Professional Documents
Culture Documents
TATA TUTUR
PENDAHULUAN PEMAHAMAN DATA ILMIAH PERSIAPAN ANALISIS DATA ANALISIS DATA KUANTITATIF ANALISIS DATA KUALITATIF
Dr. Ekaputra G. - 2
MASALAH
IDENTIFIKASI PENGENALAN PENDEFINISIAN KHASANAH
PERUMUSAN
PENGETAHUAN
PENYUSUNAN
ILMIAH
KERANGKA BERPIKIR
PERUMUSAN HIPOTESIS
Korespondensi
HIPOTESIS
Percobaan/Survei PENGUMPULAN DATA ANALISIS DATA
PENGUJIAN
DITERIMA ?
ya (GENERALISASI)
KESIMPULAN
DATA, merupakan fakta/fenomena yang direpresentasikan baik berupa angka (numerik) maupun berupa pernyataan/kategori/ atribut
KUALITATIF, data yang dinyatakan/diformulasikan dalam pernyataan/ kategori/atribut
DATA
Nominal, data yang skala pengukurannya hanya berupa penggolongan/ pengelompokan/klasifikasi. Ordinal, ada skala klasifikasi dan urutan (ranking) KUANTITATIF, data yang direpresentasikan dalam bentuk angka/numerik Diskrit, diperoleh dari hasil pencacahan/membilang Kontinyu, diperoleh dari hasil pengukuran. Selang (Interval): ada klasifikasi, urutan, dan jarak Nisbah (Ratio): ada klasifikasi, urutan, jarak, dan nol mutlak
Dr. Ekaputra G. - 4
validitas
tinggi
tinggi
Dr. Ekaputra G. - 6
Uji Validitas : korelasi Pearsons product moment Uji Reliabilitas: yang banyak dipakai peneliti AlphaCronbach Piranti lunak yang memfasilitasi kedua uji tersebut dengan baik: Statistical Package for Social Sciences (SPSS) Kriteria sahih & layak:
Nilai p (probabilitas), jika p < 0,05 (valid/layak) & jika p > 0,05 (tidak valid/layak) Sebaran kelayakan: jika r-Alpha 0,9 (layak), 0,8 rAlpha < 0,9 (baik), 0,7 r-Alpha < 0,8 (dapat diterima), 0,6 r-Alpha < 0,7 (dipertanyakan), 0,5 r-Alpha < 0,6 (kurang baik), dan r-Alpha < 0,5 (tidak layak)
Dr. Ekaputra G. - 7
1. Struktur Data
Pemeriksaan:
Penelusuran Pengungkapan
apakah data dapat diuraikan menjadi beberapa komponen? apakah komponen tersebut bersifat ADITIF atau MULTIPLIKATIF? DATA = DUGAAN + GALAT (k. teratur) (k. tak-teratur) (deterministik) (stokhastik)
apakah cenderung mengumpul di satu nilai tertentu atau beberapa nilai tertentu? apakah ada data memencil (outlier)
Dr. Ekaputra G. - 8
Diagram (Plot)
Me Q1 k Q3 b
Me (Q1+Q3)/2 (k+b)/2
TRANSFORMASI DATA
Dr. Ekaputra G. - 9
Histogram of L.Kolam
N = 58
Stem-and-Leaf Display: L.Kolam (ha) Stem-and-leaf of L.Kolam N = 58 Leaf Unit = 1.0 (33) 25 9 4 2 1 1 1 1 1 0 1 2 3 4 5 6 7 8 9 223344555556666666677788888888899 0002222234888888 00555 05 0
Boxplot --------I+ I--------- * O ------+---------+---------+---------+---------+---------+------L.Kolam 0 20 40 60 80 100 Dotplot: L.Kolam (ha) . :: :: :: ::.. : ::::: : . ::::::: :: : . . . . +---------+---------+---------+---------+---------+-------L.Kolam 0 20 40 60 80 100 Dr. Ekaputra G. - 10
(a)
nilai tercocokkan galat galat
(b)
nilai tercocokkan
0
nilai tercocokkan
(c)
(d)
nilai tercocokkan
Dr. Ekaputra G. - 11
galat
galat
Nama transformasi Akar kuadrat Logaritma Kebalikan Akar Kuadrat Kebalikan Data (Y) Arscine Kuadrat Kubik
Dr. Ekaputra G. - 12
STATISTIKA DESKRIPTIF
Tabel Distribusi Frekuensi Grafik Histogram, Polygon, dan Ogive (kurang dari atau lebih dari) Ukuran Pemusatan Data (Mean, Median, Modus, Kuartil, Desil, dan Persentil) Ukuran Dispersi Data (simpangan baku, variansi, galat baku, dan koefisien variasi)
Dr. Ekaputra G. - 13
STATISTIKA INFERENSIAL
Gol I. Rp. 2,0 juta
Pubah tak-bebas
populasi
?
contoh
Pendapatan: Rp. 750.000,-
Pubah bebas
2. Pembandingan Golongan
3. Mencari Hubungan
Dr. Ekaputra G. - 14
JENIS DATA
diskret
kontinu
Tipe Pertanyaan?
pendugaan/pembandingan Perbedaan antar apa? (rerata atau ragam) ragam
Uji - X2
(satu contoh dan 2 contoh)
Analisis Regresi
parametrik
Analisis Korelasi
non-parametrik
r - Pearson
r - Spearman
non-parametrik Uji Tanda, Uji Wilcoxon, dsb H0 ditolak (p < ), uji lanjut, BNT, dsb.
parametrik
ANOVA
Dr. Ekaputra G. - 15
ya 1-contoh Uji-Z
ya
tidak ya
1 = 2?
takberpasangan
Uji-t
Dr. Ekaputra G. - 16
tidak
1. Data harus bersifat BEBAS (independent) 2. Data harus berdistribusi NORMAL 3. Ragam data hendaknya HOMOGEN 4. Main effect harus mengikuti model aditif
data tak-sesuai lihat TRANSFORMASI DATA
Dr. Ekaputra G. - 17
ANOVA
Faktor Tunggal Rancangan Acak Lengkap Rancangan Kelompok Lengkap Teracak Rancangan Bujur Sangkar Latin Balanced Lattice Partially Balanced Lattice dsb Faktor Ganda Percobaan Faktorial (RAL, RKLT, RBL) Rancangan Petak Terbagi Rancangan Petak Teralur Rancangan Kelompok Terbagi Rancangan Petak Terbagi Dua Kali dsb
Dr. Ekaputra G. - 18
ya tidak
Model memadai
Pendugaan parameter
Rancangan untuk membangkitkan data baru
DATA
Pengetahuan teknis
MODEL
1. Kemungkinan dalam kenyataannya memang tidak terdapat beda antar rerata perlakuan yang dikaji. 2. Jika terjadi beda antar rerata perlakuan (in reality) sangat kecil dibandingkan kemampuan alat uji statistika yang digunakan untuk mendeteksinya. 3. Kemungkinan adanya high background noises. 4. Rancangan percobaan yang digunakan kurang sesuai (poor design), kurang mengindahkan prinsip dasar percobaan, i.e. lack of replication, lack of randomization.
Dr. Ekaputra G. - 20
1. KUANTIFIKASI:
RATING SCALE RANKING SCALE
DATA KUALITATIF
2. KUALITATIF:
grounded theory phenomenology discourse analysis narrative analysis
Dr. Ekaputra G. - 21
JENIS SKALA
dikotomi & kategori perbandingan berpasangan, ranking dipaksakan & komparatif.
JENIS DATA
DATA NOMINAL Statistika Nonparametrik
DATA ORDINAL
DATA NISBAH
Dr. Ekaputra G. - 22
1. IMMERSION
3. ANALYSIS CONNECTING
4. METATHEMES
Dr. Ekaputra G. - 23
Dr. Ekaputra G. - 24