Statistik parametrik : mendasarkan pada asumsi terhadap data yang akan digunakan terutama menyangkut distribusi data. Digunakan untuk data interval dan rasio

Statistik non-parametrik : normalitas distribusi data biasanya hanya untuk data interval atau rasio, sehingga untuk data nominal dan ordinal digukan statistik non parametrik

Suatu data set yang dikomparasikan dapat dikategorikan menjadi dua, yaitu related dan unrelated

Related : menggambarkan dua kondisi pada populasi yang samaContoh : pendapatan dan pendidikan

Unrelated : menggambarkan dua kondisi pada populasi yang berbeda.Contoh : pendapatan antara laki-laki dan

perempuan

Jumlah variabel yang akan digunakan dalam analisis : univariate (1 variabel); bivariate (2 variabel) atau multivariate (lebih dari 2 variabel)

Skala pengukuran Hipotesis yang akan diuji

Pertanyaan : apakah terdapat perbedaan yang nyata antara rata-rata umur laki-laki dan perempuan

Hipotesis alternatif: terdapat perbedaan rata-rata umur laki-laki dan perempuan secara signifikan

Hipotesis null : tidak terdapat perbedaan rata-rata umur laki-laki dan perempuan

Alat uji : t-test

Jenis kelamin

N Mean Std deviation

Std. Error Mean

Laki-laki 179 16,37 1,203 ,090

perempuan

123 16,45 1,269 ,114

F : 0,243 Sig : 0,623

Hasil test menunjukkan bahwa rata-rata umur laki-laki adalah 16,37 sementara perempuan 16,45.

Dengan tingkat kepercayaan (level of confidence) 95 % atau 0,05 maka perbedaan tersebut tidak signifikan.

Hal itu dapat dilihat dari nilai sig. yang lebih besar dari 0,05.

Artinya hipotesis null diterima dan hipotesis alternatif ditolak

Pertanyaan : bagaimana hubungan antara pendapatan rumah tangga dan pengeluaran untuk makan ?

Hipotesis alternatif : terdapat hubungan positif antara pendapatan rumah tangga dengan pengeeluaran untuk makan. Semakin besar pendapatan rumah tangga semakin besar pengeluaran untuk makanan

Hipotesis null : tidak ada hubungan antara pendapatan rumah tangga dengan pengeluaran untuk makanan.

Alat uji : Korelasi produk moment

Correlations

1 ,117*

, ,041

302 302

,117* 1

,041 ,

302 302

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

total pendapatan rtperbulan?

rata-rata pengeluaranrt perbulan untuknon-makanan

totalpendapatan rt

perbulan?

rata-ratapengeluaranrt perbulan

untuknon-makanan

Correlation is significant at the 0.05 level (2-tailed).*.

Hasil uji korelasi menunjukkan bahwa nilai korelasinya adalh 0,114

Angka ini signifikan pada derajat kepercayaan 95 %

Artinya : hipotesis null ditolak atau hipotesis alternatif diterima. Terbukti bahwa semakin besar pendapatan rumah tangga semakin besar pengeluaran untuk makanan

Hasil korelasi hanya menunjukkan hubungan, tetapi belum dapat menjawab apakah pendapatan mempengaruhi pengeluaran untuk makanan

Uji pengaruh IV thd DV jika keduanya dalam skala pengukuran interval atau rasio, maka dapat digunakan least linier regression (pearson product moment)

Model Summaryb

,117a ,014 ,011 70814,366 1,636Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Durbin-Watson

Predictors: (Constant), total pendapatan rt perbulan?a.

Dependent Variable: rata-rata pengeluaran rt perbulan untuknon-makanan

b.

ANOVAb

2,10E+10 1 2,105E+10 4,197 ,041a

1,50E+12 300 5014674461

1,53E+12 301

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), total pendapatan rt perbulan?a.

Dependent Variable: rata-rata pengeluaran rt perbulan untuk non-makananb.

Tabel ke 2 memperlihatkan bahwa nilai sig. adalah 0,041 (lihat hasil nilai sig pada uji korelasi)

Seberapa besar kontribusi IV terhadap perubahan DV dapat dilihat dari nilai agjusted R square (0,11) artinya adalah perubahan pengeluaran untuk makanan 11 persen dipengaruhi oleh besarnya pendapatan

Persamaan y = a + bx dapat dijabarkan dengan melihat nilai b ----- y = 53675,5 + 0,025 x