Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
9Activity
0 of .
Results for:
No results containing your search query
P. 1
Kata Kerja Operasional Dalam RPP

Kata Kerja Operasional Dalam RPP

Ratings: (0)|Views: 732 |Likes:
Published by Suwahono, M.Pd

More info:

Published by: Suwahono, M.Pd on Dec 14, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

11/29/2012

pdf

text

original

 
Uji NormalitasSetelah cukup lama bingung pilih-pilih tema yang mau diangkat perdana, sayaakhirnya mencoba memilih satu tema ini : Uji Asumsi Statistik Parametrik. UjiAsumsi yang pertama akan saya bahas adalah Uji Normalitas.Apa itu ?Kita mulai dulu dari apa itu uji normalitas. Uji normalitas adalah uji yang dilakukanuntuk mengecek apakah data penelitian kita berasal dari populasi yang sebarannyanormal. Uji ini perlu dilakukan karena semua perhitungan statistik parametrikmemiliki asumsi normalitas sebaran. Formula/rumus yang digunakan untukmelakukan suatu uji (t-test misalnya) dibuat dengan mengasumsikan bahwa datayang akan dianalisis berasal dari populasi yang sebarannya normal. Ya bisa ditebakbahwa data yang normal memiliki kekhasan seperti mean, median dan modusnyamemiliki nilai yang sama. Selain itu juga data normal memiliki bentuk kurva yangsama, bell curve. Nah dengan mengasumsikan bahwa data dalam bentuk normalini, analisis statistik baru bisa dilakukan.Bagaimana Caranya?Ada beberapa cara melakukan uji asumsi normalitas ini yaitu menggunakan analisisChi Square dan Kolmogorov-Smirnov. Bagaimana analisisnya untuk sementara kitaserahkan pada program analisis statistik seperti SPSS dulu ya. Tapi pada dasarnyakedua analisis ini dapat diibaratkan seperti ini :1. pertama komputer memeriksa data kita, kemudian membuat sebuah data virtualyang sudah dibuat normal.2. kemudian komputer seolah-olah melakukan uji beda antara data yang kita milikidengan data virtual yang dibuat normal tadi.3. dari hasil uji beda tersebut, dapat disimpulkan dua hal : jika p lebih kecil daripada 0,05 maka dapat disimpulkan bahwa data yang kita milikiberbeda secara signifikan dengan data virtual yang normal tadi. Ini berarti datayang kita miliki sebaran datanya tidak normal.
 
 jika p lebih besar daripada 0,05 maka dapat disimpulkan bahwa data yang kitamiliki tidak berbeda secara signifikan dengan data virtual yang normal. Ini berartidata yang kita miliki sebaran datanya normal juga.Ukuran inilah yang digunakan untuk menentukan apakah data kita berasal daripopulasi yang normal atau tidak.Bagaimana Jika Tidak Normal? Tenang...tenang... data yang tidak normal tidak selalu berasal dari penelitian yangburuk. Data ini mungkin saja terjadi karena ada kejadian yang di luar kebiasaan.Atau memang kondisi datanya memang nggak normal. Misal data inteligensi disekolah anak-anak berbakat (gifted) jelas tidak akan normal, besarkemungkinannya akan juling positif.Lalu apa yang bisa kita lakukan?1. Kita perlu ngecek apakah ketidaknormalannya parah nggak. Memang sih nggakada patokan pasti tentang keparahan ini. Tapi kita bisa mengira-ira jika misalnyanilai p yang didapatkan sebesar 0,049 maka ketidaknormalannya tidak terlalu parah(nilai tersebut hanya sedikit di bawah 0,05). Jika ketidaknormalannya tidak terlaluparah lalu kenapa? Ada beberapa analisis statistik yang agak kebal dengan kondisiketidaknormalan ini (disebut memiliki sifat robust), misalnya F-test dan t-test. Jadikita bisa tetap menggunakan analisis ini jika ketidaknormalannya tidak parah.2. Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah. Nilai ekstremini disebut outliers. Pertama kita perlu membuat grafik, dengan sumbu x sebagaifrekuensi dan y sebagai semua nilai yang ada dalam data kita (ini tentunya bisadikerjakan oleh komputer). Nah dari sini kita akan bisa melihat nilai mana yangsangat jauh dari kelompoknya (tampak sebagai sebuah titik yang nun jauh di sanadan nampak terasing...sendiri...). Nilai inilah yang kemudian perlu dibuang dari datakita, dengan asumsi nilai ini muncul akibat situasi yang tidak biasanya. Misalresponden yang mengisi skala kita dengan sembarang yang membuat nilainya jadisangat tinggi atau sangat rendah.3. Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform data kita.Ada banyak cara untuk mentransform data kita, misalnya dengan mencari akarkuadrat dari data kita, dll.

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->