Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Dalam perhitungan statistika dibedakan menjadi dua kelompok yaitu statistika non-parametrik dan statistika parametrik.
STATISTIK PARAMETRIK
===> Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik
Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.
STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.
Contoh metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Ciri-ciri statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil
Keunggulan dan kelemahan statistik non-parametrik :
Keunggulan :
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
Tabulasi Silang
Analyze-CrossTab- ( Expect, Observ, Total )
Ada kecenderungan antara X dg Y
Koefisien Kontingensi
Anlyze-Descriptive-CrossTab
X -Row
Y- Coloum
Statistic-Contingency
Adanay Kolerasi antara X dan Y dengan arah positif.
Bivariat
Uji Korelasi/Hubungan
1. Chi Square/ Regrasi Logistik / Uji pengaruh untuk 2 atau lebih dengan variabel dependen kategorik ( regresi logistik)
Syarat
a. Mencari hubungan antara dua variabel
b. Masing-masing variabel bertipe nominal (Kategorik)
Analyze-Regrassion-Binary Logistic
Nilai chi-s sebesar.... berarti secara bersama sama X1 X2 berhubungan dengan Y
Ketepatan Prediksi = ... %
2. Spearman rank* Lihat Slide
Syarat
a. Mencari hubungan antara dua variabel ( Untuk melihat kuat lemahnya hubungan dan arah
hubungan antara dua variabel )
b. Masing-masing variabel bertipe ordinal
c. Sampel > 30
Analyze-Correlate-Bivariate
Pilih Spearman
Korelasi Spearman antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
contoh H0 : tidak ada hubungannya antara cara mengajar dosen dengan tingkat antusia mahasiswa masuk kelas.
source : setabasri
3. Kendall tau*
Syarat
a. Mencari hubungan antara dua variabel atau lebih
b. Masing-masing variabel bertipe ordinal
c. Sampel < 30
Korelasi Kendall antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
4. Pearson Products momen
Syarat
a. Mencari hubungan antara dua variabel
b. Masing masing variabel bertipe interval (numerik)
Selengkapnya
Analyze-Correlate-Bivariate
Pada Correlation Coeffisien pilih Pearson
Korelasi Product Moment antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
SkatterPlot
Graph-Simple Difine
Kasih Judul
Output Titik2
Garis Regresi pilih Fit Line-Linier Regrasion
Grafik diatas menunjukan adanya hubungan positif antara X1 dan Y.
Regresi Linier Sederhana / Uji pengaruh untuk 1 variabel independen ( regresi linear sederhana)
Analyze-Regrassion-Linier
Statistic(estimates dan Model Fit)
R(koe korelasi): Korelasi Product Moment antara var X dg Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
Rsquare(koe deterinasi): kontribusi X terhadap Y sebesar ...%
sig: signifikan atau tidak ?
F:
Regresi Linier Ganda / Uji pengaruh untuk 2 atau lebih variabel independen (regresi linear ganda)
Analyze-Regrassion-Linier
Statistic(estimates, Model Fit dan descriptif)
R(koe korelasi): Korelasi Product Moment secara bersama2 X1 X2 terhadap Y sebesar. . . dengan arah positif. Hal ini berarti perubahan yang dialami X akan diikuti secara positif oleh Y. Hubungan antara kedua var tsb signifikan dg nilai sig lebih kecil dari 0.05
Rsquare(koe deterinasi): kontribusi X terhadap Y sebesar ...%
sig dan F(anova): signifikan atau tidak ?
Uji keselarasan ( Konkordansi) Kendall---Kesepakatan
digunakan untuk mengetahui sejauh mana himpunan peringkat2 dan individu selaras ataukah tidak
Ex. Bikin sabun mandi
Bungkus
Harum
Warna
Analyze - Non Paramatrik - K-related
Test Variable list ( masukan semua nya ) segar harum bahan warna
Test tipe pilih KEndall W
Statistic abaikan
ok
Uji Friedman
Uji untuk hal yang berhubungan 2 sample atau lebih
PKM Produk baru
apakah rasa mempengaruhi penerimaan ?
apakah bungkus.......
apakah warna
Analyze-Non Parametrik-k Related Sample
pilih FriedMan
Pada tabel test statistic terlihat bahwa besaran nilai Chi Square = 13.630 dan asymp sig 0.003. Hasil uji signifikansi Chi Square menunjukkan bahwa sig < 0.05 sehingga dapat disimpulkan bahwa empat metode belajar yang diberikan memberikan reaksi yang berbeda dari siswa.
Hitung < Stat Tabel = Ho diterima----> ada hubungan
Hitung >tabel = Ho ditolak ------> tidak ada hubungan
Sig > 0,05 = Ho diterima ----> tidak ada hub
Sig < 0,05 = ho ditolak ----> ada hubungan
kalimat hipotesisi negatif
ex: tidak ada perlakuan yang berbeda untuk tiap kamar
ternyata sig <0,05 ---> ho ditolak
5. Uji Gamma
Uji Gamma adalah salah satu dari uji Asosiatif Non Parametris. Gamma mengukur hubungan antara 2 variabel berskala ordinal yang dapat dibentuk ke dalam tabel kontingensi. Uji ini mengukur hubungan yang bersifat symmetris artinya variabel A dan variabel B dapat saling mempengaruhi.
Kelemahan dari uji Gamma adalah tidak memperhatikan adanya TIES atau bias, yaitu banyaknya pasangan yang bisa dibentuk. Ties kalau diartikan secara mudah adalah banyaknya responden pada peringkat yang sama. Contoh: Peringkat Pengetahuan baik, respondennya ada 23 sampel dan peringkat pengetahuan kurang ada 12 sampel. Itulah yang disebut TIES. Selengkapan
Apabila ingin memperhatikan TIES karena data anda banyak TIES, sebaiknya anda pilih uji yang sejenis, yaitu Somer's D, Kendall tau -b dan Kendall Tau -c.
Uji Beda
Sebagai acuan apabila yang ingin di uji adalah Ha, maka interpretasinya sebagai berikut:
1. Ha diterima apabila t hitung≥ t tabel, atau nilai p-value pada kolom Sig. (2-tailed) < level of significant (α)
2. Ho diterima apabila t hitung < t tabel, atau nilai p-value pada kolom Sig. (2-tailed) > level of significant (α)
v Dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan 1 %, untuk db (N-2)= 18. Nilai T tabel untuk taraf signifikansi 5 % adalah 2.101 dan 1 % sebesar 2.878 sehingga dapat di banding 2.101>0.581<2.878, Ha ditolak
v Dengan membandingkan nilai pada p-value pada kolom sig. (2-tailed) dengan level of significant (α), maka diperleh 0.131>0.05, Ha Ditolak
1. Uji untuk dua kelompok saling bebas (independen sampel t test)
Analyze-Independent sample test
2. Uji untuk dua kelompok saling berhubungan (paired simple test)
Sumber informasi , Jenis Uji Statistik
Belajar Banyak tentang Statistikan KLIK, KLIK
Tidak ada komentar:
Posting Komentar