ANALISIS DATA STATISTIK - Blog Staff UI
ANALISIS DATA STATISTIK - Blog Staff UI
ANALISIS DATA STATISTIK - Blog Staff UI
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>ANALISIS</strong> <strong>DATA</strong><br />
<strong>STATISTIK</strong><br />
POKOK BAHASAN<br />
1. pengukuran<br />
2. skala pengukuran<br />
3. analisis univariat<br />
4. analisis bivariat<br />
5. analisis multivariat<br />
6. tabel analisis data statistik<br />
PENGUKURAN<br />
Syarat pengukuran<br />
• Pengukuran adalah penunjunkan angka-2 pada suatu<br />
variable<br />
• Pengukuran membutuhkan alat ukur/ instrumen yang<br />
standar, baik alat maupun kuesioner<br />
• Pengukuran adalah mendapatkan dimensi kuantitas<br />
suatu objek, misalnya berat badan, jumlah pasien<br />
isomorfisme, yaitu ukuran harus sedekat mungkin<br />
dengan benda/ kejadian yang diukur (terkadang<br />
yang dapat diukur hanya indikatornya, berkeringat).<br />
exhaustive, yaitu pengukuran harus meliputi<br />
seluruh kemungkinan yang ada<br />
mutually exlusive, yaitu pengukuran tidak boleh<br />
tumpang tindih<br />
Skala pengukuran<br />
Skala nominal<br />
Hasil suatu pengukuran untuk analisis data dapat<br />
dibagi dalam 4 skala :<br />
• skala nominal<br />
• skala ordinal<br />
• skala interval<br />
• skala rasio<br />
• merupakan tingkat pengukuran yg paling sederhana<br />
untuk klasifikasi data<br />
• tidak ada asumsi jarak atau urutan antara angka-2<br />
• dasar penggolonganya mutualy exclusive & exhautive<br />
• kode atau angka tak menunjukan rendah ke tinggi<br />
atau sebaliknya<br />
Misalnya<br />
• variabel jenis kelamin : 1= pria dan 2 = wanita<br />
• warna, partai, lokasi, dsb
Skala ordinal<br />
Skala interval<br />
• merupakan tingkat pengukuran yang mempunyai<br />
urutan dari rendah ke tinggi<br />
• kode atau angka sekedar menunjukan urutan<br />
bukan nilai<br />
misalnya<br />
• variable sikap : 3 = “setuju”, 2 = “ragu-ragu/ tidak<br />
berpendapat, dan 1= “tidak setuju”<br />
• pendidikan (SD, SLTP, SLTA, perguruan tinggi)<br />
• memberikan informasi tentang interval antara satu<br />
kode/ angka dengan yang lain<br />
• merupakan tingkat pengukuran urutan dari rendah ke<br />
tinggi<br />
misalnya<br />
• variable nilai ujian : A = 86-99, B = 76-85, C = 66-75<br />
D = 56-65<br />
Skala ratio<br />
Hubungan antara skala pengukuran<br />
• merupakan tingkat pengukuran urutan dari rendah ke<br />
tinggi<br />
• memberikan informasi tentang nilai sebenarnya<br />
responden/ objek yang diukur<br />
• menggambarkan interval antara kode/angka dgn nilai 0<br />
Misalnya<br />
• variable nilai ujian dari 0 - 100<br />
KRITERIA NOMINAL ORDINAL INTERVAL<br />
RASIO<br />
ASUMSI URUTAN - + + +<br />
ASUMSI JARAK - - + +<br />
TITIK 0 ABSOLUT - - - +<br />
Skala yg lebih tinggi dapat diubah menjadi skala yg lebih<br />
rendah, dan tidak sebaliknya.<br />
Konsep<br />
Konsep<br />
• Uji statistik dilakukan untuk menentukan apakah<br />
perbedaan/hubungan yang terlihat pada sampel<br />
benar-benar ada atau kebetulan ada akibat<br />
pengambilan sampel saja<br />
• Hasil uji statistik berupa: “probabilitas peneliti<br />
memperoleh hasil seperti pada sampel atau lebih<br />
ekstrim jika hipotesis nol benar”<br />
• Probabilitas hasil penelitian sejalan dengan<br />
hipotesis nol”<br />
• Jika p besar maka H 0 diterima, jika p kecil H 0<br />
ditolak<br />
• Besar kecilnya probabilitas ditentukan oleh a, -<br />
probabilitas peneliti untuk menolak H 0 jika di<br />
populasi H 0 benar
• Jika peneliti menolak H 0 :<br />
Konsep<br />
• Dapat terjadi kesalahan tipe 1 (a), peneliti salah<br />
mengambil kesimpulan karena sebenarnya di<br />
populasi hipotesis nol benar (tidak ada hubungan)<br />
• Jika peneliti menerima H 0 :<br />
• Dapat terjadi kesalahan tipe 2 (b), peneliti salah<br />
mengambil kesimpulan karena di populasi hipotesis<br />
nol salah (ada hubungan)<br />
• Signifikan statistik TIDAK SAMA dengan signifikan<br />
substansi karena perbedaan yg kecil dapat signifikan<br />
secara statistik karena penggunaan sampel yg besar<br />
Perlu diperhatikan dalam analisis data<br />
• Membandingkan dan melakukan tes teori atau<br />
konsep dengan informasi yang ditemukan<br />
• Mencari dan menemukan adanya konsep baru<br />
dari data yang dikumpulkan<br />
• Mencari penjelasan apakah konsep baru ini<br />
berlaku umum, atau baru terjadi bila ada<br />
prakondisi tertentu<br />
Urutan analisis data<br />
<strong>ANALISIS</strong> UNIVARIAT<br />
• Analisis univariat adalah analisis satu variabel<br />
• Analisis bivariat adalah analisis hubungan 2 variabel<br />
• Analisis multivariat adalah analisis hubungan lebih<br />
dari 2 variabel secara bersama dgn mengontrol<br />
variabel lain<br />
Analisis univariat adalah analisis satu variabel<br />
Misalnya<br />
• distribusi frekuensi<br />
• nilai rerata<br />
• variasi<br />
• persentase<br />
Kegunaan analisis univariat<br />
Contoh analisis univariat<br />
1. Salah satu cara melihat adanya kesalahan koding<br />
atau entry data<br />
• jawaban di luar area penelitian<br />
• data yang sangat ekstrim mengganggu nilai rerata<br />
• data yang tidak konsisten, misalnya variabel seks<br />
pria tetapi variabel kehamilan positif<br />
• jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis<br />
2. Mendeskripsikan suatu fenomena dengan baik.<br />
3. Perincian/ gambaran besarnya suatu fenomena<br />
4. Petunjuk pemecahan masalah<br />
5. Persiapan analisis bivariat atau multivariat
<strong>ANALISIS</strong> BIVARIAT<br />
Contoh analisis bivariat<br />
uji Chi-square<br />
Analisis bivariat adalah analisis hubungan 2 variabel<br />
yg dapat bersifat :<br />
(a)<br />
simetris tak saling mempengaruhi<br />
(b) saling mempengaruhi<br />
(c) variabel satu mempengaruhi variabel lain<br />
Contoh analisis bivariat<br />
uji korelasi<br />
<strong>ANALISIS</strong> MULTIVARIAT<br />
• Untuk mengontrol confounder & effect modifier<br />
• Jika confounder & effect modifier sudah dapat<br />
dikontrol pada tahap desain, analisis dapat<br />
lebih sederhana (non multivariat)<br />
• Prinsip: model parsimonius (valid, precise &<br />
simple)<br />
TABEL <strong>ANALISIS</strong> <strong>DATA</strong> <strong>STATISTIK</strong><br />
Contoh analisis multivariat<br />
uji regresi logistik ganda<br />
Phi-coeficient<br />
POLITOM<br />
Chi-square<br />
ORDINAL<br />
Kendall’s VCT<br />
Man-whitney<br />
Kormogrof-smirnov<br />
Rank-order Ubah var. ordinal<br />
correlation jadi var. nominal<br />
Kendal’s<br />
tau<br />
Gamma atau interval ke<br />
Coefficiens ordinal memakai<br />
teknik yang sesuai<br />
INTERVAL/ RATIO<br />
VARIABLE<br />
VARIABLE INDEPENDEN<br />
DEPENDEN<br />
NOMINAL ORDINAL INTERVAL/RATIO<br />
NOMINAL DIKOTOM Difference proportion test Kruskalwallis<br />
regression<br />
Logistic multiple<br />
Chi-square<br />
Friedman’s Discriminant<br />
2 way analysis<br />
Fisher’s exact test<br />
Dikotom : Politom :<br />
Anova Anovainterclass<br />
t-test DVMR<br />
Dummy<br />
sign test Multiple<br />
classification<br />
U-test Cross<br />
classification<br />
Ubah<br />
ordinal jadi<br />
nominal<br />
Multiple correlation<br />
atau Multiple regression<br />
var.interval<br />
ke variabel Path-analisis<br />
ordinal<br />
memakai Partial regression<br />
teknik yang