Penggunaan Statistika dalam Penelitian
Yusuf Hartono
FKIP Unsri
Disajikan pada Pelatihan Metodologi Penelitian Palembang, 17 Mei 2017
Statistics is the grammar of science.
- Karl Pearson (1857-1936), British statistician Data are just summaries of thousands of stories −tell a few of those stories to help make the data meaningful.
Agenda
Pengertian Statistika Beberapa Istilah Statistika Deskriptif Statistika Inferensial Beberapa Teknik Analisis
Pengertian Statistika
Statistika merupakan kumpulan metode untuk mengumpulkan data,
menyajikan data, menganalisis data, menarik kesimpulan, dan membuat keputusan.
Pengertian Statistika
Statistika merupakan kumpulan metode untuk mengumpulkan data,
menyajikan data, menganalisis data, menarik kesimpulan, dan membuat keputusan.
Statistika: Deskriptif dan Inferensial
Variabel dan Skala Pengukurannya
Variabel: segala sesuatu yang akan diukur dan mempunyai nilai yang tidak tetap.
Skala pengukuran: nominal: kategori
Contoh: jenis kelamin: 1 = laki-laki, 2 = perempuan ordinal: peringkat
Contoh: tingkat pendidikan: 1 = SD, 2 = SMP, 3 = SMA, 4 = PT interval: jumlah, selisih, jarak
Contoh: temperatur
Statistika Deskriptif
mencari distribusi data: grafis:
histogram poligon frekuensi
boxplot
numerik:
ukuran pemusatan: modus, median, rata-rata (mean) ukuran penyebaran: variansi, simpangan baku
Ukuran pemusatan:
modus: deskripsi data nominal median: deskripsi data ordinal mean: deskripsi data interval/rasio Ukuran penyebaran:
rentang antar kuartil: deskripsi data ordinal simpangan baku: deskripsi data interval/rasio
Angka Baku
Angka baku adalah jarak data dari rata-ratanya diukur dengan simpangan baku.
Jadi, angka baku menyatakan berapa kali simpangan baku jarak data tersebut dari rata-ratanya.
Contoh 1
Sekelompok data mempunyai rata-rata 70 dan simpangan baku 5. Angka baku untuk 80 adalah 2 dan untuk 65 adalah −1. Artinya, 80 berada dua kali simpangan baku di sebelah kanan rata-rata dan 65 satu kali
Distribusi Normal Baku
Jika X berdistribusi normal dengan rata-rata µ dan simpangan bakuσ, maka angka baku
Z = X−µ
σ
berdistribusi normal baku dengan rata-rata 0 dan simpangan baku 1.
Populasi
Misalkan:
Bu Inah ingin mengetahui tingkat kecerdasan mahasiswa Unsri. Pak Somad ingin mengetahui kemampuan membaca mahasiswa Unsri.
Apakah mereka mempunyai populasi yang sama? Definisi Operasional:
tingkat kecerdasan: skor IQ
kemampuan membaca: skor membaca Populasi
Bu Inah: semua skor IQ mahasiswa Unsri
Populasi
Misalkan:
Bu Inah ingin mengetahui tingkat kecerdasan mahasiswa Unsri. Pak Somad ingin mengetahui kemampuan membaca mahasiswa Unsri. Apakah mereka mempunyai populasi yang sama?
Definisi Operasional:
tingkat kecerdasan: skor IQ
kemampuan membaca: skor membaca Populasi
Bu Inah: semua skor IQ mahasiswa Unsri
Pak Somad: semua skor membaca mahasiswa Unsri
Populasi
Misalkan:
Bu Inah ingin mengetahui tingkat kecerdasan mahasiswa Unsri. Pak Somad ingin mengetahui kemampuan membaca mahasiswa Unsri. Apakah mereka mempunyai populasi yang sama?
Definisi Operasional:
tingkat kecerdasan: skor IQ
kemampuan membaca: skor membaca
Populasi
Bu Inah: semua skor IQ mahasiswa Unsri
Populasi
Misalkan:
Bu Inah ingin mengetahui tingkat kecerdasan mahasiswa Unsri. Pak Somad ingin mengetahui kemampuan membaca mahasiswa Unsri. Apakah mereka mempunyai populasi yang sama?
Definisi Operasional:
tingkat kecerdasan: skor IQ
kemampuan membaca: skor membaca Populasi
Bu Inah: semua skor IQ mahasiswa Unsri
Pak Somad: semua skor membaca mahasiswa Unsri
Sampel
Sampel adalah sebagian dari populasi yang dipilih dengan teknik tertentu. Beberapa teknik penyampelan:
probabilistik acak sederhana acak bertingkat acak gugus nonprobabilistik dengan pertimbangan kuota seadanya sistematis
Statistika Inferensial
p eny amp elan generalisasi ⇒ ⇐ Teknik Penyampelan Statistika Inferensial POPULASI parameter: µ, π, σ SAMPEL statistik: ¯ x,p,sDistribusi Sampel
Jika dari sebuah populasi dengan rata-rata µdan simpangan bakuσ
diambil sampel sebesarn, maka rata-rata sampel ¯X memiliki rata-rataµ
dan simpangan baku, yang disebut galat baku,σ/√n. Jika populasi berdistribusi normal, maka
Z = X¯−µ
σ/√n
berdistribusi normal baku. Jika populasi tidak berdistribusi normal, Z
Distribusi
t
Dalam hal σ tidak diketahui, simpangan baku sampel s dapat menggantikannya. Namun demikian,
T = X¯−µ
s/√n
berdistribusi t dengann−1 derajat kebebasan. Perhatikan bahwa distribusi t akan mendekati distribusi normal baku bilan → ∞.
Berpikir Peluang
Misalkan diduga dalam sebuah kolam, yang berisi dua jenis ikan, terdapat lebih banyak ikan patin daripada ikan gurami.
Bagaimana membuktikan hal ini?
Keringkan kolamnya, lalu hitung satu-satu.
Tangkap beberapa, lalu hitung ikan mana yang lebih banyak.
Misalkan tertangkap 20 ekor. Dari 20 ekor ini berapa banyak ikan patin yang akan meyakinkan kita bahwa dugaan tadi benar?
Berpikir Peluang
Misalkan diduga dalam sebuah kolam, yang berisi dua jenis ikan, terdapat lebih banyak ikan patin daripada ikan gurami.
Bagaimana membuktikan hal ini?
Keringkan kolamnya, lalu hitung satu-satu.
Tangkap beberapa, lalu hitung ikan mana yang lebih banyak.
Misalkan tertangkap 20 ekor. Dari 20 ekor ini berapa banyak ikan patin yang akan meyakinkan kita bahwa dugaan tadi benar?
Berpikir Peluang
Misalkan diduga dalam sebuah kolam, yang berisi dua jenis ikan, terdapat lebih banyak ikan patin daripada ikan gurami.
Bagaimana membuktikan hal ini?
Keringkan kolamnya, lalu hitung satu-satu.
Tangkap beberapa, lalu hitung ikan mana yang lebih banyak.
Misalkan tertangkap 20 ekor. Dari 20 ekor ini berapa banyak ikan patin yang akan meyakinkan kita bahwa dugaan tadi benar?
Berpikir Peluang
Misalkan diduga dalam sebuah kolam, yang berisi dua jenis ikan, terdapat lebih banyak ikan patin daripada ikan gurami.
Bagaimana membuktikan hal ini?
Keringkan kolamnya, lalu hitung satu-satu.
Tangkap beberapa, lalu hitung ikan mana yang lebih banyak.
Misalkan tertangkap 20 ekor. Dari 20 ekor ini berapa banyak ikan patin yang akan meyakinkan kita bahwa dugaan tadi benar?
Pengujian Hipotesis
Hipotesis adalah dugaan mengenai parameter populasi. Untuk menguji H0:µ=µ0 melawanHa :µ > µ0:
1 Ambil sampel sebesar n.
2 Hitung rata-rata ¯x dan simpangan bakus. 3 Hitung nilai-p, yaitu
p=P t ≥ x¯−µ0 s/√n ,
dengan distribusi t dengan n−1 derajat kebebasan.
4 TolakH0 jika p≤α,α adalah taraf signifikansi atau batas resiko keliru yang masih bisa diterima.
Contoh 2
Misalkan IPK mahasiswa Unsri berdistribusi normal dengan rata-rata µ. Bila sampel berukuran 30 mempunyai rata-rata 3,1 dan simpangan baku 0,3, dapatkah disimpulkan bahwa rata-rata IPK mahasiswa Unsri di atas 3? Di sini kita akan menguji H0:µ= 3 melawanHa :µ >3. Dengan
menggunakan statistik uji
T = 3,1−3
0,3/√30 = 1,83
diperoleh signifikansi (nilai-p) sebesar 0,0391. Artinya, dapat disimpulkan bahwa rata-rata IPK mahasiswa Unsri di atas 3 dengan resiko 3,91%. Catatan:
Nilai-p adalahα terkecil yang dapat dipakai untuk menolak H0.
Uji Beda Dua Rata-rata
Untuk menguji H0:µ1 =µ2 melawan Ha :µ16=, <, > µ2 dapat digunakan
statistik uji T = qx¯1−x¯2 s2 1 n1 + s2 2 n2 jikaσ2
1 6=σ22. Dengan asumsi homogen, yaituσ21 =σ22 statistik uji di atas
diubah menjadi T = x¯1−x¯2 sqn1 1 + 1 n2 dengan s2 = (n1−1)s 2 1 + (n2−1)s22.
Analisis Komparatif
Beberapa teknik yang umum dipakai pada analisis komparatif:
Banyak Sampel Parametrik Nonparametrik
satu uji-z uji tanda
uji-t
dua, berpasangan uji-t pasangan Wilcoxon signed rank test
dua, bebas uji-t bebas Chi-kuadrat
Wilcoxon rank sum test Mann-Whitney test
k, berelasi anava dgn replikasi
k, bebas anava satu arah Kruskal Wallis test
Jonckheere test
k sampel anava dua arah Friedman test
Analisis Korelasi/Asosiasi
Beberapa koefisien korelasi yang umum dipakai:
Var 1 Var 2 Koefisien Korelasi
nominal nominal kontingensi (C)
lambda (λ) phi (φ)
nominal ordinal theta (θ)
nominal inerval/rasio eta (η)
point biserial (rbis)
ordinal ordinal gamma (γ)
Spearman (rs)
Analisis Regresi
Beberapa model regresi linier yang umum dipakai:
Var Terikat Var Bebas Model Regresi
interval 1, ordinal/interval Sederhana
interval p, ordinal/interval Ganda
nominal ordinal/interval Logistik Binomial
Logistik Multinomial
frekusnsi ordinal/interval Poisson
Dalam analisis regresi, multikolinieritas adalah hal yang perlu mendapat perhatian.
Asumsi
Aumsi untuk beberapa teknik analisis:
Teknik Anslisis Asumsi
uji-t normalitas data
anava normalitas data dalam kelompok
homogenitas kelompok
regresi normalitas sisa
Daftar Pustaka
1 Dowdy, S., Wearden, S., dan Chilko, D. (2004). Statistics for
Research.3rd Edition. Hoboken, NJ: John Wiley & Sons, Inc. 2 Field, A. (2013). Discovering Statistics using IBM SPSS Statistics.
4th Edition. London: Sage.
3 Hollander, M., Wolfe, D. A., dan Chicken, E. (2014). Nonparametric
Statistical Methods. 3rd Edition. Hoboken, NJ: John Wiley & Sons, Inc.
4 Kanji, G. K. (2006). 100 Statistical Tests. 3rd Edition. London: Sage.
5 Quirk, T. J. (2015). Excel 2013 for Educational and Psychological
Research: A Guide for Solving Practical Problems. Heidelberg: Springer.
6 Sprent, P. dan Smeeton, N. C. (2001). Applied Nonparametric
Statistical Methods. 3rd Edition. Boca Raton, FL: Chapman & Hall/CRC.
7 Tamhane, A. C. (2009). Statistical Analysis for Disigned Experiments:
Theory and Applications. Hoboken, NJ: John Wiley & Sons, Inc.
6 Sprent, P. dan Smeeton, N. C. (2001). Applied Nonparametric
Statistical Methods. 3rd Edition. Boca Raton, FL: Chapman & Hall/CRC.
7 Tamhane, A. C. (2009). Statistical Analysis for Disigned Experiments:
Theory and Applications. Hoboken, NJ: John Wiley & Sons, Inc. gen.lib.rus.ec
TERIMA KASIH
Selamat Mencoba