Statistik
Ternyataaa...
Bel rumah teman saya rusak
Kesimpulan yang salah dari asumsi yang salah.
*Asumsi Data
Parametrik
*Asumsi Data
Parametrik
*Uji Normalitas
Interpretasi:
Data nilai ujian SPSS ditemukan tidak signifikan, D (26) =
0,10, p > .05 sedangkan data waktu ditemukan signifikan,
D(26) = 0.23, p < .05 sehingga dapat disimpulkan bahwa
data nilai ujian SPSS terdistribusi normal sedangkan data
waktu tidak terdistribusi normal.
2. Homogenitas varians
Persebaran skor setara pada kelompok atau
level data yang berbeda
*2. Homogenitas
Varians
Interpretasi:
Data nilai ujian SPSS ditemukan tidak signifikan, F (1, 98) =
2,58, p > .05 sedangkan data numeracy ditemukan signifikan,
F(1, 98) = 7.36, p < .05 sehingga dapat disimpulkan bahwa
data nilai ujian SPSS memiliki varians yang homogen
sedangkan data numeracy memiliki varians yang heterogen
*Skala Interval
*Independence
KORELASI
Practice makes
perfect
Semakin
Pada
Contoh
lain??
Hubungan
Contoh:
Koefisien Korelasi
Angka
Koefisien
Koefisien Korelasi
Memberikan informasi tentang:
1.
Koefisien Korelasi
Memberikan informasi tentang:
2. Arah hubungan (the direction of the
relationship)
Korelasi
Arah hubungan
Koefisien Korelasi
Memberikan informasi tentang:
3. Bentuk hubungan (The form of the
relationship)
Bentuk hubungan
Contoh
Contoh
hubungan LINEAR:
Jenis Korelasi
Correlations
Dukungan_
keluarga
1
42
-,336*
,032
42
Tingkat_
kecemasan
-,336*
,032
42
1
42
*.
Correlation
is significant at the 0.05 level (2-tailed).
Spearmans rho
Termasuk statistik non parametrik digunakan
jika data tidak terdistribusi normal, data tidak
berskala interval atau ratio
Data diurutkan sesuai ranking kemudian
diaplikasikan pada persamaan Pearson
Contoh: hubungan status gizi (diukur dengan
IMTskala interval) dengan konsentrasi (diukur
dengan tes intelegensi dengan hasil berupa
rentang skor 1-18 skala interval) mahasiswa,
namun data tidak terdistribusi normal
asumsi pearson tidak terpenuhi
Spearman's
IMT
Correlation
Coefficient
rho
Sig. (2-tailed)
Tingkat
Konsentrasi
Correlation
Coefficient
Sig. (2-tailed)
N
IMT
Tingkat
Konsentrasi
1.000
.191*
.018
154
.191*
154
1.000
.018
154
.
154
Kendalls
Termasuk
statistik nonparametrik
Lebih cocok digunakan pada sampel
yang kecil dibandingkan spearmans rho
Contoh: hubungan kreativitas (skala
interval) dengan peringkat (skala
ordinal) dalam kompetisi melukis
Kendalls
Kreativitas
Correlation
Coefficient
Sig. (1-tailed)
Peringkat
dalam lomba
melukis
Correlation
Coefficient
Sig. (1-tailed)
Kreativitas
Peringkat dalam
lomba melukis
1.000
-.300
.001
68
68
-.300
1.000
.001
68
68
Contoh:
Biserial
rb
Ket:
rb= korelasi biserial
rpb= korelasi poin biserial
p= proporsi responden pada kategori yang lebih
besar
q=proporsi responden pada kategori yang lebih kecil
y=titik ordinat pada distribusi normal yang diapit
nilai p dan q (lihat tabel)
Misalnya
Larger
portion
Smaller
portion
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
.50000
.50399
.50798
.51197
.51595
.51994
.52392
.52790
.53188
.53586
.50000
.49601
.49202
.48803
.48405
.48006
.47608
.47210
.46812
.46414
.3989
.3989
.3989
.3988
.3986
.3984
.3982
.3980
.3977
.3973
r
b
rb
rb
Warning!!
Dalam korelasi tidak dapat diperoleh informasi
tentang hubungan sebab akibat, karena:
Adanya kemungkinan variabel lain yang tidak
diteliti
Contoh: pada penelitian hubungan suhu dengan
frekuensi makan, meskipun ditemukan hubungan
yang positif dan signifikan, namun tidak dapat
dikatakan suhu tubuh menyebabkan frekuensi
makan meningkat, karena peningkatan frekuensi
makan mungkin dipengaruhi oleh faktor lain, mis.
Kondisi fisik, aktivitas, dll.
Warning!!
Koefisien
Chi-square
Pearsons chi-square
Statistik
non parametrik
Digunakan pada penelitian dengan 2
variabel nominal/kategorikal yang terdiri
dari 2 kategori.
Contoh: hubungan jenis kelamin dengan
kejadian hipertensi
Jenis kelamin laki-laki dan perempuan
Hipertensi ada dan tidak ada
Hipertensi
Tidak
hipertensi
Laki-laki
Perempuan
1 kasus/responden
hanya boleh termasuk dalam 1 kategori
Frekuensi yang diharapkan (expected
frequency) dalam setiap kategori harus
lebih besar dari 5
merokok
Total
Total
35
100,0
%
65
100,0
%
100
100,0
%
Chi-Square Tests
df
Asymp. Sig. Exact Sig. (2- Exact Sig. (1(2-sided)
sided)
sided)
Value
Pearson Chi-Square
23,802a
,000
Continuity Correctionb
21,751
,000
Likelihood Ratio
24,140
,000
Linear-by-Linear
Association
23,564
N of Valid Cases
100
,000
,000
,000
a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is
13,65.
b. Computed only for a 2x2 table
OR (Effect Size)
OR
RR
(tidak)
RR
(ya)
Risk Estimate
Value
Upper
OR
9,107
3,550
23,363
3,316
1,993
5,518
,364
,212
,624
100
RR (ya)
RR (tidak)
kanker
Total
Tidak
merokok
25
71,4
10
28,6
35
10
0
merokok
14
21,5
51
78,5
65
10
0
OR
Pearson
s chi
square
9,11 23,80
Interpretasi:
Ada hubungan yang signifikan antara perilaku merokok
dengan kejadian kanker paru-paru 2 = 23.80, p < .001
dan berdasarkan nilai OR, kejadian tidak kanker 9,11x
lebih banyak terjadi pada orang yang tidak merokok,
atau kejadian kanker 0,11x (1/9,11) lebih banyak terjadi
pada orang yang merokok.
P
valu
e
.000
Interpretasi RR
RR (tidak) = 3,316 orang yang tidak
merokok memiliki peluang untuk tidak
mengalami kanker paru-paru sebanyak
3,316 kali lebih besar dibandingkan orang
yang merokok
RR (ya) = 0,364 orang yang tidak merokok
memiliki peluang untuk mengalami kanker
paru-paru sebanyak 0,364 kali lebih kecil
dibandingkan orang yang merokok