ANALISIS KUANTITATIF STATISTIK INFERENSIAN

(1)

ANALISIS

KUANTITATIF

STATISTIK

INFERENSIAN

(2)

STATISTIKA :

Proses sistematis yang terdiri dari:

•

Pengumpulan data

•

Pengolahan data

•

Penyajian data

•

Analisis dan Intepretasi data

KEGUNAAN ?

STATISTIKA DESKRIPTIF :

Metode statistik yang terdiri dari proses

pengumpulan, pengolahan dan penyajian data

yang dikumpulkan. Selanjutnya dideskripsikan

tanpa menarik suatu kesimpulan

STATISTIKA INFERENSI :

Langkah pada metode ini sama dengan statistik

deskriptif dan dilanjutkan dengan proses

analisis statistik. Hasil uji selanjutnya

diintepretasikan dan kemudian digunakan

sebagai dasar pemberian rekomendasi. Tujuan

dari statistika inferensi adalah proses

generalisasi suatu fenomena (jika sampel

representatif)

(3)

2. Statistika & Metode Ilmiah

METODE ILMIAH :

Proses pemecahan

masalah dan pencarian

kebenaran dengan

menggunakan cara

yang terstruktur,

sistematis dan sudah

teruji.

LANGKAH-LANGKAH :

1.

Latar Belakang

2.

Perumusan masalah, maksud dan tujuan

3.

Kajian teori dan Pustaka

4.

Membuat hipotesis (jika diperlukan)

4.

Pengumpulan dan pengolahan data, pengujian hipotesis

5.

Menarik kesimpulan dan rekomendasi

METODE

STATISTIK

POPULASI

DATA

SAMPEL

METODE ANALISIS

INDIKATOR VARIABEL

INSTRUMEN

(4)

Pembagian Statistik

Statistik

Deskriptif

Statistik

Inferensia

Non

(5)

Perbedaan Statistik Parametrik dan Non Parametrik

NO

PARAMETRIK

NON PARAMETRIK

1

-

menguji

parameter

populasi melalui

statistik

- menguji ukuran populasi melalui data sampel.

menguji

distribusi

-

parameter

adalah data yang diperoleh dari semua

anggota populasi yang ada.

yaitu: rara-rata (μ), simpangan baku (σ), varians (σ²).

-

statistik

adalah data yang diperoleh dari penarikan

sampel.

yaitu: rata-rata (x bar), simpangan baku (s) dan

varians (s²).

Adanya penetapan dan pengujian hipotesis

Asumsi yang harus dipenuhi: berdistribusi normal, data

homogin (untuk bbrp tes), asumsi linieritas (untuk

regresi).

tidak menuntut terpenuhi

banyak asumsi

free distribution

(6)

Statistik Parametrik

•

Adalah suatu uji mempersyaratkan adanya

asumsi-asumsi tertentu yang harus dipenuhi.

•

Jenis data yang dipergunakan dalam statistik

parametrik adalah berskala interval atau rasio

•

Syarat populasi adalah berdistribusi normal.

Contoh: Asumsi pada uji t adalah populasi berdistribusi

normal.

(7)

Persyaratan Data pada Analisis Statistik

Parametrik

•

Data sampel dipilih secara acak (random)

•

Data harus homogen



uji homogenitas.

•

Adanya normalitas data (data yang dianalisis berbentuk

garis linier)



uji linieritas.

•

Berpasangan artinya data yang dihubungkan mempunyai

pasangan yang sama sesuai dengan subjek yang sama,

kalau salah satu tidak terpenuhi untuk persyaratan

(8)

Macam Data Bentuk Hipotesis Deskriptif

(satu variabel)

Komparatif (dua sampel) Komparatif (lebih dari 2 sampel)

Asosiatif (hubungan) Related Independen Related Independen

Interval

Rasio

T

Test*

T-test of*

(9)

Data

DATA DALAM PENELITIAN

DATA KUALITATIF :

Data yang dinyatakan dalam

bentuk

informasi ukan

angka

.

Contoh : jenis pekerjaan,

desa-kota, tingkat motivasi

kerja

DATA KUANTITATIF :

Data yang dinyatakan dalam

bentuk

angka

Contoh : lama sekolah,

jumlah penduduk, usia,

tingkat produksi

DATA

JENIS

DATA

NOMINAL

ORDINAL

INTERVAL

RASIO

(10)

Data

DATA NOMINAL :

Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

CIRI : posisi data setara

tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH : jenis kelamin, jenis pekerjaan

DATA ORDINAL :

Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan

CIRI : posisi data tidak setara

Jarak antar data tidak diketahui

tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH : kepuasan kerja, motivasi

DATA INTERVAL :

Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui.

CIRI : Tidak ada kategorisasi Posisi data tidak setara Jarak antar data diketahui

bisa dilakukan operasi matematika

CONTOH :, sistem kalender, jarak tempat tinggal

DATA RASIO :

Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut.

CIRI : tidak ada kategorisasi

bisa dilakukan operasi matematika

(11)

Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A.

PARAMETER

: Berdasarkan parameter yang ada statistik dibagi menjadi

•

Statistik

PARAMETRIK

: berhubungan dengan inferensi statistik yang

membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi

data normal atau mendekati normal.

•

Statistik

NONPARAMETRIK

: inferensi statistik tidak membahas

parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui

atau tidak normal

B.

JUMLAH VARIABEL

: berdasarkan jumlah variabel dibagi menjadi

•

Analisis

UNIVARIAT

: hanya ada 1 pengukuran (variabel) untuk n sampel atau

beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh

: korelasi motivasi dengan pencapaian akademik.

•

Analisis BIVARIAT

•

Analisis

MULTIVARIAT

: dua atau lebih pengukuran (variabel) untuk n sampel

di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi

terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang

(12)

Pengolahan Data

MULAI

Jumlah

Variabe

l ?

Analisis

Univariat

Analisis

Multivariat

Jenis

Data

?

Statistik

Parametrik

Statistik

Non Parametrik

SATU DUA / LEBIH

INTERVAL RASIO

(13)

Ukuran Penyebaran

Rentang (range) :

selisih bilangan terbesar dengan bilangan terkecil.

Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan

dengan bilangan terbesar dan terkecil.

A : 100 90 80 70 60 50 40 30 20 10

B : 100 100 100 100 100 10 10 10 10 10

C : 100 100 100 90 80 30 20 10 10 10

Contoh :

X = 55

r = 100 – 10 = 90

UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :

1.

RENTANG (Range)

2.

DEVIASI RATA-RATA (Average Deviation)

3.

VARIANS (Variance)

4.

DEVIASI STANDAR (Standard Deviation)

(14)

Deviasi rata-rata

Deviasi Rata-rata

: penyebaran

Berdasarkan harga mutlak

simpangan

bilangan-bilangan terhadap

rata-ratanya.

Nilai X X - X |X – X|

100 45 45

90 35 35

80 25 25

70 15 15

60 5 5

50 -5 5

40 -15 15

30 -25 25

20 -35 35

10 -45 45

Jumlah 0 250

Nilai X X - X |X – X|

100 45 45 100 45 45 100 45 45 90 35 35 80 25 25 30 -25 25 20 -35 35 10 -45 45 10 -45 45 10 -45 45 Jumlah 0 390

Kelompok A Kelompok B

DR = 250 = 25

10

DR = 390 = 39

10

Makin besar simpangan,

makin besar nilai deviasi rata-rata

DR =

n

Σ

i=1

|Xi – X|

n

Rata-rata

(15)

Varians & Deviasi Standar

Varians

: penyebaran berdasarkan

jumlah kuadrat simpangan

bilangan-bilangan terhadap rata-ratanya ;

melihat ketidaksamaan sekelompok data

s

2

=

n

Σ

i=1

(Xi – X)

2

n-1

Deviasi Standar

: penyebaran

berdasarkan akar dari varians ;

menunjukkan keragaman kelompok data

s =

√

n

Σ

i=1

(Xi – X)

2

n-1

Nilai X X -X (X–X)2

100 45 2025

90 35 1225

80 25 625

70 15 225

60 5 25

50 -5 25

40 -15 225

30 -25 625

20 -35 1225

10 -45 2025

Jumlah 8250

Nilai X X -X (X –X)2

100 45 2025 100 45 2025 100 45 2025 90 35 1225 80 25 625 30 -25 625 20 -35 1225 10 -45 2025 10 -45 2025 10 -45 2025 Jumlah 15850

Kelompok A Kelompok B

s =

√

8250

9

= 30.28

s =

√

15850

9

= 41.97

Kesimpulan :

Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28

Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97

(16)

Normalitas, Hipotesis, Pengujian

Distribusi Normal

: kurva berbentuk bel, simetris, simetris terhadap sumbu yang

melalui nilai rata-rata

  +s  +2s  +3s

 -s  +2s +3s

68% 95% 99%

•

Lakukan uji normalitas

•

Rasio Skewness & Kurtosis berada –2 sampai +2

Rasio =

•

Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon,

Mann-White, Tau Kendall)

Skewness = kemiringan

Kurtosis = keruncingan

nilai

(17)

Normalitas, Hipotesis, Pengujian

HIPOTESIS

TERARAH

TIDAK TERARAH

Hipotesis

Penelitian

Siswa yang belajar bahasa lebih

serius daripada siswa yang

belajar IPS

Ada perbedaan keseriusan siswa

antara yang belajar bahasa dengan

yang belajar IPS

Hipotesis Nol

(Yang diuji)

Siswa yang belajar bahasa tidak

menunjukkan kelebihan

keseriusan daripada yang belajar

IPS

Ho : b < i

Ha : b

>

i

Tidak terdapat perbedaan

keseriusan belajar siswa antara

bahasa dan IPS

Ho : b = i

Ha : b ≠ I

Hipotesis

: uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;

berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;

hipotesis bisa terarah, bisa juga tidak terarah ;

(18)

TUGAS

1.

Setiap mahasiswa mereview 4 jurnal/laporan penelitian/buku

2.

Mahasiswa mencari data hipotesis terkait dengan jenis data sebagai

berikut:

a. Data Nominal b. Data Ordinal c. Data Internal d. Data Rasio

3.

Mahasiswa mereview jurnal tersebut dengan mengisi form yang ada

4.

Mahasiswa mengupload 4 jurnal yang dipilih dengan nama fle:

MKB 1 [Nim] Tugas 1 Jurnal 1

Contoh : MKB 1 130321100088 Tugas 1 Jurnal 1

MKB 1 130321100088 Tugas 1 Jurnal 2

dst

(19)

SUMBER

•

http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDMQFjAB&url=http%3A%2F %2Filearn.unand.ac.id%2Fpluginfle.php%2F15547%2Fmod_resource%2Fcontent%2F1%2FPertemuan

%252012%2520Statistik

%2520parametrik.ppt&ei=nay8UMjhG42yrAfetYCAAQ&usg=AFQjCNEU1eDNXXRECh2dqL4ALiYRFkaLiA&sig2=opCsXk9plxSG a1gS7LfSvA

•

Santoso, S. 2007. Menguasai Statistik di Era Informasi. Elex Media Komputindo, Jakarta