Analisis Univariat & Bivariat

Metpen Kuantitatif

•Tipe-tipe data
•Univariate/Multivariate Jenis data
•Univariate: satu variabel untuk
• Nominal
menggambarkan orang, tempat, atau apapun.
(mis. Tinggi seseorang) • Ordinal
•Multivariate: dua atau lebih variabel untuk • Interval
mengukur individu, tempat, atau apapun. Di
sini dilihat kemungkinan hubungan variabel • Rasio
satu dengan yang lain.
Jenis data akan
•Cross-sectional data/Time-ordered data
•Cross-Sectional: Pengukuran dilakukan pada menentukan (sebagian)
satu periode waktu E.g. (kelas sosial dan dari metode analisis data
pendapatan per kapita)
yang sesuai.
•Time-Ordered: Pengukuran diambil dari
waktu ke waktu dalam urutan kronologis.
misalnya tahun dan pendapatan per kapita
2
 Analisis Univariate/Statistik Deskriptif

– Range
– Min/Max
– Mean
– Median
– Mode
– Variance
– Standard Deviation
– Histograms and Normal Distributions

3
Bagian 1. Pemahaman dasar
• Statistik adalah uji model pada keadaan yang diprediksikan. Keadaan
diprediksikan adalah populasi, dan kita mengambil sampel.
• Sample memprediksikan apa yang terjadi pada populasi
• Di tingkat sample kita hanya memiliki data kasar/nilai aktual
• Maka kita lagi-lagi harus membuat data kasar menjadi nilai terprediksi
• Nilai yang diprediksikan tidak sama dengan data kasar

NOTE: Pelajari benar soal tendensi sentral,

dispersi (range, kuartil, percentil), varians dan
standar deviasi (ini juga disperse), z-score, dan SE
Kenapa selalu ada error: pahami persoalan di
bawah
Probabilitas

Sample
Populasi Statistik
Estimasi
deskriptif
parameter parameter

INGAT KITA CUMA SAMPLE DAN

Error beda dengan bias.
Error bisa diukur, bias tidak
karena sumbernya dari
proses penelitian dan terjadi
secara sistematik
Statistik inferensial KITA TIDAK MELAKUKAN
PENGHITUNGAN PADA POPULASI:
Sumber bias: Apakah hasil kita yakin benar
peneliti, akurat seperti keadaan populasi?
bias survei,
bias responden, dan
bias nonresponse.
Tendensi sentral
Pola kurtosis
Dispersi
• Anda sudah tahu kan apa itu
range, kuartil, dan persentil
• Ilustrasi berikut adalah
interkuartil range

Ada problem melihat

dispersi dari range,
apakah?
Model statistik
Ilmuwan membangun
model (statistik) untuk
menggambarkan proses
dari realitas dunia nyata
sehingga dapat
memprediksi bagaimana
proses ini beroperasi
dalam kondisi tertentu
Bedakan dua persamaan di bawah:
Model statistic dibangun
• Outcomei=(b0)+ error
berdasarkan variable dan • Outcomei = (b0 + b1Xi) + errori
parameter. • Outcomei = (b0 + b1Xi + b2X2) + errori

Error= residual, error, deviation, deviant

Bagaimana error/residual/deviasi dapat dihitung?
jika saya ingin melihat lima dosen mata kuliah
kuantitatif dan mengukur jumlah teman yang Jika dosen A hanya hanya memiliki 1
mereka miliki, teman.
dosen A = 1 teman Diperoleh rata-rata hypothetical value
Dosen B = 2 teman teman adalah 2.6, maka berapa kira-
Dosen C = 3 teman kira error/deviants dari dosen A?
Dosen D = 3 teman
Dosen E = 4 teman
Ingat! Outcomei=(b0)+ error
Maka berapa rata rata teman dosen-dosen ini?
Dimasukkan dalam persamaan =
menjumlahkan nilai yang kita peroleh, dan Outcomedosen 1 =(b0)+ error dosen 1
membaginya dengan jumlah nilai yang diukur: 1 = 2.6 + error dosen 1
(1 + 2 + 3 + 3 + 4) / 5 = 2.6 error dosen1 = 1 – 2.6
Masih ingat kan ya? = - 1.6

2.6 ini adalah hypothetical value dari mean.

Bagaimana error dapat dihitung?
Jika digambarkan error dalam grafik
dosen A = 1 teman maka error per masing-masing dosen Jika ingin menghitung error total
Dosen B = 2 teman adalah seperti ini dan kita ingin menjumlahkan maka
Dosen C = 3 teman hasilnya 0
Dosen D = 3 teman
Dosen E = 4 teman

Didapat mean = 2.6

Bagaimana error dapat dihitung?
• Dosen A = 1 teman Paling logis adalah menjumlahkan observasi yang
• Dosen B = 2 teman sudah dikuadratkan simpangannya dengan mean
• Dosen C = 3 teman
• Dosen D = 3 teman
• Dosen E = 4 teman

• Didapat mean = 2.6

SS = total error = Variance

Bagaimana error dapat dihitung?
• Bagaimanapun akurasi dari model
juga bergantung pada kuantitas
data
• Menyelesaikan persoalan di atas
maka kita menggunakan rerata
error dibandingkan total
• Catatan penting, kita tertarik
dengan error pada populasi
dibandingkan sample. Itu kenapa
SS/total error biasanya dibagi
bukan berdasar jumlah observasi
namun berdasar df (degree of
freedom)
• Apa itu degree of freedom?
Problem dari varians
Nilai kuliah 5 anak • Jika kita mendapatkan data 1280 varians apa artinya?
Nila X-x (X-x)2 Apa itu artinya 1280 dari mean?
i
20 -12 144
• Apa satuan dari varians? Bagaimana ini berkaitan
10 -22 484
dengan unit pengukuran yang kita gunakan ?
30 -2 4 • Bagaimana hal tersebut bisa dibandingkan dengan
50 18 324 variable lain yang memiliki satuan pengukuran
50 18 324 berbeda?
Σ 1280
• Bagaimana varians mampu membedakan sebaran
skor di kelas kuantitatif A dengan dengan kelas
psikologi ruang maya dengan varians?
Kita pecahkan dengan SD
• Dengan SD maka nilainya akan
kembali sebagaimana karakteristik
awalnya
• Namun varians dan SD sangat
sensitive dengan outlier. SD ini
perbandingannya masih hanya
dengan N (lihat pembaginya)
Dengan SD maka nilainya • Dengan SD apakah kita bisa
akan kembali sebagaimana membandingkan dua data set yang
karakteristik awalnya
berbeda?
Ilustrasi SD
Ilustrasi SD
Z-score
• Dengan SD kita mulai bisa membandingkan data
set yang berbeda
• Yaitu dengan z score
• Nilai suatu Z-score adalah merupakan suatu
ukuran yang menentukan seberapa besar jarak
suatu nilai (dari observasi suatu set sample)
terhadap rata-ratanya dalam satuan standar
deviasinya.
• Nilai Z-score akan berada pada suatu titik pada
sumbu datar dari kurva normalnya.
• Dengan z-score kita bisa membedakan dua data
poin (particular data poin tertentu) yang berbeda
data setnya, semisal umur dan kesejahteraan
Nah ada standard deviasi ada standard error
BEDAKAN!
Standard error
• Ingat prinsipnya:
1. kita hanya melihat sample data dan perlu melampaui data,
2. untuk melampaui data kita perlu mulai melihat seberapa representatif sampel
kita dari populasi yang diminati.
3. Standar deviasi menyatakan seberapa representative mean kita terhadap data
sample
4. Bagaimanapun, kita akan menggunakan mean sample ini untuk mengestimasi
parameter pada populasi
5. Selanjutnya kita perlu tahu seberapa baik nilai tersebut merepresentasikan
populasi, karena sample bisa berbeda dengan populasi.
6. Lantas bayangkan anda mengambil sampel berulang kali. Adakah kemungkinan
hasilnya sama atau berbeda?
Standard error
SE = √(variance/n)=SD/√n.
• Standar error yang besar (relatif
terhadap mean sampel) berarti bahwa
ada banyak variabilitas antara mean
sampel yang berbeda sehingga mean
sampel yang kita miliki mungkin tidak
mewakili mean populasi. Standar error
kecil menunjukkan bahwa sebagian
besar rata-rata sampel mirip dengan
rata-rata populasi (yaitu, rata-rata
sampel cenderung secara akurat
mencerminkan rata-rata populasi)
Analisis Bivariate

Cross-tabulation & chi-square

22
Sejauh ini metode statistik yang sblmnya
diajarkan hanya bisa untuk:
• Melihat frekuensi munculnya angka
atau kategori tertentu.
• Melihat tendensi sentral seperti cara,
mode, dan median untuk satu variabel.
• Melihat dispersi seperti standar
deviasi dan z-skor

23
 Analisis bivariate analysis
mengijinkan kita untuk:
• Look at associations/relationships among
two variables.
• Look at measures of the strength of the
relationship between two variables.
• Test hypotheses about relationships between
two nominal or ordinal level variables.

24
Metode Umum dalam Analisis Bivariat
Tabel Kontingensi (Cross-tabs)
• sering digunakan ketika kedua variabel adalah
nominal atau ordinal (variabel kategoris)
• tidak memerlukan asumsi tentang sifat asosiasi
Correlation Coefficient
• digunakan untuk hubungan linier antara dua
variabel numerik
• mengukur kekuatan dan arah hubungan linier
• grafik sebar (scattergram)
Dua penjelasan Umum
Penjelasan Idiografis
Beberapa faktor mempengaruhi hasil tertentu, dengan generalisasi terbatas. Aku melewatkan
penerbanganku.
1) Jam alarm tidak bunyi,
2) Harus parkir di tempat yang jauh,
3) ada orang yang menolak untuk melewati pemindai tubuh,
4) Penerbangan overbooked.

Penjelasan Nomotetis:
Beberapa faktor penyebab mempengaruhi kelas kondisi atau peristiwa, biasa terjadi dalam ola
kelompok
• Orang yang biasanya terlambat ketika janjian.
• Orang biasanya buat banyak alasan.

analisis bivariat adalah penjelasan Nomotetis.

Apa yang tabel ini katakan tentang kesejahteraan
berdasarkan gender?

Support cutting
welfare benefits Male Female
for immigrants
Yes 15 5

No 10 20

Total 25 25
27
 Apakah frekuensi cukup
membuat kita dapat
membandingkan kelompok?

Informasi apa lagi yang

dibutuhkan?

28
Bagaimana jika demikian?
Benefits for Males Female
Immigrants
Yes 15 (60%) 5 (20%)

No 10 (40%) 20 (80%)

Total 25 (100%) 25 (100%)

29
Cross tabulation digunakan ketika
• ingin melihat hubungan antara dua atau tiga
variabel.
• Melihat ukuran statistik deskriptif sehingga
dapat diketahui apakah perbedaan di antara
kelompok cukup besar untuk menunjukkan
hubungan antar variabel.

30
Menurut anda apakah Cross-
tabs sudah cukup untuk
mengetahui hubungan antar
variabel?

31
Analisis statistic tambahan berupa Chi-
square perlu digunakan untuk
• Menguji hipotesis tentang dua variabel.
• Melihat kekuatan hubungan antara variabel
independen dan dependen.
• Menentukan apakah hubungan antara dua variabel
cukup besar untuk mengesampingkan peluang acak
atau sampling error sebagai alasan bahwa
tampaknya ada hubungan antara kedua variabel.

32
 Chi-square hanyalah perpanjangan
dari cross-tabs yang memberi lebih
banyak informasi tentang hubungan
tersebut.

Namun, ia tidak memberikan

informasi tentang arah hubungan
(positif atau negatif) di antara kedua
variabel tersebut.
33
Hubungan sebab akibat
Kausal: Perubahan dalam satu variabel (independen)
berdampak pada variabel yang lain (dependen). Penyebab
terjadi sebelum akibat/dampak.

Spurious: Statistical coincidence yang disebabkan oleh

variabel ketiga.

Bisakah analisis korelasi bivariat dianggap sebagai

hubungan sebab akibat?
Pros Cons
Manfaat: Hasil kuantitatif– menyederhanakan hubungan–
memprediksikan

Kerugian: over-simplify results – identifikasi spurious

relationships (Type 1 or Type 2 errors)