NIM : L201119007
A. Materi Bu Evi
1. Data Screening
Data Screening dilakukan setelah data dikumpulkan sebelum analisis data yang utama
dijalankan. Data screening ini berguna untuk mennghilangkan data – data yang hilang
maupun data – data yang tidak normal. Selain itu, cata screening juga berguna untuk
menghilangkan outlier (sebuah pencilan) yang dimana nilai tersebut ekstrim pada satu
variabel atau kombinasi yang aneh dari dua atau lebih variabel sehingga mengga nggu
analisis.
2. Metode Statistik
Dalam mata kuliah statistik terapan, ada beberapa metode yang diajarkan kepada
mahasiswa, yaitu Metode Statistik Deskriptif, Analisis Regresi Linier Sederhana,
Annova, dan Korelasi.
Statistik Deskriptif
Dalam metode statistik deskriptif, digunakan untuk menyajikan data saja. Hasil
dari statistik deskriptif tersebut nantinya berupa penyajian data kualitatif ,
menampilkan ukuran pemusatan data dan ukuran penyebaran data.
Penyajian Data Kualitatif
Penyajian data kualitatif ini berupa tabel, histogram maupun diagram.
Untuk diagram, terbagi menjadi beberapa jenis sesuai kebutuhan untuk
penyajian data tersebut. Terdiri dari diagram batang untuk menyajika n
kuantitas, diagram lingkaran untuk menyajikan data dalam proporsi, dan
diagram garis untuk menyajikan data yang bersifat trend.
Ukuran Pemusatan Data
Ukuran pemusatan data ini terdiri dari mean, modus dan median. Mean
merupakan nilai rata-rata yang didapatkan dari jumlah semua nilai
dibagi dengan jumlah data. Modus merupakan nilai yang paling banyak
muncul. Median merupakan nilai yang terletak ditengah urutan.
Ukuran Penyebaran Data
Dalam ukuran penyebaran data ini terdiri dari beberapa jenis yaitu :
Kisaran (range), kisaran antar kuartil (interquartile range), varians, dan
koefisian kearagaman.
- Kisaran (range) : selisih antara nilai terbesar dengan nilai terkecil.
- Kisaran antar kuartil (interquartile range) : selisih antara kuartil atas
dengan kuartil bawah.
- Varians : rata-rata dari kuadrat simpangan nilai pengamatan
terhadap rata-ratanya.
- Koefisien keragaman : ukuran keragaman relatif.
Pendugaan (Estimasi)
Pendugaan terhadap suatu parameter populasi bertujuan untuk
menentukan nilai pendekatan atau nilai dugaan bagi parameter populasi
tersebut dengan menggunakan statistik sampel. Penduga bagi parameter
populasi dapat berupa penduga titik (point estimate) atau penduga
selang (interval estimate). Penduga titik peroleh dengan menentuka n
suatu nilai tunggal yang dihitung dari data sampel sebagai penduga bagi
parameter populasi tersebut. Ada beberapa pendugaan yang digunaka n
adalah sebagai berikut :
- Selang kepercayaan bagi rata-rata populasi
- Penentuan ukuran sampel untuk menduga nilai rata-rata
- Penentuan ukuran sampel untuk menduga proporsi
- Selang kepercayaan bagi varians populasi
Pengujian Hipotesis
Tujuan pengujian hipotesis adalah untuk memilih salah satu dari dua
hipotesis tentang parameter populasi yang keduanya saling
bertentangan, yaitu hipotesis nol yang dinyatakan dengan H0 dan
hipotesis kedua dinyatakan dalam H1 . Artinye jika satu hipotesis ditolak,
maka sebagai konsekuensinya, hipotesis lainnya diterima. Pengujia n
hipotesis berdasarkan pada konsep pembuktian melalui
pengkontradiksian, yaitu jika analisis terhadap sampel menunjukka n
ketidak-konsistenan dengan hipotesis yang diuji, maka hipotesis
tersebut ditolak dan disimpulkan bahwa hipotesis tersebut salah, dan
sebaliknya jika nalisis sampel tersebut konsisten dengan hipotesis yang
diuji, maka hipotesis tersebut diterima.
Regresi
Regresi ini merupakan hubungan antara Variabel Dependen (Variabel Y) dan
Variabel Bebas (Variabel X). bentuk hubungan antar kedua variabel tersebut
biasanya dapat diperiksa dengan memetakan setiap pasangan pengamatan (x,y)
dalam satu diagram pencar (scatter diagram). Analisis regresi adalah salah satu
teknik statistik yang paling populer yang biasa digunakan untuk tujuan
peramalan atau pendugaan tentang nilai variabel dependen Y. selain itu, analis is
regresi juga bertujuan untuk membangun suatu model probabilistik yang dapat
digunakan untuk meramalkan atau menduga nilai variabel dependen (Y),
berdasarkan pada nilai- nilai variabel bebas (X). Regresi yang diajarkan oleh Bu
Evi dalam perkuliahan adalah regresi linier sederhana dan regersi ganda saja.
Regresi linier sederhana yaitu tentang pendugaan satu variabel Y oleh satu
Variabel X saja. Salah satu asumsi yang digunakan adalah model regresi linear
sederhana adalah bahwa setiap nilai variabel X berkaitan dengan suatu distribus i
dari nilai-nilai variabel Y. Regresi Ganda adalah regresi dengan dua atau lebih
variabel X, sehingga merupakan perluasan dari regresi linier sederhana. Dalam
banyak hal, perluasan dari regresi linier sederhana ke regresi berganda sangat
jelas dan mudah dipahami. Permasalahan dalam analisis regresi terdiri variabel
lain yang diabaikan, hubungan yang tidak linier, varians galat yang tidak
konsisten, korelasi antar galat dan galat yang tidak berdistribusi normal.
Korelasi
Metode statistik dengan korelasi ini bertujuan untuk mencari hubungan antar
variabel baik itu sesama variabel X maupun Variabel X dan Variabel Y.
Annova
Merupakan analisis statistik yang menguji perbedaan rerata antar grup. Grup
disini bisa bisa berarti kelompok atau jenis perlakuan. Annova dapat menguji
perbedaan lebih dari dua kelompok. Hasil akhir dari analisis Annova ini adalah
nilai F test atau F hitung. Analisis ini sering digunakan penelitian eksperimen
dimana terdapat beberapa perlakuan dan peneliti ingin menguji, apakah ada
perbedaan bermakna antar perlakuan tersebut. Materi annova ini terdiri dari 2
jenis yaitu annova satu arah dan annova dua arah. Annova satu arah digunaka n
untuk sumber keragamannya hanya dari satu faktor saja, sedangakn annova dua
arah terdiri dari sumber keragaman yang terdiri dari dua faktor. Sumber-sumber
keragaman tersebut dapat berupa kondisi lingkungan yang dapat
dikelompokkan dalam tiap perlakuan.
Saran : Mungkin sebaiknya jika penyampaian materi bisa langsung dengan contoh kasus,
ataupun contoh soal. Baik menggunakan minitab maupun perhitungan dasar. Ada beberapa
materi yang belum saya pahami terkait dengan distribusi normal multivariate. Tetapi untuk
multikolinearitas lumayan bisa untuk dipahami karena materi tersebut dijelaskan dengan
langsung kepada contoh kasus yang membuat saya mudah dalam memahami materi tersebut.
Tapi Overall, cara bapak mengajar sudah baik dan mudah dipahami oleh saya. Terima kasih,
pak.