Nama : Rosyidatul Muizzah

NIM

: 135020307111070

Kelas : CG-Metodologi Penelitian

ANALISIS DATA KUANTITATIF-PENGUJIAN HIPOTESIS
Pada bab ini kita akan membahas pengujian hipotesis. Pertama-tama kita akan berfokus pasa
tipe errors 1, tipe error 2, dan statistical power. Kemudian kita akan mendiskusikan berbagai
uji statistik univariat dan bivariat yang dapat digunakan untuk tes hipotesis.
A. Type I Errors, Type II Errors, and Statistical Power
Ada dua macam error, yang diklasifikasi sebagai tipe error I dan tipe error II.
1. Tipe error I atau yang biasa disebut alfa (), adalah suatu kesalahan bila menolak
hipotesis nol (Ho) yang benar (seharusnya diterima).
2. Tipe error II atau yang biasa disebut beta (), adalah kesalahan bila menerima
hipotesis yang salah (seharusnya ditolak).
Statistical Power bergantung pada:
1. alfa (): kriteria signifikansi statistik yang digunakan dalam ujian. Jika alpha
bergerak lebih dekat ke nol (misalnya, jika alpha bergerak dari 5% menjadi 1%),
maka probabilitas untuk menemukan efek bila ada efek menurun. Ini berarti
bahwa semakin rendah alpha maka semakin rendah daya; semakin tinggi alpha,
maka semakin tinggi daya.
2. Pengaruh ukuran: pengaruh ukuran dari perbedaan atau kekuatan hubungan dalam
populasi: perbedaan besar (atau hubungan yang kuat) dalam populasi lebih
mungkin ditemukan dari perbedaan kecil (kesamaan, hubungan)
3. Ukuran sampel: pada tingkat tertentu dari alpha, ukuran sampel yang meningkat
akan menghasilkan lebih banyak kekuatan, karena peningkatan ukuran sampel
menyebabkan lebih akuratnya estimasi parameter. Sehingga meningkatkan ukuran
sampel menyebabkan probabilitas tinggi untuk menemukan apa yang kita cari.
Namun, meningkatkan ukuran sampel juga dapat menyebabkan terlalu banyak
daya, karena bahkan efek yang sangat kecil akan ditemukan dengan significant
secara statistik.
B. Memilih Teknik Statistika yang Tepat
Pilihan teknik statistik yang sesuai sangat tergantung pada jumlah variabel
(independen dan dependen), memeriksa dan skala pengukuran (metrik atau
nonmetric) dari variabel.. Aspek lain bermain peran adalah apakah asumsi tes
parametrik terpenuhi dan ukuran sampel.
1. Teknik statistika univarite
Biasanya digunakan ketika ingin mengetahui hubungan dua variabel
2. Teknik statistika multivariate
Biasanya digunakan ketika ada hubungan antara banyak variabel
C. Pengujian rata-rata sampel tunggal

D.

E.

F.

G.

Pengujian rata-rata sampel tunggal digunakan ketika kita ingin mengetahui apakah
sampel kita berasal dari populasi tertentu tetapi kita tidak memiliki informasi populasi
yang tersedia bagi kita.
Pengujian dua sampel rata-rata berpasangan
Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami
dua perlakuan atau pengukuran yang berbeda.
Pengujian dua sampel rata-rata tidak berpasangan
Pengujian ini digunakan untuk membandingkan rata-rata dari dua group yang tidak
berhubungan satu dengan yang lain, apakah kedua group tersebut mempuyai rata-rata
yang sama ataukah tidak secara signifikan.
Pengujian Hipotesis mengenai beberapa cara
Sedangkan (sampel independen) t-test menunjukkan apakah atau tidak ada berarti
perbedaan yang signifikan dalam variabel dependen antara dua kelompok, analisis
varians (ANOVA) membantu untuk menguji perbedaan rata-rata yang signifikan
antara lebih dari dua kelompok pada interval atau rasio skala variabel dependen
Analisis Regresi
Merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain.
Koefisien determinan, R2, memberikan informasi tentang kebaikan dari model
regresi: itu adalah ukuran statistik dari seberapa baik garis regresi mendekati titik data
sempurna. R2 adalah persentase varians dalam variabel dependen yang dijelaskan oleh
variasi dalam variabel independen. Jika R2 adalah 1, model regresi menggunakan
kualitas yang dirasakan sempurna bisa memprediksi kecenderungan untuk membeli.
Dengan kata lain, model regresi cocok dengan data sempurna. Jika R 2 = 0, tidak ada
variasi kecenderungan untuk membeli dan dapat dikaitkan dengan variabel
independen, yaitu persepsi kualitas.
Ide dasar dari analisis regresi berganda adalah serupa dengan yang anlisis
regresi sederhana. Analisis regresi berganda adalah teknik multivariat yang sangat
sering digunakan dalam penelitian bisnis. Beberapa anlisis regresi menyediakan
sarana obyektif untuk menilai derajat dan karakter hubungan antara variabel
independen dan variabel dependen: Koefisien regresi menunjukkan kepentingan
relatif dari masing-masing variabel independen dalam prediksi variabel dependen.
1. Koefisien Regresi Standar
Atau koefisien beta adalah perkiraan yang dihasilkan dari analisis regresi
dilakukan pada variabel yang telah dibakukan. Ini biasanya dilakukan untuk
memungkinkan peneliti untuk membandingkan efek relatif dari variabel
independen, ketika variabel independen diukur dalam satuan pengukuran yang
berbeda
2. Regresi dengan Variabel Dummy
Variabel dummy memiliki dua atau lebih level yang berbeda, biasanya dikodekan
dengan 0 atau 1. Variabel dummy juga memungkinkan kita untuk menggunakan
variabel nominal atau ordinal sebagai variabel independen untuk menjelaskan,
atau memprediksi variabel dependen
3. Multicollinearity
Adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara
masing-masing variabel independen dalam model regresi. Multicollinearity

biasanya terjadi ketika sebagian besar variabel yang digunakan saling terkait
dalam suatu model regresi.
Cara termudah dan biasanya digunakan untuk mendeteksi multicollinearity
adalah untuk memeriksa korelasi matriks untuk variabel independen. Adanya
korelasi yang tinggi adalah tanda pertama dari multicollinearity yang cukup besar.
Bagaimanapun, ketika multicollinearity menghasilkan hubungan yang kompleks
antara beberapa variabel independen, mungkin tidak dapat dijelaskan oleh
pendekatan ini.
Untuk melihat indikasi adanya multikolinearitas dengan tolerance value
(TOL), dan yang paling umum digunakan adalah varians inflation factor (VIF),
dengan nilai toleransi kurang dari 1 atau VIF lebih besar dari 10 menunjukkan
multicollinearity signifikan.
H. Pengujian dan Analisis Multivariat Lainnya
Sekarang akan dijelaskan 5 teknik pengujian analisis multivariat lainnya:
1. Analisis determinan
Analisis diskriminan adalah analisis statistik peubah ganda (multivariate statistical
analysis) yang bertujuan untuk memisahkan beberapa kelompok data yang sudah
terkelompokkan dengan cara membentuk fungsi diskriminan.
2. Regresi logistik
Juga digunakan ketika variabel dependen adalah non metrik. Namun, ketika
variabel dependen hanya memiliki dua kelompok, regresi logistik sering disukai
karena tidak menghadapi asumsi yang ketat yang diskriminan wajah anlysis dan
karena sangat mirip dengan analisis regresi. Kedua metode menghasilkan
persamaan prediksi dan dalam kedua kasus koefisien regresi mengukur
kemampuan prediksi dari variabel independen. dengan demikian, regresi logistik
memungkinkan peneliti untuk memprediksi hasil diskrit
3. Analisis Conjoint
Adalah sebuah teknik analisis yang dapat digunakan untuk menentukan tingkat
kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu
produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk
terkait. Dalam model multivariat lainnya analisis konjoin dapat digunakan untuk
mengembangkan skor dari beberapa individu dan mengembangkan model untuk
tiap individu.
4. Two way ANOVA
Dapat digunakan untuk menguji pengaruh dua variabel non metrik independen
pada variabel dependen tunggal metrik. dicatat bahwa, dalam konteks ini, variabel
independen sering disebut sebagai faktor dan ini adalah mengapa desain yang
bertujuan untuk menguji pengaruh dua variabel independen nonmetric pada sigle
metrik tergantung sering disebut factorial design.
5. MANOVA
Mirip dengan ANOVA, dengan perbedaan bahwa ANOVA menguji perbedaan
rata-rata lebih dari dua kelompok pada satu variabel dependen, sedangkan
MANOVA adalah menguji perbedaan rata-rata antara kelompok-kelompok di
beberapa variabel dependen secara bersamaan, dengan menggunakan jumlah
kuadrat dan matriks cross-produk. Di uji MANOVA, variabel independen adalah

langkah-langkah pada skala nominal dan variabel tergantung pada interval atau
rasio skala
6. Korelasi Canonical
Analisis ini dapat mengukur tingkat keeratan hubungan antara satu kumpulan
peubah dependen dengan satu kumpulan peubah independen. Disamping itu,
analisis korelasi kanonik juga mampu menguraikan struktur hubungan di dalam
kumpulan peubah independen.
I. Data Warehousing, Data Mining and Operations Research
Data warehousing dan data mining adalah aspek informasi sistem. Banyak perusahaan
yang saat ini menggunakan data warehouse. Data warehouse biasanya mengumpulkan
data-data yang sudah terkumpul dari departemen berbeda dan bisa diproses dari
beberapa proses analisis online (OLAP) yang mendukung pengambilan keputusan.
Menggunakan algoritma untuk menganalisis data pada cara yang berarti, data
mining lebih berpengaruh efektif pada data warehouse dari mengidentifikasi
hubungan tersembunyi dan pola dalam data yang tersimpan di dalamnya.
Operation research (OR) atau management science (MS) adalah alat canggih
yang digunakan untuk menyederhanakan dan dengan demikian memperjelas beberapa
jenis masalah kompleks yang meminjamkan diri untuk kuantifikasi. OR menggunakan
matematika yang lebih tinggi dan statistik untuk mengidentifikasi, menganalisis,
sebuah akhirnya memecahkan masalah yang rumit kompleksitas besar yang dihadapi
oleh manajer.
J. Beberapa Jenis Perangkat Lunak yang Berguna untuk Analisis Data
Ada beberapa macam software analitis yang dapat membantu untuk menganalisis
data:
1. LISREL: didesain untuk memperkirakan dan memeriksa model persamaan
struktural
2. MATLAB: adalah program komputer yang sebenarnya didesain untuk
menyederhanakan implementasi dari numerical linear aljabar routines
3. Mplus: adalah program model statistika yang menawarkan peneliti berbagai
pilihan model estimator dan algoritma
4. SAS: adalah sistem terpadu dari produk software, mampu melakukan berbagai
analisis statistik seperti statistik deskriptif, teknik multivariat, dan analisis time
series
5. SPSS: adalah manajemen data dan analisis program yang didesain untuk
melakukan analisis data statistik, termasuk statistika deskriptif seperti plot,
frekuensi, diagram dan daftar serta prosedur canggih inferensial dan multivariat
statistik seperti analisis varians (ANOVA), analisis faktor, analisis cluster, dan
data kategori analisis.
6. SPSS AMOS: adalah didesain untuk memperkiran dan memeriksa model
persamaan struktural.