ANALISIS DATA

STATISTIK
SITTI SAHRIMAN
STATISTIKA
UNIVERSITAS HASANUDDIN
sittisahrimansalam@gmail.com

ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts

Kontrak Kuliah
Nama Matakuliah : Analisis Data (18H05120103)
Dosen : Sitti Sahriman, S.Si, M.Si
Drs. Nasrah Sirajang, M.Si
Siswanto, S.Si, M.Si
Jadwal & Ruang Kuliah : Jumat, (Daring via Zoom/GoogleMeeting)
Pkl. 08.00-10.30
Penilaian : 1. Kehadiran min 80%
2. Tugas 15%
3. Kuis 15%
4. Ujian 20%
5. Keaktifan
Materi Kuliah bisa didownload melalui laman
SIKOLAAlur Pembelajaran
Tags Mata Kuliah “analisis data”
Kontrak Kuliah
Peraturan :
 Perkuliahan dilakukan secara Daring dan Wajib Mengaktifkan
Kamera
 Toleransi keterlambatan maksimal 20 menit
 Kehadiran kurang dari 80% tidak diperbolehkan ikut Ujian
 Setiap peserta Wajib mendaftar pada kelas paralel yang ada di laman
SIKOLA
 Tugas-tugas dan Hasil Ujian dikumpul tepat waktu melalui SIKOLA
(Tdk ada toleransi keterlambatan)
 Haram hukumnya menyontek dan memberi contekan baik Tugas
maupun Ujian/Kuis dalam Mata Kuliah ini
 Aktifitas diskusi di Forum diskusi pada laman SIKOLA akan dinilai
sebagai keaktifan
 Aturan penilaian berdasarkan ketentuan yang telah dibuat oleh
dosen
 Penilaian diambil dari proses Luring dan Daring
 PENGANTAR
ANALISIS DATA

ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts

SUB CAPAIAN
PEMBELAJARAN MK

Mahasiswa mampu
memahami konsep
dasar analisis data
 Pengertian Data
 Menurut Webster’s New Dictionary, data berarti sesuatu yang
diketahui atau dianggap.

 Data dapat memberikan gambaran tentang suatu keadaan atau

persoalan

 Data terkait dengan tempat dan waktu. Misal : harga beras yang
bermutu sedang di pasar Daya, Makassar, pada tanggal 17 Januari
2022 adalah Rp14.000,- per kg.

 Sesuatu yang dianggap/asumsi → suatu hipotesis yang perlu

diuji kebenarannya → digunakan sebagai dasar pengambilan
keputusan
Syarat Data yang Baik
 Data yang salah → keputusan salah

 Persyaratan data yang baik:

 Objektif → sesuai dengan keadaan yang sebenarnya
 Representatif → mewakili objek yang diamati
 Sampling error kecil
 Tepat waktu → untuk kebutuhan pengendalian dan evaluasi
 Relevan → ada hubungannya dengan masalah yang akan
dipecahkan
Klasifikasi Data
 Data dikelompokan menurut : sifat, sumber, cara memperoleh,
dan waktu pengumpulan

 Data menurut sifatnya:

 Data kualitatif: data yang tidak berbentuk angka (nonnumeric)
→ Cth: produksi daging sapi meningkat, harga daging ayam
mahal, penyaluran pupuk berjalan lancar, dsb.

 Data kuantitatif: data yang dinyatakan dalam bentuk angka →

Cth: produksi padi meningkat 10 persen, sebanyak 99%
pupu telah disalurkan, dsb.
Klasifikasi Data
 Data menurut sumbernya:
 Data eksternal: data bersumber dari luar suatu organisasi
atau kelompok → Cth: suatu perusahaan mencari data
mengenai daya beli konsumen dari kantor BPS setempat,
jumlah uang beredar, inflasi.

 Data internal: data yang bersumber dari keadaan atau

kegiatan suatu organisasi atau kelompok → Cth: data
penjualan dan data produksi suatu perusahaan.
Klasifikasi Data
 Data menurut cara memperolehnya:
 Data primer: data yang dikumpulkan atau diolah sendiri oleh
suatu organisasi atau perorangan langsung dari objeknya →
Cth: suatu perusahaan ingin mengetahui konsumsi minyak
goreng rata-rata penduduk di suatu daerah dengan cara
melakukan wawancara langsung kepada penduduk setempat.

 Data sekunder: data yang diperoleh dalam bentuk jadi dan

telah diolah oleh pihak lain, yang biasanya dalam bentuk
publikasi → Cth: BPS, LIPI, KPU, BI.
Klasifikasi Data
 Data menurut waktu pengumpulannya:
 Data cross section: data yang dikumpulkan dalam suatu
periode tertentu, biasanya menggambarkan keadaan atau
kegiatan dalam periode tertentu → Cth: data hasil sensus
penduduk Tahun 2020 menurut umur, jenis kelamin, agama.

 Data time series: data yang dikumpulkan dari waktu ke waktu

untuk menggambarkan perkembangan suatu
kegiatan/keadaan dari waktu ke waktu → Cth: data curah
hujan dalam 10 tahun terakhir (2012-2021).
 Klasifikasi Data
 Data sebagai nilai variable/peubah dibagi dalam 4 tingkatan variable (skala
utama):
 NOMINAL: angka yang berfungsi hanya untuk membedakan, sebagai
lambang/symbol. Disebut data kategorik/nonmetric/kualitatif
→ Cth: suku bangsa, jenis kelamin, agama
 ORDINAL: angka yang selain berfungsi sebagai nominal juga menunjukkan
urutan dan jarak tidak sama
→ Cth: peringkat, tingkat pendidikan, pangkat, pendapatan
 INTERVAL: angka yang selain berfungsi sebagai nominal dan ordinal juga
menunjukan jarak yang sama, tidak mempunya titik asal nol.
→ Cth: suhu naik dari 20° sampai 30° selisih sama antara 40° sampai 50°.
 RASIO: angka yang selain berfungsi sebagai nominal, ordinal, dan interval,
jga menunjukkan berapa kali sebab memiliki titik asal nol.
→ Cth: berat badan Abas 90 kg, Budi 60 kg.Berat badan Abas 1,5 kali berat
badan budi
Bagian Data
 Elemen: Unit terkecil dari penelitian

 Karakteristik: sifat-sifat, ciri-ciri atau hal-hal yang dimiliki oleh

elemen, atau semua keterangan mengenai elemen

 Variabel atau peubah: sesuatu yang nilainya dapat berubah.

Nilai karekteristik numerik dari elemen merupakan nilai
variable. Dilambangkan dengan x, X, y, Y, t, z, Z, dst.
Bagian Data
 Elemen: Unit terkecil dari penelitian

 Karakteristik: sifat-sifat, ciri-ciri atau hal-hal yang dimiliki oleh

elemen, atau semua keterangan mengenai elemen

 Variabel atau peubah: sesuatu yang nilainya dapat berbah.

Nilai karekteristik numerik dari elemen merupakan nilai
variable. Dilambangkan dengan x, X, y, Y, t, z, Z, dst.
Definisi
Tahapan Analisis Data
Tahapan Analisis Data
Pengumpulan Data
Editing Data
Koding Data
Pengolahan Data
Analisis Data
Analisis Data Kualitatif
Analisis Data Kuantitatif
Analisis Data Kuantitatif
 Analisis data kuantitatif selalu berkenaan dengan prosedur
statistik (statistical procedure). Oleh sebab itu, analisis data
kuantitatif tidak lain adalah prosedur statistik (statistical
procedure) atau analisis statistic (statistical analysis) itu
sendiri.
 Dilakukan dengan perhitungan statistik
 Statistik Diskriptif (Descriptive Statistics)
 Statistitik Inferential (Inferential Statistics)
 Parametrik (untuk data interval dan rasio)
 Non-parametrik (untuk data nominal dan ordinal)
Statistik Deskriptif
 Memungkinkan peneliti untuk mengorganisir, merangkum, dan
menggambarkan observasi yang dilakukan

 Memberi gambaran dan menyajikan ringkasan data dari populasi sehingga

informasi dari data tersebut bisa diperoleh dengan sistematis dan jelas.

 Bisa berupa: 1) distribusi frekuensi,

2) presentasi grafik,
3) measure of central tendency (mean, median, modus), atau
4) measure of variability (Range, standar deviasi).

 Statistik deskriptif bisa digunakan untuk menyajikan data dalam bentuk tabel
(tabulasi) yang pada dasarnya adalah menghitung data dan memasukkan
data ke dalam tabel berdasarkan kategori tertentu.
Statistik Inferensial
 Statistik inferensial adalah metode statistik yang berguna untuk
membuat inferensi tentang populasi dari probibilitas sampel.

 Digunakan untuk menggambarkan populasi hanya dengan

menggunakan informasi dari observasi yang dilakukan terhadap
probibilitas sampel dari kasus yang diambil dari populasi.

 Statistik inferensial memiliki dua metode, yaitu:

1) statistik non-parametrik, dan
2) statistik parametrik.
Statistik Inferensial
DATA

Normal Tidak Normal

DISTRIBUSI

STATISTIK PARAMETRIK
STATISTIK
NON-PARAMETRIK
Statistik Parametrik
 The Comparison of Groups (Compare Mean)
 t-test
 Anova
 Manova

 Measure of Association between Two or more Variables (Correlate)

 Pearson’s Product Moment
 Regression
 Canonical Correlation Analysis
Compare Mean
 t-test : alat untuk menguji hipotesis untuk dua mean.

 t-test untuk independent sample artinya t-test untuk mean

dari dua kelompok yang berbeda yang memperoleh
perlakuan

 t-test untuk dependent sample artinya t-test untuk mean dari

kelompok yang sama dari dua perlakuan yang berbeda.
Compare Mean
 Analysis of Variance (ANOVA) adalah alat menguji hipotesis
untuk mean lebih dari dua.

 Multifactor Analysis of variance/ Factorial Analysis adalah alat

untuk menganalisis efek interaksi lebih dari dua variabel.
Correlate
 Pearson’s Product Moment adalah untuk mencari koefisien
korelasi dari variabel data interval atau rasio

 Regression adalah untuk mengetahui bagaimana variabel

dependent dapat diprediksi melalui veriabel independent,
secara individu atau bersama.

 Canonical Correlation Analysis digunakan untuk tujuan

menganalisis beberapa variabel terikat (dependent variable)
dan beberapa variabel bebas (independent variable).
Contoh
 Apakah ada perbedaan  T-test
signifikan antara X dan Y?

 Apakah ada perbedaan  ANOVA

antara X, Y, and Z?

 Apakah ada perbedaan

 MANOVA/Factorial
antara X dan A, X dan B, X
dan C; Y dan A, Ydan B, Y
dan C?
Contoh: Correlational
 Apakah terdapat hubungan  Pearson Product Moment
antara X dan Y? Correlation

 Apakah terdapat hubungan  Regression

antara X1 dan Y? X2 dan Y,
atau X1 dan X2 dengan Y
secara bersama-sama?

 Apakah terdapat hubungan  Canonical Correlation

antara X1 dan Y1? X2 dan Y1, Analysis
atau X1 dan Y2 atau X2 dan
Y2, atau X2 dan Y1, X2 dan
Y2?
Statistik Non-parametrik
 Dua sampel saling berhubungan (two  Sign test
dependent samples)  Wilcoxon Signed-Rank
 Mc Nemar Change test

 Dua sampel tidak berhubungan (two  Mann-Whitney U test

independent samples)  Moses Extreme reactions
 Chi-Square test
 Kolmogorov-Smirnov test
 Walt-Wolfowitz runs

 Beberapa sampel berhubungan (several  Friedman test

dependent samples)  Kendall W test
 Cochran’s Q

 Kruskal-Wallis test
 Beberapa sampel tidak berhubungan  Chi-Square test
(several independent samples)
 Median test
THANK YOU
SITTI SAHRIMAN