu pengujian satu arah dan pengujian dua arah. Pengujian satu arah atau dua arah tergantung pada perumusan hipotesis yang akan kita uji. Misalnya jika hipotesis kita berbunyi, “ pendidikan berpengaruh positif terhadap pendapatan”. Artinya semakin tinggi pendidikan semakin besar pendapatan”. Maka pengujiannya menggunakan uji satu arah. Atau, misalnya “ umur berpengaruh negatif terhadap pendapatan”. Artinya semakin tua umur semakin rendah pendapatan”. Ini juga menggunakan pengujian satu arah.

Tetapi jika hipotesisnya berbunyi, “ terdapat pengaruh umur terhadap pendapatan”. Artinya umur bisa berpengaruh positif , tetapi juga bisa berpengaruh negatif terhadap pendapatan. Maka, pengujiannya menggunakan uji dua arah.

Kalau kita melakukan pengujian satu arah. Maka pada tabel t, lihat pada judul kolom bagian paling atasnya (angka yang kecilnya). Sebaliknya kalau kita  melakukan pengujian dua arah, lihat pada judul kolom angka yang besarnya.

Selanjutnya bagaimana menentukan  derajat bebas atau degree of freedom (df) tersebut ?

Dalam pengujian hipotesis untuk model regresi, derajat bebas ditentukan dengan rumus n – k. Dimana n = banyak observasi sedangkan k = banyaknya variabel (bebas dan terikat). (Catatan: untuk pengujian lain misalnya uji hipotesis rata-rata dllnya rumus ini bisa berbeda).

Contoh soal (menggunakan tabel t)

Misalnya kita punya persamaan regresi yang memperlihatkan pengaruh  pendidikan (X1) dan umur (X2) terhadap pendapatan (Y). Jumlah observasi (responden) yang kita gunakan untuk membentuk persamaan ini sebanyak 10 responden (jumlah sampel yang sedikit ini hanya untuk penyederhanaan saja).  Pengujian hipotesis dengan α = 5%. Sedangkan derajat bebas pengujian adalah n – k = 10 – 3 = 7.

Hipotesis pertama: Pendidikan berpengaruh positif terhadap pendapatan. Pengujian dengan α = 5 %. Hipotesis kedua: Umur berpengaruh terhadap pendapatan.   Pengujian juga dengan α = 5 %. Untuk hipotesis pertama, karena uji satu arah, maka lihat pada kolom ke empat tabel diatas, sedangkan df nya lihat pada angka tujuh. Nilai tabel t = 1,895. Untuk hipotesis kedua, karena uji dua arah, maka lihat pada kolom ke lima tabel diatas, dengan df = 7 maka nilai tabel t = 2,365

 Selain cara manual di atas kita juga bisa menentukannilai t tabel dan f tabel dengan formula excel yaitu :

1. Rumus Excel UntukNilai t tabel

Misalnya untuk mencari nilai t-tabel kita tinggal menuliskan formula pada  insert function atau sel-nya =TINV(probability, deg_freedom). Namun kita tidak perlu menulis lengkap seperti itu. Kita tinggal menggantikan nilai probability dan degree of  freedom-nya saja lalu kita ENTER. Probability diambil dari  tingkat signifikan yang kita pakai, misalnya 1%, 5%, 10%, 20% dan sebagainya. Sementara degree of freedom menunjukkan derajat bebasnya. Misalnya kita menggunakan tingkat signifikan 5 % dan df 30, maka penulisannya =TINV(0.05, 30) dan ENTER, maka akan muncul angka 2.0422.

 

 2. Rumus ExcelUntuk Nilai f Tabel

Sementara itu, untuk mencari nilai F tabel formulanya adalah =FINV((probability, deg_freedom1, deg_freedom2). Seperti di t-tabel, kita tak perlu menuliskan semua, tinggal memasukan saja angka-angkanya. Misal jika tingkat signifikan sebesar 5%, df1 sebesar 33 dan df2 sebesar 33, maka =FINV(0.05, 33, 33) dan ENTER, dan akhirnya akan menghasilkan angka 1.7878.

(Sumber  http://junaidichaniago.com)

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS

 Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS

 Fungsi Uji t Parsial dalam analisis regresi berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara parsial [sendiri] berpengaruh signifikan terhadap variabel (Y). Namun, jika yang ingin diketahui adalah pengaruh variabel bebas secara bersama-sama [simultan] terhadap variabel terikat maka hal ini disebut dengan uji F.

Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi ada dua cara yaitu :

1. Berdasarkan nilai t hitung dan t tabel

    Jika nilai t hitung > t tabel maka variabel bebas berpengaruh terhadap variabel terikat
    Jika nilai t hitung < t tabel maka variabel bebas tidak berpengaruh terhadap variabel terikat


2. Berdasarkan nilai signifikansi hasil output SPSS

    Jika nilai Sig. < 0,05 maka variabel bebas berpengaruh signifikan terhadap variabel terikat
    Jika nilai Sig. > 0,05 maka variabel bebas tidak berpengaruh signifikan terhadap variabel terikat


Pada bagian praktek Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS ini, saya akan menggunakan hasil output SPSS dalam Analisis Regresi Multipes yang sebelumnya telah saya lakukan. Adapun ringkasan output pada tabel Coefficients dapat dilihat pada gambar berikut ini :

Dengan melihat output di atas berarti terdapat dua hipotesis [Ha] yang diajukan dalam uji t ini:

1. H1 = Motivasi (X1) berpengaruh signifikan terhadap Prestasi (Y) – [disebut uji t pertama]
2. H2 = Minat (X2) berpengaruh signifikan terhadap Prestasi (Y) – [disebut uji t kedua]


CARA MELAKUKAN UJI T PARSIAL [UJI T PERTAMA]

Berdasarkan output Coefficients di atas, diketahui bahwa nilai koefisien regresi variabel Motivasi (X1) adalah sebesar 0,212 bernilai positif +, sehingga dapat dikatakan bahwa Motivasi (X1) berpengaruh positif terhadap Prestasi (Y). Pengaruh positif diartikan, bahwa semakin meningkat Motivasi (X1) maka akan meningkat pula Prestasi (Y).

Selanjutnya, untuk mengetahui apakah pengaruh tersebut signifikan atau tidak, maka nilai koefisien regresi dari variabel Motivasi (X1) ini akan diuji signifikasinya [inilaih yang sering disebut dengan uji t parsial dalam analisis regresi.

Hipotesis (Dugaan) dalam Uji t Pertama adalah :

    H0 = Motivasi (X1) tidak berpengaruh signifikan terhadap Prestasi (Y)
    H1 = Motivasi (X1) berpengaruh signifikan terhadap Prestasi (Y)


Tingkat kepercayaan yang digunakan adalah 95%, maka nilai α = 0,05

Dasar Pengambilan Keputusan dalam Uji t Pertama

    H0 diterima dan H1 ditolak jika nilai t hitung < t tabel atau jika nilai Sig. > 0,05
    H0 ditolak dan H1 diterima jika nilai t hitung > t tabel atau jika nilai Sig. < 0,05
Rumus untuk Mencari Nilai t Tabel adalah :
t tabel = (tingkat kepercayaan dibagi 2 ; jumlah responden dikurangi jumlah variabel bebas dikurangi 1) atau jika ditulis dalam bentuk rumus, maka rumusnya seperti di bawah ini
t tabel = (α/2 ; n-k-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,025 ; 9)
t tabel = angka 0,025 ; 9 kemudian di cari pada distribusi nilai t tabel maka ditemukan nilai t tabel sebesar 2,262 [Download Distribusi Nilai t Tabel silahkan cari sendiri]

Hasil dan Pengambilan Keputusan dalam Uji t Pertama
Berdasarkan hasil analisis regresi diperoleh nilai t hitung sebesar 0,992 < t tabel 2,262 dan nilai singnifikansi (Sig.) 0,347 > 0,05. Maka dapat disimpulkan bahwa H0 diterima dan H1 ditolak, yang artinya “Motivasi (X1) tidak berpengaruh signifikan terhadap Prestasi (Y)”

Untuk uji t kedua yakni dengan H2 = Minat (X2) berpengaruh signifikan terhadap Prestasi (Y). Silahkan sobat lakukan sendiri dulu ya.. karena caranya sama kok seperti uji t pertama di atas..selamat mencoba.. semoga artikel di atas bermanfaat terimakasih..

Uji Validitas Dan Reabilitas Kuesioner Dengan SPSS

Uji validitas dan reliabilitas kuisioner diperlukan untuk memastikan bahwa kuisioner yang digunakan dalam penelitian mampu mengukur variabel penelitian dengan baik.

Validitas 

Suatu instrument dikatakan valid apabila mampu mengukur apa yang diinginkan dan mengungkapkan data dari variable yang diteliti secara tepat. Singarimbun dan Effendi (1997) menyatakan bahwa validitas menunjukan sejauh mana alat ukur itu mampu mengukur apa yang ingin diukur.

Dengan membandingkan    nilai r pada tabel r dengan r hitung, r hitung di dapatkan dengan menggunakan SPSS.sedangkan r tabel didapatkan dengan berpedoman kepada tabel r dengan ketentuan r minimal adalah 0,3. (Lihat Buku Sugiyono, 2011).

Reabilitas

Menurut Nunnaly dalam Ghosali (2002), pengujian statistik crobach’alpha, instrumen dikatakan reliabel untuk mengukur variabel bila memiliki nilai alpha lebih besar dari 0,60. Melihat nilai alpha cronbach dan masing-masing variabel, menurut .Ronny Kountur (2003) tingkat reliabilitas pada umumnya dapat diterima pada nilai sebesar 0,60. Test yang reliabilitasnya di bawah 0,60 dianggap tidak reliable.

Ada beberapa software yang biasa digunakan untuk menguji validitas dan reliabilitas suatu kuisioner. Software tersebut antara lain SPSS dan Excel. Berikut ini akan disajikan contoh kasus serta langkah pengujian menggunakan SPSS.

Pengujian dengan SPSS 

Contoh kasus :

Dalam suatu penelitian, seorang peneliti akan meneliti pengaruh adanya insentif terhadap pelayanan karyawan. Peneliti tersebut menggunakan kuesioner untuk memperoleh data yang dibutuhkan. Soal yang disajikan dalam kuesioner tersebut sejumlah 10 butir soal. Sebelum peneliti tersebut terjun ke lapangan untuk memperoleh data dari responden tentunya peneliti tersebut harus melakukan pengujian terhadap alat pengumpul data (kuesioner) tersebut, apakah kuesioner tersebut sudah benar-benar siap untuk digunakan sebagai alat pengumpul data atau belum, dengan kata lain peneliti tersebut harus menguji validitas dan reliabilitas kuesioner tersebut. maka data skore kuesiener uji coba yang sudah di tabelkan di excel lalu di input ke SPSS.

1.Uji validitas Dengan SPSS
 Klik Analize---Corelation---Bivariate


Lalu akan muncul jendela berikut

Lalu pindahkan semua item dari 1 sampai pelayanan ke kotak variables sebelah kanan selanjutnya centang pearson, two tailed, dan flag significant corelation, seperti berikut :


Maka output SPSS nya sebagai berikut :





Berdasarkan Output SPSS di atas maka dapat disimpulkan bahwa :
1. Item soal no 1 Valid dengan r Hitung 0,703 > 0,3
2. Item soal no 2 Valid dengan r Hitung 0,704 > 0,3
3. Item soal no 3 Valid dengan r Hitung 0,670 > 0,3
4. Item soal no 4 Valid dengan r Hitung 0,761 > 0,3
5. Item soal no 5 Valid dengan r Hitung 0,731 > 0,3
6. Item soal no 6 Valid dengan r Hitung 0,810 > 0,3
7. Item soal no 7 Valid dengan r Hitung 0,752 > 0,3
8. Item soal no 8 Valid dengan r Hitung 0,882 > 0,3
9. Item soal no 9 Valid dengan r Hitung 0,704 > 0,3
10. Item soal no 10Ttidak Valid dengan r Hitung 0,164 < 0,3

2. Uji Reabilitas Dengan SPSS

Klik  Analize---scale---reability analize



Sehingga muncul jendela sebagai berikut :



Lalu pindahkan semua item dari 1 sampai 10 (tanpa pelayanan) ke kotak sebelah kanan, pastikan dalam mode alpha lalu klik ok maka outputnya sebagai berikut :



Maka yang perlu kita perhatikan disini adalah nilai cronbach  alpha nya, pada output di atas menunjukkan bahwa nila icronbach alpha dari hasil uji kita adalah sebesar 0,818 hal ini membuktikan yang mana kuisioner yang kita gunakan dalam penelitian ini Realibel atau handal. Karena nilai cronbath alphanya lebih besar dari nilai ketentuan minimum cronbach alpha yang ditentukan yaitu : 0,818 > 0,06.

Jenis Data dan Pemilihan Analisis Statistik

Jenis Data dan Pemilihan Analisis Statistik

Pendahuluan

Desain penelitian menentukan teknik statistik, bukan sebaliknya teknik statistik menentukan rancangan penelitian. Statistik dipakai untuk melayani dan sebagai alat dalam penelitian, bukan untuk menguasainya. Agar kita tepat dalam melakukan analisis data, maka kiranya wajib bagi untuk memahami Pemilihan Analisis Statistik berdasarkan jenis data dan bentuk hipotesis.

Data dan Penyajian Data

• Tugas peneliti adalah mendapatkan data untuk ‘mengisi’ variabel penelitian.
• Data akan sangat bergantung daripada definisi operasional variabel penelitian.

Ditinjau dari cara memperoleh data

• Data primer : data yang diperoleh langsung dari sumber data
• Data sekunder :  data yang diperoleh dari sumber tidak langsung

Ditinjau dari tingkat keterukuran variabel penelitian

• Data kualitatif : data yang tidak boleh diukur dengan angka atau data yang tidak boleh diangkakan
• Data kuantitatif : data yang boleh diangkakan atau dikuantifikasikan

Berdasarkan tingkat pengukuran variabel penelitian yang dikuantifikasikan:

• Data nominal
• Data ordinal
• Data interval (scale)
• Data rasio

Data nominal

• Data yang ditetapkan berdasarkan proses penggolongan atau kategorisasi.
• Data nominal ini bersifat diskrit dan saling terpisah (mutually exlusive) antara golongan (kategori) yang satu dengan yang lain.
• Contoh : data tentang pendapat responden terhadap kenaikan iuran (setuju/tidak setuju).

Data ordinal

• Data yang mempunyai urutan atau boleh diurutkan berdasarkan peringkat atau atribut tertentu.
• Contoh : data tentang rangking pelajar, hasil lomba pidato bahasa Inggris bagi siswa SMK, dan sebagainya.
• Data ordinal juga bersifat diskrit.

Data interval (scale)

• Data yang dapat dikelompokkan berdasarkan ukuran (satuan/unit) yang sama; dapat diurutkan berdasarkan kelompok tersebut sebagaimana data ordinal.
• Data interval umumnya bersifat kontinyu.
• Contohnya : data tentang skor test pelajar, data tentang prestasi belajar, dan sebagainya.

Data rasio

• Data yang dalam kuantifikasinya mempunyai nilai nol (0) mutlak; artinya ‘kuantiti’ nol (0) dapat masuk sebagai anggota data.
• Dalam penelitian ilmu-ilmu sosial, jarang peneliti menggunakan data rasio.
• Data rasio bersifat kontinyu.

Konversi data 

• Dalam praktek pengolahan data, dimungkinkan melakukan konversi dari data yang mempunyai tingkat lebih tinggi ke tingkat data yang lebih rendah.
• Data rasio -> data interval -> data ordinal -> data nominal
• Konversi data diperlukan biasanya untuk menyesuaikan dengan teknik analisis statistik yang akan dipakai.

Analisis data

• Analisis non-statistik
• Analisis statistik

Analisis non-statistik

• Data kualitatif, iaitu data-data yang tidak dapat di-angkakan, analisis non-statistik lebih tepat digunakan
• Data kualitatif  biasanya diolah atau dianalisis berdasarkan isinya (subtansinya).
• Analisis non statistik ini sering juga disebut dengan analisis isi (content analysis), yang mencakup analisis deskriptif, kritis, komparatif, dan sintesis.
• Penelitian yang menggunakan data kualitatif  disebut penelitian kualitatif.

Analisis statistik

• Untuk data kuantitatif, iaitu data yang berupa angka atau bisa diangkakan, analisis statistik lebih tepat digunakan
• Statistik deskriptif dan statistik inferensial
• Statistik deskriptif digunakan untuk membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel penelitian -> penelitian deskriptif
• Penelitian deskriptif tidak untuk menguji suatu hipotesis.

Statistika Inferensial

• Digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran suatu teori baru yang diajukan peneliti yang dikenal dengan hipotesis -> penelitian inferensial
• Dalam penelitian inferensial, teknik analisis statistik yang digunakan merujuk kepada suatu pengujian hipotesis

Langkah-langkah utama dalam pengujian hipotesis:

• Membuat asumsi -> kondisi apa yang dapat “diterima “ oleh peneliti
• menentukan statistik ujian
• Memilih suatu tingkat Signifikansi
• Menghitung harga statistik ujian
• Membuat keputusan ujian (diterima / ditolak)

Rambu-rambu Pemilihan Analisis Statistik

• Jenis penelitian (deskriptif, inferensial)
• Jenis variabel (terikat, bebas)
• Tingkat pengukuran variabel (nominal, ordinal, interval)
• Banyaknya variabel (satu, lebih dari satu )
• Maksud statistik (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi, kesesuaian, dan sebagainya).

Tabel Panduan Pemilihan Analisis Statistik

Berikut adalah Tabel panduan Pemilihan Analisis Statistik yang tepat:

Apabila Banyaknya Variabel adalah 1(Satu)

Apabila Banyaknya variabel 2 (dua) atau Lebih

 

 

 

 

 
 

 

Statistik hanyalah alat yang membantu peneliti untuk memudahkan memahami dan memberikan makna dari data penelitian yang diperoleh. Tugas peneliti melakukan interpretasi terhadap data yang diperoleh dan membahasnya lebih lanjut secara lebih mendalam dan komprehensif berdasarkan teori-teori yang menyokong serta fakta yang terjadi di lapangan.  Pada ruang ‘interpretasi hasil analisis data’ inilah didapatkan karya monumental seorang peneliti.

Demikianlah penjelasan tentang Pemilihan Analisis Statistik berdasarkan jenis data atau skala data. Semoga bermanfaat.

 

Pengertian Transformasi Data

Transformasi Data

Pengertian Transformasi Data

Transformasi Data adalah upaya yang dilakukan dengan tujuan utama untuk mengubah skala pengukuran data asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang mendasari analisis ragam.

Jenis Transformasi Data

Transformasi data ada beberapa jenis, antara lain:

1. Transformasi Square Root (Akar),
2. Tansformasi Logaritma,
3. Transformasi Arcsin,
4. Transformasi Square (Kuadrat),
5. Transformasi Cubic (Pangkat Tiga),
6. Transformasi Inverse (Kebalikan),
7. Transformasi Inverse Square Root (Kebalikan Akar),
8. Transformasi Inverse Square (Kebalikan Kuadrat),
9. Transformasi Inverse Cubic (Kebalikan Pangkat Tiga),
10. Transformasi Reverse Score (Balik Skor).

Catatan Transformasi Data

Data yang ditampilkan pada laporan anda tetap data aslinya sedangkan data transformasi hanya untuk membantu anda untuk membuat data asli memenuhi asumsi-asumsi analisis ragam.

Rumus Transformasi Data

Bahasan di bawah ini dijelaskan Rumus Transformasi Data.

Transformasi akar

Transformasi jenis ini disebut juga dengan istilah transformasi akar kuadrat (square root). Transformasi akar digunakan apabila data anda tidak memenuhi asumsi kehomogenen ragam. Dengan kata lain transformasi akar berfungsi untuk membuat ragam menjadi homogen.

Kalau X adalah data asli anda, maka X’ (X aksen) adalah data hasil transformasi anda. Jadi X = X’.

Apabila data asli anda menunjukkan sebaran nilai antara 0 – 10, maka anda gunakan transfromasi akar X + 0,5. Dan apabila nilai ragam data anda lebih kecil gunakan transformasi akar X + 1.

Transformasi akar ini dapat juga anda gunakan untuk data persentase apabila nilainya antara 0 – 30%. Jika kebanyakan nilainya adalah kecil, khususnya jika ada nilai 0, maka gunakan transformasi akar X + 0,5 daripada akar X.

Rumus Transformasi Akar

Rumus Excel Transformasi Akar adalah: =SQRT(Data Asli + 0,5). Apabila data asli ada di Cell A4 maka rumusnya =SQRT(A4 + 0,5).

Cara Compute Transformasi Akar Pada SPSS adalah: Klik Menu, Transform, Compute Variabel, Pada Target Variabel Beri Nama Misal “Transform” dan Pada Kotak Numeric Expression isi dengan: SQRT(Variabel Asli + 0,5). Apabila Variabel Asli memiliki nama (name) “Var1” maka: SQRT(Var1 + 0,5).

Contoh penggunaan transformasi akar

Contoh penggunaan transformasi akar ini dengan menggunakan data hasil pengamatan dari percobaan pengobatan Bakteri Salmonella dengan 4 Jenis Antibiotik. Hasil percobaan berupa banyaknya bakteri yang mati seperti pada tabel berikut ini:

 

Transformasi Data Akar

Hasil analisis ragam data asli sebagai berikut:

 

Hasil pengujian terhadap data asli di atas menunjukkan nilai F Hitung 19,407.

Kemudian lakukan transformasi akar dengan rumus akar X + 0,5. Hal ini karena sebaran data tersebut kurang dari 10. Misalnya untuk data perlakuan A kelompok I, X = 2, maka hasil transformasinya adalah akar 2 + 0,5 = 3,5 = 1,581. Dan selanjutnya hingga data pada perlakuan D kelompok IV.

Berikut ini adalah data hasil transformasi akar dari data asli :

 

Kesimpulan hasil Transformasi Akar:

Hasil pengujian terhadap data transformasi di atas menunjukkan nilai F Hitung 17,654.

Perhatikan ternyata setelah data memenuhi asumsi analisis ragam, terdapat perubahan nilai F hitung dari 19,407 menjadi 17,654.

Dari 2 hasil analisis di atas, manakah nilai p value atau signifikansi yang akan dipakai? Tentu saja anda harus menggunakan hasil pada data transformasi karena hasil itulah yang memberikan keadaan sesungguhnya dari percobaan anda.

Transformasi Logaritma

Beberapa buku ada yang menyebutnya dengan transformasi Log X. Transformasi Logaritma digunakan apabila data anda tidak memenuhi asumsi pengaruh aditif. Kalau X adalah data asli anda, maka X’ (X aksen) adalah data hasil transformasi anda dimana X’ = Log X. Jadi X = X’. Ada beberapa hal yang perlu anda perhatikan dalam penggunaan transformasi logaritma ini yaitu:

a) Apabila data asli anda menunjukkan sebaran nilai kurang dari 10 atau nilai mendekati nol, maka anda gunakan transfromasi log X + 1.

b) Apabila data anda banyak mengandung nilai nol, maka sebaiknya gunakan transformasi yang lain, misalnya transformasi akar.

c) Apabila data anda banyak mendekati nol (misalnya bilangan desimal), maka semua data dikalikan 10 sebelum dijadikan ke logaritma. Jadi X’ = log (10X). Misalnya X = 0,12 setelah di taransformasikan X’ akan menjadi X’ = log (10 x 0,12) = 0,079.

Rumus Transformasi Logaritma

Rumus Excel Transformasi Logaritma adalah: =Log(Data Asli). Apabila data asli ada di Cell A4 maka rumusnya =Log(A4).

Cara Compute Transformasi Logaritma Pada SPSS adalah: Klik Menu, Transform, Compute Variabel, Pada Target Variabel Beri Nama Misal “Transform” dan Pada Kotak Numeric Expression isi dengan: Lg10(Variabel Asli). Apabila Variabel Asli memiliki nama (name) “Var1” maka: Lg10(Var1).

Contoh Transformasi Logaritma

Contoh penggunaan transformasi akar ini dengan menggunakan data hasil pengamatan dari percobaan pengobatan Bakteri Clostridium dengan 5 Jenis Antibiotik. Hasil percobaan berupa banyaknya bakteri yang mati seperti pada tabel berikut ini:

Transformasi Data Logaritma

Dan hasil analisis ragam data asli adalah berikut ini :

Hasil pengujian terhadap data asli di atas menunjukkan nilai F Hitung 27,844.

Kemudian lakukan transformasi logaritma dengan rumus Log X. Misalnya untuk data perlakuan Ha NPV-Asb kelompok I, X = 20, maka hasil transformasinya adalah Log 20 = 1,301. Dan selanjutnya hingga data pada perlakuan Kontrol kelompok IV.

Berikut ini adalah data hasil transformasi log X dari data asli :

Dan hasil analisis ragam dari data transformasi adalah berikut ini :

Kesimpulan Transformasi Logaritma

Hasil pengujian terhadap data transformasi di atas menunjukkan nilai F Hitung 40,106.

Perhatikan ternyata setelah data memenuhi asumsi analisis ragam, terdapat peningkatan nilai F hitung dari 27,844 menjadi 40,106.

Dari 2 hasil analisis di atas, manakah nilai p value atau signifikansi yang akan dipakai? Tentu saja anda harus menggunakan hasil pada data transformasi karena hasil itulah yang memberikan keadaan sesungguhnya dari percobaan anda.

Transformasi Arcsin

Transformasi ini disebut juga dengan transformasi Angular. Transformasi Arcsin digunakan apabila data anda dinyatakan dalam bentuk persentase atau proporsi. Umumnya data yang demikian mempunyai sebaran binomial. Bentuk transformasi arcsin ini biasa disebut juga transformasi kebalikan sinus atau transformasi arcus sinus. Kalau X adalah data asli anda, maka X’ (X aksen) adalah data hasil transformasi anda dimana X’ = Arcsin X. Jadi X = X’. Namun, data dalam bentuk persentase tidak mesti harus menggunakan transformasi arcsin.

Syarat Transformasi Data Arcsin

Ada beberapa hal yang perlu anda perhatikan dalam penggunaan transformasi arcsin ini yaitu:

a) Apabila data asli anda menunjukkan sebaran nilai antara 30% – 70%, tidak memerlukan transformasi.

b) Apabila data asli anda menunjukkan sebaran nilai antara 0% – 30% dan 70% – 100%, maka lakukan transformasi arcsin.

c) Apabila data anda banyak yang bernilai nol, maka gunakan transformasi arcsin akar (% + 0,5).

Rumus Transformasi Arcsin

Rumus Excel Transformasi Arcsin adalah: =ASIN(SQRT(Data Asli/100))*180/PI(). Apabila data asli ada di Cell A4 maka rumusnya =ASIN(SQRT(A4/100))*180/PI(). Juga boleh menggunakan rumus: =ASIN(SQRT(A4/100))*180/(22/7).

Cara Compute Transformasi Arcsin Pada SPSS adalah: Klik Menu, Transform, Compute Variabel, Pada Target Variabel Beri Nama Misal “Transform” dan Pada Kotak Numeric Expression isi dengan: =ASIN(SQRT(Variabel Asli))*180/(22/7)  Apabila Variabel Asli memiliki nama (name) “Var1” maka: =ASIN(SQRT(Var1))*180/(22/7).

Contoh Transformasi Arcsin

Contoh penggunaan transformasi akar ini dengan menggunakan data hasil pengamatan dari percobaan pengobatan Bakteri Shigella dengan 5 Jenis Antibiotik. Hasil percobaan berupa banyaknya bakteri yang mati seperti pada tabel berikut ini:

Dan hasil analisis ragam data asli adalah berikut ini :

Kesimpulan Transformasi Arcsin

Hasil pengujian terhadap data asli di atas menunjukkan F Hitung: 39,245.

Karena data menyebar antara 4% – 29%, maka data ditransformasi ke arcsin √ %. Misalnya untuk data perlakuan A kelompok I, X = 4% atau 0,04, maka hasil transformasinya adalah arcsin √0,04 = 11,537. Dan selanjutnya hingga data pada perlakuan El kelompok IV.

Berikut ini adalah data hasil transformasi arcsin dari data asli :

Dan hasil analisis ragam dari data transformasi adalah berikut ini :

Hasil pengujian terhadap data transformasi di atas menunjukkan nilai F Hitung: 59,355.

Perhatikan ternyata setelah data memenuhi asumsi analisis ragam, terdapat peningkatan nilai F hitung dari 35,245 menjadi 59,355.

Dari 2 hasil analisis di atas, manakah nilai p value atau signifikansi yang akan dipakai? Tentu saja anda harus menggunakan hasil pada data transformasi karena hasil itulah yang memberikan keadaan sesungguhnya dari percobaan anda.

Ketiga Transformasi di atas: Square Root, Logaritma dan Arcsin adalah yang paling sering digunakan. Tetapi masih ada alternatif transformasi yang lain, yaitu:

Transformasi Inverse

Transformasi ini dilakukan dengan membalik nilai asli, yaitu dengan rumus: 1/Variabel. Dalam excel rumusnya: =1/Var.
Misal Nilai asli -1,4 maka nilai transformasi: 1/-1,4 = -0,714
Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var+1)

Transformasi Inverse Square

Transformasi ini dilakukan dengan membalik nilai kuadrat, yaitu dengan rumus: 1/Square(Variabel). Dalam excel rumusnya: =1/(Var^2) atau =1/(Power(Var;2))

Misal Nilai asli -1,4 maka nilai transformasi: 1/(-1,4^2) = 0,510

Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var^2+1)

Transformasi Inverse Square Root

Transformasi inverse square root adalah membalik akar kuadrat nilai asli, yaitu dengan rumus: 1/Sqrt(Variabel).
Dalam Excel rumusnya: =1/Sqrt(Var)
Misal: nilai asli 1,4 maka nilai transformasi adalah 1/Sqrt(1,4)=0,845.
Apabila data anda terdapat nilai 0, maka tambahkan dengan konstanta, misal: =1/Sqrt(Var+1).
Apabila data anda terdapat nilai negatif, sebaiknya pilih jenis transformasi yang lain. Tetapi jika anda tetap ingin menggunakan transformasi ini, anda dapat melakukan reverse score lebih dahulu. Cara untuk reverse score lihat di bawah sendiri artikel ini.

Transformasi Inverse Square

Transformasi ini dilakukan dengan membalik nilai kuadrat, yaitu dengan rumus: 1/Square(Variabel). Dalam excel rumusnya: =1/(Var^2) atau =1/(Power(Var;2))
Misal Nilai asli -1,4 maka nilai transformasi: 1/(-1,4^2) = 0,510
Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var^2+1)

Transformasi Cubic

Transformasi cubic adalah mengoperasikan pangkat tiga nilai asli. Misal: nilai asli 0,3 maka nilai transformasi adalah 0,3^3=0,027. Misal Nilai asli -0,3 maka nilai transformasi: -0,3^3= -0,027.
Dalam Excel rumusnya: =Var^3 atau =Power(Var;3)

Transformasi Inverse Cubic

Transformasi ini dilakukan dengan membalik nilai pangkat tiga, yaitu dengan rumus: 1/Cubic(Variabel). Dalam excel rumusnya: =1/(Var^3) atau =1/(Power(Var;3))
Misal Nilai asli -0,3 maka nilai transformasi: 1/(-0,3^3) = -37,037
Apabila data anda ada nilai 0, maka tambahkan dengan konstanta, misal: =1/(Var^3+1).

Transformasi Reverse Score

Transformasi ini dilakukan apabila dalam data anda terdapat nilai negatif dan anda ingin menggunakan transformasi berikutnya seperti transformasi inverse square root atau transformasi logaritma.

Cara melakukan transformasi ini adalah dengan mengurangi nilai terbesar atau maksimal dalam variabel dengan data asli. Misal pada variabel A, nilai tertinggi adalah 2,5, sedangkan data asli adalah 1. Maka nilai transformasi: 2,5-1 = 1,5. Apabila anda ingin menghindari nilai 0 oleh karena anda ingin melanjutkan dengan transformasi logaritma, maka tambahkan dengan konstanta, misal nilai maksimal variabel 2,5 dan data asli 2, maka nilai asli: 2,5 -2 + 1 = 1,5 atau 2,5 -2 + 2 = 2,5.

Dalam Excel, misal variabel yang akan ditransformasi berada dalam Array cell A1:A20 dan data asli berada pada cell A1, maka rumusnya: =Max(A$1:A$20) – A1 atau =Max(A$1:A$20) – A1 + 1.

Untuk mempermudah anda dalam memilih metode transformasi data yang tepat, baca artikel kami: Memilih Transformasi dengan STATA.

Untuk Transformasi Data Dari Ordinal ke Interval, Baca artikel kami yang berjudul: “Transformasi Data Dari Ordinal ke Interval“.

 

Drone penyelamat

Teknologi dapat dimanfaatkan maksimal, hingga dapat menyelamatkan manusia. Di Australia, Telstra membuat proyek percontohan penggunaan drone untuk menjaga perenang di pantai yang terkadang dihampiri hiu.

Drone disambungkan dengan jaringan selular, memiliki kamera yang dapat membedakan lumba-lumba dengan hiu atau manusia dengan penyu.

Alogaritma yang dikirimkan terus menerus membuat tingkat kesuksesan mencapai 90 persen.

Drone tersebut terbang dari pantai dan mengawasi lautan. Biaya pengawasan seperti ini lebih murah dibandingkan dengan pengawasan dari helikopter.

Tidak hanya memberikan data, drone tersebut juga dilengkapi dengan sirine yang dapat memperingati para perenang.
Mengutip laporan BGR, Senin (17/6/2017), drone bernama FlyPlus LifeDrone-AED ini memiliki ukuran yang cukup besar dengan empat buah baling-baling (quadcopter). Drone ini membawa sebuah defibrilator eksternal otomatis.

Saat mendapat laporan bahwa ada korban serangan jantung, drone ini dirancang untuk diterbangkan ke lokasi korban. Dengan LifeDrone-AED ini, penyelamatan bisa dilakukan beberapa menit lebih cepat sebab drone memiliki kecepatan hingga 70km/ per jam dan jarak tempuh maksimal 15km.

Startup ini memilih menghadirkan drone untuk tujuan penyelamatan nyawa orang, lantaran tiap tahun setidaknya 10 ribu orang di Swedia mengalami serangan jantung di luar rumah sakit.

"Dari jumlah tersebut, 500 orang berhasil selamat. Faktor penting yang membuatnya selamat adalah kecepatan waktu penanganan, dalam hal ini singkatnya waktu antara berhentinya kinerja jantung dan proses defibrilasi pasien," demikian tertulis dalam laman FlyPulse.


Disebutkan pula, LifeDrone ini memiliki jangkauan hampir 10 mil dan bisa dibilang cukup mengesankan, karena muatannya bisa menyelamatkan nyawa seseorang. Drone ini bekerja dengan sistem alarm dan perangkat lunak yang juga dikembangkan FlyPulse dan bisa dipasang di mana saja.

Terkait dengan manfaat drone ini pada wilayah sekitarnya, berdasarkan sebuah studi yang dipublikasikan Journal of the American Medical Association, LifeDrone mampu tiba di lokasi yang masih dalam jangkauannya empat kali lebih cepat dibandingkan dengan sebuah ambulans.

"Bagi orang yang mengalami serangan jantung, setiap detiknya merupakan waktu yang berharga," demikian tertulis dalam laman FlyPulse.