Menguji perbedaan dua kelompok

Mengelompokkan data ke dalam beberapa cluster

Memprediksi nilai Y berdasarkan X

Mengukur tingkat homogenitas data

Y = b₁X₁ + b₂X₂

Y = bX

Y= a - bX

Y = a + bX

Data berdistribusi normal

Hubungan linear antar variable

Terdapat satu variabel bebas

Variabel terikat harus nominal

Jika X naik 7,7 maka Y naik satu satuan

Jika X naik satu satuan maka Y naik 7,7 satuan

Jika X turun satu satuan maka Y turun 7,7

Y tidak dipengaruhi X

X mempengaruhi Y sebesar 20,9%

X tidak mempengaruhi Y sama sekali

Y mempengaruhi X sebesar 20,9%

Hubungan keduanya tidak signifikan

Koefisien regresi

Konstanta

Nilai prediksi

Residual

Secara purposive

Secara sistematis

Secara stratifikasi

Secara random

Sig < 0,05

Sig > 0,05

t-hitung < t-tabel

Varians data besar

Jika nilai ujian meningkat 3,2 poin maka jam belajar meningkat 1 jam

Jika jam belajar tetap, nilai ujian akan selalu 3,2

3,2 adalah nilai rata-rata jam belajar mahasiswa

Jika jam belajar meningkat 1 jam maka nilai ujian diprediksi meningkat 3,2 poin

Terdapat satu variabel bebas

Terdapat lebih dari satu variabel bebas

Semua variabel berskala nominal

Penelitian bersifat deskriptif

Y = a + bX

Y=aX₁X₂

Y=a + b₁X₁ +b₂X₂+...+b_nX_n

Y=a + X₁X₂ +X₂X₃+...+X_n-1X_n

X₂ meningkatkan Y

X₂ menurunkan Y

X₂ tidak mempengaruhi Y

Y meningkat drastis

X₁ berpengaruh signifikan terhadap Y

X₁ tidak berpengaruh terhadap Y

X₁ harus dihapus dari model

Hubungan X₁ dan Y negatif

Salah

Benar

Hanya berlaku pada regresi linear sederhana

Tergantung jumlah sampel

Menghitung korelasi

Menghitung rata-rata

Menghitung koefisien b₁

Menghitung standar deviasi

Kedua variabel berpengaruh kuat secara parsial yaitu sebesar 93,5%

X₂ signifikan secara parsial meskipun nilai signifikansi di atas 0,05

Terdapat Pengaruh Variabel bebas terhadap variabel terikat sebesar 93,5%

Hanya 6,5% data dijelaskan model

X₁ tidak berpengaruh pada Y

X₂ meningkatkan Y sebesar 0,221

Kenaikan X₁ meningkatkan Y

Semua variabel tidak signifikan

Jika kemampuan aljabar meningkat 1 poin, prestasi matematika menurun 0,3

Jika kemampuan aljabar meningkat 1 poin, prestasi matematika meningkat 0,3

Kemampuan aljabar tidak berpengaruh terhadap prestasi

Jika kemampuan aljabar menurun 1 poin, prestasi menurun 0,3

30 + (0,4×40) + (0,6×12) = 70,2

30 + 40 + 12 = 82

30 + (0,6×40) + (0,4×12) = 66,8

30 + (0,4×12) + (0,6×40) = 66,8

Konsistensi jawaban dari waktu ke waktu

Tingkat kesalahan standar pengukuran

Perbedaan antara dua kelompok responden

Apakah instrumen mengukur apa yang seharusnya diukur

Valid

Tidak Valid

Perlu diperbaiki

Tidak reliabel

Tingkat keakuratan instrument

Kesesuaian indikator dengan variable

Konsistensi hasil pengukuran

Hubungan antarvariabel

< 0,6

> 0,6

 = 0

 < 0

Skala dikotomi (1–0)

Skala nominal

Skala kontinum atau Likert

Skala geografis

Sangat reliabel

Moderat

Tidak reliabel

Mempunyai validitas tinggi

Tidak valid tetapi reliabel

Valid dan reliabel

Valid tetapi tidak reliabel

Hanya reliabel

Item nomor 3 tidak valid

 Item nomor 3 valid

Item nomor 3 harus dihapus

Item nomor 3 reliabel tetapi tidak valid

Valid

Tidak Valid

Sangat Valid

Cukup Valid

Instrumen memiliki konsistensi sangat tinggi

Nilai reliabilitas terlalu tinggi sehingga instrumen perlu direvisi

Instrumen hanya reliabel jika nilai reliabilitas mencapai 1,00

Reliabilitas 0,89 menunjukkan item-item tidak berhubungan satu sama lain

Menguji perbedaan dua kelompok

Mengelompokkan variabel menjadi faktor yang lebih sedikit

Mengukur hubungan sebab–akibat

Menguji normalitas data

Inferensial komparatif

Nonparametrik

Analisis multivariat

Regresi parametrik

Rotasi

Ekstraksi faktor

Uji validitas kembali

Menghitung Cronbach Alpha

Variabel bebas dan terikat

Faktor-faktor yang dapat diukur langsung

Variabel laten yang tidak dapat diukur secara langsung

Variabel instrumental yang telah ditentukan sebelumnya

Kombinasi linier dari faktor laten dan error

Variabel yang berdiri sendiri tanpa pengaruh lain

Hasil estimasi regresi sederhana

Perhitungan varians total dari faktor

Communalities

Eigenvalue

Factor loading

Residual varians

Menguji apakah model faktor yang sudah ditentukan sesuai data

Mengidentifikasi jumlah faktor yang mungkin terbentuk dari sekumpulan item

Menguji hubungan sebab-akibat antarvariabel

Mengelompokkan responden berdasarkan kemiripan karakteristik

Peneliti belum mengetahui struktur faktor dan ingin mengekplorasi

Tidak ada teori yang mendasari pembentukan faktor

Struktur faktor telah ditentukan berdasarkan teori sebelumnya

Peneliti ingin membandingkan dua kelompok independen

EFA digunakan untuk menguji teori, sedangkan CFA digunakan untuk eksplorasi awal

EFA menentukan faktor berdasarkan teori, sedangkan CFA berdasarkan korelasi

EFA bertujuan menemukan faktor, sedangkan CFA bertujuan mengonfirmasi faktor yang sudah dirumuskan

EFA hanya dapat digunakan untuk data nominal, CFA untuk data interval

Regresi Linear Berganda

Uji t dan uji F

Principal Component Analysis (PCA)

Analisis Korelasi Bivariat

Variabel bebas: interval; variabel terikat: nominal

Variabel bebas: ordinal atau nominal; variabel terikat: interval atau rasio

. Variabel bebas: rasio; variabel terikat: ordinal

Variabel bebas dan terikat harus sama-sama kategorik

Uji Levene dan Bartlett

Uji Mann–Whitney

Uji Shapiro-Wilk atau Kolmogorov-Smirnov

Uji Kruskal–Wallis

Apakah dua variabel bebas berinteraksi terhadap variabel terikat

Apakah terdapat perbedaan rata-rata antar lebih dari dua kelompok pada satu faktor

Apakah semua kelompok memiliki varians yang sama

Pengaruh dua variabel terikat terhadap satu variabel bebas

Menguji apakah metode belajar dan motivasi saling berinteraksi

Menguji perbedaan varians antar kelompok

Menentukan kelompok mana yang jumlah siswanya paling banyak

Melihat apakah ketiga metode belajar menghasilkan rata-rata nilai yang berbeda signifikan

ANOVA satu jalur membandingkan lebih dari dua variabel terikat, sedangkan ANOVA dua jalur hanya satu

ANOVA satu jalur menggunakan data nominal, sedangkan ANOVA dua jalur menggunakan data ordinal

ANOVA satu jalur menggunakan satu faktor, sedangkan ANOVA dua jalur menggunakan dua factor

ANOVA dua jalur tidak memerlukan asumsi normalitas

Perbedaan rata-rata satu kelompok saja

Pengaruh satu variabel bebas terhadap satu variabel terikat

Pengaruh dua variabel bebas dan interaksi keduanya terhadap variabel terikat

Hubungan linear antar dua variabel numerik

ANOVA satu jalur

Regresi linear

ANOVA dua jalur

Mann–Whitney U

Dapat menganalisis lebih dari satu variabel terikat sekaligus

Dapat melihat pengaruh dua faktor sekaligus dan interaksi antara keduanya

Tidak memerlukan asumsi normalitas dan homogenitas varians

Hanya memerlukan sampel yang sangat kecil

Tidak bisa membandingkan lebih dari dua kelompok

Memerlukan data numerik untuk variabel bebas

Tidak dapat digunakan untuk desain eksperimen

Interpretasinya menjadi lebih kompleks karena adanya efek interaksi

Sampel berasal dari kelompok yang saling bergantung

Variabel faktor harus bersifat non-metrik atau kategorik

Variabel dependen harus berupa data nominal

Data pada variabel faktor harus berbentuk rasio

Nominal

Ordinal

Interval atau Rasio

Kategorik Murni

Agar kelompok tidak saling memengaruhi sehingga hasil analisis tidak bias

Agar nilai rata-rata antar kelompok selalu sama

Agar varians antar kelompok otomatis homogen

Agar data dapat dianalisis tanpa asumsi normalitas

Hasil ANOVA menjadi lebih akurat

Efek interaksi menjadi lebih mudah diinterpretasikan

Hasil analisis dapat bias karena kelompok saling memengaruhi

Variabel dependen berubah menjadi kategorik

Nilai F hitung < F tabel

p-value > 0,05

Nilai F hitung signifikan untuk  faktor A dan B (A×B)

Variabel dependen berdistribusi normal

Melakukan uji post hoc untuk melihat kelompok mana yang berbeda

Menghapus variabel interaksi

Mengubah variabel dependen menjadi kategorik

Mengulang analisis tanpa asumsi

ANOVA dua arah

Regresi linear

ANOVA satu arah

Uji t berpasangan

ANOVA satu arah

ANOVA dua arah

Kruskal–Wallis

Mann–Whitney

Variabel terikat berskala rasio

Variabel bebas hanya terdiri dari satu faktor

Penelitian ingin menguji pengaruh dua faktor sekaligus

Data berdistribusi normal

Efektivitas metode PBL tergantung pada jenis kelamin

Efektivitas metode konvensional lebih baik pada perempuan

Tidak ada interaksi antara metode dan jenis kelamin

Hasil belajar dipengaruhi oleh kombinasi metode dan gender

Metode dan gender sama-sama berpengaruh, tetapi tidak ada interaksi keduanya

Metode tidak berpengaruh tetapi gender berpengaruh

Hanya interaksi yang berpengaruh

Metode dan gender tidak berpengaruh signifikan

Uji t dan ANOVA

ANOVA dan regresi

Regresi dan korelasi

Chi-square dan ANOVA

Menguji korelasi antar variabel numerik

Mengetahui hubungan dua variabel independen

Mengontrol variabel pengganggu agar perbandingan antar kelompok lebih akurat

Menentukan perbedaan mean tanpa mempertimbangkan variabel lain

Variabel dependen

Variabel bebas

Kovariat (covariate)

Moderator

Tidak ada pengaruh perlakuan setelah mengontrol kovariat

Kovariat tidak berpengaruh

Analisis harus diulang

Ada pengaruh perlakuan setelah kovariat dikontrol

Menambahkan regresi untuk mengontrol variabel tertentu

Mengganti mean menjadi median

Tidak memerlukan uji asumsi

Tidak membandingkan mean antar kelompok

Variabel perlakuan

Variabel hasil (dependent)

Variabel yang tidak digunakan dalam penelitian

Variabel yang ikut memengaruhi hasil dan perlu dikontrol

Karena bisa menghilangkan sebagian efek perlakuan sehingga hasil menjadi tidak akurat

Karena membuat hasil penelitian tampak lebih baik

Karena membuat data menjadi banyak

Karena sulit diolah

Nilai pretest

Nilai posttest

Jenis model pembelajaran

Nama kelompok

Menambah jumlah variabel bebas

Mengurangi pengaruh variabel luar yang tidak diinginkan

Menambah variasi data

Mengganti variabel terikat

Model pembelajaran

Hasil belajar

Motivasi awal

. Jenis kelamin siswa