Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
n
Central Tendency (Mean)
=
x
N
Note that, while the computations would yield the
same answer, the symbols differ for a population
(, N) and a sample (x,n)
Example:
x =
x
n
=
18 +19 +19 +21+ 23
5
=
100
5
= 20
Central Tendency (Mean)
If a constant is added or subtracted from each
score used to compute the mean, the mean will
change by the value of that constant
Example: The class scores on a 15-point quiz are 8,
4, 12, 14, 4, and 6. The mean of these scores is. . .
x =
x
n
=
8 + 4 +12 +14 +4 + 6
6
=
48
6
= 8
Central Tendency (Mean)
Suppose the instructor made an error on the quiz and
decided to add 1 point to everyones score. How
would that change the mean?
X+1 * The new scores are 9, 5, 13, 15, 5, &7
8+1= 9 * The new mean is:
4+1= 5
12+1=13
14+1=15 * so, adding a constant to each score
4+1= 5 (x+a) and calculating mean has the
6+1= 7 same result as adding that constant to
EX = 54 the mean (x+ a)
x
n
=
54
6
= 9
Central Tendency (Mean)
If all of the scores are multiplied or divided by a
constant value, and the mean is then computed,
the result will be the same as if the mean were
multiplied or divided by that constant
Example: A 10-point quiz is given to a class. Their
scores are 6, 5, 7, 8, 10 and 6. The mean is
computed. . .
EX=42
7
6
42
= = x
Central Tendency (Mean)
The instructor then decides to change the value of
the quiz from 10 points to 20 points. What is the
new mean for the class?
X(2) * The new scores are 12, 10, 14,
6(2)=12 16, 20, 12
5(2)=10 * The new mean is:
7(2)=14
8(2)=16 * thus, multiplying each score by
10(2)=20 a constant is the same as
6(2)=12 multiplying the mean by the
EX=84 constant
14
6
84
= = x
Central Tendency (Mean)
Sensitive to extreme scores, and therefore
may not be desirable when working with
highly skewed distributions
Example: compare 2 samples of class ages
1) 18, 19, 20, 22, 24
2) 18, 19, 20, 22, 47
Vs.
6 . 20
1
= x
2 . 25
2
= x
Central Tendency (Mean)
Mode
Median
Mean
Mean Mode = 3(Mean Median)
X
1 2 3
| x +/- 1s | = 68.27%
| x +/- 3s | = 99.73%
| x +/- 2s | = 95.45%
Persentase luas daerah antara Mean dan Std Dev
Measures of Variability
range- (highest score - lowest score) +1
deviation- score - mean
mean deviation- the average absolute
deviation score
(X
i
X)
X
i
X
n
(X
hi
X
low
) +1
Measures of Variability
sum of squares- the sum of the squared
deviation scores
definitional
SS = (X
i
X)
2
= (x
i
)
2
Measures of Variability
variance- the average sum of the
squared deviation scores
sample-
population-
s
2
=
SS
n1
=
(X
i
X)
2
n1
o
2
=
SS
N
=
(X
i
u)
2
N
Statistik Inferensi
Setelah dilakukan uji terhadap suatu distribusi
data, dan terbukti bahwa data yang diuji
berdistribusi normal atau mendekati normal, maka
pada data tersebut dapat dilakukan berbagai
Inferensi dengan metode statistik parametrik.
Tetapi jika dalam pengujian terbukti distribusi data
tidak berdistribusi normal atau jauh dari normal
maka Inferensi yang dilakukan harus dengan
metode statistik non parametrik.
Uji Hipotesa
Dalam melakukan uji hipotesis, ada banyak faktor yang
menentukan seperti apakah sampel yang diambil berjumlah
banyak atau hanya sedikit, apakah std deviasi populasi
diketahui, apakah variansi dari populasi diketahui, apa metode
parametrik yang digunakan, dst.
1. Prosedur Uji Hipotesis
a. Menentukan H
0
dan H
1
b. Menentukan nilai statistiknya
1. Tingkat kepercayaan
2. Derajat kebebasan
3. Jumlah sampel yang didapat
c. c. Menentukan Statistik hitung, nilai ini
d. tergantung pada metode parametrik
e. yang digunakan.
b. d. Mengambil keputusan, hal ini
ditentukan dengan membandingkan
nilai statistik hitung dengan nilai
statistik tabel atau nilai kritisnya.
Kesalahan :
Jika kita menolak hipotesa, sedangkan hipotesa
benar dikatakan kita melakukan kesalahan type I
Sebaliknya jika kita menerima hipotesa sedangkan
hipotesa salah, dikatakan kita melakukan
kesalahan type II
Derajat kepercayaan.
(level of significant)
Dalam melakukan test terhadap hipotesa,
maksimum probabitity yang akan kita gunakan
untuk mendapatkan resiko Type I disebut derajat
kepercayaan
Harga yang umum di gunakan adalah 0.05 dan
0.01
2. Berbagai Metode Parametrik
a. Inferensi terhadap sebuah rata-rata populasi
- sampel besar, gunakan rumus z
- sampel kecil (<30), gunakan student t test
b. Inferensi terhadap dua rata-rata populasi
- Sampel besar, gunakan z test yang
dimodifikasi
- Sampel kecil, gunakan t test yang
dimodifikasi atau F test
c. Inferensi untuk mengetahui hubungan antar
variabel
> Hubungan antar Dua Variabel, meng
gunakan metode korelasi dan Regresi
sederhana
> Hubungan antar lebih dari dua variabel,
menggunakan metode korelasi dan regresi
berganda
Regresi Sederhana dan Korelasi
Jika akan dibahas mengenai dua variabel numerik
atau lebih, termasuk hubungan di antara keduanya,
maka digunakan dua teknik perhitungan, yaitu
Regresi dan Korelasi.
Dalam analisa Regresi, akan dikembangkan
sebuah persamaan regresi yaitu formula
matematika yang mencari nilai variabel tergantung
(dependent) dari nilai variabel bebas
(independent) yang diketahui. Analisa regresi
terutama digunakan untuk tujuan peramalan.
Model Matematika yang digunakan :
Garis Lurus
Parabola / Kurva Kuadratik
Kurva kubik
Kurva Quartic
Kurva pangkat n
Biasanya disebut sebagai polinomial berderajat
satu, dua, .dst
Metoda Garis Lurus
y= a + bx
Metoda Kuadrat Terkecil
(Least Square)
Untuk mendapatkan parameter
y = a + bx + e
Statistik Non-Parametrik
Jika data yang ada tidak berdistribusi
Normal, atau jumlah data sangat sedikit
serta level data adalah nominal atau ordinal,
maka perlu digunakan metode statistik
alternatif yang tidak harus menggunakan
suatu parameter tertentu misalnya Mean,
STD Deviasi dll. Metode ini disebut
metode Statistik Non Parametrik.
Keuntungannya :
- Data tidak harus berdistribusi Normal,
(distribution free test)
- Dapat digunakan untul level data
nominal dan ordinal
- Cenderung lebih sederhana
Kelemahan :
- Tidak ada sistematika yang jelas
- Hasil bisa meragukan karena
kesederhanaan metodenya
- Tabel yang digunakan lebih banyak
Dalam penggunaannya apakah akan digunakan
metode parametrik atau non parametrik, semua
tergantung pada situasi yang ada, dan keduanya
lebih bersifat saling melengkapi dalam melakukan
berbagai pengambilan keputusan.
SPSS
(Statistical Product and Service Solutions)
Adalah suatu program komputer statistik yang
mampu mengolah/memproses data statistik secara
cepat dan tepat, untuk mendapatkan berbagai
hasil/keluaran yang dikehendaki para pengambil
keputusan
Komponen SPSS
1. Data Collection, mengumpulkan data untuk
pengolahan data
2. Data Preparation, persiapan data untuk
pengolahan data lebih lanjut
3. Data analysis & Data mining, menyediakan
berbagai perhitungan statistik untuk pengolahan
data
4. Data deployment, mendistribusikan hasil
pengolahan data (informasi)
Cara Kerja SPSS (analogi dengan proses komputer)
Pada Komputer
Data Input
Data
Output
Proses
Komputer
Pada Statistik
Data Input
Proses
Statistik
Data
Output
Window Pada SPSS
1. Data Editor
File, Edit, View, Data, Transform, Analize, Graphs, Utilities,
Window, Help
2. Menu Output Navigator
Insert, Format
3. Menu Pivot Table Editor
4. Menu Chart Editor
Gallery, Chart, Series
5. Menu Text Output Editor
6. Menu Syntax Editor
7. Menu Script Editor
Bagian SPSS yang berhubungan dengan
Statistik Deskriptif
1. Frequencies.
Membahas beberapa penjabaran ukuran statistik deskriptif seperti
Mean, Median, Kuartil, Persentil, Standar Deviasi dll
2. Descriptive
Berfungsi untuk mengetahui skor z dari suatu distribusi data dan
menguji apakah data berdistribusi normal atau tidak
3. Explore
Berfungsi untuk memeriksa lebih teliti terhadap sekelompok data
dengan Box-Plot dan Steam and Leaf Plot, selain beberapa uji
tambahan untuk menguji apakah data berasal dari distribusi
normal.
4. Crosstab
Digunakan untuk menyajikan deskripsi data dalam
bentuk tabel silang. Menu ini juga dilengkapi dengan
analisis hubungan di antara baris dan kolom, seperti
independensi antara mereka, besar hubungannya dsb
5. Case Summaries
Digunakan untuk melihat lebih jauh isi statistik
deskriptif yang meliputi subgroup dari sebuah kasus.
Penggunaan Regresi dengan SPSS.
1. Pilih menu Analyze Regression Linear
2. Tentukan var bergantung dan var bebas
3. Tentukan Metoda yang digunakan (Enter, Stepwise,
Forward, Backward)
4. Tentukan perhitungan statistik yang diperlukan
5. Tentukan jenis plot yang diperlukan
6. Tentukan harga F testnya