P. 1
Statistik MATRIKULASI Ekstensi Lengkap Juli 2007

Statistik MATRIKULASI Ekstensi Lengkap Juli 2007

|Views: 431|Likes:
Dipublikasikan oleh Susi Sulandari

More info:

Categories:Topics, Art & Design
Published by: Susi Sulandari on Sep 04, 2010
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

10/27/2011

pdf

text

original

Oleh : SUSI

ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI
‡ Grafik dibawah ini disebut grafik Histogram. ‡ Menggambarkan perbedaan berat badan Ati, Bambang, serta Andi dari Tahun 1999 ± 2002.
100
frekuensi (kg)

80 60 40 20 0 1999 2000
Ta

45,9

46,9

45

43,9

Ati Bambang Andi

2001
un

2002

TUJUAN INSTRUKSIONAL KHUSUS
‡ Mampu menjelaskan arti statistik deskriptif ‡ Mampu menjelaskan arti tendency central ‡ Mampu menjelaskan arti MODUS, MEDIAN, MEAN, RANGE, MD, VARIANS, SD, GRAFIK HISTOGRAM, GRAFIK POLIGON, GRAFIK PIE, TABEL DISTRIBUSI FREKUENSI.

‡ Mampu menghitung Mode, median, dan mean. (dengan manual dan SPSS) ‡ Mampu menjelaskan arti Dispersi ‡ Mampu menghitung range, MD, SD, dan variance. ( dengan SPSS) ‡ Mampu menyusun tabel distribusi frekuensi ‡ Mampu membaca tabel-tabel distribusi frekuensi

‡ Mampu membuat grafik Histogram, Poligon, serta Pie dengan SPSS. ‡ Mampu membaca grafik Histogram, Polygon, serta Pie. ‡ Mampu menjelaskan macam-macam hubungan antara dua variabel dengan rumus yang sesuai ‡ Mampu menganalisis tabel-abel asosiasi dari berbagai skala variabel

‡ Mampu menghitung hubungan dua variabel dengan rumus Rank Kendall, Spearman, Lambda, Gamma, Pearson dengan SPSS ‡ Mampu menganalisis hubungan variabel tersebut diatas

ANALISIS DATA
‡ Kategorisasi, pengurutan, peringkasan data untuk memperoleh jawaban atas permasalahan dalam penelitian. ‡ Tujuan : untuk menyederhanakan data, dapat dipahami dengan mudah, dapat dinterpretasikan dengan mudah.

TEKNIKTEKNIK-TEKNIK ANALISIS
‡ ‡ ‡ ‡ ‡ ‡ Distribusi Frekuensi Grafik Tendensi sentral Dispersi Analisis Hubungan Dls.

DASAR PEMILIHAN TEKNIK ANALISIS
‡ ‡ ‡ ‡ Rumusan masalah Tujuan penelitian Hipotesis Metode penelitian

Keterkaitan Rumusan Masalah, Tujuan Penelitian, Hipotesis, Metode Penelitian dan Analisis
NO 1 Rumusan Masalah Apa Tujuan Penel. Menggambarkan Analisis Hipotesis Pen Metode Penel Analisis

2

Mengapa

Kasus, Distribu deskrip- si tip frekuensi Hubungkorelasi an

TEKNIK ANALISIS MENURUT TINGKAT PENGUKURAN
NO TINGKAT SKALA PENGUKURAN TEKNIK ANALISIS STATISTIK Modus, Chi Square Koef. Korelasi, Lamda Modus, Median, Spearman, Kendall, Gamma Modus, Median, Mean, Range, Kuartil SD, Variance, Korelasi Pearso, Regresi. 1 Nominal

2

Ordinal

3

Interval

ALUR ANALISIS DATA
Instrumen Pengumpulan Data Data Empiris Pd Instrumen Coding Matri Data Grafik-grafik Tabel-tabel Frekensi Silang Statistik Manual Komputer

PENGERTIAN STATISTIK DESKRIPTIP
‡ Statistik berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi, tanpa membuat kesimpulan yang berlaku umum.

DALAM STATISTIK DESKRIPTIF
‡ Penyajian data dengan :
‡ Tabel distribusi frekuensi ‡ Grafik polygon, histogram, pie. ‡ Mean, median, modus ‡ Range, MD, SD, Varians

RUMUS MEAN
‡ MEAN =

§
N

fX

RUMUS MEDIAN
‡ Harus diurutkan dari data kecil ke besar ‡ Arti : ‡ Suatu nilai yang membagi dua sama besar suatu deretan nilai atau distribusi frekuensi sehingga pengamatan di kedua bagian sama ‡ Letak median = (n+1) : 2 ‡ Nilai median

MEDIAN

DATA

MEDIAN

DASAR MEDIAN

MEDIAN
KWARTIL

DESIL

PERSENTIL

KWARTIL
‡ Data Diurutkan ‡ Rumus letak K1 = ‡ Nilai (cari)

1( n  1) 4

‡ K2 dan K3 cara pembuatan rumus sama
DATA
K1 K2 K3

RUMUS UMUM KWARTIL
‡ Ki =

i( n  1) 4

DESIL
‡ D1 sampai dengan D9 1 ( ‡ Letak D1 : ‡ Nilai D1(cari) D
D1 D2 D3 D4

n  1 ) 10
A
D5

T
D6

A
D7 D8 D9

PERSENTIL
‡ P1 sampai dengan P99 ‡ Letak P1 : ‡ Nilai D1(cari) D
P1 P2 P3 P4

1(n  1) 100
A
P5

T
P6

A
P7 P99

RUMUS MODUS
‡ Merupakan suatu pengamatan dalam distribusi frekuensi yang memiliki jumlah pengamatan dimana jumlah frekuensinya paling besar/ paling banyak. ‡ Untuk suatu distribusi frekuensi tertentu mungkin saja memiliki modus lebih dari satu

Contoh Modus
Toko X1 X2 X3 X4 X5 X6 X7 Keuntungan Rp) 1.000.000,00 8.000.000,00 120.000.000,00 125.000.000,00 75.000.000,00 150.000.000,00 125.000.000,00

Modus = 125.000.000,00

UKURAN KECENDERUNGAN TENGAH ( TENDENCY CENTRAL)
Tingkat Ukuran Interval Mode Median Mean
Median Hanya dapat diperoleh dari data yang bersifat Interval dan Ordinal Hanya dapat diperoleh dari data yang bersifat Interval/ Ratio

X

X

X

Ordinal

X

X

Mean

Nominal

X

CARA MEMBUAT GRAFIK
Grafik Histogram Polygon Ogive cf) Pie Sumbu x Batas nyata, titik tengah Titik Tengah Batas nyata %

GRAFIK POLIGON
Condong kiri Neg

Condong kanan (pos)

SIMETRIS

POLYGON SIMETRIS

Mean MEAN = MEDIAN = MODUS

POLYGON CONDONG KEKANAN (Juling Pos)

+

Mo Med Mean

POLYGON CONDONG KEKIRI (Juling Neg)
F R E K U E N S I

+

Mo Mean Med

NILAI

BEBERAPA BENTUK KURVE
‡ KURVE YANG SIMETRIS ‡ KURVE YANG A SIMETRIS

KURVE SIMETRIS
‡ Apabila dilipat tepat di tengah-tengahnya maka setengah lipatan bagian kiri akan menutup tepat setengah lipatan bagian kanan

KURVEKURVE-KURVE SIMETRIS

BEL NORMAL/ NORMAL
f

Mean MEAN = MEDIAN = MODUS NILAI

TRAPESIUM/ RECTANGULAR
f

NILAI

BEL LANGSING/ LEPTOKURTIK
f

NILAI

BEL GEMUK/ PLATKURTIK
f

NILAI

KURVE ³U´
f

NILAI

SIMETRI DWI MODE
f

NILAI

KURVE A - SIMETRI
‡ Lebih dikenal dengan nama ³KURVE JULING´ ‡ Kejulingan ditentukan oleh EKORNYA ‡ Jika EKOR SEBELAH KANAN , maka JULING POSITIP KURVE G ‡ JIKA EKOR SEBELAH KIRI , MAKA JULING NEGATIF ( KURVE H DAN I )

GRAFIK POLIGON
Condong kiri Neg/H/Cerdas

Condong kanan (pos)/G/Kurang cerdas

SIMETRIS

KURVE JULING NEGATIF
f

I

NILAI

KURVE ³L´
f

J

NILAI
BERBENTUK HURUF L

KURTOSIS (KELANCIPAN) f
Variasi Sangat besar

Fariasi Sangat rendah

SIMETRIS MEAN = MEDIAN = MODUS

POSITIF CONDONG KEKANAN (Juling Pos)

+

Mo Med Mean

NEGATIF CONDONG KEKIRI (Juling Neg)
F R E K U E N S I

+

Mo Mean Med

NILAI

KEMENCENGAN (SKEWNESS)

UKURAN DISPERSI
‡ MERUPAKAN SUATU METODE ANALISIS YANG DITUJUKAN UNTUK MENGUKUR BESARNYA PENYIMPANGAN/ PENYEBARAN DARI DISTRIBUSI DATA YANG DIPEROLEH TERHADAP NILAI SENTRALNYA.

ALASAN :
‡ ³APAKAH NILAI RATA-RATA TERSEBUT MEMANG SUDAH DIANGGAP MAMPU MENJELASKAN KEADAAN POPULASI YANG SEBENARNYA´.

Dispersi :
‡ DAPAT DIGUNAKAN SEBAGAI PENGUKUR KUALITAS (QUALITY CONTROL) DARI PRODUK YANG DIHASILKAN

CONTOH :
‡ PT INDOCEMENT YANG SETIAP HARINYA MENGHASILKAN RATA ± RATA 500.000 ZAK SEMEN @ 40 KG TIAP ZAKNYA ‡ UNTUK MELIHAT PENYIMPANGAN MAKA DENGAN RANDOM MISALNYA 500 SAMPEL ZAK :

SAMPEL 1 2 3 5 500

BERAT/KG 40 KG 40 KG 40 KG 40 KG 40 KG 40 KG 40 KG

KETERANGAN

Apakah terjadi penyimpangan ???

SAMPEL 1 2 3 5 500

BERAT/KG 40 KG 40 KG 40 KG 40 KG 40 KG 40 KG 40 KG

KETERANGAN

TIDAK TERJADI PENYIMPANG AN

KESIMPULAN
‡ MESIN MASIH BEKERJA DENGAN BAIK. ‡ KARENA RATA-RATA BERAT ZAKNYA SESUAI DENGAN KETENTUAN YANG DIKEHENDAKI

contoh
SAMPEL 1 2 3 5 500 BERAT/KG 42,1 36,8 40,2 42 39,2 Apa TERJADI PENYIMPANG AN ???? KETERANGA N

contoh
SAMPEL 1 2 3 5 500 BERAT/KG 42,1 36,8 40,2 42 39,2 TERJADI PENYIMPANG AN KETERANGA N

KESIMPULAN
‡ ADA MESIN YANG BEKERJA TIDAK BAIK. ‡ ARTINYA PERLU MENGECEK KEMBALI MESIN-MESIN YANG DIGUNAKAN PADA PROSES PRODUKSI TERSEBUT.

MACAM-MACAM UKURAN MACAMDISPERSI :
1. RANGE (JANGKAUAN)/ RENTANGAN 2. DEVIASI RATA-RATA (AVERATE DEVIATION) DAN MEAN DEVIATION 3. DEVIASI STANDARD (STANDARD DEVIATION) DAN VARIANCE 4. DEVIASI KUARTIL (QUARTILE DEVIATION)

RANGE
‡ RELTIF KASAR ‡ RANGE KECIL, BERARTI BAHWA SUATU DISTRIBUSI MEMILIKI RANGKAIAN DATTA YANG LEBIH HOMOGEN

CONTOH : (1) KEUNTUNGAN YANG DIPEROLEH 8 TOKO KELONTONG DI JALAN SOLO

TOKO A B C D E F G H

KEUNTUNGAN (Rp) 4000 5000 6000 5000 4000 6000 5500 4500

VARIASI RELATIF KECIL (HOMOGEN)
TOKO A B C D E F G H KEUNTUN GAN (Rp) 4000 5000 6000 5000 4000 6000 5500 4500

6000 5000 4000 3000 2000 1000 0 A B C D E F G H

KEUNTUNGAN

VARIASI RELATIF KECIL (HOMOGEN)
7 5

A

C

E KUNTUNGAN

F

G

H

DARI DATA DIATAS RATA-RATA RATAKEUNTUNGAN :
4.000  5.000  6.000  5.000  4.000  6.000  5.500  4.500 X! 8

X ! 5.000

CONTOH : (2) KEUNTUNGAN YANG DIPEROLEH 8 TOKO KELONTONG DI JALAN SEMARANG

TOKO A B C D E F G H

KEUNTUNGAN (Rp) 1.000 9.000 5.000 4.000 6.000 5.000 9.500 5.000

DARI DATA DIATAS RATA-RATA RATAKEUNTUNGAN :
1.000  9.000  5.000  4.000  6.000  5.000  9.500  500 X ! 8

X ! 5.000

VARIASI RELATIF BESAR (HETEROGEN))

8

A

B

C

D

E

F

G

H

KUNTUNGAN

RATARATA-RATA

§ x!

fx

N

! 5.000

PERBANDINGAN
‡ KEDUA CONTOH TERSEBUT DIATAS RATA-RATA SAMA = 5.000 ‡ TETAPI KEDUA TOKO TERSEBUT MEMILIKI PERBEDAAN DALAM PENYEBARANNYA ‡ CONTOH (1) RANGE = KECIL = 6.0004.000 = 2.000 (HOMOGEN) ‡ CONTOH (2) RANGE = BESAR = 9.500 ± 500 = 9.000 (HETEROGEN)

KESIMPULAN

penting

‡ RANGE SEMAKIN RENDAH SEMAKIN HOMOGEN

( MD )

MEAN DEVIATION (DISEBUT DEVIASI RATA-RATA/ RATAAVERAGE DEVIATION) ‡ MERUPAKAN PENYEBARAN DATA ATAU ANGKA-ANGKA ATAS DASAR JARAK (DEVIASI) DARI PELBAGAI ANGKAANGKA DARI RATA-RANYA

RUMUS : DATA TIDAK BERKELOMPOK

§ Xi  X
MD !
i !1

N

atau

N

§ Xi  Q
MD !
i !1

N

N

§ Xi  X
MD !
MD = = Xi =
i !1

N

‡ Keterangan :

N
MEAN DEVIATION TANDA NILAI ABSOLUT X (HARGA MUTLAK) NILAI DARI DATA PENELITIAN

§
i !1

N

= = =

MENUNJUKKAN NILAI DARI X1 SAMPAI DENGAN Xn JUMLAH DATA NILAI RATA-RATA (MEAN)

N µ/ X bar

CONTOH : KEUNTUNGAN YANG DIPEROLEH 5 TOKO KELONTONG DI JALAN Soo

TOKO A B C D E RATA-RATA

KEUNTUNGAN (Rp) 4.000 5.000 6.000 5.000 5.000 5.000

SOAL : CARI MD ?

§ Xi  X
MD !
i !1

N

N

Xi 4.000 5.000 6.000 5.000 5.000

X bar 5.000 5.000 5.000 5.000 5.000 TOTAL

( Xi  X )
1.000 0 1.000 0 0 2.000

N

§ Xi  X
!
i !1

N

2.000

=

2000/5 = 400

MD DATA BERKELOMPOK

§F M  X MD !
N
ATAU

§F M Q MD !
N

DATA BERKELOMPOK

§F M  X MD !
N

‡ Keterangan :

MD

= =

MEAN DEVIATION TANDA NILAI ABSOLUT X (HARGA MUTLAK) FREKUENSI PADA MASING-MASING KELAS MID POINT/ TITIK TENGAH/ CLASS MARK

F M

=

N µ/ X bar

= =

JUMLAH DATA NILAI RATA-RATA (MEAN)

NILAI

F(f)

M(Titik Tengah)

F*M

X bar

M X

F (M  X

50 - 55 56 ± 61 62 ± 67 68 ± 73 74 ± 79 80 ± 85 86 - 91 92 - 97

1 2 17 13 24 9 7 7 80

SOAL CARI MD ?

CONTOH : NILAI F(f) M(Titik Tengah) 52,5 58,5 64,5 70,5 76,5 82,5 88,5 94,5 F*M X bar 75,52 75,52 75,52 75,52 75,52 75,52 75,52 75,52

MX
23,02 17,02 11,02 5,02 0,98 6,98 12,98 18,98

F (M  X
23,02 34,04 187,34 65,26 23,52 62,82 90,86 132,86 619,82

50 - 55 56 ± 61 62 ± 67 68 ± 73 74 ± 79 80 ± 85 86 - 91 92 - 97

1 2 17 13 24 9 7 7 80

52,5 117 1.096,5 916,5 1.836 742,5 619,5 661,5 6042

§F M  X MD !
N
MD = 619,82/80 = 7,14

CARA MENGHITUNG MD
1. CARILAH NILAI MID POINT (M)/ TITIK TENGAH PADA MASING-MASING KELAS (M) 2. CALILAH DEVIASI MUTLAK (ABSOLUT) YAITU SELISIH ANTARA MID POINTDENGAN NILAI RATA-RATA ( X BAR) ATAU

M X

3. KALIKAN HASIL NO.2 DENGAN MASING-MASING FREKUENSI KELASNYA 4. JUMLAHKAN MASING-MASING HASIL NO.3

F (M  X

§ F (M  X

5. BAGILAH HASIL NO.4 DENGAN N MAKA AKAN DIPEROLEH : MD

CARI MD? NILAI F(f) M(Titik Tengah) F*M X bar

M  X F (M  X

1-5 6-10 10-15 16-20 21-25 26-30

1 2 16 13 12 3

DISPERSI/VARIABILITAS
‡ UNTUK MENGETAHUI PENYEBARANNYA YANG BANYAK DIGUNAKAN ‡ RANGE ‡ MD ‡ SD ‡ VARIANCE = (SD kuadrat) ‡ INTERQUARTILE RANGE (K3-K1) ‡ SEMI INTERQUARTILE RANGE = (k3-K1)/2

STANDAR DEVIASI

STANDAR DEVIASI
Diketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut : NILAI NO
(1) 1 2 3 4 5 6 7 8 9 10 11 12 19 26 33 40 47 54 61 68 75 82 (2) 18 25 32 39 46 53 60 67 74 81 88

x(titik tengah)
(3)

f
(4)

(f) x (tt.t)
(5)

(f)x(tt.t)2
(6)

N

™fx

fx2 §

STANDAR DEVIASI
Diketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut : NILAI NO
(1) 1 2 3 4 5 6 7 8 9 10 11 12 19 26 33 40 47 54 61 68 75 82 (2) 18 25 32 39 46 53 60 67 74 81 88

x(titik tengah)
(3) 15 22 29 36 43 50 57 64 71 78 85

f
(4) 6 9 18 37 65 83 66 52 30 23 11 400

(f) x (tt.t)
(5) 90 198 522 1332 2795 4150 3762 3328 2130 1794 935 21036

(f)x(tt.t)2
(6) 1350 4356 15138 47952 120185 207500 214434 212992 151230 139932 79475 1194544

N

™fx

fx2 §

Dari tabel diatas hitung SD dengan RUMUS II :

SD !

§ fx
N

2

« § fx » ¬ ¼ N ½ ­

2

KETERANGAN: 1. 2. 3. 4. Tak usah cari Mean x = titik tengah f = frekuensi N = Jumlah sampel

Dispersi/variabilitas (untuk mengetahui penyebarannya) yang banyak digunakan

kesim pulan

lanjutan

lanjutan

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO (1) 1 2 3 4 5 6 7 8 9 10 11 NILAI (2) 12 ± 18 19 ± 25 26 ± 32 33 ± 39 40 ± 46 47 ± 53 54 ± 60 61 ± 67 68 ± 74 75 ± 81 82 - 88 Jumlah TITIK TENGAH (3) 15 22 29 36 43 50 57 64 71 78 85 F (4) 6 9 18 37 65 83 66 52 30 23 11 400 (N) MEAN (5) 52.59 52.59 52.59 52.59 52.59 52.59 52.59 52.59 52.59 52.59 52.59 X bar/ Mean X¶ (DEVIASI MEAN) (6) - 37.5 - 30.59 - 23.59 - 16.59 - 9.59 - 2.59 4.41 11.41 18.41 25.41 32.41 Titik tengah Mean F(x¶)2 (7) 8478.0486 8421.7329 10016.785 10183.439 5977.9265 556.7723 1283.5746 6769.7812 10167.843 14850.366 11554.489 88260.76

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO (1) 1 2 3 4 5 6 7 8 9 10 11 NILAI (2) 12 ± 18 19 ± 25 26 ± 32 33 ± 39 40 ± 46 47 ± 53 54 ± 60 61 ± 67 68 ± 74 75 ± 81 82 - 88 Jumlah TITIK TENGAH (3) F (4) MEAN (5) X¶ (DEVIASI MEAN) (6) F(x¶)2 (7)

RUMUS SD
‡ Cari Mean terlebih dahulu ‡ X¶ = deviasi dari mean ( Titik tengah ± mean ) ‡ Rumus : ‡ SD =

§ f (x )
N

' 2

Cara mengerjakan :
1. Cari Mean terlebih dahulu dengan rumus yang sudah dipelajari 2. X¶ = deviasi mean ( titik tengah ± mean) untuk data berkelompok 3. X¶ = nilai variabel ± mean untuk data yang tidak berkelompok 4. Masukkan rumus

‡ SD

88260 , 76 400

‡ = 14,845 ‡ Jd. SD nilai kemampuan SPSS dari 100 peserta pelatihan Balitbang = 14,854

Rumus III
SD ! i

§ f x  ¨ § fx ¸ © ¹
2

2

N

© N ª

¹ º

Keterangan : 1. x¶= deviase berkode 2. Tentukan deviasi berkode 0 disembarang tempat 3. Tulis nilai yang rendah -1, -2 dst 4. Tulis nilai yang tinggi +1, +2 dst 5. Awas jangan terbalik 6. I = interval kelas 7. N = sampel 8. F = frekuensi

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO (1) 1 2 3 4 5 6 7 8 9 10 11 NILAI (2) 12 ± 18 19 ± 25 26 ± 32 33 ± 39 40 ± 46 47 ± 53 54 ± 60 61 ± 67 68 ± 74 75 ± 81 82 - 88 Jumlah f (4) 6 9 18 37 65 83 66 52 30 23 11 400 (N) X¶ (5) -4 -3 -2 -1 0 1 2 3 4 5 6 fX¶ (6) -24 -27 -36 -37 0 83 132 156 120 115 66 548 f(x¶)2 (7) 96 81 72 37 0 83 264 468 480 575 396 2552

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO (1) 1 2 3 4 5 6 7 8 9 10 11 NILAI (2) 12 ± 18 19 ± 25 26 ± 32 33 ± 39 40 ± 46 47 ± 53 54 ± 60 61 ± 67 68 ± 74 75 ± 81 82 - 88 Jumlah f (4) 6 9 18 37 65 83 66 52 30 23 11 400 (N) X¶ (5) fX¶ (6) F(x¶)2 (7)

PENYAJIAN DATA
‡ ‡ ‡ ‡ Komunikatif dan lengkap Menarik perhatian Mudah dipahami isinya Mis. Berwarna, bentuk grafik, bentuk tabel

Tabel interval : TK Kepuasan Kerja Pegawai Pada Dipenda Juni 2004 Di Semarang
NO ASPEK KEPUASAN KERJA Gaji Insentif Transportasi Perumahan Hubungan Kerja TK KEPUASAN (%) 37.58 57.18 68.60 48.12 54.00

1 2 3 4 5

‡ Tingkat kepuasan yang tertinggi dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004 adalah pada pemberian uang transprtasi (68.60%), dan gaji termasuk tingkat kepuasan yang terendah (37.58%) dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004.

TABEL DISTRIBUSI FREKUENSI
‡ Disusun jika jumlah raw data cukup banyak dan sulit dibaca ‡ Jumlah kelas min 6 dan max 15 ‡ Batas kelas bawah ‡ Batas kelas atas ‡ Interval kelas ‡ Batas nyata ‡ Titik tengah ‡ Frekuesi

Tabel Distribusi frekuensi nilai pelatihan SPSS Peserta Balitbang Di MAP UNDIP Juni 2004
NO KELAS 1 2 3 4 5 6 7 8 9 KLAS FREKUENSI INTERVAL 10 ± 19 20 ± 29 30 ± 39 40 ± 49 50 ± 59 60 ± 69 70 ± 79 80 ± 89 90 ± 99 Jumlah 1 6 9 31 42 32 17 10 2 150 % 0.67 4.00 6.00 20.67 28.00 21.33 11.33 6.67 1.33 100

‡ Frekuensi angka absolut dirubah dalam bentuk persen (%) ‡ Analisis nilai yang tertinggi dan terendah

GRA I

HISTOGRAM

Pie

Polygon

HISTOGRAM
‡ Merupakan suatu set data yang sudah tersusun berdasarkan intervalnya, sehingga merupakan suatu rangkaian/ hubungan antara jumlah frekuensi yang ada pada masing-masing kelasnya.

POLIGON
‡ Merupakan garis yang menghubungkan jumlah frekuensi pada masing-masing kelasnya dimana poligon menunjukkan titik tengah pada masing-masing nilai tengah ( classmarknya)

Pie
1st Qtr 3rd Qtr
13%

d Qtr 4th Qtr
13%

17%

57%

‡ Adalah diagram lingkaran atau pie chart. Digunakan untuk membandingkan data dari berbagai kelompok. Biasanya dalam bentuk %.

GRAFIK HISTOGRAM
8000 7000 6000 5000 4000 3000 2000 1000 0 2000 2001 2002 2003 gula kopi beras

‡ Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 ‡ Sumbu Y (Rp), ‡ Sumbu X = Th
‡ ‡ ‡ ‡ 2000 gula 1000 kopi 5000 beras 3000 2001 1500 4000 3400 2002 2000 8000 4000 2003 1000 6000 3500

GRAFIK POLYGON
9000 8000 7000 6000 5000 4000 3000 2000 1000 0 2000 2001 2002 2003 gula kopi beras

‡ Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 ‡ Sumbu Y (Rp), ‡ Sumbu X = Th
‡ ‡ ‡ ‡ 2000 gula 1000 kopi 5000 beras 3000 2001 1500 4000 3400 2002 2000 8000 4000 2003 1000 6000 3500

GRAFIK HISTOGRAM
3500
2003

6000 1000

4000
2002

8000 2000 beras kopi 3400 gula

‡ Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 ‡ Sumbu Y (Rp), ‡ Sumbu X = Th
‡ ‡ ‡ ‡ 2000 gula 1000 kopi 5000 beras 3000 2001 1500 4000 3400 2002 2000 8000 4000 2003 1000 6000 3500

2001

4000 1500

3000
2000

5000 1000

ANALISIS ASOSIASI POSITIF
Dependent Var (Y) Categori 1 Categori 2 Categori n Total Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n

100% 0% 0% 100%

0% 100%

0% 0% 100% 100%

100%

ANALISIS ASOSIASI NEGATIF
Dependent Var (Y) Categori 1 Categori 2 Categori n Total Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n

0% 0% 100% 100%

0% 100% 0% 100%

100% 0% 0% 100%

UKURAN ASOSIASI
‡ Korelasi sempurna antara dua var = 1 dan -1 ( sempurna positip dan sempurna negatif) ‡ Korelasi = 0 ( tidak ada korelasi) ‡ Korelasi antara 0 dan 1 ---- positip ‡ Korelasi antara 0 dan -1 ---- negatif

GAMBAR KORELASI

-1

0

+1

KORELASI ANTAR VARIABEL
‡ Korelasi menunjukkan arah dan kuatnya hubungan antara dua variabel ‡ Arah dinyatakan dalam hubungan positif dan negatif ‡ Kuatnya hubungan dinyatakan dalam besarnya koeff korelasi ‡ Hubungan positif, bila X meningkat Y juga meningkat atau sebaliknya.

‡ Hubungan negatif, bila suatu variabel X meningkat justru variabel Y menurun atau sebaliknya. ‡ Contoh :
TINGGI BADAN Pos KECEPATAN LARI

Semakin tinggi badan orang, maka semakin cepat larinya, dan semakin pendek badan orang semakin lambat larinya

‡ Contoh :

CURAH HUJAN

ES YANG TERJUAL

NEG

‡ Semakin tinggi curah hujan, maka akan semakin sedikit es yang terjual, dan semakin sedikit curah hujan, maka akan semakin banyak es yang terjual

PEDOMAN PEBENTUAN TEKNIK STATISTIK YANG DIGUNAKAN
NO 1 2 3 Tingkatan Data Nominal Ordinal Interval Teknik korelasi Koeff kontingensi, Lamda Spearman Rank, Kendall Tau, Gamma Pearson

Hubungan antara kompetensi dan hirarkhi pada Kantor Pemda Di Semarang Th 2004
Hierarc hi Low Low Medium High Total 74 21 5 100% (N=152) Competence %) Medium 38 57 5 100% (N=159) High
‡ ‡ Perbed tk kompetensi kecil dan besar dibawah hirarkhi low = 74%30%=34% Perbed tk kompetensi kecil dan besar dibawah hirarkhi high = 27%5%=22% Kesimpulan kehadiran variabel independent (tk kompetensi) telah membuat hirarkhi meningkat lebih tinggi sebanyak 34% (diambil dr tingkat perbedaan terbesar)

30 43 27 100% (N=89)
‡

Persentase Distribution Dari kedua Perencana Transportasi
Mengiklankan No 225 (75%) 75 (25%) Yes 134 (67%) 66 (33%) Kemudahan Total Ride Bus No Yes Total No 269 (77%) 81 (23%) Yes 90 (60%) 60 (40%) Total

Ride Bus No Yes Total

359 141 500

359 141 500

300 200 (100%) (100%)

350 150 (100%) (100%)

Kesimpulan
‡ Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% ‡ Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. ‡ Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis ‡ Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

Persentase Distribution Dari kedua Perencana Transportasi
Mengiklankan Ride Bus No No Yes 134 (67%) Total Ride Bus No Kemudahan No Yes Total ‡ ‡ KESIMPULAN Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

225 (75%)

359

269 (77%)

90 (60%)

359

‡

Yes

75 (25%)

66 (33%)

141

Yes

81 (23%)

60 (40%)

141

‡

Total

300 (100% )

200 (100% )

500

Total

350 (100% )

150 (100% )

500 ‡

Kesimpulan
‡ Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% ‡ Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. ‡ Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis ‡ Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

SPEARMAN DAN KENDALL TAU
Telah dibahas pada Pelatihan Pertama

LAMBDA

NOMINAL

NOMINAL

LAMBDA
‡ Menunjukkan reduksi proporsional data error yang diperoleh dalam memprediksi kategori dari dependent variabel ketika nilai independent variabel diperhitungkan. ‡ Atau : ‡ Mengevaluasi sampai seberapa jauh prediksi terhadap dependent membaik bila dimasukkan kategori dari variabel dependent

Distribusi responden menurut daerah asal dan partisipasi terhadap program KB Partisipasi Tidak Ikut Ikut Total Daerah Asal 100 200 300 125 75 200 Jumlah 225 275 500

ANALISIS
‡ Pertama kita tentukan bahwa prediksi terbaik adalah ³ikut´ KB. Yang seharusnya 500 orang tapi dalam kenyataan hanya 275. Jd error yang terjadi = 500 ± 275 = 225. Proporsi error = 225:500 = 0,45. Angka yang diperoleh disini belum dipengaruhi oleh kehadiran variabel independent yaitu asal daerah. Ketika daerah asal diperhitungkan, kita mengharapkan atau menduga bahwa mereka yang dari kota lebih banyak yang ikut ³KB daripada dari desa.

‡ Kita lihat bahwa hanya ada 175 orang saja (100+75) yang sesuai dengan harapan atau dugaan kita. ‡ Atau 175 : 500 = 0,35. ‡ Jd tanpa variabel independent proporsi errornya = 0,45. Tetapi kalau dengan variabel independent errornya menurun jadi 0,35. ‡ Hal ini berarti masuknya variabel independent telah mengurangi proporsi error sebesar (0,45 ± 0,35) : 0,45 = 0,22. ‡ Kesimpulan : Ada hubungan prediktif yang cukup lemah antara asal responden dengan keikutsertaan dalam program KB

GAMMA
ORDINAL ORDINAL

‡ FUNGSI :
‡ Untuk melihat kekuatan hubungan antara dua variabel ORDINAL

‡ Pasangan concordant (selaras) ‡ Pasangan Disconcordant ( tidak selaras) ‡ Angka absolut

Hubungan antara Education dan Seniority
Seniority (dependent/ Y Low Low 20 Concordant (selaras) 5 Disconcordant (tak selaras) 25 Education (independent / X) High 10 Disconcordant (tak selaras) 15 Concordant (selaras 25

High

Total

PERHITUNGAN
‡ Pasangan yang concordant (selaras) = 15 X 20 = 300 ( adalah pada tingka pendidikan yang rendah dan seniorit yang redah = 20 dan pada tingkat pendidikan yang tinggi dan seniority yang tinggi = 15) ‡ Pasangan yang Disconcordant ( tidak selaras) = 5 X 10 = 50 (pada tingkat pendidikan yang rendah dan seniority yang tinggi = 5 dan pada tingkat pendidikan yang tinggi serta seniority yang rendah = 10 )

RUMUS GAMMA
‡ GAMMA diperoleh dari jumlah pasangan concordant (300) ± jumlah pasangan disconcordant (50) dibagi dengan jumlah pasangan concordan (300) ditambah jumlah pasangan disconcordant (50) ‡ Atau :

§

pas .concordant 



§ concordant

§ pas .disconcord § disconcord ant

ant

Hasil perhitungan :

(15 X 20)  (5 X 10) 300  50
= 0,75 (hubungan antara X dan Y positip dan kuat) Cari berapa % contribusi X thp Y ?

Cara menghitung Gamma secara manual
CONCORDANT PAIRS

X

X X X

a

b

c

d

Cara menghitung Gamma secara manual
DISCONCORDANT PAIRS

X

X X X

e

f

g

h

PRODUCT MOMENT

INTERVAL

INTERVAL

‡ RUMUS :

rxy !

§ xy
N .SDx .SDy

PRODUCT MOMENT
Untuk menghitung korelasi antara variabel interval ( dikembangkan KARL PEARSON) FUNGSI : Untuk mengetahui koef korelasi antara gejala interval dengan interval lainnya

Keterangan Rumus :
r xy !

§
N . SD

xy
x

. SD

y

(rxy) = koeff. korelasi Product Moment Total xy = jumlah hasil kali (product) dari x dan y X = X- Mx Y = Y - My

Tabel Kecakapan membaca dan menulis murid TK Tadika Puri Semarang Juni 2004
Subyek (1) 1 2 3 4 5 6 7 8 9 10 Total X (2) 136 130 190 170 164 152 184 164 136 147 1.573 Y (3) 130 120 195 175 160 150 180 170 130 145 1.555 x (4) -21,3 -27,3 +32,7 +12,7 +6,7 -5,3 +26,7 +6,7 -21,3 -10,3 0 y (5) -25,5 -35,5 +39,5 +19,5 +4,5 -5,5 +24,5 +14,5 -25,5 -10,5 0 x2 (6) 453,69 745,29 1.069,29 161,29 44,89 28,09 712,89 44,89 453,69 106,09 3.820,10 y2 (7) 650,25 1.260,25 1.460,25 380,25 20,25 30,25 600,25 210,25 650,25 110,25 5.372,50 xy (8) 453,15 969,15 1.291,65 247,65 30,15 29,15 654,15 97,15 543,15 108,15 4.513,50

‡ Ada tidak korelasi antara kecakapan membaca dengan kecakapan menulis? ‡ Cari Mean=Mx dan My dari X dan Y ‡ Cari SDx dan SDy ‡ Mx = X/ N = 1573/10 = 157,3 ‡ My = Y/ N = 1555/10 = 155,5 ‡ x1= X1 ± Mx = 136- 157,3 = - 21,3 ‡ x2= X2 ± Mx = 130- 157,3 = - 27,3 ‡ Dst ‡ y1= y1 ± Mx = 130- 155,5 = - 25,5 ‡ y1= y2 ± Mx = 120- 155,5 = - 35,5 ‡ Dst. ‡ Masukkan dalam rumus. ‡ Misalnya hasil 0,79. artinya ada korelasi positip dan kuat antara kecakapan
dalam membaca dengan kecakapan menulis. Semakin anak cakap dalam membaca menulisnyapun juga lancar, atau sebaliknya.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->