P. 1
Konsep Dasar Statistik

Konsep Dasar Statistik

|Views: 320|Likes:
Dipublikasikan oleh Salsabila Rahmat

More info:

Published by: Salsabila Rahmat on Feb 25, 2011
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

12/09/2013

pdf

text

original

Basic Statistics

:
Pengantar, Konsep Dasar, Aplikasi (Mahasiswa Pasca Sarjana UKRIDA 2010/11)

Jonathan Sarwono Web: http://www.jonathansarwono.info

2/24/2011

Jonathan Sarwono - ULTC - UKRIDA

1

Konsep Dasar
‡ Definisi: Statistik merupakan ilmu untuk mengumpulkan, mengorganisasi dan menginterpretasi data numerik. ‡ Fungsi:
± Mendiskripsikan variabel ± Menghubung-hubungkan antar variabel (hubungan asosiasi) ± Melihat pengaruh satu variabel terhadap variabel lain (recursive dan reciprocal). Pengaruh dapat secara langsung maupun tidak langsung ± Membandingkan beberapa sampel (rata-rata) ± Memprediksi satu variabel dengan menggunakan variabel lainnya.

‡ Variabel: Variabel didefinisikan sebagai something that may vary or differ (Brown, 1998:7). Definisi lain yang lebih detil mengatakan bahwa variabel is simply symbol or a concept that can assume any one of a set of values (Davis, 1998:23)

2/24/2011

Jonathan Sarwono - ULTC - UKRIDA

2

UKRIDA 3 .Var Bebas Var Moderat Var Perantara Var Tergantung Var Kontrol Sumber: Tuckman (1978) 2/24/2011 Jonathan Sarwono .ULTC .

manusia. pernyataan dan kejadian. untuk membawa informasi dari variabel-variabel yang sedang diukur. tetapi didasarkan pada konsep dan definisi operasional suatu variabel.ULTC . kedua. Jenis skala pengukuran yang ada: ± ± ± ± Nominal Ordinal Interval Rasio 2/24/2011 Jonathan Sarwono .‡ Skala Pengukuran: Skala pengukuran merupakan aturan atau tata cara memberikan angka atau nilai kepada aspek-aspek obyek. Tujuan menggunakan skala pengukuran ialah pertama. Pemberian angka tersebut tidak boleh dilakukan sembarangan. menterjemahkan karakteristik dan sifat-sifat kejadian-kejadian empiris kedalam suatu bentuk yang dapat dianalisis oleh peneliti.UKRIDA 4 .

Semakin kecil sig-nya semakin besar jumlah sampel 2/24/2011 Jonathan Sarwono .` Tingkat Kepercayaan (Confidence Interval): didasarkan pada gagasan yang berasal dari Teorema Batas Sentral (Central Limit Theorem).ULTC . ` Dalam SPSS CI menggunakan default sebesar 95% ` Dalam teori umumnya: 99%.01 0. Gagasan pokok yang berasal dari teorema tersebut ialah apabila suatu populasi secara berulang-ulang ditarik sampel. 95% dan 90% ‡ Signifikansi / Probabilitas (Significance Level/ P Value / ): Signifikansi atau disebut juga probabilitas merupakan tingkat ketepatan (presisi) dalam kaitannya dengan kesalahan pengambilan sampel (sampling error). maka 95 dari 100 sampel akan mempunyai nilai populasi yang sebenarnya dalam jangkauan ketepatan sebagaimana sudah dispesifikasi sebelumnya.05) Range: 0. ` Contoh: jika tingkat kepercayaan sebesar 95% dipilih. merupakan jangkauan dimana nilai populasi yang tepat diperkirakan ± Contoh: Sig = 0.05 (SPSS menggunakan deafult sebesar 0. maka nilai rata-rata atribut yang diperoleh dari sampel-sampel tersebut sejajar dengan nilai populasi yang sebenarnya.1.UKRIDA 5 .

Nilai kritis diambil dari table nilai kritis t sedang nilai absolut (hitung / hasil riset) berasal dari data 2/24/2011 Jonathan Sarwono .ULTC . Nilai absolut t harus lebih besar dari 1. ‡ Nilai Kritis (Critical Value): nilai yang menyebabkan penolakan hipotesis 0 jika dalam pengujian hipotesis diberikan nilai statistik tertentu yg lebih besar dari nilai kritis dan penerimaan hipotesis 0 apabila nilai statistik yang diberikan lebih kecil dari nilai kritisnya. ± Misalnya nilai kritis t dengan derajat kebebasan (DF) sebesar 12 dan tingkat signifikansi (Sig) sebesar 0.05 adalah 1.UKRIDA 6 . ‡ Derajat Kebebasan (Degree of Freedom / DF ): Variabel variabel independen random yang menyusun suatu nilai statistik tertentu / estimasi jumlah kategori independen dalam suatu pengujian atau experimen statistik tertentu.98.‡ Jumlah Data: Jumlah individu yang dijadikan sebagai sampel yang ditarik dari populasi ± Jumlah sampel: n ± Jumlah populasi: N ± Dalam statistik menentukan jumlah n dari N disebut dengan teknik sampling yang meliputi menentukan desain dan ukuran sampel (n).98 agar H0 ditolak (misalnya 2) .

Untuk itu peneliti memerlukan hipotesis pembanding yang bersifat obyektif dan netral atau secara teknis disebut hipotesis nol (H0).` Hipotesis (hypothesis): pernyataan tentative yang merupakan dugaan mengenai apa saja yang sedang kita amati dalam usaha untuk memahaminya .ULTC .UKRIDA 7 . H0 digunakan untuk memberikan keseimbangan pada hipotesis penelitian karena peneliti meyakini dalam pengujian nanti benar atau salahnya hipotesis penelitian tergantung dari bukti-bukti yang diperolehnya selama melakukan penelitian 2/24/2011 Jonathan Sarwono . (Nasution:2000) Zikmund (1997:112) mendefinisikan hipotesis sebagai: Unproven proposition or supposition that tentatively explains certain facts or phenomena. Artinya peneliti merumuskan hipotesis tidak semata-mata berdasarkan anggapan dasarnya. a probable answer to a research question . tetapi juga berdasarkan obyektifitasnya. Dalam hipotesis ini peneliti mengaggap benar hipotesisnya yang kemudian akan dibuktikan secara empiris melalui pengujian hipotesis dengan mempergunakan data yang diperolehnya selama melakukan penelitian ± Hipotesis operasional merupakan hipotesis yang bersifat obyektif. ± Hipotesis penelitian/kerja: hipotesis penelitian merupakan anggapan dasar peneliti terhadap suatu masalah yang sedang dikaji. bahwa hipotesis penelitian yang dibuat belum tentu benar setelah diuji dengan menggunakan data yang ada.

ULTC . Yang termasuk didalamnya diantaranya ialah distribusi frekuensi.UKRIDA 8 . ‡ Statistik Inferensi: nilai statistik yang digunakan dalam proses penarikan kesimpulan mengenai suatu parameter tertentu. misal koefesien korelasi. distribusi persen dan rata-rata (mean). dimana seseorang sedang melakukan pengukuran atau membuat estimasi.± Hipotesis statistik: Hipotesis statistik merupakan jenis hipotesis yang dirumuskan dalam bentuk notasi statistik. Hipotesis ini dirumuskan berdasarkan pengamatan peneliti terhadap populasi dalam bentuk angkaangka (kuantitatif). ‡ Distribusi normal: Data yang mempunyai distribusi normal artinya data yang distribusinya simetris sempurna. 2/24/2011 Jonathan Sarwono . Jika digunakan bahasa umum disebut berbentuk kurva bel ‡ Statistik Deskriptif: transformasi data mentah ke dalam suatu bentuk yang akan membuat pembaca lebih mudah memahami dan menafsirkan maksud dari data atau angka yang ditampilkan. Kegunaan utama statistik deskriptif ialah untuk menggambarkan jawaban-jawaban observasi.

2/24/2011 Jonathan Sarwono . ± Kurtosis (ketinggian puncak) data: bagaimana data terkonsentrasi di sekitar nilai tunggal. ± Dispersi (keanekaragaman) data: bagaimana data menyebar yang biasanya dengan varian dan akar kuadratnya dan standard deviasi. mengorganisasi. Statistik deskriptif sering digunakan untuk menganalisis: ± Tendensi sentral (lokasi) data: dimana posisi data berada yang biasanya diukur dengan rata-rata (mean). bagan. ± Skew (simetris) data: bagaimana data terkonsentrasi di bagian ujung bawah atau atas skala yang diukur dengan skew index. nilai tengah (median) dan mode. meringkas dan mempresentasikan data mentah.Statistik Deskriptif ‡ Pengertian: statistik deskriptif mencakup angka-angka. tabel.ULTC . yang diukur dengan menggunakan kurtosis index.UKRIDA 9 . dan grafik yang digunakan untuk menggambarkan.

‡ Tabel distribusi frekuensi: untuk meringkas dan memadatkan data dengan cara mengelompokkan kedalam kelas-kelas dan mencatat berapa banyak poin-poin data yang jatuh di masing-masing kelas tersebut.UKRIDA 10 .ULTC . Jawaban Pernah Tidak pernah Jumlah Frekuensi 110 90 200 2/24/2011 Jonathan Sarwono . Dalam menyajikan digunakan table. Distribusi frekeunsi merupakan dasar bagi statistik deskriptif dan menjadi prasyarat untuk membuat grafik serta untuk menggambarkan seperangkat data.

UKRIDA 11 .‡ Frekuensi Relatif: frekuensi yang dihitung dalam bentuk persen. Umur <25 26-30 31-40 >40 Jumlah Frekuensi 121 59 83 66 329 Persentase 37% 18% 25% 20% 100% 2/24/2011 Jonathan Sarwono .ULTC .

000 ² 1. 1.000 >Rp.000.500.500.000.000 >Rp.000 ² 2.ULTC .000 >Rp. 2.000.500.‡ Frekuensi Kumulatif: frekuensi yang dihitung secara meningkat keatas dari frekuensi yang paling rendah sampai dengan yang paling tinggi Penghasilan per bulan Rp.UKRIDA 12 .000 Jumlah Frekuensi 10 15 20 5 50 Frekuensi kumulatif 50 40 25 5 2/24/2011 Jonathan Sarwono .000 ² 2.000 ² 1. 1. 500.000.

‡ Pengukuran Tendensi Sentral:Cara lain untuk menggambarkan statistik deskriptif ialah dengan menggunakan tendensi sentral. Contoh bilangan tendensi sentral ialah mean (rata-rata). Tendensi sentral berguna untuk menggambarkan bilangan yang dapat mewakili sekelompok bilangan tertentu ± Mean: rata-rata yang sering digunakan dalam pengukuran tendensi sentral .ULTC . Rata-rata populasi diberi lambang µ dan untuk sampel simbolnya x Indivi Penghasilan du dalam ribuan (Rp. median dan mode.UKRIDA 13 .) A 100 B 125 C 140 D 150 E 175 N=5 7 X = 690 Mean= 690/5 = 138 2/24/2011 Jonathan Sarwono .

‡ Mode: nilai yang jumlah frekuensinya paling besar.ULTC . Nilai 60 65 66 70 72 75 80 85 Frekuensi 5 6 7 15 2 6 8 10 Mode= 70 (jumlah frekuensi terbesar. yaitu 15) 2/24/2011 Jonathan Sarwono . Untuk mencari nilai mode dapat dilihat pada jumlah frekuensi yang paling besar.UKRIDA 14 .

‡ Median: nilai tengah yang membatasi setengah frekuensi bagian bawah dan setengah frekuensi bagian atas bila data disusun secara berurutan. Nomor 1 2 3 4 5 6 7 8 9 Nilai 60 65 70 75 85 80 81 79 77 85 adalah median yang membagi empat nilai di atasnya dan empat nilai di bawahnya 2/24/2011 Jonathan Sarwono .ULTC .UKRIDA 15 .

ULTC . Pengukuran variasi diantaranya ialah: range. maka nilai range ialah 25.UKRIDA 16 . Yang dimaksud dengan deviasi ialah penyimpangan suatu nilai dari mean pada kelompoknya 2/24/2011 Jonathan Sarwono . Range digunakan untuk menggambarkan bagaimana suatu data menyebar. Nilai range dapat digunakan untuk menemukan nilai standard deviasi dengan cara membagi nilai range dengan 4. Semakin besar variasinya. mean deviasi dan standar deviasi ± Range: jarak antara nilai yang paling tinggi dengan nilai yang paling rendah. Jika nilai tertinggi 85 dan terendah 60.‡ Pengukuran Dispersi / Variasi: Untuk mengetahui bagaimana sebaran data disekitar rata-rata atau untuk mengetahui keseragaman suatu data atau gejala. maka keseragaman data semakin tinggi. maka semakin tidak seragam data atau gejala tersebut. ± Mean Deviasi: disebut juga penyimpangan merupakan harga mutlak semua deviasi nilai-nilai individual. Sebaliknya semakin kecil variasinya.

Jika observasi individual mempunyai variasi besar dalam nilai rata-rata kelompoknya. Varian populasi diberi simbol sigma ( 2) dan untuk sampel diberi simbol s2 ± Standard Deviasi: Nilai statistik yang digunakan untuk menunjukkan seberapa besar individu-individu bervariasi. Untuk populasi simbolnya sedang untuk sampel s ± Koefesien variasi: digunakan untuk mengukur dispersi relatif dengan cara membagi standard deviasi dengan nilai rata-rata dan kemudian mengkalikan 100 untuk dijadikan persen. Standard deviasi digunakan untuk menggambarkan dispersi dalam unit-unit yang sama sebagaimana pengukuran aslinya. maka standard deviasinya besar. Nilai ini lebih sering digunakan untuk menggambarkan sebaran data dibandingkan dengan varian.ULTC . Atau secara teknik dikatakan sebagai perbedaan rata-rata antara nilai observasi dan rata-rata.± Variance: digunakan sebagai salah satu instrumen descriptor untuk distribusi data dan menggambarkan seberapa jauh suatu nilai terletak dari posisi ratarata. Untuk populasi diberi simbol V dan sampel v 2/24/2011 Jonathan Sarwono . Varian digunakan kalau kita ingin membandingkan variabilitas dua variabel atau lebih yang berskala interval Semakin besar nilai varian maka semakin menyebar data tersebut.UKRIDA 17 .

Dengan demikian data semakin tidak dapat dipercaya (tidak valid) 2/24/2011 Jonathan Sarwono . ± Quartile: data yang membagi sampel menjadi empat bagian sama besar.ULTC . maka semakin tinggi variabilitas. Dua kuartil disisi media disebut sebagai jarak interquartile. Skew menunjukkan tingkatan simetri dalam suatu data set. 25% nilai terendah disebut kuartil bawah. Maksudnya 90% mahasiswa yang ikut ujian tersebut nilainya dibawah nila A (<95).UKRIDA 18 . Semakin miring suatu distribusi. Sebagai contoh A mempunyai nilai Matematik 95 dalam daftar A dikatakan dia berada di percentile ke 90 dari semua mahasisa yang mengikuti ujian matematika.± Percentile: untuk mengukur persentasi poin-poin data yang terletak dibawah satu nilai tertentu saat nilai nilai diurutkan. Kegunaan: untuk menggambarkan jika suatu data jatuh di kuartil tertentu ‡ Pengukuran Kemiringan (Skewness): menggambarkan bagaimana poin poin data pada posisi puncak atau bawah pada skala pengukuran. Simbol untuk populasi Sk dan sampel sk. Misalnya 25% nilai tertinggi disebut sebagai kuartil atas.

ULTC .eku.‡ Gambar Skewness Source: http://people.edu 2/24/2011 Jonathan Sarwono .UKRIDA 19 .

2/24/2011 Jonathan Sarwono .‡ Pengukuran Kurtosis: menggambarkan bagaimana data yang terkonsentrasi disekitar nilai tunggal biasanya nilai rata-rata. Kesimpulannya kurtosis mengukur ketinggian (peak) atau ke rata-an (flat) suatu distribusi data. Ada tiga jenis kurtosis ± Distribusi mesokurtic: distribusi seperti kurva bel normal. maka data semakin tidak valid.ULTC .UKRIDA 20 . ± Distribusi platykurtic: distribusi lebih datar dibandingkan dengan kurva normal ± Distribusi leptokurtic: distribusi lebih runcing dibandingkan dengan kurva normal Nilai ideal kurtosis sebesar 3 atau kurtosis kurva bel normal. Simbol kurtosis untuk populasi K sedang untuk sampel k. tidak runcing dan tidak datar. Semakin runcing atau datar. Dengan demikian semakin kurang berdistribusi normal. maka semakin tidak normal suatu distribusi data.

Source: http://www.philender.com 2/24/2011 Jonathan Sarwono .ULTC .UKRIDA 21 .

UKRIDA 22 .Source: http://mvpprograms.com 2/24/2011 Jonathan Sarwono .ULTC .

ULTC .UKRIDA Tatap Ruangan Lab Lab Lab Lab Lab 6 Lab 2/24/2011 23 .Benang Merah Rumus Menuju Ke Tesis No 1 2 3 4 5 Waktu Muka Basic Statistics 1 kali Melihat hubungan asosiasi antar variabel 1 kali dengan analisis korelasi Melihat pengaruh variabel satu terhadap 1 kali variabel lainnya dengan analisis regresi Mengindentifikasi faktor / variabel laten 1 kali dengan analisis faktor Melihat pengaruh langsung dan tidak 2 kali langsung serta gabungan dan parsial variabel satu terhadap variabel lainnya dengan analisis jalur (path analysis) Melihat pengaruh variabel laten satu terhadap 3 kali variabel laten lainnya dengan structural equation model (SEM) Materi Jonathan Sarwono .

ULTC .Latihan ‡ ‡ ‡ ‡ ‡ ‡ Frekuensi: hal 35 37 Explore: hal 39 40 Descriptive: hal 41 42 Tabulasi silang: hal 43 46 Distribusi normal Histogram 2/24/2011 Jonathan Sarwono .UKRIDA 24 .

Jonathan.Referensi Sarwono. Jonathan. 5/95 2/24/2011 Jonathan Sarwono . Data Analysis: Describing Data Descriptive Statistic. Methodology Manual. Statistik itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16 -------------. Texas State Auditor's Office.(2009).ULTC . Yogyakarta: Penerbit Graha Ilmu Sarwono.(2006). Metode Penelitian Kuantitatif dan Kualitatif. rev.UKRIDA 25 .

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)//-->