Sarbel sken 2 blok 14 aidah

(1)

Menjelaskan Sasaran Belajar

1. Menjelaskan uji statistic

Statistik adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris:statistics) berbeda dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori probabilitas. Beberapa istilah statistika antara lain:

populasi, sampel, unit sampel, dan probabilitas.

Pamungkas R A, Nusdin, Siokal B, Sudarman. Statistik Untuk Perawat dan Kesehatan. 1^st Ed, Jakarta, CV Trans Info Media. 2016.

2. Menjelaskan Skala Data

Skala pengukuran merupakan acuan dalam penentuan panjang atau pendek interval yang ada pada alat ukur sehingga dalam penggunaannya akan menghasilkan data kuantitatif. Secara umum data berdasarkan skala pegukurannya di bedakan menjadi 4 kategori yaitu data nominal, ordinal, interval dan rasio

a. Kategorik - Nominal

Skala data nominal dapat diartikan sebagai data yang hanya bisa di bedakan berdasarkan nilai datanya namun tidak dapat di ilustrasikan data yang satu lebih tinggi atau lebih rendah dari data yang lain. Skala pengukuran ini juga digunakan dalam pengklasifikasian atau pengkategorian sebuah objek, individu maupun kelompok dalam bentuk bilangan atau angka. Jenis pengelompokkan data nominal ini misalnya jenis kelamin, agama, warna kulit dan lain-lain.

Contoh :

Dari data tersebut di atas tidak dapat di ilustrasikan bahwa jenis kelamin laki- laki tidak lebih tinggi di bandingkan jenis kelamin perempuan, dengan kata lain bahwa kedua data ini memiliki nilai yang sama atau sederajat

- Ordinal

Data ordinal yaitu data yang bisa di bedakan nilai datanya sehingga data tersebut bisa digambarkan tingkatan datanya berdasarkan data yang lebih tinggi atau lebih rendah tingkatannya, namun belum bisa di

(2)

bedakan seberapa besar nilai datanya. Contoh jenis skala ordinal adalah pendidikan, tingkat kepuasaan pengguna.

Ciri-ciri dari skala ordinal antara lain:

1) Kategori data saling memisah

2) Kategori data memiliki aturan yang logis

3) Kategori data ditentukan skala berdasarkan jumlah karakteristik khusus yang dimilikinya

Contoh :

Dari jenis data di atas dapat dibedakan bahwa pendidikan master lebih tinggi dari jenis pendidikan sarjana atau yang lainnya, namun kita tidak bisa menggambarkan seberapa besar perbedaan pengetahuan orang yang berpendidikan maste dibandingkan dengan orang yang berpendidikan sarjana atau SMA.

b. Numerik - Interval

Data interval yaitu data yang variabel nya dapat dibedakan dimana data tersebut sudah di ketahui tingkatannya dan diketahui pula seberapa besar perbedaan setiap nilainya, namun pada data ini tidak mempunyai titik nol mutlak serta belum diketahuinya kelipatan suatu nilai terhadap nilai yang lain contohnya tahun dan suhu dalam celcius. Ciri-ciri skala interval adalah

1) Kategori data bersifat saling memisah 2) Kategori data memiliki aturan yang logis

3) Kategori data ditentukan skalanya berdasarkan jumlah karakteristik khusus yang

dimilikinya

4) Perbedaan karakteristik yang sama tergambar dalam perbedaan yang sama dalam jumlah yang dikenakan pada kategori

5) Angka nol hanya menggambarkan satu titik dalam skalanya (tidak punya nilai nol absolut)

(3)

Gambar diatas menjelaskan bahwa besi A memiliki suhu lebih panas dibandingkan dengan besi B dengan perbedaan panas dari keduanya adalah 300 C, namun kita tidak bisa mengatakan bahwa besi A dua kali lebih panas dibnading dengan besi B. Sedangkan untuk Besi C memiliki suhu 00 C, ini menunjukkan bahwa besi C juga memiliki panas walaupun nilainya adalah nol sehingga dapat di simpulkan bahwa data interval tidak mempunyai nilai nol mutlak.

- Rasio

Data rasio adalah data yang bisa di bedakan tingkatannya, nilainya, dan merupakan kelipatan terhadap nilai yang lain. Selain itu data rasio memiliki nilai nol sebagai nilai mutlak misalnya suhu dalam Kelvin, panjang, dan massa.

Bagan diatas menjelaskan bahwa berat bada ani lebih berat dibandingkan dengan berat badan andi dengan selisih berat badan keduanya adalah 40 kg, selain itujuga bisa dikatakan bahwa berat badan andi dua kali lebih berat di banding kan dengan berat badan Ani.

Sedangkan untuk nilai 0 kg dalam berat badan ini di simpulkan tidak ada nilainya karena 0 kg dianggap tidak memiliki berat sehingga nilai nol itu menjadi nilai mutlak pada data rasio.

3. Menjelaskan Uji Statistik Deskriptif

Statistik ini berkenaan dengan bagaimana data dapat digambarkan dan dideskripsikan atau disimpulkan, baik secara numerik (misalnya dengan menghitung rata-rata dan standar deviasi atau secara grafis ( misalnya dalam bentuk tabel atau grafik) untuk mendapatkan gambaran sekilas mengenai data tersebut, sehingga lebih mudah dibaca dan bermakna.

(4)

4. Menjelaskan Jenis Uji Statistik Deskriptif a. Ukuran Pusat

Ukuran pemusatan merupakan suatu bilangan yang menunjukkan kecenderungan memusatnya label angka (bilangan) pada suatu distribusi data.

Ukuran pemusatan ini akan membantu untuk merangkum dan mendeskripsikan data dengan cara mencari indeks (angka) tertentu yang mewakili data yang dimiliki. Meskipun tidak mengungkapkan informasi individu (subyek data) secara tunggal, tapi ukuran pemusatan dapat memberi ringkasan yang komprehensif terhadap data. Terdapat tiga buah ukuran tendensi sentral yang bisa mewakili data yakni:

- Mean

Rata-rata hitung biasa juga disebut sebagai rerata atau mean disimbolkan dengan μ untuk data populasi dan untuk data sampel. Mean adalah nilai yang paling umum untuk menggambarkan kumpulan data.

Meskipun mean bukanlah salah satu nilai faktual pada data, akan tetapi mean sangat membantu dalam memprediksi nilai lain yang ada dalam data. Mean dapat diperoleh dengan membagi jumlah nilai- nilai data dengan jumlah individu (cacah data). Nilai mean yang dihasilkan bahkan bisa digunakan untuk perbandingan data populasi satu dengan

(5)

data populasi lain. Misalnya Ketika berbicara tentang gaji dua perusahaan maka mean yang dihasilkan dari masing-masing data perusahaan akan dapat menentukan gaji perusahaan mana yang lebih tinggi.

- Median

Median (Me) menentukan nilai tengah setelah data disusun menurut urutan nilainya. Nilai tengah dari gugusan data yang telah diurutkan dari data terkecil sampai terbesar atau sebaliknya. Median adalah nilai tengah dari nilai-nilai pengamatan setelah disusun secara teratur menurut besarnya data. Nilai ini dipengaruhi oleh letak data dalam urutannya, sehingga nilai ini sering disebut dengan “rata-rata posisi”.

Karena nilai median berada di tengah-tengah dari suatu gugus data (yang disusun berurutan), maka akan terdapat 50% dari jumlah data yang letaknya di bawah median, dan 50% dari jumlah yang lain ada di atas median.

● Median Data Tunggal

Mencari median data tunggal cukup sederhana, yakni tinggal mengurutkan data tersebut dari terkecil ke terbesar, kemudian posisi median dicari dengan rumus

Me = 1⁄2 (n+1)

● Median Data Kelompok

Jika data yang kita miliki sudah disusun dalam tabel distribusi frekuensi, maka cara mencari median adalah dengan rumus:

Me = Median

b = Batas bawah kelas median, yakni kelas median akan terletak p = panjang kelas median

n = Ukuran sampel dan banyaknya data

Jf = Jumlah semua frekuensi sebelum kelas median f = Frekuiensi kelas median

- Modus

Modus (Mo) adalah sebuah ukuran untuk menyatakan fenomena yang paling banyak terjadi atau paling banyak terdapat. Nilai dari beberapa data yang memiliki frekuensi tertinggi baik dalam data tunggal maupun data kelompok yang sudah berbentuk distribusi adalah nilai yang mempunyai frekuensi terbanyak dalam kumpulan data. Ukuran ini biasanya digunakan untuk mengetahui tingkat seringnya terjadi suatu peristiwa. (ukuran ini (sebenarnya) cocok digunakan untuk data berskala nominal Pada data yang tidak dikelompokkan, modus diperoleh dengan menghitung frekuensi dari masing-masing niai pengamatan, dan

(6)

kemudian dicari nilai pengamatan yang mempunyai frekuensi observasi paling banyak (nilai data yang paling sering muncul).

o Modus Data Tunggal

Mencari modus untuk data tunggal cukup sederhana,yakni tinggal menghitung frekuensi terbanyak dari data tersebut.

o Modus Data Kelompok

Jika data yang kita miliki sudah disusun dalam tabel distribusi frekuensi, maka cara mencari modus adalah dengan rumus:

b = Batas bawah kelas modal, yakni kelas interval dengan frekuensi terbanyak

p = Panjang kelas modal

F1 = Frekuensi kelas modal dikurangi kelas interval terdekat sebelumnya

F2 = Frekuensi kelas modal dikurangi kelas interval terdekat sesudahnya Martias, L. D. (2021). Statistika deskriptif sebagai kumpulan informasi.

Fihris: Jurnal Ilmu Perpustakaan dan Informasi, 16(1), 40-59.

Rosalinda, et al. 2023. Buku Ajar Statistika. In: Padang.

-

b. Ukuran Variasi - Range

Jangkauan diperoleh dengan mengurangkan data terbesar dan terkecil.

Seperti namanya, jangkauan akan memberikan gambaran tentang seberapa lebar interval data yang dimiliki.

- Mean Deviation

Simpangan rata-rata adalah nilai rataan dari harga mutlak semua simpangan nilai data terhadap rataan datanya. Kegunaan ukuran ini adalah untuk mengetahui sejauh mana data menyimpang dari mean nya.

- Varians dan Standar Deviasi

Variansi merupakan harga kuadrat dari simpangan baku yang dapat ditentukan dengan mengkuadratkan selisih nilai data dengan mean kemudian membaginya dengan cacah data. Variansi selalu bernilai positif dan harganya yang kecil menunjukkan bahwa sebaran data dekat dengan rataannya.

Martias, L. D. (2021). Statistika deskriptif sebagai kumpulan informasi.

Rosalinda, et al. 2023. Buku Ajar Statistika. In: Padang.

c. Frekuensi - Tabel

(7)

Terdapat 3 jenis tabel yang sering digunakan yakni:

1) Tabel baris kolom, Tabel ini lazim digunakan untuk berbagai kepentingan karena penampilan dan penyusunannya yang mudah dan sederhana bahkan lazim disebut sebagai tabel biasa. Terdiri dari judul baris dan judul kolom yang menjelaskan kategorinya, tabel baris kolom biasa digunakan untuk menampilkan data tunggal/tidak bergolong.

2) Tabel kontingensi, Tabel kontingensi biasa digunakan untuk memperjelas tabel baris kolom yakni ketika kategori baris atau kolomnya akan diperinci menjadi beberapa kategori lagi.

3) Tabel distribusi frekuensi, Tabel inilah yang dinilai paling rumit dalam proses pembuatannya. Tabel ini akan berguna jika cacah data besar sedemikian hingga dapat dibuat interval yang akan mempersingkat penampilan tabel. Dalam pembuatan interval dan penentuan panjangnya interval dapat menggunakan rumus tertentu yang dikenal dengan rumus Sturgess.

- Grafik

Grafik adalah lukisan pasang surutnya keadaan dengan menggunakan gambar atau garis. Pada prakteknya, pembuatan grafik/diagram tentu tidak hanya berupa garis pada koordinat kartesius. Ada beberapa pilihan grafik untuk data tunggal, diantaranya adalah diagram batang, diagram garis, diagram titik, diagram lingkaran, dan piktogram. Sedangkan untuk data bergolong, dapat digambarkan menggunakan histogram, poligon, dan ogive. Penyajian data dalam bentuk grafis terdiri dari beberapa macam, yaitu:

1) Histogram

Histogram merupakan grafik dari distribusi frekuensi suatu variabel. Tampilan histogram berupa balok. Penyajian data ini terdiri dari dua sumbu utama dengan sudut 90o, sumbu X sebagai absis dan sumbu Y sebagai ordinat. Lebar balok yaitu

(8)

merupakan jarak dari batas kelas interval, sedangkan tinggi balok menunjukkan besarnya frekuensi.

2) Pie Chart

Pie Chart (Diagram kue) adalah diagram lingkaran yang dibagi menjadi beberapa sektor. Tiap sektor dapat menyatakan besarnya persentase atau bagian untuk masing-masing kelompok.

3) POligon

Poligon adalah grafik dari distribusi frekuensi tergolong suatu variabel. Tampilan poligon juga berupa garis-garis patah yang diperoleh dengan cara menghubungkan puncak masing-masing nilai tengah kelas. Poligon sangat baik digunakan untuk membandingkan bentuk dari dua distribusi.

4) Ogive

(9)

Ogive merupakan grafik yang menggambarkan distribusi frekuensi kumulatif suatu variabel. Untuk suatu tabel distribusi frekuensi, dapat juga dibuat ogive positif dan ogive negatifnya.

5) Diagram BAtang Daun

Diagram Batang Daun (Stem and Leaf) hampir sama dengan histogram, hanya saja informasi yang diperoleh lebih baik karena diagram batang daun memperlihatkan nilai – nilai hasil pengamatan asli. Dalam diagram ini ditampilkan bilangan – bilangan yang juga sebagai batang dan disebelah kanannya ditulis bilangan sisanya.

Martias, L. D. (2021). Statistika deskriptif sebagai kumpulan informasi.

Rosalinda, et al. 2023. Buku Ajar Statistika. In: Padang.

Naratif : Pictorial

1. Menjelaskan Uji Statistik Inferensial

Statistik ini berkenaan dengan cara menyajikan data dan melakukan pengambilan keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi

(10)

pengamatan masa mendatang (estimasi atau prediksi), melakukan uji hubungan korelasi, regresi, ANOVA, ataupun deret waktu) dan sebagainya.

2. Menjelaskan Jenis Uji Statistik Inferensial

Statistik ini berkenaan dengan cara menyajikan data dan melakukan pengambilan keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi), melakukan uji hubungan korelasi, regresi, ANOVA, ataupun deret waktu) dan sebagainya.

(11)

a. Parametrik

(12)

Statistik parametrik yaitu statistik yang mempertimbangkan jenis sebaran datanya, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain data yang akan dianalisis harus memenuhi asumsi normalitas, jika data ternyata tidak normal sebaiknya dilakukan transformasi data agar data menjadi normal sebarannya sehingga bisa dianalisi dengan statistik parametrik. Syarat penggunaan statistik parametrik yaitu

1) Data dengan skala interval atau rasio 2) Data berdistribusi normal

3) Data seharusnya homogen

Uji asumsi digunakan untuk menguji parameter populasi melalui analisis statistika atau menguji ukuran populasi melalui data sampel. Sebelum melakukan analisis statistika parametrik, data tersebut harus memenuhi beberapa persyaratan. Uji asumsi dilakukan untuk mengetahui data tersebut memenuhi persyaratan atau tidak. Beberapa uji asumsi yang dapat dilakukan adalah Uji normalitas dan uji homogenitas.

● Uji normalitas data dapat menggunakan banyak metode yang tersedia, seperti metode Kolmogrov-Smirnov, Chi Square, Liliefors, Shapiro-Wilk atau menggunakan software SPSS, Microsoft Excel, Minitab, dan sebagainya.

Masing-masing metode atau cara uji tersebut memiliki kemampuan yang berbeda-beda dalam mengetahui penyimpangan data terdistribusi normal atau tidak

● Uji homogenitas merupakan uji prasyarat dalam analisis statistika yang membuktikan apakah dua atau lebih kelompok data sampel berasal dari populasi dengan varians yang sama atau tidak. Homogenitas juga berarti himpunan data yang akan diteliti memiliki ciri khas atau karakteristik yang sama (Widana

- Komparasi 1 ) 1 Kelompok 2) 2 Kelompok Bebas

- T test

1) Uji beda T-test one sampel Uji beda one sampel T-test merupakan salah satu jenis uji statistik parametrik yang bertujuan untuk mengetahui apakah rata-rata suatu sampel secara statistik berbeda atau sama dengan suatu angka

2) Uji beda T-test two sampel berpasangan Dua sampel berpasangan disini diartikan sebagai sebuah sampel dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Uji ini bertujuan untuk mengetahui apakah dua sampel berpasangan mempunyai nilai rata-rat yang sama atau tidak

(13)

3) Uji beda T-two sampel tidak berpasangan Uji ini digunakan untuk menguji data yang saling independent (tidak berpasangan) tujuanya yaitu untuk mengetahui ada atau tidaknya perbedaan rerata antara dua buah data. Adapun syarat yang harus dipenuhi yaitu: a. Data berdistribusi normal b. Data dipilih secara acak c. Data yang digunakan dengan skala interval/rasio

Jaya, I. (2019). Penerapan Statistik untuk penelitian pendidikan. Prenada Media

T berpasangan

3) > 2 Kelompok Bebas - Anova

Analisis of varians (ANOVA) uji anova digunakan jika ingin menguji rata-rata kelompok lebih dari atau sama dengan tiga. Dalam analisis anova hanya digunakan hipotesis dua arah yaitu apakah ada perbedaan rata-rata. Anova sendiri terbagi menjadi dua yaitu one way anova dan two way anova.

1) One way anova Untuk menguji perbedaan rata-rata lebih dari dua sampel dimana dalam melakukan analisis hanya bisa satu arah. Maksud satu arah ini hanya bisa menguji antar kelompok yang satu.

2) Two way anova Anova dua arah tanpa interaksi anova two way without interaction. Jenis anova yang kedua yaitu anova dua arah tanpa interaksi. Artinya bahwa bisa dilakukan interaksi antara kelompok dan perlakuan. Maksudnya bisa membanding-kan antar antar kelompok atau kah antar perlakuan.

Jaya, I. (2019). Penerapan Statistik untuk penelitian pendidikan.

Prenada Media Krusall wallis

➢ 2 kelompok berpasangan

➢ Repeated anova

➢ Friedmann - Korelasi b. Non Parametrik

Statistik non parametrik dapat digambarkan sebagai statistik bebas yaitu tidak mensyaratkan bentuk sebaran parameter populasi baik normal atau tidak. Selain itu, statistik non parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal. Metode non-parametrik populer untuk sejumlah alasan oleh para peneliti. Alasan utama bahwa peneliti tidak dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Ciri dan syarat penggunaan statistik non- parametrik yaitu:

1) Data tidak berdistribusi normal

2) Umumnya data berskala nominal atau ordinal 3) Umumnya dilakukan pada penelitian sosial 4) Umumnya jumlah sampel yang digunakan kecil

(14)

Jenis :

1. Uji Wilcoxon: digunakan untuk menguji perbedaan antara dua sampel terkait.

Uji ini dapat digunakan untuk data ordinal atau interval.

2. Uji Mann-Whitney: digunakan untuk menguji perbedaan antara dua sampel yang independen. Uji ini dapat digunakan untuk data ordinal atau interval.

3. Uji Kruskal-Wallis: digunakan untuk menguji perbedaan antara tiga atau lebih sampel independen. Uji ini dapat digunakan untuk data ordinal atau interval

4. Uji Friedman: digunakan untuk menguji perbedaan antara tiga atau lebih sampel terkait. Uji ini dapat digunakan untuk data ordinal atau interval

Jaya, I. (2019). Penerapan Statistik untuk penelitian pendidikan. Prenada Media

Komparasi 1 ) 1 Kelompok 2) 2 Kelompok 3) > 2 Kelompok

- Korelasi

1) Korelasi Spearman

Korelasi Spearman adalah suatu cara untuk mengetahui apakah ada hubungan antara dua variabel yang memiliki nilai yang dapat diurutkan.

Ukuran ini lebih cocok untuk data ordinal ataupun data yang tidak memenuhi asumsi distribusi normal, bila data tersebut kontinu maka lebih baik menggunakan korelasi Pearson. Korelasi Spearman adalah suatu ukuran korelasi yang mengukur hubungan linier antara dua variabel ordinal. Korelasi Spearman dihitung dengan mengurutkan nilai-nilai dari kedua variabel dan kemudian menghitung korelasi antara urutan tersebut. Nilai rho Spearman yang dihasilkan berkisar antara -1 sampai 1, di mana nilai yang mendekati 1 menunjukkan adanya hubungan positif yang kuat antara kedua variabel, nilai yang mendekati 0 menunjukkan adanya hubungan yang lemah atau tidak ada hubungan sama sekali, dan nilai yang mendekati -1 menunjukkan adanya hubungan negatif yang kuat.