Statistika dan Probabilitas

Analisa Data Kualitatif

2 SKS
Pertemuan 9: April 2019
Fakultas Ilmu Komputer
Kelas A dan B
 Outline
Memahami tentang :
• Pendahuluan
• Presisi Vs Akurasi
• Validitas
• Reliabilitas
• Kasus menggunakan R
 Pendahuluan
Bagaimana mengukur variabel ?
 Obyek yang dapat diukur secara fisik dgn sejumlah
instrumen standar bukan merupakan masalah
pengukuran. Misal panjang dan lebar suatu
produk.
 Fenomena fisiologis yang terkait dengan manusia
juga mudah diukur melalui penggunaan instrumen
ukur yang tepat. Misal tekanan darah, detak
jantung, suhu tubuh, tinggi dan berat badan.
 Perasaan, sikap, dan persepsi subjektif manusia
merupakan faktor atau variabel yang sulit untuk
diukur (Unobserved)
 Pendahuluan
Bagaimana mengukur Variabel Unobserved?
1. Definisikan variabel berdasarkan teori dan cara
pengukurannya
Variabel – Dimensi – indikator
Variabel – indikator
2. Aplikasikan teori tersebut dalam kasus Anda dan nyatakan
dalam suatu kalimat pernyataan
3. Menentukan tingkat ukuran yg digunaikan (Penilaian). Jika
kalimat pernyataan positif, maka penilaiannya sesuai
dengan skala linkert. Jika kalimat pernyataan negatif, maka
nilainya perlu dibalik (sangat tidak setuju bernilai 5). NB.
Dikuesioner tetap 1 bukan 5
 Pendahuluan
• Nyatakan tingkat kesetujuan Anda pada tiap-tiap pernyataan
berikut dengan menggunakan skala di bawah ini
Pernyataan Tingkat Kepuasan
Kualitas perkuliahan yang saya ikuti saat
ini sebaik yang dapat saya harapkan 1 2 3 4 5
Saya puas dgn kebanyakan perkuliahan
yg saya ikuti 1 2 3 4 5
Kebanyakan perkuliahan yang saya ikuti
terlalu membosankan 1 2 3 4 5

1. Sangat Tidak Setuju

2. Tidak Setuju
3. Tidak berpendapat
4. Setuju
5. Sangat Setuju
 Presisi Vs Akurasi

Valid Good Precision

and Reliable Good Accuracy
 Presisi Vs Akurasi

Not Valid Good Precision

but Reliable Poor Accuracy
 Presisi Vs Akurasi

Valid but Poor Precision

Not Reliable Good Accuracy
 Presisi Vs Akurasi

Not Valid & Poor Precision

Not Poor Accuracy
Reliable
 Presisi Vs Akurasi
RR Average

Bias • Precision (RR)

–Describes Variation
True Value

Precise, but not Accurate

and Spread
–The Extent to Which
the Instrument
RR
Bias
Average

True Value
Repeats its results
when Making Repeat
Measurements on the
Accurate, but not Precise
Same Unit of Output
Bias

RR Average
True Value

Accurate, and Precise

 Presisi Vs Akurasi
RR Average
• Accuracy (Bias)
–Describes Average and
Bias

True Value

Location
Precise, but not Accurate • Closeness to the True
Value
–The Extent to Which
RR
Bias
Average

True Value
the Average of a Long
Series of Repeat
Measurements Made by
Accurate, but not Precise the Instrument on a
Single Unit of Output
Bias
Differs from the True
RR Average
True Value Value
–Systematic Error:
Accurate, and Precise
Contribution to the
 Presisi Vs Akurasi
RR Average

Bias

True Value
• Precision and
Precise, but not Accurate
Accuracy are
Independent of
Each Other
RR
Bias
Average
–Generally,
Separate Actions
True Value

are Required for

Accurate, but not Precise
Improvement
Bias

RR Average
True Value

Accurate, and Precise

 Validitas
• Validitas
  menunjukkan sejauh mana suatu alat
pengukur dapat mengukur apa yg ingin diukur
• Validitas dihitung menggunakan uji korelasi
(pearson)
Hipotesis: H0: (tidak valid)
H0: (valid)
Statistik Uji:
Titik kritis/ daerah penolakan: Tolak H0 jika atau
 Validitas
•  Formula korelasi product moment (pearson)

• Formula perhitungan r tabel (diturunkan dari

rumus formula perhitungan t)
 Validitas
• Metode korelasi dalam menguji validitas:
1. Item dengan skor. sebuah item dikatakan valid apabila
mempunyai dukungan yang besar terhadap skor total.
Skor pada item menyebabkan skor total menjadi tinggi
atau rendah.
2. Corrected item total correlation (korelasi jika tanpa item
tsb). Sebuah item dikatakan valid apabila mempunyai
dukungan yang besar terhadap skor total (tanpa item
tersebut). Hal ini dikarenakan agar tidak terjadi koefisien
item total yang overestimasi (estimasi nilai yang lebih
tinggi dari yang sebenarnya). Metode ini lebih sering
digunakan daripada korelasi item dengan skor
 Reliabilitas
•• Reliabilitas
  adalah suatu nilai yg menunjukkan konsistensi
suatu alat pengukur di dalam mengukur gejala yang sama
• Koefisien Reliabilitas digambarkan melalui koefisien
(Cronbach, 1951)

Dengan: = banyaknya indikator pada variabel

= varian indikator ke-,
= varian skor (data diperoleh dengan
menjumlahkan data semua indikator)
 Contoh Kasus Menggunakan R
• Load Package: Psychometric
• Data: datap8.txt
• Ada sebanyak 218 responden
• Ada variabel x2, x3, x4, z1, z2, y (urut sesuai
dengan nomor kelompok) dan lakukan subset
data
Contoh Kasus Menggunakan R
Contoh Kasus Menggunakan R
 Tolak H0 (valid) jika
 Uji Kasus Menggunakan R

•  
Reliabel jika nilai Cronbach lebih besar dari
• 0.6 (Alat Analisis Data: Aplikasi Statistik untuk Penelituan
Bidang Ekonomi dan Sosial Karya Irwan Gani, Siti Amalia)
• 0.7 atau 0.8 untuk penelitian dasar yg dipublikasikan dan
0.9 atau 0.95 untuk penelitian klinis (buku Statistik
Kesehatan karya I Ketut Suwarjana)
 Uji Kasus Menggunakan R
•   menginterpretasikan nilai korelasi Cronbach : (buku
Untuk
Beyond Borders: Communication Modernity & History)
• 1 = sempurna
• 0.9 – 1.00 = Sangat tinggi
• 0.7 – 0.9 = tinggi atau kuat
• 0.4 – 0.7 = cukup tinggi
• 0.2 – 0.4 = rendah atau lemah
• 0.00 – 0.2 = sangat rendah atau lemah sekali
• 0.00 = tidak ada