Validitas dan Reliabilitas

Uji Validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Jadi validitas ingin mengukur apakah pertanyaan dalam kuesioner yang sudah kita buat betul-betul dapat diukur apa yang hendak diukur.

Mengukur validitas dapat dilakukan dengan tiga cara:

1. Melakukan korelasi antar skor butir pertanyaan dengan total skor konstruk atau variabel
2. Melakukan korelasi baivariate antara masing-masing skor indikator dengan total skor konstruk
3. Uji dengan Confirmatory Factor Analysis (CFA).

Reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.

Mengukur reliabilitas dapat dilakukan dengan dua cara yaitu:

• Repeated Measure atau pengukuran ulang

Seseorang akan disodori pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah iya tetap konsisten dengan jawabannya.

• One shot atau pengukuran sekali saja

Pengukurannya hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha. Suatu konstruk dikatakan reliabel jika memberikan nilai Cronbach Alpha > 0.70 (Nunnaly, 1994).

(sumber:Prof. Dr. Sugiono 2013. Statistika Untuk Penelitian. Bandung)

The post Validitas dan Reliabilitas appeared first on Jasa Statistik Di Bandung.

Uji Wilcoxon

Asumsi atau syarat dari uji ini antara lain:

1. Variabel dependen berskala data ordinal atau interval/ rasio namun memiliki distribusi data yang tidak normal. Oleh sebab itu diperlukan uji normalitas terlebih dahulu ketika kelompok data berskala interval rasio. Ketika hasil uji normalitas menunjukkan hasil yang normal, metode yang sesuai adalah menggunakan uji paired t test, namun ketika data menunjukkan hasil yang tidak normal pengujian menggunakan uji Wilcoxon Signed Rank Test sebagai alternatifnya.
2. Variabel independen terdiri dari 2 kategori yang bersifat berpasangan. Seperti yang sudah dijelaskan di atas, berpasangan artinya subjek sebagai sumber data adalah 1 individu atau observasi yang sama.
3. Bentuk dan sebaran data antara kedua kelompok yang berpasangan adalah simetris. Jika tidak memenuhi asumsi ini maka gunakanlah alternatif uji yang lain, yaitu uji Sign Test.

Rumus yang dapat digunakan pada Wilcoxon Signed Rank Test adalah sebagai berikut:

Keterangan:

T = jumlah rangking bertanda terkecil

n = banyaknya pasangan yang tidak sama nilainya

Signifikansi, nilai Z dibandingkan dengan tabel kurva normal, Ho ditolak jika Z hitung ≥ Z tabel, Ho diterima jika Z hitung < Z tabel

(sumber:Prof. Dr. Sugiono 2013. Statistika Untuk Penelitian. Bandung)

The post Uji Wilcoxon appeared first on Jasa Statistik Di Bandung.

Uji Mann Whitney

Terdapat dua rumus yang digunakan untuk pengujian, kedua rumus dibawah ini digunakan untuk mengetahui harga U mana yang lebih kecil. Harga U yang lebih kecil tersebut yang digunakan untuk pengujian dan membandingkan dengan U tabel.

U₁ = n₁ n₂ + – R₁

dan

U₂ = n₁ n₂ + – R₂

Keterangan:

n₁ = jumlah sampel 1

n₂ = jumlah sampel 2

U₁ = jumlah peringkat 1

U₂ = jumlah peringkat 2

R₁ = jumlah rangking pada sampel n₁

R₂ = jumlah rangking pada sampel n₂

Signifikansi, nilai U dibandingkan dengan tabel U, Ho ditolak jika U hitung ≥ U tabel, Ho diterima jika U hitung < U tabel.

(sumber:Prof. Dr. Sugiono 2013. Statistika Untuk Penelitian. Bandung)

The post Uji Mann Whitney appeared first on Jasa Statistik Di Bandung.

Sebagian subyek tersebut secara alamiah akan mengalami pajanan terhadap faktor risiko tertentu, sebagian lainnya tidak. Subyek yang terpajan faktor risiko menjadi kelompok yang diteliti, sedang subyek yang tidak terpajan menjadi kelompok kentrol. Dalam keadaan ini, oleh karena kedua kelompok berangkat dari populasi yang sama, maka biasanya keduanya sebanding (comparable) kecuali dalam hal adanya pajanan terhadap faktor risiko. Kedua kelompok tersebut kemudian diikuti selama masa tertentu, untuk kemudian ditentuka apakah telah terjadi efek atau penyakit yang diteliti.

Studi Kohort

Hasil pengamatan studi kohort juga disusun dalam tabel 2 x 2, dan dapat ditentukan insidens terjadinya efek pada kelompok terpajan dan kelompok kontrol. Selanjutnya dihitung risiko relatif atau risiko insidens, yakni perbandingan antara insidens efek pada kelompok dengan faktor risiko dengan insidens efek pada kelompok tanpa faktor risiko. Risiko relatif menunjukkan besarnya peran faktor risiko terhadap terjadinya penyakit; bila risiko relatif = 1 maka faktor yang diteliti bukanlah merupakan faktor risiko, nilai yang lebih dari 1 menunjukkan bahwa faktor tersebut merupakan risiko, sedangkan nilai yang dari 1 menunjukkan bahwa faktor yang diteliti tersebut bersifat protektif. Dalam menilai hasil risiko relatif harus pula diperhatikan interval kepercayaannya.

Selain studi kohort prospektif juga dikenal studi kohort retrospektif. Pada desain ini peneliti mengidentifikasi faktor risiko dan efek pada kohort yang terjadi di masa lalu (penelitian disebut rerospektif bila pada saat penelitian dilakukan outcome yang diteliti sudah terjadi). Analisis yang digunakan sama dengan pada studi kohort prospektif. Kesahihan hasil studi ini bergantung pada kualitas data pada rekam medis atau sumber data lain. Seperti pada studi kohort prospektif, baik faktor risiko maupun efek yang diteliti harus diidentifikasikan dengan jelas. Salah satu kelemahan studi kohort retrospektif ini adalah terdapatnya kemungkinan bahwa berbagai pengukuran yang dilakukan pada masa lampau tidak memenuhi standar, karena data yang ada adalah data pelayanan, data penelitian.

The post Studi Kohort appeared first on Jasa Statistik Di Bandung.

Seperti telah disebutkan, pada studi kasus-kontrol dilakukan identifikasi subyek (kasus) yang telah terkena penyakit (efek), kemudian ditelusur secara retrospektif ada atau tidaknya faktor risiko yang diduga berperan. Untuk kontrol harus dipilih subyek dari populasi dengan karakteristik yang sama denga kasus; bedanya kelompok kontrol ini tidak menderita penyakit atau kelainan yang diteliti. Pemilihan subyek kontrol ini dapat dilakukan dengan 2 cara, yakni dengan cara serasi (matching) atau tanpa matching.

Studi Kasus Kontrol

Seperti pada studi cross-sectional, hasil pengukuran pada studi kasus-kontrol disusun dalam tabel 2 x 2. Hubungan sebab akibat antara faktor risiko dan efek diperoleh secara tidak langsung, yakni dengan menghitung risiko relatif, yang dalam studi kasus-kontrol dinyatakan sebagai rasio odds (odds ratio). Odds adalah perbandingan antara peluang (probabilitas) untuk terjadinya efek dengan peluang untuk tidak terjadinya efek; bila peluang terjadinya efek dinyatakan dengan P, maka odds adalah P/(1-P). Sebagai contoh, bila peluang atau kemungkinan Muhammad Ali untuk menang melawan Joe Frazier adalah 75%, maka odds Ali untuk menang adalah = 75% : 25% = 3.

Rasio odds menunjukkan berapa besar peran faktor risiko yang diteliti terhadap terjadinya penyakit (efek), jadi serupa dengan rasio prevalens pada studi cross-sectional atau risiko relatif pada studi kohort. Nilai rasio odds = 1 menunjukkan bahwa faktor yang diteliti ternyata bukan merupakan risiko untuk terjadinya efek. Rasio yang lebih besar dari 1 menunjukkan bahwa benar faktor yang diteliti merupakan faktor risiko, sedangkan rasio yang kurang dari 1 menunjukkan bahwa faktor tersebut protektif untuk terjadinya efek. Nilai rasio odds ini harus disertai interval kepercayaannya.

The post Studi Kasus Kontrol appeared first on Jasa Statistik Di Bandung.

Statistik Parametrik dan Non Parametrik

Statistik Parametrik

Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik nonparametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

Statistik Parametrik dapat digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi melalui data sampel. Statistik parametrik memerlukan terpenuhinya banyak asumsi, antara lain berdistribusi normal, data homogen, harus terpenuhi asumsi linieritas.

Statistik parametrik banyak digunakan untuk menganalisis data interval dan rasio, contohnya: uji-z, uji-t, korelasi pearson, anova, dll.

Keunggulan Statistik Parametrik

Keunggulan statistik parametrik antara lain syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi Syarat. pengukuran terhadap data dilakukan dengan kuat. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

Kelemahan Statistik Parametrik

Sedangkan kelemahan dari statistik parametrik antara lain populasi harus memiliki varian yang sama. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama. Dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

Statistik Non-parametrik

Statistik Non-Parametrik adalah test statistik yang modelnya tidak menetapkan syarat-syaratnya mengenai parameter-parameter populasi yang merupakan induk sampel penelitian. Oleh karena itu observasi-observasi independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran populasi yang mendasarinya.

Singkatnya, Statistik Non-Parametrik adalah statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal. Tidak menuntut terpenuhi banyak asumsi, misalnya data yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik non parametrik sering disebut sebagai distribusi bebas (free distribution).

Keunggulan Statistik Non-Parametrik

Keunggulan non parametrik antara lain tidak membutuhkan asumsi normalitas. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti. Statistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik. Statistik non-parametrik dapat menggunakan data numerik (nominal) dengan jenjang (ordinal). Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan Statistik Non-Parametrik

Sedangkan kelemahan dari statistik non-parametri antara lain statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik nonparametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.

Sumber:

Singgih Santoso, 2005. Mengatasi Berbagai Masalah Statistik dengan SPSS. PT. Elex Media Komputindo, Kelompok Gramedia, Jakarta

W. J. Conover, 1980. Practical Nonparametric Statistics, John Wiley & Sons, New York

The post Statistik Parametrik dan Non Parametrik appeared first on Jasa Statistik Di Bandung.

Gambar diatas menilustrasikan bahwa peneliti sering menghadapi kebingungan dalam operasional variabel laten penelitiannya. Secara umum, karakteristik dari konstruk formatif adalah perubahan dalam kontstruk tersebut akan menyebabkan perubahan-perubahan dalam indikator-indikatornya.

Perbedaan Indikator Reflektif dan Formatif

Disebut reflektif (kadang disebut manifest) karena indikator merupakan perwujudan atau refleksi dari konstruknya. Sebagai contoh, variabel laten stres karena pekerjaan dapat terefleksi dalam indikator-indikator seperti malas berangkat ke kantor, ingin pindah kerja, dan tidak dapat menyelesaikan pekerjaan tepat waktu. Konstruk formatif mempunyai karkateristik bahwa perubahan dalam indikator akan menyebabkan perubahan dalam konstruk. Indikator-indikator dalam hal ini menjadi penyebab atau membentuk konstruk. Misalnya, banyaknya target yang harus diselesaikan, sikap atasan, rendahnya gaji, dan lingkungan kerja dapat menjadi indikator formatif stress pekerjaan.

Karakteristik indikator-indikator reflektif adalah mirip dan dapat dipertukarkan (intercangeable). Dengan kata lain, kemiripan atau overlap antar indikator tidak menjadi masalah dan justru seharusnya dimaksimalkan oleh peneliti. Oleh karena itu membuang indikator reflektif tidak menjadi masalah dan tidak mengubah esensi konstruk. Hal ini karena masih ada indikator-indikator lain yang mempunyai karaktersitik sama.

Sebaliknya, indikator-indikator konstruk formatif umumnya mempunyai kandungan yang berbeda. Masing-masing indikator bersifat unik dan tidak dapat dipertukarkan. Oleh karena itu, membuang salah satu indikator formatif dapat menjadi masalah karena akan mengubah esensi konstruk. Dalam pengukuran formatif, peneliti seharusnya berupaya meminimalkan kemiripan atau overlap antar indikator.

Metode pengukuran konstruk tergantung pada konseptualisasi konstruk dan tujuan penelitian. Disajikan ilustrasi bahwa satu konstruk (misalnya kepuasan menginap disuatu hotel) dapat diukur secara reflektif maupun formatif. Terdapat beberapa indikator formatif yang mungkin dapat digunakan (panah dari indikator ke konstruk) dan indikator reflektif (panah dari kontruk ke indikator).

Berikut adalah panduan singkat (Rule of Thumb) memilih pengukuran reflektif dan formatif (hair dkk. 2013).

(sumber:Mahfud Sholihin, Ph.D 2013. Dr. Dwi Ratmono Analisis SEM-PLS dengan WarpPLS3.0. Yogyakarta)

The post Perbedaan Indikator Reflektif dan Formatif appeared first on Jasa Statistik Di Bandung.

1. Hipotesis 1 Pihak (One Tail Test) dibagi menjadi 2 yaitu:
2. Uji Pihak Kiri

Uji pihak kiri digunakan apabila: hipotesis nol (Ho) berbunyi “lebih besar atau sama dengan ()” dan hipotesis alternatifnya berbunyi “lebih kecil (”, kata lebih besar atau sama dengan sinonim “kata paling sedikit atau paling kecil”.

Perbedaan Hipotesis 1 pihak (one tail) dan 2 pihak (two tail)

Contoh rumusan hipotesis:

Hipotesis nol : Daya tahan lampu merk A paling sedikit 400 jam (lebih besar atau sama dengan () 400 jam;

Hipoteisi alternatif : Daya tahan lampu merk A lebih kecil ( 400 jam.

Dalam uji pihak kiri ini berlaku ketentuan, bila nilai t hitung jatuh pada daerah penerimaan Ho lebih besar atau sama dengan () dari t tabel, maka Ho diterima dan Ha ditolak.

• Uji Pihak Kanan

Uji pihak kanan digunakan apabila hipotesis nol (Ho) berbunyi “lebih kecil atau sama dengan ()” dan hipotesis alternatifnya (Ha) berbunyi “lebih besar (>)”. Kalimat lebih kecil atau sama dengan sinonim dengan kata “paling besar”.

Contoh rumusan hipotesis:

Hipotesis nol : Pedagang buah paling besar bisa menjual buah jeruk 100 kg tiap hari;

Hipotesis alternatif : Pedagang buah dapat menjual buah jeruknya lebih dari 100 kg tiap hari.

Dalam uji pihak kanan ini berlaku ketentuan bahwa, bila nilai t lebih kecil atau sama dengan () nilai t tabel, maka Ho diterima dan Ha ditolak.

• Uji Dua Pihak (Two Tail Test)

Uji dua pihak digunakan bila hipotesis nol (Ho) berbunyi “sama dengan” dan hipotesis alternatifnya (Ha) berbunyi “tidak sama dengan” (Ho =; Ha ).

Contoh rumusan hipotesis:

Hipotesis nol : Daya tahan berdiri pelayan toko tiap hari = 8 jam;

Hipotesis alternatif : Daya tahan berdiri pelayan toko tiap hari 8 jam.

Dalam pengujian hipotesis yang menggunakan uji dua pihak ini berlaku ketentuan, bahwa bila nilai t hitung lebih kecil atau sama dengan () dari harga tabel maka Ho diterima. Nilai t hitung adalah nilai mutlak, jadi tidak dilihat (+) atau (-) nya.

(sumber:Prof. Dr. Sugiono 2013. Statistika Untuk Penelitian. Bandung)

The post Perbedaan Hipotesis 1 pihak (one tail) dan 2 pihak (two tail) appeared first on Jasa Statistik Di Bandung.

Penelitian Cross Sectional

Contoh penelitian cross-sectional deskriptif:

• Persentase bayi yang mendapat ASI eksklusif di komunitas
• Prevalens obesitas pada mahasiswa di Jakarta
• Indeks tuberkulin pada anak. (Studi ini, meski memerlukan follow-up 48-72 jam untuk penilaian hasil uji tuberkulin, tetap disebut sebagai studi cross-sectional karena penyuntikan dan penilaian hasil merupakan satu kesatuan).

Contoh penelitian cross-sectional analitik:

• Beda proporsi pemberian ASI eksklusif pada pelbagai tingkat pendidikan ibu
• Beda kadar kolesterol dokter anak dan dokter bedah
• Beda prevalens penyakit tertentu antara siswa lelaki dan perempuan
• Peran pelbagai faktor risiko dalam terjadinya penyakit tertentu.

Dalam studi analitik cross-sectional yang mempelajari hubungan antara faktor risiko dengan penyakit (efek), pengukuran terhadap variabel bebas (faktor risiko) dan variabel tergantung (efek) hanya dilakukan sekali dalam waktu yang bersamaan. Dari pengukuran tersebut maka dapat diketahui jumlah subyek yang mengalami efek, baik pada kelompok subyek yang faktor risiko, maupun pada kelompok tanpa faktor risiko, maupun pada kelompok tanpa faktor risiko.

Hasil pengukuran biasanya disusun dalam tabel 2 x 2; dari tabel ini dapat dilihat prevalens penyakit (efek) pada kelompok dengan atau tanpa faktor risiko, kemudian dapat dihitung rasio prevalens, yakni perbandingan antara prevalens efek pada kelompok subyek tanpa faktor risiko.

Rasio prevalens memberikan gambaran peran faktor risiko terhadap terjadinya efek atau penyakit. Bila rasio prevalens sama dengan 1, artinya prevalens penyakit pada subyek dengan faktor A sama dengan prevalens pada subyek tanpa faktor A, maka faktor tersebut bukanlah merupakan faktor risiko. Bila nilai rasio prevalens lebih dari 1 berarti faktor A tersebut merupakan faktor risiko, dan nilai yang kurang dari 1 menunjukkan bahwa faktor tersebut merupakan faktor protektif (mencegah terjadinya efek). Namun dalam menilai rasio prevalens harus diperhatikan interval kepercayaan. Karena studi cross-sectional hanya mengukur prevalens (bukan insidens), maka studi tersebut seringkalo disebut pula sebagai studi prevalens.

The post Penelitian Cross Sectional appeared first on Jasa Statistik Di Bandung.

Pedoman dalam Memilih teknik Statistik

Terdapat bermacam-macam teknik statistik yang dapat digunakan dalam penelitian khususnya dalam pengujian hipotesis. Teknik statistik mana yang akan digunakan untuk pengujian tergantung pada interaksi dua hal yaitu macam data yang akan dianalisis dan bentuk hipotesisnya. Seperti dalam jenis penelitian menurut “tingkat ekplanatif” maka bentuk hipotesis ada tiga, yakni hipotesis deskriptif, komparatif, dan asosiasi. Berikut adalah contoh hipotesis ketiganya.

Hipotesis Deskriptif

Ho : Daya tahan lampu merk X = 500 jam

Ha : Daya tahan lampu merk X 500 jam

Hipotesis Komparatif

Ho : Daya tahan lampu merk X = merk Y

Ha : Daya tahan lampu merk X merk Y

Hipotesis Asosiatif

Ho : Tidak ada hubungan antara tegangan dengan daya tahan lampu

Ha : Ada hubungan antara tegangan dengan daya tahan lampu

Hipotesis komparatif ada dua macam yaitu komparatif dua sampel dan lebih dari dua sampel. Untuk masing-masing hipotesis komparatif dibagi menjadi dua yaitu sampel related (berpasangan) dan sampel yang independen.

(sumber:Prof. Dr. Sugiono 2013. Statistika Untuk Penelitian. Bandung)

The post Pedoman dalam Memilih teknik Statistik appeared first on Jasa Statistik Di Bandung.