menggambarkan keadaan data apa adanya melalui parameter-parameter seperti mean, median, modus, distribusi frekwensi, dan lainnya.
Yang perlu disajikan dalam statistik deskriptif:
Ukuran pemusatan data (measured of central tendency) Ukuran penyebaran data (measures of spread) Ukuran pemusatan data (measured of central tendency)
Data nominal & ordinal: distribusi frekwensi
Data numerik/continous: mean Nilai pemusatan yang lain: median (baik digunakan pada distribusi data yang tidak normal), modus Ukuran penyebaran data (measures of spread)
Data numerik: standar deviasi
Data kategorik: range Statistik inferensial
Proses pengambilan kesimpulan-kesimpulan
berdasarkan data sampel menjadi kesimpulan yang lebih umum untuk sebuah populasi. Memerlukan asumsi-asumsi Cat: jika sampel tidak acak, uji statistik hanya berlaku pada sampel Asumsi-asumsi statistik inferensial
Sampel diambil secara acak (perlu keterwakilan
sampel terhadap populasi) Asumsi lain sesuai uji statistik, mis: data berdistribusi normal, varians homogen, model linear, tidak terjadi mulikolinearity dll Statistik parametrik
Statistik parametrik adalah ilmu statistik yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Data numerik (interval/rasio) Contoh: t-test, anova, regresi linier, manova, GLM- RM, Analisis faktor, analisis jalur, SEM Statistik non parametrik
Statistik non parametrik adalah statistik bebas
sebaran Data ordinal dan nominal Besar sampel kecil Contoh: Ordinal skor: wilcoxon, mann whitney, spearmen correlation, SEM-PLS Nominal dan ordinal kategorikal: chi square, mc nemmar, regresi logistik Keunggulan statistik non parametrik
Tidak memerlukan asumsi normalitas
Lebih mudah dikerjakan Dapat digunakan pada populasi berdistribusi normal Kelemahan statistik non parametrik
Statistik non parametrik terkadang mengabaikan
beberapa informasi tertentu Hasil pengujian tidak setajam statistik parametrik Hasil tidak bisa digeneralisasikan ke populasi. Langkah menentukan statistik
Apakah data yang dimiliki berjumlah besar? Apakah data memiliki distribusi tertentu Apakah desain yang digunakan? Konsep Galat (Error)
Galat dalam statistika adalah sumber variasi data
yang tidak dimasukkan ke dalam model Contoh nilai pengamatan dapat dipilah menjadi mean (rata-rata) dan simpangannya (deviasi), galat pengamatan adalah simpangan Galat dalam metode numerik
Galat dalam metoda numerik=nilai sebenarnya-nilai
hampiran Contoh si A mengukur tinggi pasien 154 cm, ukuran sebenarnya 155 cm, maka galat 1 cm Ada 2 jenis: galat pemotongan dan galat pembulatan Galat pemotongan: Galat pemotongan adalah galat yang ditimbulkan oleh pembatasan komputasi yang digunakan pada proses metode numerik yang rumusnya menggunakan proses iterasi sampai jumlah tak terhingga. Galat pembulatan adalah galat yang disebabkan oleh keterbatasan komputer dalam menyajikan bilangan real. Misal 1/3=0,666666...., dibulatkan mis jadi 0,6667 (galat pembulatan) Galat dalam hipotesis
Tipe 1 (alpha) menolak hipotesis nol padahal hipotesis tersebut benar
Tipe II (beta) Menerima H0 padahal hipotesis tersebut salah, sehingga seharusnya H0 ditolak.