Uji chi kuadrat

Berikut diberikan contoh perhitungan analisis chi square.

Soal

Satu kelompok

Data survei perilaku 192 pedagang Pasar A terhadap kebersihan lingkungan: benar: 121 orang; salah: 40 orang, tidak tentu: 31 orang. Hipotesis menyebutkan bahwa keti-ga jenis perilaku tersebut mempunyai proporsi yang sama dengan populasi penduduk pada umumnya. Bila ditetapkan tingkat kemaknaan (α) = 0,05, buktikan kebenaran hipotesis tersebut!

Jawaban:

Survei	Benar	Salah	Tidak tentu	Total
Frekuensi	121	40	31	192
Frekuensi Harapan	64	64	64

X²_tabel dengan db = 2 dan α = 0,05 adalah 5,99.

Karena X²_hitung = 76,78 > X²_tabel = 5,99, maka tolak H₀.

Cermat dalam melakukan pengukuran variabel

Merancang pengukuran pada variabel yang akan diteliti seringkali terlupakan oleh peneliti. Mereka umumnya belum sampai pada bagaimana cara mengukur variabel dan data seperti apa yang akan didapatkan. 

Beda jumlah kuesioner maupun jml kasus. Kalau korelasi harus memiliki jumlah kasus yang sama satu variabel dengan variabel lain, sedangkan untuk uji beda tidak masalah memakai jumlah kasus yang berbeda tiap kelompok (variabel). => kasus ibu yg S3 pertanian.
Ternyata hal ini dialami juga oleh mahasiswa lain yang sedang mengambil tesis. Jadi, sekali lagi, kita harus cermat dalam melakukan pengukuran variabel.

Untuk penelitian yang menguji hubungan/pengaruh, perlu dicermati bahwa jumlah sampel/responden harus sama antar variabel. Unit analisis/subyek penelitian juga  diharapkan sama, agar didapatkan pengukuran yang benar. Sebagai contoh, jika sampelnya karyawan, semua variabel diukur dari karyawan, jangan ada yang diukur dari pimpinannya.

 

Konsultasi teknik analisis data

Lagi, datang kepada saya seorang klien yang binggung bagaimana cara membuktikan hipotesisnya. Si Fulan ini sudah berusaha untuk menganalisis data sendiri, akan tetapi dianggap salah oleh pembimbingnya. Membuktikan hipotesis sebenarnya lebih mudah dibandingkan belum memiliki hipotesis. Setelah kami berdiskusi, akhirnya saya berikan solusi atas permasalahannya.

Jika Dalam rangkaian proses menganalisis data, harus ditelusuri terlebih dahulu dari jenis data dan hipotesisnya. Kita mengenal jenis data: nominal, ordinal, interval dan rasio, sedangkan jenis hipotesis kita memiliki: deskriptif, komparatif serta asosiatif. Untuk hipotesis akan diperinci lagi menjadi hipotesis satu sisi (tail) ataupun dua sisi.

.
Menganalisis data memang gampang-gampang susah. Untuk melakukannya diperlukan pengetahuan tentang statistik, metodologi penelitian dan juga konteks teori/penelitian yang dilakukan. Tidak jarang, selama saya memberikan konsultasi harus menelusuri terlebih dahulu dengan membaca latar belakang masalah, kemudian perumusan masalah hingga tujuan penelitian. Hal ini karena mereka belum menyertakan hipotesis dalam proposal penelitiannya.

Bahkan menurut pengalaman saya mengadakan pelatihan, peserta tidak dapat langsung menerapkan rumus meski baru saja diberikan contohnya. Hal ini dikarenakan memang diperlukan latihan juga, disamping pengetahuan yang memadai.

Uji Korelasi dalam Pair Sample T Test

Dalam output SPSS untuk uji pair sample t test, dapat kita temukan tiga tabel. Tabel pertama adalah Paired Sample Statistic, kedua adalah Paired Sample Correlation dan ketiga adalah Paired Sample Test. Tabel Test of homogenity variance tidak bisa kita temukan pada output ini. Tiga tabel tersebut menunjukkan fungsi yang berbeda-beda, yang pertama menunjukkan nilai mean dan standard deviasi, yang kedua nilai korelasi dua variabel dan ketiga adalah hasil uji beda (t test).

Ada kejadian menarik ketika seorang mahasiswa ada yang ingin membaca hasil uji beda dengan melihat nilai korelasinya. Hal ini menarik perhatian saya karena, jika ingin melihat uji beda, mengapa melihat korelasinya?

Nilai korelasi menunjukkan skor antara pretest dengan postest, dimana ketika ada korelasi berarti semakin tinggi nilai pretest maka akan semakin tinggi pula postest. Dengan demikian dapat dikatakan bahwa nilai pretest yang semakin tinggi, akan semakin meningkatkan semakin tinggi pula skor postest. Tentu hal ini tidak diharapkan peneliti, karena keberhasilan treatment hanya dinikmati oleh orang yang prestestnya baik. Peneliti tentu berharap skor postest akan semakin meningkat meski skor pretestnya rendah.

Menurut pendapat saya, kita sebaiknya memakai output pada tabel Paired Sample Test, khususnya pada nilai t. Hal ini dikarenakan nilai t menunjukkan hasil uji beda antara skor pretest dengan postest. Jika nilai t signifikan, hal ini berarti ada perbedaan signifikan antara skor pretest dengan postest. Semakin signifikan berarti semakin besar pula perbedaan antar pre dengan post.