UJI PERBEDAAN (Differences analysis)

UJI PERBEDAAN

(DIFFERENCES ANALYSIS)

1

One Sample vs. Two Samples2

Dalam analisis data, peneliti dapat dihadapkan pada analisis atas one sample atau two/more samples.

Jumlah sampel, one sample atau two samples ditentukan berdasarkan “bagaimana data diperlakukan”, bukan pada

“bagaimana data dikumpulkan”!

One Sample vs. Two Samples3

Two samples dibedakan menjadi 2

yaitu:

1. Two-related (paired) samples,

2. Two-independent samples,

4

Menguji Hipotesis

• Bila pvalue > nilai signifikan, berarti pvalue

tidak signifikan, berarti terima H0 dan tolak

Ha. Atau, hipotesis tidak terbukti atau tidak

dapat diterima.

• Bila pvalue ≤ nilai signifikan, berarti pvalue

signifikan, berarti tolak H0 dan terima Ha.

Atau, hipotesis terbukti atau dapat diterima.

H0 : Hipotesa Awal Ha : Hipotesa Alternatif

5

Menguji Hipotesis

Besarnya nilai signifikansi (nilai alpha

) tergantung peneliti, yakni

tergantung dari level of confidence

peneliti.

Bila level of confidence = 95%, maka

= 0.05 (5%), yaitu nilai

signifikansi sebesar 5%.

6

Misalkan ingin dibuktikan hipotesis Rata-rata (mean) persepsi responden

terhadap kualitas menyeluruh produk

merek toko kategori makanan-

minuman adalah di atas 4.0.

Dengan tingkat signifikansi =0.05,

maka hipotesis statistiknya dapat

dirumuskan sbb:

One sample – Metric Data

7


H0: < 4.0 > 4.0

Ha:

Karena variabel “persepsi terhadap

kualitas produk” diukur dengan skala

interval (metric), maka teknik statistik

yang digunakan adalah ONE SAMPLE t-

Test.

8


ONE SAMPLE t-Test:

Dalam SPSS, langkah2nya sbb:

ANALYZE > COMPARE MEANS > ONE SAMPLE

t-TEST > Kemudian pilih variabel yang akan

diuji nilai mean-nya.

Two-Independent Samples9

Misal: Responden Pria dan Wanita. Pengujian perbedaan, responden pria dan wanita

tersebut diperlakukan sebagai 2 sampel yang berbeda/independent (seorang responden yg berjenis kelamin Pria, maka ia adalah anggota kelompok sampel Pria; tidak mungkin ia pada saat yg bersamaan, masuk ke kelompok sampel Wanita sehingga teknik pengujian yang digunakan adalah two-independent samples.

10

Two Independent Samples

Contoh: Apakah persepsi responden pria berbeda signifikan dengan persepsi responden wanita dalam menilai kualitas menyeluruh dari produk merek toko kategori makanan-minuman.

Karena persepsi diukur dengan skala interval, maka teknik statistik yang digunakan adalah t-Test Two-Independent Samples.

11

Two Independent Samples

Dengan tingkat signifikansi = 0.05, maka hipotesis statistiknya dirumuskan sbb:

210

: H

211

: H

Two Related (Paired) Samples Sampel Berpasangan

12

Two-related samples (paired samples) adalah

apabila kepada sekelompok sampel dilakukan

pengukuran sebanyak 2 kali untuk hal yang

berbeda, atau untuk hasil suatu treatment (Uji

sebelum dan sesudah treatment).

Two Related (Paired) Samples – Sampel Berpasangan

13

Contoh: Akan diuji apakah persepsi responden dalam menilai kualitas produk kategori makanan-minuman berbeda signifikan dibandingkan dengan kategori non makanan-minuman.

Kelompok responden mengalami pengukuran 2x, maka diperlakukan 2 sampel berpasangan teknik pengujian yang digunakan adalah two-related/paired samples

14

Dengan tingkat signifikansi = 0.05, hipotesis statistik-nya dirumuskan sbb:

Two Paired samples – Metric Data

H0: D = 0

H1: D 0

15

Two Paired samples – Metric Data

Variabel ke-1 “persepsi kualitas produk Ma-Min” Variabel ke-2 “persepsi kualitas produk Non Ma-Min”

Untuk menguji perbedaan ke-2 sampel digunakan TWO SAMPLES / PAIRED t-Test.

Dalam SPSS, langkah2nya sbb:ANALYZE > COMPARE MEANS > PAIRED SAMPLES t-TEST >Kemudian pilih variabel-variabel yang akan diuji nilai mean-nya.

Chi Square Analysis16

Variabel-variabel yang diuji dengan teknik Chi-square ( ) harus diukur dengan skala nominal atau ordinal (non-metric data).

Untuk menggunakan chi-square, maka harus dibuat tabulasi silang (cross-tabulation) terlebih dahulu.

17

Chi-square Test

Contoh: Peneliti ingin menguji apakah gender responden

berasosiasi/berhubungan dengan toko dimana responden membeli produk.

“Gender” sebagai variabel ke-1, dan “nama toko” sebagai variabel ke-2, merupakan data berskala nominal (data non-metric), teknik statistik yang dipakai untuk menguji asosiasi atau hubungan antara gender dan toko yang dipilih adalah Chi-Square.

18

Chi-square Test

Dalam SPSS, Chi Square dioperasikan melalui:

ANALYZE > DESCRIPTIVE STATISTIC > CROSSTABS.

Dalam kotak dialog

Crosstabs, klik STATISTIC & pilih CHI-SQUARE

Analisis Varian19

Apabila uji perbedaan yang dilakukan

melibatkan rata-rata (mean) lebih dari 2

populasi atau kelompok sampel, teknik

statistik yang digunakan adalah analisis varian

atau ANOVA (analysis of variance).

Analisis Varian20

Dalam bentuk paling sederhana, ANOVA memiliki 1 variabel dependen (data metrik atau dalam skala interval atau rasio). Lalu 1 atau lebih variabel independen (data non-metrik dalam skala nominal atau ordinal).

Variabel independen ini disebut faktor. Kategorisasi yang dilakukan terhadap variabel independen disebut perlakuan (treatment).

Analisis Varian21

Banyaknya kategori harus lebih dari 2, karena bila hanya 2 kategori, uji t-test bisa digunakan.

Apabila hanya ada 1 variabel independen, maka yang dipakai adalah ANOVA satu-arah (one-way ANOVA). Bila ada 2 variabel independen, maka ANOVA dua-arah (two-way ANOVA). Bila lebih dari 2 variabel independen, digunakan ANOVA multi- arah (N-way ANOVA).

Apabila sejumlah variabel independen terdiri dari variabel non-metrik dan metrik, maka teknik statistik yang digunakan adalah ANCOVA (analysis of covariance).

Analisis Varian22

Dalam pengujian, formulasi hipotesis statistiknya sbb: H0: µ1 = µ2 = …. = µk

Ha: µ1 ≠ µ2 ≠ …. ≠ µk (tidak semua rata-rata sama –setidaknya ada dua mean populasi yang tidak sama).

Analisis Varian23

Contoh: Sebuah department store meneliti efek dari in-

store promotion (X) terhadap sales (Y). Variabel dependen sales --- metric (skala rasio) Variabel independen in-store promotion ---

nonmetric (skala nominal). Dibagi dalam 3 kategori: (1) promosi high, (2) promosi medium, dan (3) promosi low.

Dalam SPSS, langkah2nya sbb:ANALYZE > COMPARE MEANS > ONE WAY ANOVA

Data “In-Store Promotion”

24

Store Number Coupon Level In-Store Promotion Sales Clientel Rating1 1.00 1.00 10.00 9.002 1.00 1.00 9.00 10.003 1.00 1.00 10.00 8.004 1.00 1.00 8.00 4.005 1.00 1.00 9.00 6.006 1.00 2.00 8.00 8.007 1.00 2.00 8.00 4.008 1.00 2.00 7.00 10.009 1.00 2.00 9.00 6.00

10 1.00 2.00 6.00 9.0011 1.00 3.00 5.00 8.0012 1.00 3.00 7.00 9.0013 1.00 3.00 6.00 6.0014 1.00 3.00 4.00 10.0015 1.00 3.00 5.00 4.0016 2.00 1.00 8.00 10.0017 2.00 1.00 9.00 6.0018 2.00 1.00 7.00 8.0019 2.00 1.00 7.00 4.0020 2.00 1.00 6.00 9.0021 2.00 2.00 4.00 6.0022 2.00 2.00 5.00 8.0023 2.00 2.00 5.00 10.0024 2.00 2.00 6.00 4.0025 2.00 2.00 4.00 9.0026 2.00 3.00 2.00 4.0027 2.00 3.00 3.00 6.0028 2.00 3.00 2.00 10.0029 2.00 3.00 1.00 9.0030 2.00 3.00 2.00 8.00

Uji ANOVA satu-arah (One-way ANOVA)

25

ANOVA

Sales

106.067 2 53.033 17.944 .000

79.800 27 2.956

185.867 29

Between Groups

Within Groups

Total

Sum ofSquares df Mean Square F Sig.

Nilai signifikansi dengan F test 0.000 < pvalue 0.05, berarti signifikan, sehingga kita menolak H0 dan menerima Ha . Dengan demikian, tingkat in-store promotion terbukti memiliki pengaruh yang signifikan terhadap penjualan.

Uji ANOVA dua-arah (Two-way ANOVA)

26

Misalkan ingin diketahui : apakah in-store promotion dan kupon yang dikeluarkan berpengaruh signifikan terhadap sales.

Variabel dependen sales --- metric (skala rasio)

Variabel independen, ada 2 yaitu: X1 (in-store promotion) --- nonmetric (skala nominal). X2 (coupon) --- nonmetric (skala nominal).


27

Statistik uji yang digunakan adalah ANOVA dua-arah.

Dalam SPSS, langkah2nya sbb:

ANALYZE > GENERAL LINEAR MODEL > UNIVARIATE

Masukkan variabel dependen ke “Dependent

Variable” dan variabel independen ke “Fixed

Factor(s)”.


28

Tests of Between-Subjects Effects

Dependent Variable: Sales

162.667a 5 32.533 33.655 .000

1104.133 1 1104.133 1142.207 .000

53.333 1 53.333 55.172 .000

106.067 2 53.033 54.862 .000

3.267 2 1.633 1.690 .206

23.200 24 .967

1290.000 30

185.867 29

SourceCorrected Model

Intercept

coupon

promotio

coupon * promotio

Error

Total

Corrected Total

Type III Sumof Squares df Mean Square F Sig.

R Squared = .875 (Adjusted R Squared = .849)a.

Nilai signifikansi Coupon*Promotion 0.206 > pvalue 0.05 tidak signifikan, artinya terima H0 dan tolak H1. Jadi,tingkat in-store promotion dan kupon yang dikeluarkan tidak memilki pengaruh yang signifikan terhadap penjualan.

Uji ANCOVA (Analysis of Covariance)

29

Misalkan ingin diketahui: apakah in-store promotion dan kupon yang dikeluarkan berpengaruh signifikan terhadap sales, sementara kita mengontrol pengaruh dari client.

Variabel dependen sales --- metric (skala rasio)

Variabel independen, ada 3 X1 (in-store promotion) --- nonmetric (skala nominal). X2 (coupon) --- nonmetric (skala nominal).

X3 (client) metric (skala rasio)


30

Karena variabel independen terdiri atas data metric dan non-metric, maka statistik uji yang digunakan adalah ANCOVA.

Dalam SPSS, langkah2nya sbb:ANALYZE > GENERAL LINEAR MODEL > UNIVARIATE

Masukkan variabel dependen ke “Dependent Variable”, kemudian variabel independen non metric ke “Fixed Factor(s)”, dan variabel independen metric ke “Covariate(s)”.


31

Tests of Between-Subjects Effects

Dependent Variable: Sales

163.505a 6 27.251 28.028 .000

103.346 1 103.346 106.294 .000

.838 1 .838 .862 .363

53.333 1 53.333 54.855 .000

106.067 2 53.033 54.546 .000

3.267 2 1.633 1.680 .208

22.362 23 .972

1290.000 30

185.867 29

SourceCorrected Model

Intercept

clientel

coupon

promotio

coupon * promotio

Error

Total

Corrected Total

Type III Sumof Squares df Mean Square F Sig.

R Squared = .880 (Adjusted R Squared = .848)a.

Nilai signifikansi Clientel 0.363 > pvalue 0.05, tidak signifikan, jadi terima H0 dan tolak H1. Dengan demikian dapat dikatakan bahwa tingkat in-store promotion dan kupon yang dikeluarkan serta client tidak memilki pengaruh yang signifikan terhadap penjualan.

Documents

UJI PERBEDAAN (Differences analysis)