Statistik
Bayangkan kejadian di bawah ini:
Anda datang ke rumah teman Anda. Anda melihat
lampu di rumah teman Anda menyala dan
terdengar suara televisi. Anda kemudian
menekan bel berkali-kali, namun teman Anda
tidak juga membukakan pintu.
Ternyataaa...
Bel rumah teman saya rusak
Kesimpulan yang salah dari asumsi yang salah.
Dalam statistik terdapat beberapa asumsi yang
harus dipenuhi agar suatu data memenuhi
kriteria untuk pengambilan
kesimpulan/kenyataan yang tepat.
*Asumsi Data
Parametrik
* Data terdistribusi normal
* Varians data homogen
* Data berskala minimal interval
* Independence
*Asumsi Data
Parametrik
* Uji hipotesis dalam penelitian dibangun
berdasarkan logika distribusi normal
* Data dari sampel yang terdistribusi normal
diasumsikan mewakili data populasi (sampel
cukup representatif)
* Semakin besar sampel, semakin besar
kemungkinan data terdistribusi normal
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
* Uji Homogenitas (levenes test)
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
* Data harus bersifat kontinu (skor) tidak boleh
berskala nominal atau ordinal
*Skala Interval
* Data dari satu responden independen dengan
responden lain hasil ukur satu responden
tidak mempengaruhi hasil responden lain
* Contoh: pengambilan data terhadap 2
responden di lokasi yang sama, respon
responden 1 dapat mempengaruhi respon
responden 2 tidak independen
*Independence
KORELASI
Practice makes
perfect
Semakin banyak latihan, hasil kerja
semakin baik +
Semakin banyak latihan, hasil kerja
semakin buruk -
Semakin banyak latihan, hasil kerja
konstan/tidak ada perubahan x
Apakah Korelasi itu?
Hubungan antara dua variabel (variabel
x dan variabel y)
Contoh lain??
Hubungan kebiasaan olah raga dengan
tekanan darah
Hubungan pengetahuan tentang operasi
dengan kecemasan pasien praoperasi
Contoh:
Koefisien Korelasi
Angka yang menggambarkan sejauh
mana hubungan antara dua variabel,
bagaimana variasi pada satu variabel
diikuti oleh variasi pada variabel yang
lain.
Dukungan_ Tingkat_
keluarga kecemasan
Dukungan_keluarga Pearson Correlation 1 -,336*
Sig. (2-tailed) ,032
N 42 42
Tingkat_kecemasan Pearson Correlation -,336* 1
Sig. (2-tailed) ,032
N 42 42
*.
Correlation is significant at the 0.05 level (2-tailed).
N 154 154
Peringkat -.300 *
1.000
Correlation
dalam lomba
Coefficient
melukis
Linear-by-Linear
Association
23,564 1 ,000
N of Valid Cases 100
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
Lower Upper
OR
Odds Ratio for merokok (tidak
9,107 3,550 23,363
merokok / merokok)
RR (ya) RR (tidak)
Melaporkan Chi Square
Tidak kanker Total OR Pearson P
kanker s chi valu
square e
N % N % N %
Tidak 25 71,4 10 28,6 35 10 9,11 23,80 .000
merokok 0
merokok 14 21,5 51 78,5 65 10
0
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.
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
Pearson data kedua variabel berskala
interval, terdistribusi normal