1.  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

2.  Suatu data set yang dikomparasikan dapat
dikategorikan menjadi dua, yaitu related
dan unrelated
 Related : menggambarkan dua kondisi
pada populasi yang sama
 Contoh : pendapatan dan pendidikan
 Unrelated : menggambarkan dua kondisi
pada populasi yang berbeda.
 Contoh
: pendapatan antara laki-laki dan
perempuan

3.  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

4.  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

5. Jenis N Mean Std Std.
kelamin deviation Error
Mean
Laki-laki 179 16,37 1,203 ,090
perempu 123 16,45 1,269 ,114
an
F : 0,243 Sig : 0,623

6.  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

7.  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

8. Correlations
rata-rata
pengeluaran
total rt perbulan
pendapatan rt untuk
perbulan? non-makanan
total pendapatan rt Pearson Correlation 1 ,117*
perbulan? Sig. (2-tailed) , ,041
N 302 302
rata-rata pengeluaran Pearson Correlation ,117* 1
rt perbulan untuk Sig. (2-tailed) ,041 ,
non-makanan
N 302 302
*. Correlation is significant at the 0.05 level (2-tailed).

9.  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

10.  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)

11. b
Model Summary
Adjusted Std. Error of Durbin-W
Model R R Square R Square the Estimate atson
1 ,117a ,014 ,011 70814,366 1,636
a. Predictors: (Constant), total pendapatan rt perbulan?
b. Dependent Variable: rata-rata pengeluaran rt perbulan untuk
non-makanan
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2,10E+10 1 2,105E+10 4,197 ,041a
Residual 1,50E+12 300 5014674461
Total 1,53E+12 301
a. Predictors: (Constant), total pendapatan rt perbulan?
b. Dependent Variable: rata-rata pengeluaran rt perbulan untuk non-makanan

12.  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