1 / 139

METODE ANALISIS DATA

Bahan Kajian pada MK. Metode Penelitian Interdisiplin Kajian Lingkungan. METODE ANALISIS DATA. Diabstraksikan : smno.PSL.PPSUB.sept2013. STATISTIKA.

chogan
Télécharger la présentation

METODE ANALISIS DATA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. BahanKajianpada MK. MetodePenelitianInterdisiplinKajianLingkungan METODE ANALISIS DATA Diabstraksikan: smno.PSL.PPSUB.sept2013

  2. STATISTIKA Ilmudanatauseni yang berkaitandengantatacara (metode) pengumpulan data, analisis data, daninterpretasihasilanalisisuntukmendapatkaninformasigunapenarikankesimpulandanpengambilankeputusan

  3. PERANAN STATISTIKA S T A T I S T I K A METODE PENGUMPULAN DATA METODE ANALISIS DATA SUMBER DATA DATA EMPIRIK INFORMASI EMPIRIK AKURAT !

  4. BACKGROUND KERANGKA TEORI / KONSEP LANDASAN ILMIAH SCIENTIFIC PROBLEM HIPOTESIS METODE PENELITIAN : .DATA COLLECTING . DATA ANALYSIS SARAN REKOMENDASI SIMPULAN HASIL DAN PEMBAHASAN KISI-KISI PENELITIAN

  5. PENELITIAN KUANTITATIF OBSERVASI-ONAL EXPERIMENTAL DESIGN PERLAKUAN IntervensiPenelitiTerhadapObyek POPULASI KONSEPTUAL POPULASI NYATA UNIK TidakAdaPopulasi TEKNIK SAMPLING EXPERIMENTAL DESIGN JENIS PENELITIAN

  6. BATASAN POPULASI IDENTIFIKASI KARAKTERISTIK POPULASI TEKNIK SAMPLING SAMPLE SIZE VARIABEL PENELITIAN METODE ANALISIS DATA METODE PENGUMPULAN DATA INSTRUMEN PENGUMPULAN DATA PENELITIAN OBSERVASIONAL

  7. DEFINISI PERLAKU AN IDENTIFIKASI MEDIA, BAHAN, OBYEK EXPERI-MENTAL DESIGN REPLIKASI METODE ANALISIS DATA METODE PENGUMPULAN DATA INSTRUMEN PENGUMPULAN DATA VARIABEL PENELI-TIAN PENELITIAN EKSPERIMENTAL

  8. VARIABEL Variabeladalahkarakteristikatausifatdariobyek, yang mana data diamatiataudiukurataudicacahdaripadanya. Tidaksemuakarakteristikdariobyekmerupakanvariabelpenelitian, tetapihanya yang relevandenganpermasalahanatauhipotesispenelitian. Diidentifikasi Didefinisikansecarategas : Definisioperasionalvariabel

  9. Intervening (Mediating) Moderator Independen Dependen INTRANEOUS EXTRANEOUS Confounding Control Concomitant JENIS VARIABEL

  10. JENIS VARIABEL Variabeltergantungadalahvariabel yang tercakupdalamhipotesispenelitian, keragamannyadipengaruhiolehvariabel lain Variabelbebasadalahvariabel yang yangtercakupdalamhipotesispenelitiandanberpengaruhataumempengaruhivariabeltergantung Variabelantara (intervene variables) adalahvariabel yang bersifatmenjadiperantaradarihubunganvariabelbebaskevariabeltergantung. Variabel Moderator adalahvariabel yang bersifatmemperkuatataumemperlemahpengaruhvariabelbebasterhadapvariabeltergantung

  11. JENIS VARIABEL Variabelpembaur (confounding variables) adalahsuatuvariabel yang tercakupdalamhipotesispenelitian, akantetapimunculdalampenelitiandanberpengaruhterhadapvariabeltergantungdanpengaruhtersebutmencampuriatauberbaurdenganvariabelbebas Variabelkendali (control variables) adalahvariabelpembaur yang dapatdikendalikanpadasaatriset design. Pengendaliandapatdilakukandengancaraeksklusi (mengeluarkanobyek yang tidakmemenuhikriteria) daninklusi (menjadikanobyek yang memenuhikriteriauntukdiikutkandalamsampelpenelitian) ataudenganblocking, yaitumembagiobyekpenelitianmenjadikelompok-kelompok yang relatifhomogen.

  12. JENIS VARIABEL Variabelpenyerta (concomitant variables) adalahsuatuvariabelpembaur (cofounding) yang tidakdapatdikendalikanpadasaatperancanganriset. Variabelinitidakdapatdikendalikan, sehinggatetapmenyertai (terikut) dalamprosespenelitian, dengankonsekuensiharusdiamatidanpengaruhbaurnyaharusdieliminirataudihilanggkanpadasaatanalisis data, misalnyadenganANCOVA (analysis of covariance, analisisperagam) atauMANCOVA.

  13. METODE ANALISIS DATA Tujuansuatupenelitianadalahuntukmenjawab per-tanyaandanhipotesis. Untukitupenelitimerumuskanhipotesis, mengumpulkan data, memproses data, membuatanalisisdaninterpretasi. Analisis data belumdapatmenjawabpertanyaanpenelitian. Setelah data dianalisisdandiperolehinformasi yang lebihsederhana, hasilanalisistersebutharusdiinterpretasiuntukmencarimaknadanimplikasidarihasil-hasilanalisistersebut. SMNO fpubokto 2012

  14. METODE ANALISIS DATA Dalamanalisis data, penelitimenggolongkan, meng-urutkan, danmenyederhanakan data. Tujuananalisis data iniadalahuntukmenyederhanakan data kedalambentuk yang lebihmudahdibacadandiinterpretasi. Dalamprosesanalisis data seringkalidigunakanmetode-metode MATEMATIKA dan STATISTIKA. Denganmenggunakanmetodestatistikinidapatdiperbandingkanhasil yang diperolehdenganhasil yang terjadisecarakebetulan. Sehinggapenelitimampumengujiapakahhubungan yang diamatinyamemangbetul-betulterjadikarenahubungansistematisantaravariabel yang ditelitiatauhanyaterjadisecarakebetulan. SMNO fpubokto 2012

  15. METODE ANALISIS DATA Hasilanalisis data harusdapatdiinterpretasikan, artinyadiadakan "inferensi" tentanghubungan yang diteliti. Penelitimelakukaninferensiinidalamusahauntukmencarimaknadanimplikasi yang lebihluasdarihasil-hasilpenelitiannya. Interpretasidapatdilakukanmenurutpengertian yang sempit, hanyamelibatkan data danhubungan-hubungan yang diperolehnya. Interpretasijugadapatdilakukandalammakna yang lebihluas, penelitiberupayamembandingkanhasilpenelitiannyadenganhasil-hasilpeneliti lain sertamenghubungkankembalihasilinferensinyadenganteori. SMNO fpubokto 2012

  16. INSTRUMEN PENGUKURAN VALID dan PRESISI : variabelfisik, misalberatkeringtanaman, lingkarleher, besarseldan lain sebagainya, dilakukankalibrasiterhadapalatukurstandart. Spesifikasidanmerekalatharusdinyatakansecaraeksplisit. Variabelkualitatif (uNObservable variable), misalnyasikap, motivasi, harapan : kuisionerataudaftarisian. VALID : Apabilakorelasiantaraskor item denganskor total positifdan 0.30 (Masrun, 1979). PRESISI (REALIBEL) : Koefisien Alpha Cronbach, instrumenreliabelapabilakoefifisien alpha sekitar 0.6 (Malthotra, 1996).

  17. DATA PENELITIAN DATA Data adalahkumpulanangka, fakta, fenomenaataukeadaan yang merupakanhasilpengamatan, pengukuran, ataupencacahanterhadapkarakteristikatausifatdariobyek, yang dapatberfungsiuntukmembedakanobyek yang satudenganlainnyapadasifat yang sama.

  18. JENIS PERMASALAHAN PENELITIAN RELEVAN CODING SCORING PERIKSA OUTLIERS PILIH METODE ANALISIS DATA INFORMASI AKURAT TABULASI JENIS DAN KARAKTERISTIK DATA VALID TAHAPAN ANALISIS DATA

  19. METODE ANALISIS DATA SMNO fpubokto 2012

  20. METODE ANALISIS DATA SMNO fpubokto 2012

  21. METODE ANALISIS DATA SMNO fpubokto 2012

  22. ANALISIS KOMPARATIF

  23. ANALISIS KOMPARATIF BerdasarkanPermasalahan: Perbandingansuatukondisi (sampel) dg standart Perbadinganduakondisi (sampel) Perbandinganlebihdariduakondisi (sampel) BerdasarkanJenis Data: AnalisisParametrik (berlandaskandistribusi normal) AnalisisNonparametrik (bebasdistribusi) Boostrap (bebasdistribusi) BerdasarkanJumlahVariabel: AnalisisUnivariate (variabeltunggal) Analisis Multivariate (multivariabelsecarasimultan)

  24. NOMINAL TIDAK NORMAL NONPARAMETRIK ORDINAL TIDAK NORMAL TRANSFORMASI INTERVAL PERIKSA NORMALITAS MENDEKATI NORMAL PARAMETRIK RATIO STATISTIKA PARAMETRIK & NON-PARAMETRIK

  25. ANALISIS KOMPARATIF

  26. TarafNyata () dan p-value Untukmenghitung p padauji t dengannilaithitung = 2.88 padaderajatbebas (db) = 10, adalah : B (__,__) adalahfungsi Beta. Dengankata lain untukthit= 2.288 dengan db=10 diperoleh p = 0.05; ataudengan = 0.05 dan db=10 diperolehttabel = 2.288. KAIDAH KEPUTUSAN UJI HIPOTESIS 1. thit < ttabel, terima H0 dansebaliknya 2. P >  , terima H0 dansebaliknya 3. Tolak H0 (bermakna) denganresikosalahsebesar p x 100 %.

  27. TarafNyata () danp-value MisalnyaHipotesis: PemberianTanamanTerasdapatmenurunkanErosi MisalHasilAnalisis : thitung = 2.275 p = 0.057 Pada = 0.05 dan db=10 diperolehttabel = 2.288 KeputusannyaBagaimana ? 1. thit < ttabel, terima H0 : TanamanTerastidakmenurunkanErosi 2. p >  , terima H0 : TanamanTerastidakmenurunkanErosi TolakH0 (bermakna) denganresikosalahsebesar p x 100 % : TanamanTerasdapatmenurunkanErosi (p = 0.057, bilamanaada100 Ha yang diberitanamanterashanya 6 Ha yang tidakmenurunerosinya)

  28. ANALISIS KOMPARATIF ContohPermasalahanKomparatif : Apakahperlakuandapatminingkatkan Kadar A? Group Kadar A Kontrol 11.36 Kontrol 24.98 Kontrol 16.71 Kontrol 18.21 Kontrol 26.30 Kontrol 21.70 Kontrol 23.20 Kontrol 19.77 Kontrol 23.63 Kontrol 34.41 Kontrol 19.32 Kontrol 24.30 Group Kadar A Perlakuan 30.42 Perlakuan 23.63 Perlakuan 28.61 Perlakuan 26.79 Perlakuan 38.96 Perlakuan 33.56 Perlakuan 31.59 Perlakuan 33.01 Perlakuan 23.41 Perlakuan 31.52 Perlakuan 14.55 Perlakuan 38.40 Perlakuan 23.09 Perlakuan 43.50 Perlakuan 20.87 Perlakuan 10.17 Perlakuan 24.87 Perlakuan 36.96 Perlakuan 23.41 Perlakuan 23.96 DATA HASIL PENELITIAN :

  29. ANALISIS KOMPARATIF LAMPIRAN (Software MINITAB) Two-sample T for Kadar A Group N Mean StDev SE Mean Kontrol 12 21.99 5.71 1.6 Perlakuan 20 28.06 8.27 1.8 Difference = mu (Kontrol ) - mu (Perlakuan) Estimate for difference: -6.07 95% CI for difference: (-11.14, -1.01) T-Test of difference = 0 (vsNOt =): T-Value = -2.45 P-Value = 0.033 DF = 29 HASIL PENELITIAN Kadar A

  30. ANALISIS KOMPARATIF p = 0.033 PengaruhPerlakuanTerhadap Kadar A HASIL PENELITIAN Perlakuanmeningkatkan Kadar A Kadar A

  31. ANALISIS KOMPARATIF CONTOH PERMASALAHAN PEMBANDINGAN Apakahadaperbedaan Kadar F2-Isoprostan padalapisandijaringan ? Iso-LM Iso-SMIso_ADV 31 45 50 29 23 54 42 45 62 42 44 47 27 49 66 48 50 51 31 29 48 31 47 43 59 81 85 69 88 85 55 79 90

  32. HasilAnalisis dg MINITAB One-way ANOVA: Iso-LM, Iso-SM, Iso_ADV Analysis of Variance Source DF SS MS F P Factor 2 2144 1072 3.43 0.046 Error 30 9379 313 Total 32 11523 Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev ----+---------+---------+---------+-- Iso-LM 11 42.18 14.07 (--------*--------) Iso-SM 11 52.73 21.05 (--------*--------) Iso_ADV 11 61.91 17.23 (--------*--------) ----+---------+---------+---------+-- Pooled StDev = 17.68 36 48 60 72

  33. Interpretasi Penggambaran • TerdapatperbedaankadarIsoprostanpadaketigalapisan • Kadar TertinggipadaLapisan ADV

  34. METODE ANALISIS RAGAM Variasidiantaraberbagainilai yang mungkinterjadidarisuatupeubahacakseringkalidisebut "dispersi". Ukuranbesarnyadispersidarisuatupeubahacakdisebut "ragam, variance". Padadasarnyaragaminimerupakan rata-rata kuadratsimpangandarisuatupeubahacakterhadapnilai rata-ratanya (mean). Akarkuadratdari “ragam” disebut "simpanganbaku", yang kegunaanutamanyaterletakpadakemampuannyauntukmengekspresikandispersidalambentuk unit ukuranorisinalnya. SMNO fpubokto 2012

  35. METODE ANALISIS RAGAM Model dasardarianalisisragammengasumsikansejumlahtertentufaktorindependenatauefek-efeknya yang ditambahkankepadarataan, mampumendefinisikansituasipraktis yang dimodel. Dengandemikiansuatueksperimensederhanadengan t perlakuandandiulang r kali dapatdidefiniskandengan model: Yij = µ + ßi + j + ij dimana µ adalah rata-rata; ß adalahpengaruhulanganke-i (i = 1 - r); adalahpengaruhperlakuanke-j (j = 1 - t), danadalahkesa­lahanacak yang tersebar normal danindependendenganrataannoldanragam 2. SMNO fpubokto 2012

  36. ANALISIS ASOSIATIF

  37. ANALISIS ASOSIATIF JENIS HUBUNGAN Simetri: terdapathubunganantarvariabeldanbersifattidakada yang salingmempengaruhi (analisis yang tepatadalahkorelasi) Asimetri: hubunganantarvariabel yang terjadibersifat yang satumempengaruhi (independen) danlainnyadipengaruhi (dependen); AnalisisRegresidanAnalisiJalur Resiprok: hubunganantarvariabel yang terjadibersifatsalingmempengaruhi (pengaruhbolak-balik); AnalisisSEM (structural equation modelling)

  38. ANALISIS ASOSIATIF

  39. ANALISIS ASOSIATIF REGRESI LINIER SEDERHANA Tujuan : mencari hubungan fungsional linear antaraduavariabel (bebas dan tidak bebas) No. VariabelBebasVariabeltidakbebas 1. ………… …………... 2. ………… …………... 3. ………… …………... 4. ………… …………... 5. ………… …………... . . . Dst.

  40. ANALISIS ASOSIATIF • Contoh : X Y • 1) Dosis pupuk Produksi tanaman • 2) Kadar ragi Alkohol yang diperoleh

  41. ANALISIS ASOSIATIF REGRESI LINIER BERGANDA Tujuan : mencari hubungan fungsional liner antara satu variabel tergatung dengan banyak variabel bebas Sering dan kebanyakan permasalahan di bidang pengelolaan tanah dan air, bahwa suatu varibel dependen dipengaruhi oleh beberapa variabel independen secara simultan. Tujuannya untuk mengidentifikasi variabel independen yang berpengaruh paling kuat, melakukan prediksi variabel dependen berdasarkan beberapa variabel independen secara simultan, dsb.

  42. HASIL ANALISIS DG MINITAB ANALISIS REGRESI (Variabel Dependent datanya Ratio) The regression equation is Hasil = 18.9 + 0.223 X1 - 0.0107 X2 + 0.981 X3 - 0.0016 X4 Predictor Coef SE Coef T P Constant 18.875 5.301 3.56 0.001 X1 0.2228 0.1116 2.00 0.056 X2 -0.010662 0.009248 -1.15 0.259 X3 0.9807 0.2874 3.41 0.002 X4 -0.00165 0.02291 -0.07 0.943 S = 6.685 R-Sq = 37.6% R-Sq(adj) = 28.4% Analysis of Variance Source DF SS MS F P Regression 4 727.36 181.84 4.07 0.010 Residual Error 27 1206.66 44.69 Total 31 1934.02

  43. HASIL PENELITIAN : Interpretasi • Y(Hasil) = 18.9 + 0.223 X1 - 0.0107 X2 + 0.981 X3 - 0.0016 X4 • Eksplanasi : • X1 & X3 berpengaruhpositif, bilakeduanyameningkatHasilTanamanmeningkat • Eksplanasi : • X2 & X4 berpengaruhnegatif, bilamanameningkatHasilTanamanmenurun • Prediksi : • Bilamana yang lain konstan, peningkatan X1 sebesar 10 unit akanmengakibatkanpeningkatanHasilTanaman 2.23 unit

  44. HasilAnalisis dg MINITAB ANALISIS REGRESI (Data VariabelDependen Interval) The regression equation is ISO = 18.9 + 0.223 NO - 0.0107 vWF + 0.981 PAI-1 - 0.0016 VCAM-1 Predictor Coef SE Coef T P Constant 18.875 5.301 3.56 0.001 NO 0.2228 0.1116 2.00 0.056 vWF -0.010662 0.009248 -1.15 0.259 PAI-1 0.9807 0.2874 3.41 0.002 VCAM-1 -0.00165 0.02291 -0.07 0.943 S = 6.685 R-Sq = 37.6% R-Sq(adj) = 28.4% Analysis of Variance Source DF SS MS F P Regression 4 727.36 181.84 4.07 0.010 Residual Error 27 1206.66 44.69 Total 31 1934.02

  45. HASIL PENELITIAN :Interpretasi • ISO = 18.9 + 0.223 NO - 0.0107 vWF + 0.981 PAI-1 - 0.0016 VCAM-1 • Eksplanasi: • No & PAI-1 berpengaruhpositif, bilakeduanyameningkatmaka F2-Isoprostan meningkat • Eksplanasi: • vWF & CCAM-1berpengaruh negatif, bilamanameningkatmaka F2-Isoprostan menurun • Prediksi: • Bilamana yang lain konstan, peningkatan NO 10 ngakanmengakibatkanpeningkatanIso 2.23 ng.

  46. METODE ANALISIS KORELASI Secaraumumdapatdikatakanbahwa "korelasi" merupakanperalatanstatistik yang mengukurkekuatanhubunganantaraduapeubahataulebih. Dengandemikiandikenalduamacamkorelasi, yaitukorelasisederhanadankorelasimajemukatauberganda. Ukurankorelasiadalah (i) koefisien-korelasi (r) yang nilainumeriknyaberkisarantara -1 dan +1, dan (ii) koefisiendeterminasi (r2). Koefisiendeterminasi yang merupakankuadratdarikoefisienkorelasipadahakekatnyamenyatakansebagian (persentase) dari total variasi (peubah 1) yang dapatditerangkanolehvariasipeubah 2. Jadinilai r2 = 0.846 atau 84.6% menyataanbahwa 84.6% darivariasipeubah 1 dapatdijelaskanolehvariasipeubah 2, sedangkan 15.4% dari total variasidisebabkanolahfaktorlainnya.. SMNO fpubokto 2012

  47. DASAR PEMIKIRAN ANALISIS KORELASI • Adanyaperubahansebuah PEUBAH disebabkanatauakandiikutidenganperubahan PEUBAH lain. • Berapabesarkoefesienperubahantersebut ? • Dinyatakandalamkoefesienkorelasi • Semakinbesarkoefesienkorelasi, semakinbesarketerkaitanperubahansuatu PEUBAH dengan PEUBAH lainnya.

  48. ContohKorelasi KorelasiPositif: • Korelasiantarahargadenganpenawaran. • Korelasiantarajumlahpengunjungdenganjumlahpenjualan. • Korelasiantara jam belajardengan IPK. KorelasiNegatif: • Korelasiantarahargadenganpermintaan. • Korelasiantarajumlahpesaingdenganjumlahpenjualan. • Korelasiantara jam bermaindengan IPK.

  49. KorelasiDosisPupukdenganproduksitanaman Biayaiklandenganhasilpenjualan Beratbadandengantekanandarah Pendapatandengankonsumsi Investasinasionaldenganpendapatannasional KorelasiantaraJumlahakseptordenganjumlahkelahiran Hargabarangdenganpermintaanbarang Pendapatanmasyarakatdengankejahatanekonomi ContohKorelasi

  50. Kapansuatu PEUBAH dikatakanberkorelasidengan PEUBAH lainnya? PEUBAH dikatakansalingberkorelasijikaperubahansuatu PEUBAH diikutidenganperubahan PEUBAH yang lain.

More Related