MODUL 11 ANALISIS DATA (BAGIAN 2

)

Tujuan Instruksional Khusus Agar mahasiwa mampu : 1. Menentukan kecenderungan sentral 2. Melakukan pengujian signifikansi, parametrik. 3. Melakukan pengujian signifikansi nonparametrik 4. Melakukan pengujian kualitas data

Materi Bahasan : 1. 2. 3. 4. 5. Statistik Deskriptif Frekuensi Tendensi Sentral Dispersi Uji Kualitas data

Tabulasi menyajikan ringkasan. FREKUENSI Merupakan salah satu ukuran dalam statistik deskriptif yang menunjukkan nilai distribusi data penelitian yang memiliki kesamaan kategori.ANALISIS DATA (BAGIAN 2) STATISTIK DESKRIPTIF Tipe Pengukuran dan Analisis Deskriptif Frekuensi (absolut & proporsi) Mode Skala Nominal Skala Ordinal Urutan ranking Median Rata-rata Aritmatik Angka Indeks Rata-rata Geometrik Rata-rata Harmonik Skala Interval Skala Rasio Statistik deskriptif pada dasarnya merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan. pengaturan atau penyusunan data dalam bentuk tabel numerik dan grafik. TENDENSI SENTRAL (CENTRAL TENDENCY) Merupakan ukuran dalam statistik deskriptif yang menunjukkan nilai sentral dari distribusi data penelitian. Frekuensi suatu distribusi data penelitian dinyatakan dengan ukuran absolut (f) atau proporsi (%). Penyajiannya dapat berupa tabel numerik atau grafik. .

.Tendensi sentral dapat dinyatakan dalam tiga macam ukuran. Modus Modus mengukur tendensi sentral berdasarkan data yang memiliki frekuensi paling banyak dalam suatu distribusi data... yaitu : 1) rata-rata (mean) 2) median 3) modus yang masing-masing mengukur nilai sentral dalam pengertian yang berbeda. Rumus untuk mencari rata-rata sampel dan rata-rata populasi (μ) : n Rata-rata sampel = x = ∑ xi/n l=1 n Rata-rata populasi = μ = ∑ xi/N l =1 Dimana : n ∑ xi/n = merupakan notasi dari penjumlahan data X1 + X2 + X3 + . + Xn l=1 n = jumlah sampel yang diteliti N = jumlah populasi yang diteliti Median Median adalah pengukuran tendensi sentral berdasarkan nilai data yang terletak ditengah-tengah (midpoint) dari suatu distribusi data penelitian yang disusun secara berurutan. Rata-rata (mean) Pengukuran rata-rata merupakan cara yang paling umum digunakan untuk mengukur nilai sentral suatu distribusi data berdasarkan nilai rata-rata yang dihitung dengan cara memebagi nilai hasil penjumlahan sekelompok data dengan jumlah data yang diteliti.

adalah dengan mengkuadratkan masing-masing deviasi. maka deviasi rata-rata yang merupakan penjumlahan akan sama dengan nol. ∑ ( xi – x ) Deviasi rata-rata = --------------n Kelemahan deviasi rata-rata adalah jika nilai deviasi yang bertanda negatif sama besar dengan nilai deviasi yang bertanda positif. selain dengan deviasi rata-rata absolut. . antara lain : 1) Deviasi rata-rata 2) Deviasi absolut rata-rata 3) Deviasi kuadrat rata-rata 4) Varian 5) Deviasi standar 1) Deviasi Rata-rata (Average Deviation) Deviasi rata-rata adalah penjumlahan dari deviasi masing-masing data yang diteliti dengan nilai rata-ratanya dibagi dengan jumlah data. ∑│ xi – x │ Deviasi absolut rata-rata = --------------n 3) Deviasi Kuadrat Rata-rata (Mean Squared Deviation) Cara lain yang digunakan untuk menghilangkan tanda positif atau negatif pada masingmasing deviasi. Ada berbagai cara untuk mengukur deviasi.DISPERSI Dispersi mengukur variasi data yang diteliti dari angka rata-ratanya. 2) Deviasi Absolut Rata-rata (Mean Absolute Deviation) Deviasi ini menghitung deviasi rata-rata dengan mengabaikan tanda positif atau negatif pada nilai deviasi setiap data yang diteliti dan hanya menggunakan nilai absolut untuk masing-masing deviasi. Perbedaan antara nilai data yang diteliti dengan nilai rata-ratanya disebut dengan deviasi (deviation).

yaitu : • • Semakin besar nilai deviasi masing-masing data yang diteliti dari rata-ratanya. dihitung nilai akar dari varian yang selanjutnya disebut dengan deviasi standar (s).∑ ( xi – x ) 2 Deviasi rata-rata = --------------n 4) Varian (variance) Nilai rata-rata dari eviasi yang dikuadratkan tersebut bermanfaat untuk mengukur variabilitas sampel. pernghitungan nilai rata-rata deviasi yang dikuadratkan dibagi dengan (n-1). Jika data yang diteliti berupa satuan uang (Rupiah). maka variannya dalam bentuk rupiah yang dikuadratkan. maka nilai variannya juga semakin besar. Perhitungan rata-rata ini selanjutnya disebut dengan varian sampel (s2). karena menggunakan jumlah data (n) sebagai pembagi dari jumlah deviasi yang dikuadratkan. Penghitungan nilai rata-rata tersebut dalam kaitannya dengan proses inferensi akan cenderung menghasilkan estimasi yang lebih rendah terhadap parameter populasinya. ∑ ( xi – x ) 2 Varian = s = ---------------(n-1) 2 5) Deviasi Standar (Standard Deviation) Varian mengukur dispersi dengan nilai yang dikuadratkan. Penggunaan kudrat sebagai ukuran mempunyai kelemahan. Untuk mengeliminasi masalah estimasi tersebut. . Untuk mengembalikan ukuran dispersi menjadi ukuran (semula) yang sama dengan ukuran data yang diteliti.

11 = 1. pengukuran tendensi sentral dan dispersi adalah sebagai berikut : • • • • • Deviasi rata-rata Deviasi absolut rata-rata Deviasi kuadrat rata-rata Varian Deviasi standar =0 = 100/9 = 11.300/8 = 162.44 = 1.300 Berdasarkan data diatas.75 REGRESI LINIER SEDERHANA Istilah regresi digunakan dalam analisis statistik yang digunakan dalam mengembangkan suatu persamaan untuk meramalkan sesuatu variabel dari variabel kedua yang telah diketahui. Untuk menetapkan kedua variabel mempunyai hubungan kausal atau tidak. .Berikut contoh perhitungan dispersi : n = 9.50 = 12. Antara korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. x = 30 x 40 10 20 40 35 25 15 40 45 ∑ ( xi – x ) 10 -20 -10 10 5 -5 -15 10 15 0 │ xi – x │ 10 20 10 10 5 5 15 10 15 100 ( xi – x ) 2 100 400 100 100 25 25 225 100 225 1. Korelasi yang tidak dilanjutkan dengan regresi.300/9 = 144. Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan kausal atau fungsional. atau hubungan fungsional. tetapi korelasi belum tentu dilanjutkan dengan regresi. Setiap regresi pasti ada korelasinya. adalah korelasi antara dua variabel yang tidak mempunyai hubungan kuasal. maka harus didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut.

yaitu garis yang menyatakan hubungan antara variabel-variabel itu. baik regresi sederhana (1 variabel bebas) maupun regresi berganda (lebih dari 1 variabel bebas) ada tiga hal dasar yang harus dicari.Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen. dan bila (-) maka terjadi penurunan. yaitu harga yang mengukur pemencaran tiap-tiap titik (data) terhadap garis regresinya. . 2) Standar error of estimate (Sy. Secara teknis harga b merupakan tangent dari (perbandingan ) antara panjang garis variabel dependen. yaitu : 1) garis regresi. X = subyek pada variabel independen yang mempunyai nilai tertentu. setelah persamaan regresi ditemukan. REGRESI GANDA Analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2. Bila b (+) maka naik. yaitu angka yang menyatakan eratnya hubungan antara variabel-variabel itu. Persamaan umum regresi linier sederhana adalah : Y = a + bX Dimana : Y = subyek dalam variabel dependen yang diprediksikan a = harga Y bila X = 0 (harga konstan) b = angka arah atau koefisien regresi. yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel independen. Persamaan regresi untuk dua predictor adalah : Y = a + b1X1 + b2X2 Persamaan regresi untuk n prediktor adalah : Y = a + b1X1 + b2X2 + … + bnXn Dalam analisis regresi. X1. Atau merupakan penyimpangan standar dari harga-harga dependen (Y) terhadap garis regresinya. X2). 3) Koefisien korelasi (r).

Ada beberapa cara untuk mengatasi terjadinya multikolinieritas. bentuk persamaan. dan cara mencari nilai a dan b dijelaskan dibawah ini : a. persamaan telah selesai dibentuk dan dapat dipakai untuk melakukan prediksi.REGRESI NONLINIER Ada kalanya regresi yang didapat ternyata tidak linier. Beberapa contoh nama model. tidak terjadi multikolinieritas. Lalu bagaimana melakukan prediksi dengan garis yang nonlinier ? yaitu dengan menggunakan modelmodel regresi nonlinier tetapi yang dapat diubah modelnya menjadi regresi linier. ataupun setelah melalui tes linieritas regresi. baik secara satu persatu atau secara simultan. Dengan demikian. Dalam statistika. ubah kembali nilai a dan b tersebut tidak lamam bentuk log. baik dilihat secara kasat mata pada scatter diagram. model geometrik Y = a Xb Mencari nilai a dan b : ubah persamaan menjadi berbentuk logaritma : log Y = log a + b logX MULTIKOLINIERITAS Salah satu asumsi model regresi linier berganda adalah bahwa tidak terjadi korelasi yang signifikan antar variabel bebasnya. model eksponensial Y = abx Mencari nilai a dan b : ubah persamaan menjadi berbentuk logaritma : log Y = log a + log bX Setelah nilai log a dan log b diketahui. b. yaitu : menghilangkan sebuah atau beberapa variabel X menambah data baru OTOKORELASI .

STATISTIK NONPARAMETRIS Statistik ini digunakan untuk menguji hipotesis bila datanya berbentuk nominal dan ordinal. 1. 2. Otokorelasi ialah korelasi antara sesama urutan pengamatan dari waktu ke waktu. Test Binomial Tes binomial digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua kelompok klas. Adanya lags (tenggang waktu) Manipulasi data yang mengakibatkan data tidak akurat. data berbentuk nominal dan sampelnya besar.Salah saru asumsi regresi linier adalah tidak terdapatnya otokorelasi. Chi Kuadrat (χ2) Chi Kuadrat (χ2) satu sample. Terjadi penyimpangan spesifikasi karena adanya variabel X lain yang tidak dimasukkan pada model. datanya berbentuk nominal dan jumlah sampelnya kecil ( <25). yaitu adanya momentum yang masuk ke dalam variabel-variabel X yang terus menerus sehingga sesuatu akan terjadi dan mempengaruhi nilai-nilai pada variabel-variabel X-nya. Selanjutnya. adalah teknik statistic yang digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri atas dua atau lebih klas. nilai populasi itu akan diteliti dengan menggunakan sample yang diambil dari populasi tersebut. Mengapa bisa terjadi ? alasan-alasannya bisa saja : inertia. dan tidak berlandaskan asumsi bahwa distribusi data harus normal. Bentuk fungsi yang salah. Rumus Chi Kuadrat (χ2) adalah : (fo – fh)2 χ = ∑----------i=1 fn k 2 Dimana : χ2 = Chi Kuadrat fo = frekuensi yang diobservasi fh = frekuensi yang diharapkan .

bila datanya berbentuk ordinal. ========================= .3. Pengujian dilakukan dengan cara mengukur kerandoman populasi yang didasarkan atas data hasil pengamatan melalui data sample. Pengamatan terhadap data dilakukan dengan mengukur banyaknya “run” dalam suatu kejadian. Run Test Run test digunakan untuk menguji hipotesis deskriptif (satu sample).

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer: Get 4 months of Scribd and The New York Times for just $1.87 per week!

Master Your Semester with a Special Offer from Scribd & The New York Times