MG V Metode Analisis Data Kas PDF
MG V Metode Analisis Data Kas PDF
Parametrik Non--Parametrik
Non
1
4/1/2017
Statistik Parametrik
• Teknik‐teknik statistika yang didasarkan atas asumsi
mengenai populasi yang diambil sampelnya.
• Contoh: pada uji t diasumsikan populasi terdistribusi
normal. Sebutan parametrik digunakan karena pada
uji t ini yang diuji adalah parameter (yaitu rata rata
uji t ini yang diuji adalah parameter (yaitu rata‐rata
populasi)
• Membutuhkan data kuantitatif dengan level interval
atau rasio yang diambil dari populasi yang
berdistribusi normal.
Analisis Statistik Parametrik &
Statistik Non Parametrik
2
4/1/2017
Penggunaan Non Parametrik ANALISIS KORELASI
TES PENGGUNAAN FUNGSI
DUA VARIABEL
Chi Square Menggunakan data nominal untuk menguji
independensi satu sampel atau dua sampel atau lebih
Tes independensi variabel
Tujuan: mengetahui apakah dua variabel memiliki korelasi.
dari 2 sampel
Codran Q Untuk menguji hubungan lebih dari 2 sampel pada Membantu pada data yang memberikan JENIS ANALISIS SYARAT CONTOH
skala nominal jawaban 2 kategori
1. Uji Signifikansi Kedua variabel mencapai Apakah harga suatu barang
Uji Tanda Untuk menguji hubungan 2 sampel pada skala Tes yang baik untuk data berjenjang
ordinal (rangking)
Koefisien Korelasi pengukuran metrik dan berkorelasi signifikan dengan
Pearson menyebar normal. penjualan produk tersebut.
Uji
j median -Pada satu sampel untuk melihat randomisasi pada -Untuk melihat kesimetrisan distribusi
data dari populasi - Tes independensi variabel 2. Uji Signifikansi
- untuk menguji independensi lebih dari 2 sampel
pada skala ordinal Koefisien Korelasi
Apakah kepuasan konsumen
Tau‐Kendal Kedua variabel mencapai
Uji Mann-Whitney U Untuk menguji independensi 2 sampel pada skala Analog pada independensi 2 sampel t-Test suatu barang berkorelasi
ordinal pengukuran ordinal.
signifikan dengan loyalitas
3. Uji Signifikansi
Uji Kruskal- Untuk menguji independensi lebih dari 2 sampel Alternatif dari uji One-Way ANOVA di pada barang tersebut.
Wallis pada skala ordinal mana asumsi distribusi normal tidak Koefisien Korelasi
digunakan Rank Spearman
Uji Fiedman Uji menguji hubungan lebih dari 2 sampel pada Alternatif dari uji Two-Way ANOVA
skala ordinal dimana asumsi distribusi normal tidak Kedua variabel berupa Apakah jenis kelamin
4. Uji Khi‐Kuadrat
digunakan kategorik. berkorelasi signifikan dengan
Uji Kolmogorov- Untuk menguji independensi dari satu sampel atau 2 Uji ini lebih powerful dibanding uji chi- pilihan jenis rekreasi.
Smirnov sampel pada skala ordinal. square atau uji Mann-Whitney
HUBUNGAN KAUSAL KASUS DUA SAMPEL BEBAS
DUA VARIABEL JENIS SYARAT CONTOH HIPOTESIS
ANALISIS
Tujuan: menyimpulkan apakah suatu variabel independen (prediktor), 1. Uji t Variabel Y mencapai Apakah jenis kelamin Rata‐rata
misalnya variabel X berpengaruh terhadap suatu variabel pengukuran metrik berpengaruh produktivitas
dependen (respon), misalnya variabel Y. dan menyebar normal terhadap karyawan pria
produktivitas dibandingkan dengan
karyawan. wanita berbeda
Pilihan Metode 1. Banyaknya variabel X (dua kategori atau lebih) signifikan
Inferensia tergantung 2. Desain penelitiannya (bebas atau berhubungan) 2. Uji Mann‐ Variabel Y mencapai Apakah jenis kelamin Kepuasan kerja
pada 3. Tingkat pengukuran variabel Y Whitney pengukuran ordinal berpengaruh karyawan pria
terhadap kepuasan dibandingkan dengan
kerja karyawan wanita berbeda
signifikan
1. Kasus dua sampel bebas
3. Uji Chi‐ Variabel Y mencapai Apakah jenis kelamin Sebaran pilihan
Jenis Pendekatan 2. Kasus lebih dari dua sampel bebas
Square pengukuran kategorik berpengaruh produk pakaian
Metode Inferensia 3. Kasus dua sampel berhubungan dan datanya disajikan terhadap pilihan antara pria dan
4. Kasus lebih dari dua sampel berhubungan dalam tabel produk pakaian wanita berbeda
kontingensi signifikan
3
4/1/2017
3. Uji Variabel Y terdiri dari Apakah konsumen pada Ada perbedaan Interval T Test* T-test of* Related T-test of* One-Way Anova* One-Way Anova* Pearson Product
independent Moment *
Cochran dua kategori ketiga produk hasil signifikan sebaran Rasio Two Way Anova* Two Way Anova*
inovasi yang dilakukan proporsi konsumen Partial
perusahaan berbeda menurut kesannya Correlation*
REGRESI LOGISTIK
PENGERTIAN
1. Merupakan bagian dari analisis regresi.
2. Mengkaji hubungan pengaruh peubah bebas (X) terhadap
peubah respon (Y) melalui model persamaan matematika
tertentu.
3 Peubah respon (Y) berupa
3. (Y) berupa peubah KATEGORIK.
KATEGORIK
UJI NON‐‐PARAMETRIK
UJI NON Jenis Analisis Regresi Logistik
LOGISTIK DAN DISKRIMINAN No Tipe peubah respon Jenis Regresi
1 Biner Regresi Logistik Biner
2 Nominal Regresi Logistik Nominal
3 Ordinal Regresi Logistik Ordinal
REGRESI LOGISTIK (2) REGRESI LOGISTIK (3)
Rasio Odd
MODEL REGRESI LOGISTIK
1. Ukuran keeratan hubungan antar peubah kategorik adalah Odd ratio
1. Secara umum model ini menggunakan peubah penjelas (Rasio Odd).
untuk menduga besarnya peluang kejadian tertentu dari 2. Odd ratio adalah rasio peluang kejadian sukses dengan kejadian tak
kategori peubah respon. sukses dari peubah respon.
2. Pemodelan peluang kejadian tertentu dari peubah respon Membeli Produk 3. Odd ratio dapat dihitung dari
Jenis
Kelamin
Total koefisien logit.
dilakukan melalui transformasi dari regresi linier ke logit. Ya Tidak
Pria 10 90 100 Logit(p) = ‐ 0,5380 + 0,2186* Gender
3. Formula transformasi logit sbb:
Wanita 20 60 80
Masukkan nilai Wanita = 1; Pria = ‐ 1
Total 30 150 180
log Logit (wanita) = ‐ 0,3194; Logit (pria) = ‐ 0, 7566
1 Peluang membeli konsumen pria = 0,9.
Peluang membeli konsumen wanita = 0,1. Odd Wanita = e‐0,3194; Odd pria = e‐0,7566
4. Model ARL menjadi sbb: Peluang tidak membeli konsumen wanita = 0,9.
Rasio Odd = e‐0,7566 / e‐0,3194
Odd pria = 0,1 / 0,9 = 0,11
Odd wanita = 0,25 / 0,75 = 0,33 = e‐0,4372
Logit (pi) = β0 + β1*X1 + β2*X2 + … + βn*Xn
Rasio Odd antara pria dengan wanita =
= 0,646
Rasio Odd = 0,11 / 0,33 = 0,33
4
4/1/2017
ANALISIS DISKRIMINAN (2)
ANALISIS DISKRIMINAN
PENGERTIAN DAN RUANG LINGKUP MODEL ANALISIS DISKRIMINAN
1. Analisis diskriminan digunakan untuk pemodelan masalah yang Fungsi diskriminan:
melibatkan satu variabel dependen, berupa kategori,
dipengaruhi oleh lebih dari satu variabel independen, yang D = b0 + b1X1 + b2X2 + … + bjXj + … + bpXp = bᴛX
mencapai pengukuran metrik.
2. Banyaknya kategori variabel dependen bisa hanya dua kategori X1, X2, …, Xj, …, Xp Variabel independen
(dichotomus dua grup), atau
(dichotomus, dua grup) atau lebih (multichotomus).
(multichotomus)
3. Grup‐grup analisis bersifat mutually exclusive, artinya setiap obyek b0, b1, b2, …, bp Koefisien fungsi diskriminan
hanya akan masuk ke dalam satu grup saja (kategori variabel
dependen). D Nilai fungsi diskriminan
4. Model analisis diskriminan dapat digunakan untuk memeriksa
variabel independen apa saja yang berpengaruh signifikan
terhadap variabel dependen, atau dengan kata lain variabel
independen apa saja yang signifikan sebagai deskriminator pada
grup‐grup tersebut.
ANALISIS DISKRIMINAN (3)
Evaluasi Fungsi Diskriminan Model Uji Statistik
Nomor Evaluasi
1 Uji Signifikansi Fungsi Diskriminan Dua Grup Berdasar
erdasar B
Banyaknya Variabel
2 Uji Signifikansi Variabel Independen Xj
3 Uji Signifikansi Fungsi Diskriminan Lebih dari Dua Grup
5
4/1/2017
STATISTIK UNIVARIAT STATISTIK BIVARIATE
Uji statistik univariat digunakan untuk menguji variabel
individu, pada umumnya digunakan untuk menguji distribusi
sampel (untuk uji satu sampel), dependensi, perubahan atau
Statistik Bivariate digunakan untuk menguji
perbedaan. asosiasi atau hubungan dua variabel.
Ukuran data variabel menentukan pilihan penggunaan
statistik parametrik atau non‐parametrik.
Beberapa koefisien yang dapat digunakan
Statistik Parametrik: Digunakan untuk data kuantitatif atau metrik
berskala interval atau rasio, dimana distribusi data adalah
untuk data berukuran nominal, ordinal,
(mendekati) normal. interval dan rasio diringkas sebagai berikut:
Statistik Non‐Parametrik: Digunakan untuk data kualitatif atau non‐
metrik berskala nominal atau ordinal, dimana distribusi data tidak
diketahui atau tidak normal.
MULTIVARIATE
STATISTIK MULTIVARIATE .... INTERDEPENDENSI DEPENDENSI
1 Juml Var >1
Dalam Statistik Multivariate , analisis dapat Terikat
dibedakan menjadi analisis dependensi dan Ukuran
Ukuran
Variabel
Ukuran
Variabel
Variabel Non Terikat Terikat
interdependensi.
interdependensi Metrik
Metrik
Non Metrik
Metrik
Non
Dependensi berarti terdapat variabel bebas dan Metrik Metrik
Ukuran
Variabel
Ukuran
Variabel
Ukuran
Variabel
tak bebas. Non
Bebas
Non
Bebas
Non
Bebas
6
4/1/2017
2. Uji Dua Sampel ‐ NP 3. Uji Lebih dari Dua Sampel ‐ NP
4. Ukuran Korelasi ‐ NP
TERIMA KASIH
Atas perhatian dan kerjasamanya dalam tatap muka kali ini
SAMPAI JUMPA
PADA KULIAH MINGGU DEPAN
Dr. Kaswanto, SP, MSi
HP. 0812‐19‐39739
kaswanto@apps.ipb.ac.id
Blog : kaswanto.staff.ipb.ac.id
FB : Regan Leonardus Kaswanto
1 April 2017