Pengenalan Konsep

Statistika dan Analisis Data

Upaya memperoleh dan mengolah informasi statistik mempunyai
sejarah yang sangat panjang, sepanjang peradaban manusia. Pada jaman
sebelum masehi, bangsabangsa di Mesopotamia, Mesir, dan Cina telah
mengumpulkan data statistik untuk memperoleh informasi tentang pajak
yang harus dibayar oleh setiap penduduk, beberapa hasil pertanian yang
mampu diproduksi, berapa cepat atlet lari dan sebagainya untuk
mencatat jumlah kelahiran, kematian, dan perkawinan.
Pada saat ini, statistika telah berkembang jauh, seiring dengan
ditemukaannya dan berkembangnya teori peluang. Statistika telah
memungkinkan untuk melihat jauh kedepan diluar data itu sendiri.
Statistika pada tahun 1950-an telah memasuki wilayah pengambilan
keputusan melalui proses generalisasi dan peramalan dengan
memperhatikan faktor resiko dan ketidakpastian.
Ahli statistik H.G. Wells yang hidup pada tahun 1800-an (Lind,2002)
mengatakan, Berpikir secara statistika suatu saat akan menjadi suatu
kemampuan atau keahlian yang sangat diperlukan dalam masyarakat
yang efesien, seperti halnya kebutuhan manusia untuk membaca dan
menulis. Bahkan di Jepang, menurut Andrea Gabor, pelajaran statistika
menjadi dasar bagi berkembangnya pengawasan mutu, dan pemahaman
probabilitas telah memainkan peranan penting bagi suksesnya produk
produk Jepang.
1. Pengertian Statistika
Statistika
dari
definisinya
meliputi
pengumpulan
data,
pengorganisasian data, penyajian data, analisis data, dan interprestasi
dari hasil analisis tersebut. Berdasarkan pada definisi tersebut,
statistika dibagi dalam dua jenis yaitu statistika deskriptif dan statistika
induktif (inferensial).
Penyajian Data

STATISTIK
DESKRIPSI

Ukuran
Pemusatan
Ukuran
Penyebaran
Angka Indeks
Deret Berkala dan
Peramalan
Probabilitas dan
Teori Keputusan

STATISTIK

STATISTIK
INDUKTIF

Metode Sampling
Teori Pendugaan
Pengujian
Hipotesis

Statistik deskriptif adalah statistik yang digunakan untuk

menganalisis data dengan cara mendeskripsikan atau menggambarkan
data yang telah terkumpul sebagaimana adanya tanpa bermaksud
membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Probabilitas dan Statistik

Page 1

Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya)

jelas akan menggunakan statistik deskriptif dalam analisisnya. Tetapi
bila penelitian dilakukan pada sampel, maka analisisnya dapat
menggunakan statistik deskriptif maupun inferensial. Statistik
deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan
sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk
populasi di mana sampel diambil.
Termasuk dalam statistik deskriptif antara lain adalah penyajian
data melalui table, grafik, diagram lingkaran, pictogram, perhitungan
modus, median, mean (pengukuran tendensi sentral), perhitungan
desil, presentil, perhitungan penyebaran data melalui perhitungan rata
rata dan standar deviasi, perhitungan prosentase. Dalam statistik
deskriptif juga dapat dilakukan mencari kuatnya hubungan antara
variable melalui analisis kolerasi, regresi, dan membuat perbandingan
dengan membandingkan ratarata data sampel atau populasi. Hanya
perlu diketahui bahwa dalam analisis korelasi, regresi, atau
membandingan dua rata rata atau lebih tidak perlu diuji
signifikansinya. Jadi secara teknis dapat diketahui bahwa dalam
statistik deskriptif tidak ada uji signifikansi, tidak ada taraf kesalahan,
karena peneliti tidak bermaksud membuat generalisasi, sehingga tidak
ada kesalahan generalisasi.
Statistik inferensial, (sering juga disebut statistik induktif atau
statistik probabilitas), adalah teknik statistik probabilitas), adalah
teknik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila
sampel diambil dari populasi yang jelas, dan teknik pengambilan
sampel dari populasi yang jelas, dan teknik pengambilan sampel dari
populasi itu dilakukan secara random.
Statistik ini disebut statistik probabilitas, karena kesimpulan yang
diberlakukan
untuk
populasi
berdasarkan
data
sampel
itu
kebenarannya bersifat peluang (probability). Suatu kesimpulan dari
data sampel yang akan diberlakukan untuk populasi itu mempunyai
peluang kesalahan dan kebenaran (kepercayaan) yang dinyatakan
dalam bentuk presentase. Bila peluang kesalahan 5% maka taraf
kepercayaan 95%, bila peluang kesalahan 1%, maka taraf kepercyaan
99%. Peluang kesalahan dan kepercayaan ini disebut dengan taraf
signifikasi. Penguji taraf signifikasi dari hasil suatu analisis akan lebih
praktis bila didasarkan pada table T, uji F digunakan table F. Pada
setiap tabel sudah disediakan untuk taraf signifikasi berapa persen
suatu hasil analisis dapat digeneralisasikan. Dapat diberikan contoh
misalnya dari hasil analisis korelasi ditemukan koefisien korelasi 0,54
dan untuk signifikansi untuk 5%. Hal itu berarti hubungan variable
sebesar 0,54 itu dapat berlaku pada 95 dari 100 sampel yang
diambildari suatu populasi. Jadi signifikasi adalah kemampuan
untuk digeneralisasikan dengan kesalahan tertentu. Ada
hubungan
signifikan
berarti
hubungan
itu
dapat
digeneralisasikan. Ada perbedaan signifikan berarti perbedaan
itu dapat digeneralisasikan.
Probabilitas dan Statistik

Page 2

2. Landasan Kerja Statistik

a. Variasi
Satistik bekerja dengan keadaan yang berubah-ubah (variasi).
Misalnya: keadaan penduduk, keuangan, GNP, kelahiran, kematian,
peserta KB dan sebagainya.
b. Reduksi
Statistik
bekerja secara reduksi, artinya tidak seluruh
informasi yang harus di olah. Tidak seluruh orang harus diteliti
(populasi), melainkan cukup dengan sampel-sampel yang mewakili
saja. Tentu saja sampel itu harus reprensentatif. Untuk mendapatkan
sampel yang representatif diperlukan pemahaman tentang teknik
sampling.
c. Generalisasi
Statistik induktif bekerja untuk menarik kesimpulan umum
(generalisasi) yang berlaku untuk anggota-anggota populasinya
berdasarkan sampel-sampel yang representatif tadi. Misalnya: kita
tidak mungkin meneliti semua produksi kekuatan 100.000 baut
terhadap kekuatan patahnya, tetapi cukup melalui sampel saja
misalnya hanya 384 buah saja untuk setiap 100.000 baut, kalau kita
uji semua kekuatan patah untuk 100.000 maka "apa yang akan
diproduksi dan dijual?".
d. Spesialisasi
Statistik selalu berkenaan dengan angka-angka saja
(kuantitatif). Statistik mempunyai angka-angka yang lebih nyata,
pasti dan dapat diukur dengan angka-angaka. Istilah-istilah seperti:
pada umumnya, kira-kira, kurang lebih, kebanyakan, biasanya
sedikit, biasanya banyak, lumayan, cukupan, sedangsedang saja,
hampir tidak pernah dikenal dalam analisis statistik. Agar data
kualitatif dapat distatistikan, maka data itu harus dibobot dulu.
Misalnya sangat setuju = 5, setuju = 4, ragu-ragu = 3, tidak setuju
= 2, dan sangat tidak setuju = 1.
3. Pengertian Analisis Data
Analisis data diartikan sebagai upaya mengolah data menjadi
informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat
dengan mudah dipahami dan bermanfaat untuk menjawab masalahmasalah yang berkaitan dengan kegiatan penelitian. Dengan demikian,
teknik analisis data dapat diartikan sebagai cara melaksanakan analisis
terhadap data, dengan tujuan mengolah data tersebut menjadi
informasi, sehingga karakteristik atau sifat-sifat datanya dapat dengan
mudah dipahami dan bermanfaat untuk menjawab masalah-masalah
yang berkaitan dengan kegiatan penelitian, baik berkaitan dengan
deskripsi data maupun untuk membuat induksi, atau menarik
kesimpulan tentang karakteristik populasi (parameter) berdasarkan
data yang diperoleh dari sampel (statistik).
4. Jenis-Jenis Data
Probabilitas dan Statistik

Page 3

Jenis data dapat dibedakan menjadi dua macam yaitu : (a) data
yang diperoleh dari sampel atau populasi berupa data kualitatif, data
tersebut bukan berupa angka dan disebut dengan data kualitatif atau
atribut. (b) data yang diperoleh dari sampel atau populasi yang berupa
data kuantitatif atau data berupa angka yang disebut dengan data
kuantitatif.
Data kualitatif merupakan data non-angka (numberik) seperti
jenis kelamin, warna kesayangan, dan asal suku. Data kualitatif
digunakan apabila kita tertarik melihat proporsi atau bagian yang
termasuk dalam kategori.
Data kuantitatif merupakan data angka atau numeric seperti
jumlah mobil (bisa 0,1,2, dan lain lain), jumlah TV yang dijual suatu
took (10, 30, dan lainlain), berat badan (60,1 kg; 80,5 kg; dan lain
lain), jarak Solo Jakarta (230,5 km), dan sebagainya. Semua ukuran
tersebut berupa angka. Data kuantitatif dibedakan menjadi dua bagian
yaitu data diskret dan data kontinu.
Data diskret merupakan data kuantitatif yang nilainya khusus dan
merupakan hasil perhitungan serta biasanya berupa bilangan bulat.
Data diskret seperti jumlah mobil 0,1,2, dan lainlain. Tidak mungkin
mobil bisa berjumlah 1,5 atau 2,25 dan sebagainya. Jadi data diskret
biasanya berupa bilangan bulat.
Data kontinu merupakan data kuantitatif yang nilainya menempati
semua intervalpengukuran dan merupakan hasil pengukuran serta bisa
berupa bilangan pecahan dan bulat. Contoh berat badan bisa 60,1 kg
dan 80,5 kg atau bisa 60 kg dan 80 kg. tinggi badan, luas rumah,
panjang jalan, dan lain lain yang adalah hasil pengukuran
digolongkan sebagai data kontinu.
Selain pembagian kualitatif, kuantitatiF, diskret, dan kontinu, ada
juga yang membagi data kedalam data primer dan data sekunder.
Data primer merupakan data yang diperoleh langsung dari
sumbernya atau objek penelitian. Data sekunder merupakan data
yang sudah diterbitkan atau digunakan pihak lain. Contoh data
sekunder adalah sata yang diambil dari koran, majalah, jurnal, dan
publikasi lainnya.
5. Langkah dan Prosedur Analisis Data
a. Tahap
mengumpulkan
data,
dilakukan
melalui
instrumen
pengumpulan data.
b. Tahap editing, yaitu memeriksa kejelasan dan kelengkapan
pengisian instrumen pengumpulan data.
c. Tahap koding, yaitu proses identifikasi dan klasifikasi dari setiap
pertanyaan yang terdapat dalam instrumen pengumpulan data
menurut variabel-variabel yang diteliti.
d. Tahap tabulasi data, yaitu mencatat atau entri data ke dalam tabel
induk penelitian.
e. Tahap pengujian kualitas data, yaitu menguji validitas dan
realiabilitas instrumen pengumpulan data.

Probabilitas dan Statistik

Page 4

f. Tahap mendeskripsikan data, yaitu tabel frekuensi dan diagram,

serta berbagai ukuran tendensi sentral, maupun ukuran dispersi.
Tujuannya memahami karakteristik data sampel penelitian.
g. Tahap pengujian hipotesis, yaitu tahap pengujian terhadap
proposisi-proposisi yang dibuat apakah proposisi tersebut ditolak
atau diterima, serta bermakna atau tidak. Atas dasar Pengujian
hipotesis inilah selanjutnya keputusan dibuat.

Pengumpul
an Data
(Kuesioner)

Editing
Data dan
Koding
Data

Pengolahan
Data

Analisis
Data

Interpretasi
Data

Instrumenta
si

Probabilitas
1. Pengertian probalilitas
Rasio antara banyaknya cara suatu peristiwa tertentu dapat
terjadi dengan jumlah total peristiwa yang sama untuk terjadi.
Probabilitas terjadinya peristiwa A, dinyatakan dengan lambang P(A)
dapat didefinisikan sebagai proporsi banyaknya peristiwa A terjadi
Probabilitas dan Statistik

Page 5

pada sejumlah besar percobaan berulang dengan kondisi yang

identik.
N (A )
P (A) = N (S)
Dimana :
N (A) : banyak peristiwa A terjadi
N (S) : banyaknya pengulangan percobaan
Contoh:
Pada pelontaran koin (mata uang logam) yang setimbang, ada 2
kemungkinan hasil akhir (outcome), M (muka) atau B (belakang),
maka probabilitas untuk memperoleh hasil akhir M pada 1 kali
pelontaran adalah:
P (M) = 1/2 = 0,5
Probabilitas untuk memperoleh hasil-akhir B adalah:
P (B) = 1/2 = 0,5
Secara matematis, probabilitas adalah suatu proporsi, sehingga sifat
dasar probabilitas dapat dinyatakan sebagai berikut:
0 P (A) 1
2. Percobaan, Hasil, dan Ruang Sampel
Suatu percobaan adalah suatu proses yang dibentuk dari
sejumlah observasi. Nilai-nilai observasi disebut hasil percobaan
(outcomes). Kumpulan dari seluruh hasil percobaan disebut ruang
sampel. Suatu ruang sampel dinotasikan sebagai S, dimana
elemen dari ruang sampel disebut titik sampel.
Percobaan
Hasil
Ruang Sampel
Memilih seorang siswa Pria, Wanita
S = {Pria, Wanita}
Menjalani ujian
Lulus, Gagal
S = {Lulus, Gagal}
Melempar koin 1x
Gambar (G), Angka (A) S ={G,A}
Melempar koin 2x
GG, GA, AG, AA
S ={GG, GA, AG, AA}
Melempar dadu 1x
1, 2, 3, 4, 5, 6
S ={1, 2, 3, 4, 5, 6}
a. Kejadian
Kejadian adalah kumpulan yang terdiri satu atau lebih hasil
sebuah percobaan dan merupakan himpunan bagian dari ruang
contoh. Bisa berupa kejadian sederhana atau kejadian majemuk.
Kejadian sederhana adalah kejadian yang dinyatakan sebagai
himpunan yang hanya terdiri dari satu titik sampel (dinotasikan
dengan Ei). Sedangkan kejadian majemuk adalah kejadian yang
dinyatakan sebagai gabungan beberapa kejadian sederhana
(dinotasikan dengan A, B, C dst, dimana A = A1, A2, A3.dst).

b. Probabilitas Kejadian

Probabilitas dan Statistik

Page 6

Untuk menghitung peluang kejadian A, kita menjumlahkan

peluang semua titik sampel yang menyusun kejadian A
dinotasikan sebagai P(A).
Peluang himpunan = 0, peluang S = 1, dan 0 P(A) 1.
Contoh :
Pada pelontaran sebuah dadu yang setimbang, ada 6
kemungkinan hasil-akhir, yaitu 1, 2, 3, 4, 5, dan 6:
P(1) = P(2) = P(3) = P(4) = P(5) = P(6) =1/6
Probabilitas untuk memperoleh hasil-akhir genap adalah:
1 1 1
P (genap) = P(2) + P(4) + P(6) = 6 + 6 + 6 = 0,5
3. Pengolahan Terhadap Kejadian
Pengolahan terhadap kejadian yaitu pengolahan kejadian yang
menghasilkan kejadian baru, yaitu meliputi irisan, gabungan, dan
komplemen. Anggap A dan B merupakan 2 kejadian dalam sebuah
ruang sampel :
Irisan/Interseksi A dan B dinotasikan sbg A B, adalah kejadian
yang mengandung semua unsur persekutuan kejadian A dan B.
A B = {x|x A dan x B}
S
B

Kejadian A dan B dikatakan saling terpisah bila A B = ; artinya

A dan B tidak memiliki persekutuan.
S
B

Paduan/gabungan/union 2 kejadian A dan B, dinotasikan sebagai

A B, adalah kejadian yang mencakup semua unsur anggota A
atau anggota B atau keduanya
A B = {x|x A atau x B}
Komplemen suatu kejadian A relatif terhadap S adalah himpunan
semua anggota S yang bukan anggota A, dinotasikan dengan A c
(komplemen A)
Anggota A didefinisikan sebagai : Ac = {x|x S dan x A}
Dalil-dalil :
1. A =

Probabilitas dan Statistik

2. A
Page 7

=A

3. A Ac =
4. A Ac = S
5. Sc =

Probabilitas dan Statistik

6. c = S
7. (Ac) c = A

Page 8

8.
9.
4. Pendekatan Probabilitas
10. Teori probabilitas atau peluang merupakan teori dasar dalam
pengambilan keputusan yang memiliki sifat ketidakpastian.
Terdapat tiga pendekatan yang digunakan untuk menentukan
probabilitas dari suatu kejadian yaitu:
a. Pendekatan klasik
11.
Jika suatu kejadian dapat terjadi dalam h cara
yang berbeda dari total n cara yang mungkin, maka probabilitas
dari kejadian tersebut adalah h/n.
12.
misalnya:Bila sekeping koin dilempar sekali, maka
secara logika dikatakan bahwa masing-masing sisi mempunyai
peluang yang sama , yaitu 0,5 karena koin hanya terdiri atas dua
sisi masing-masing, dan masing-masing sisi mempunyai
kesempatan yang sama untuk muncul atau dicatat. P(A) = P(B) =
0,5
b. Pendekatan empiris
13.
Perumusan perhitungan berdasarkan pendekatan
empiris adalah atas dasar pengertian frekuensi relatif.
Pendekatan ini dilakukan karena pendekatan perhitungan klasik
dipandang memiliki beberapa kelemahan. Dalam kenyataan,
syarat yang ditetapkan jarang dapat dipenuhi. Suatu peristiwa E
mempunyai h kejadian dari serangkaian n kejadian dalam suatu
percobaan, maka peluang E merupakan frekuensi relatif h/n ,
h
dinyatakan sebagai P ( E )=lim n
untuk n mendekati nilai tak
terhingga.
c. Pendekatan subyektif
14.
Pada pendekatan subyektif, beberapa orang dapat
saja memiliki keyakinan yang berbeda terhadap terjadinya suatu
peristiwa, meskipun informasi yang diterima berkaitan dengan
peristiwa tersebut adalah sama. Hal tersebut disebabkan karena
setiap orang berpikir dam mempunyai keyakinan yang berbeda
terhadap suatu masalah yang sama.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.

29.
30.
31.
32.
33.
34.
35.
36.
37.

38.

Penerapan Probabilitas dalam

Aturan Bayes

39.
40.
Teorema Bayes dalam probabilitas dan statistika
menunjukkan hubungan antara dua probabilitas kondisional
dimana kedua kondisi tersebut saling bertolak belakang dan
memperhitungkan bahwa probabilitas suatu kejadian (hipotesis)
bergantung pada keadaan lain (bukti). Ringkasnya yaitu
teorema tersebut menyatakan bahwa suatu kejadian yang
terjadi di masa depan atau yang belum terjadi dapat diprediksi
sebelumnya dengan syarat kejadian sebelumnya telah terjadi.
41.
Probabilitas itu sendiri dapat dideffinisikan sebagai
ukuran kuantitatif dari suatu ketidakpastikan informasi atau
peristiwa. Probabilitas memiliki indeks nilai yang berkisr antara
0 sampai 1. Hal ini juga dipengaruhi oleh jumlah total kejadian
selama percobaan. Apabila probabilitas suatu keadaan adalah 0
(nol), maka keadaan tersebut dapat diyakinkan pasti tidak akan
terjadi. Namun, apabila probabilitas suatu keadaan adalah 1,
maka keadaan tersebut dapat diyakinkan pasti akan terjadi.
Sedangkan misalkan suatu kejadian memiliki probabilitas 0,5
maka kejadian tersebut memiliki tingkat keraguan yang
maksimum.
42. Keadaan probabilitas dapat digambarkan seperti di bawah ini :

43.
44. Gambar 1 Grafik Probabilitas
45.
Dalam Teorema Bayes sering disebut istilah probabilitas
bersyarat. Probabilitas bersyarat adalah suatu kejadian yang
mungkin atau tidak tergantung pada terjadinya peristiwa lain.

Ketergantungan ini dapat ditulis dalam bentuk probabilitas

bersyarat sebagai berikut :
46.

P(A | B)

47.
Maksudnya adalah probabilitas bahwa kejadian A akan
terjadi apabila kejadian B terjadi atau bisa disebut sebagai
probabilitas gabungan kejadian A dan B. Dari kondisi tersebut
dapat dirumuskan suatu hubungan sebagai berikut :
48. P(AB) P(B| A)P(A) P(A| B)P(B)
49. Dengan penjelasan sebagai berikut :
P(A) adalah probabilitas sebelum (tanpa syarat atau probabilitas
marjinal) kejadian A. Maksudnya ini adalah kejadian A sebelum
memperhitungkan segala informasi tentang kejadian B.
P(B) adalah probabilitas atau marjinal sebelum kejadian B dan
bertindak sebagai konstanta normalisasi.
P(A|B) adalah probabilitas bersyarat dari kejadian A apabila kejadian B
telah terjadi.
P(B|A) adalah probabilitas bersyarat dari kejadian B apabila kejadian A
telah terjadi.
50.
51.
52.

53.

Variabel Acak dan Pengenalan

Distribusi Kemungkinan

54.

55.
Distribusi Probabilitas Diskrit
56.
Distribusi Probabilitas Kontinu
57.
Distribusi Probabilitas Campuran
58.
Ekspektasi Matematis dan
Teorema Chebyshev
59.
Dasar-Dasar Distribusi Sampling
dan Deskripsi Data
60.
Estimasi Masalah
61.
62.

63.

Uji Hipotesis

64.
65.
Uji Hipotesis adalah metode pengambilan keputusan
yang didasarkan dari analisis data, baik dari percobaan yang
terkontrol, maupun dari observasi (tidak terkontrol). Dalam
statistika,
sebuah hasil dapat dikatakan signifikan secara
statistik jika kejadian tersebut hampir tidak mungkin
disebabkan oleh faktor yang kebetulan, sesuai dengan batas
peluang yang sudah ditentukan sebelumnya. Uji hipotesis

kadang disebut juga "konfirmasi analisis data". Keputusan

dari uji hipotesis biasanya berdasarkan uji hipotesis nol. Hal ini
merupakan
uji
untuk
menjawab
pertanyaan
yang
mengasumsikan hipotesis nol adalah benar.
66.
1. Macam-Macam Hipotesis
a. Hipotesis Deskriptif
67.
Hipotesis Deskriptif adalah nilai suatu variabel mandiri,
bukan perbandingan dan bukan hubungan. Sebagai contoh, jika
rumusan masalah penelitiannya sebagai berikut:
Seberapa tinggi produktivitas pekerja di Kota Bandung?
Berapa lama daya suatu produk disimpan pada kondisi ruangan?
68. Maka rumusan hipotesisnya ialah:
Produktivitas pekerja di Kota Bandung 8 jam/hr.
Daya tahan suatu produk pada suhu ruangan adalah 20 hari.
b. Hipotesis Komparatif
69.
Hipotesis Komparatif merupakan pernyataan yang
menunjukkan dugaan nilai satu variabel atau lebih pada sampel
yang berbeda. Contoh pertanyaan penelitiannya adalah:
Apakah ada perbedaan produktivitas pekerja di Kota Bandung
dan Jakarta?
Apakah ada perbedaan Kinerja keuangan BANK Capem di Kota
Bandung dengan di Kota Subang?
70. Maka rumusan hipotesisnya ialah:
Tidak terdapat perbedaan produktivitas kerja pegawai di Kota
Bandung dan Jakarta.
Kinerja keuangan BANK Capem di Kota Bandung tidak berbeda
dibandingkan Capem Subang.
c. Hipotesis Asosiatif
71.
Hipotesis Asosiatif merupakan pernyataan yang
menunjukkan dugaan hubungan antara dua variabel atau lebih.
Contoh pertanyaan penelitiannya adalah:
Apakah ada hubungan antara
strategi pemasaran denggan
volume penjualan suatu produk?
Apakah ada pengaruh pelatihan pegawai terhadap tingkat
kinerjanya?
72. Maka rumusan hipotesisnya ialah:
Tidak ada hubungan antara strategi pemasaran dengan volume
penjualan suatu produk.
Tidak ada pengaruh pelatihan pegawai terhadap kinerjanya.
73.
2. Fungsi Hipotesis
74.
Hipotesis merupakan kebenaran sementara yang akan
diuji kebenarannya, oleh karena itu hipotesis juga dapat berfungsi
sebagai kemungkinan untuk menguji kebenaran suatu teori.
Jika
hipotesis sudah diuji dan dibuktikan kebenaranya, maka hipotesis
tersebut dapat menjadi suatu teori. Jadi sebuah hipotesis diturunkan

dari suatu teori yang sudah ada, kemudian diuji kebenarannya dan
pada akhirnya dapat menjadi teori baru.
a. Untuk menguji kebenaran suatu teori
b. Memberikan gagasan baru untuk mengembangkan suatu teori
c. Memperluas pengetahuan peneliti mengenai suatu gejala yang
sedang dipelajari.
75.
3. Cara Merumuskan Hipotesis
a. Rumuskan hipotesis penelitian
76.
Hipotesis penelitian ialah Hipotesis yang dibuat dan
dinyatakan dalam bentuk kalimat. Contoh:
Ada hubungan antara hasil panen padi dengan harga jual gabah
di pasaran
Ada hubungan antara pemupukan dan produksi buah apel.
b. Hipotesis operasional
77.
Hipotesis operasional ialah hipotesis yang
mendefinisikan secara operasional variable-variabel yang ada
didalamnya agar dapat dioperasionalisasikan. Misalnya :
Hasil Panen padi dioperasionalisasikan sebagai banyaknya hasil
gabah (ton) yang dihasilkan di suatu daerah pada musim panen
tertentu.
Pemupukan Apel dioperasionalisasikan sebagai jenis pupuk dan
jumlah pupuk yang digunakan di kebun apel pada tahun tertentu.
c. Hipotesis statistic
78.
Hipotesis statistik ialah Hipotesis operasional yang
diterjemahkan menjadi bentuk angka-angka statistik sesuai
dengan alat ukur yang dipilih oleh peneliti. Misalnya: Diduga
ada kenaikan hasil panen padi sebesar 30%, maka Hipotesisnya
dirumuskan sebagai berikut:
H0 : P = 0,3
H1: P 0,3
79.
4. Langkah Menguji Hipotesis
a. Merumuskan Hipotesis (H0 dan HA)
b. Menentukan batas kritis (; db) (Tabel Z)
c. Menentukan nilai Z atau t-hitung (ada rumusnya)
d. Pengambilan keputusan
e. Membuat kesimpulan
80.
81.
82.

83.
84.

Regresi Linear Sederhana dan

Korelasi: Bagian I
Regresi Linear Sederhana dan
Korelasi: Bagian II