Analisis Data Inferensi

ANALISIS DATA INFERENSI

Pada dasarnya, statisitik INFERENSI mempelajari pengambilan keputusan tentang parameter populasi (rata-rata) dari sample yang ada. Terdapat dua hal dalam hal ini yakni;

1. Estimasi : (memperkirakan) harga suatu parameter populasi.

Contoh; Jika diketahui rata-rata IP 100 Sarjana Psikologi UIN (Sebagai Sample) adalah 3,07, maka bisa diperkirakan rentang rata-rata IP Sarajana Psikologi UIN (Populasi)

2. Uji Hipotesis Statistik : Tujuannya untuk menguji apakah data dari sample yang ada sudah cukup kuat menggambarkan populasinya. Atau apakah bisa dilakukan Generalisasi tentang populasi berdasar hasil sample.

Contoh; Jika rata-rata tinggi badan 50 Mahasiswa Prodi Psikologi UIN (sebagai sample) adalah 162Cm, Apakah Rata-rata tinggi badan Seluruh Mahasiswa prodi psikologi UIN (Sebagai Populasi) adalah juga 162Cm?

Menentukan Tingkat Signifikansi  (ά)

Probabilitas kesalahan menolak hipotesis yang ternyata benar. Jika dikatakan ά = 5%, berarti resiko kesalahan mengambil keputusan adalah 5%, semakin kecil ά berarti semakin mengurangi resiko SALAH  (Catatan; SPSS selalu menggunakan taraf Sig. 5%)

Penentuan Uji (dua/satu Sisi)

1. Digunakan uji dua sisi apabila pernyataan Ho dan Hi hanya mengandung pertidaksamaan.

Contoh; Akan diuji apakah IPK mahasiswa psikologi semester 5 sama dengan IPK mahasiswa psikologi semester 3. Disini diuji sama atau tidak, sehingga jawabannya adalah “SAMA” atau “TIDAK”

2. Digunakan uji satu sisi apabila pernyataan Ho dan Hi mengandung pertidaksamaan yang mengarah pada kriteria tertentu.

Contoh; Akan diuji apakah Program Penurunan berat badan di lembaga “Langsing Sehat” sudah efektif? Disini seharusnya setelah mengikuti program peserta akan menurun berat badannya. Jadi ada arah yang lebih kecil.

Catatan; Uji t, Z, dan F (Anova) Pada dasarnya menguji apakah ada perbedaan pada rata-rata satu atau lebih populasi 

Apakah Tujuan dari uji t (t test)

1. Uji t pada satu populasi akan menguji apakah rata-rata populasi sama dengan suatu harga tertentu, sedangkan uji t pada dua sample akan menguji apakah rata-rata dua populasi ataukah berbeda secara nyata 

Sebagai Contoh (uji dua populasi)

• Apakah rata-rata tingkat IQ mahasiswa Fak Psikologi sama dengan mahasiswa Fak Komunikasi di Surabaya (dua sample)?

• Untuk itu diambil sample yang dianggap berdistribusi normal, yakni 20 orang per prodi ybs. Sehingga akhirnya dapat ditarik simpulan tentang IQ dari kedua Fakultas di Surabaya.

2. Sedangkan uji t paired (uji t berpasangan) justru mengharuskan  dua sample berhubungan seperti;

• apakah Program Penurunan berat badan di lembaga “Langsing Sehat” sudah efektif? Disini seharusnya setelah mengikuti program peserta akan menurun berat badannya. Jadi ada arah yang lebih kecil. 

CIRI DAN ASUMSI t TEST;

Ciri utama dari uji t adalah jumlah sample relatif kecil, dibawah 30 buah, jika sample besar digunakan uji z (tidak dibahas)

T hitung bisa ditentukan dengan dua kemungkinan;

• Varians kedua populasi yang diuji sama 

• Varians kedua populasi yang diuji berbeda 

Sample yang diambil berdistribusi normal atau mendekati normal atau bisa dianggap normal. Kata “Sig.” Pada output SPSS adalah signifikansi atau “p value” dengan arti kemungkinan salah menolah Ho. Sebagai contoh; 

• Terdapat Sig.=0,02. hal ini berarti kemungkinan salah menolak Ho adalah 0,02 atau 2%. 

APA TUJUAN DAN ASUMSI DARI ANOVA/UJI F?

Tujuan ANOVA (analisis varians) sama dengan uji t, takni menguji rata-rata populasi, hanya disini menguji Lebih dari dua rata-rata populasi . Sedangkan tujuan  dari uji F adalah untuk menguji apakah varians dua populasi sama ataukah berbeda. 

Asumsi  : Data sample-sample diambil dari populasi-populasi yang berdistribusi normal atau dianggap normal. Populasi tersebut mempunyai varians yang sama