1 / 16

Pertemuan 5

Pertemuan 5. STATISTIK INFERENSIAL. Analisis deskriptif adalah analisis dimana kesimpulan yang didapat hanya diberlakukan pada data tersebut , tanpa melakukan generalisasi pada lingkup data yang lebih luas .

fuller-hatfield
Télécharger la présentation

Pertemuan 5

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. Pertemuan 5 STATISTIK INFERENSIAL

  2. Analisisdeskriptifadalahanalisisdimanakesimpulan yang didapathanyadiberlakukanpada data tersebut, tanpamelakukangeneralisasipadalingkup data yang lebihluas. • Inference Analysis, adalahanalisisdimanakesimpulan yang didapat(dari sampel) digunakan untuk melakukan generalisasi pada lingkup data yang lebih luas (populasi) • Statistic, adalahukuran yang berlakubagisampel. • Parameter, adalahukuran yang berlakubagipopulasi. • Parametric Analysis, analisis yang dilakukanuntukmengujiparameter berdasarkan asumsi-asumsi tertentu dan biasanya salah satu asumsinyaadalahnormalitasdistribusi.

  3. Hipotesis & Pengujian Hipotesis : merupakandugaansementaraterhadapapa yang akandiuji. berbentuk : Ho (hipotesisnol) & Ha (hipotesisalternatif) Hipotesisstatistik (H0) & hipotesispenelitian (Ha) Hipotesisbisaterarah, bisajugatidakterarah

  4. Pengujian Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak bila Ho tidak terarah, maka pengujian signifikansi dua pihak Pengujiansignifikansisatuarah (hipotesisterarah): Siswa yang belajarbahasatidakmenunjukkankelebihankeseriusandaripada yang belajar IPS Ho : b < i Jika Ho ditolak, maka Ha diterima ; daerahpenolakanberadadisebelahkanan 5% 2.5% 2.5% Daerah penerimaan hipotesis Daerah penolakan hipotesis Daerah penolakan hipotesis Daerah penerimaan hipotesis Daerah penolakan hipotesis Pengujian signifikansi dua arah (hipotesis tidak terarah): Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS Ho : b = i Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan

  5. KlasifikasiStatistikParametrik HUBUNGAN /KETERKAITAN • SIMETRIK (Korelasi) • ASIMETRIK (Regresi) PERBANDINGAN • Perbandingan Mean (Uji t) • Anava/Anova

  6. 25. Uji Keterkaitan Korelasi : hubunganketerkaitanantaraduaataulebihvariabel. Angkakoefisienkorelasi ( r ) bergerak -1 ≤ r ≤+1 NEGATIF makinbesarnilaivariabel 1 menyebabkanmakinkecil nilaivariabel 2 contoh : makinbanyakwaktu bermain, makinkecilskor ulangan korelasinegatif antarawaktubermain dengannilaiulangan POSITIF makinbesarnilaivariabel 1 menyebabkanmakinbesar pula nilaivariabel 2 Contoh : makinbanyakwaktu belajar, makintinggiskor ulangan korelasipositif antarawaktubelajar dengannilaiulangan NOL tidakadaatautidakmenentunyahubunganduavariabel contoh : pandaimatematikadanjagoolah raga ; pandaimatematikadantidakbisaolah raga ; tidakpandaimatematikadantidakbisaolah raga  korelasinolantaramatematikadenganolah raga

  7. 26. Uji Keterkaitan 1. KORELASI PEARSON : apakahdiantarakeduavariabelterdapathubungan, danjikaadahubunganbagaimanaarahhubungandanberapabesarhubungantersebut. Digunakanjika data variabelkontinyudankuantitatif ΣXY = jumlah perkalian X dan Y ΣX2 = jumlah kuadrat X ΣY2 = jumlah kuadrat Y N = banyak pasangan nilai Di mana : NΣXY – (ΣX) (ΣY) r= √ √ NΣX2 – (ΣX)2 x NΣY2 – (ΣY)2 Contoh : 10 orangsiswa yang memilikiwaktubelajarberbedaditesdengantes IPS Siswa : A B C D E F G H I J Waktu (X) : 2 2 1 3 4 3 4 1 1 2 Tes (Y) : 6 6 4 8 8 7 9 5 4 6 Apakahadakorelasiantarawaktubelajardenganhasiltes ?

  8. 27. Uji Keterkaitan 2. KORELASI SPEARMAN (rho) dan Kendall(tau): Digunakanjika data variabelordinal (berjenjangatauperingkat). 6Σd2 Di mana : N = banyak pasangan d = selisih peringkat rp = 1 - N(N2 – 1) Contoh : 10 orangsiswa yang memilikiperilaku (sangatbaik, baik, cukup, kurang) dibandingkan dengantingkatkerajinannya (sangatrajin, rajin, biasa, malas) Siswa : A B C D E F G H I J Perilaku : 2 4 1 3 4 2 3 1 3 2 Kerajinan : 2 4 1 4 4 3 2 1 2 3 Apakahadakorelasiantaraperilakusiswadengankerajinannya ?

  9. 28. Uji Chi-Square (X2) Chi-Square (tesindependensi) : mengujiapakahadahubunganantarabarisdengan kolompadasebuahtabelkontingensi. Data yang digunakanadalahdata kualitatif. (O – E)2 Σ O = skor yang diobservasi E = skor yang diharapkan (expected) X2 = Di mana E Contoh : Terdapat 20 siswaperempuandan 10 siswalaki-laki yang fasihberbahasaInggris, serta 10 siswaperempuandan 30 siswalaki-laki yang tidakfasihberbahasaInggris. ApakahadahubunganantarajeniskelamindengankefasihanberbahasaInggris ? Ho = tidakadahubunganantarabarisdengankolom H1 = adahubunganantarabarisdengankolom L Σ P a b Fasih c d Tidak fasih Σ df = (kolom – 1)(baris – 1) Jika X2 hitung < X2 tabel, maka Ho diterima Jika X2 hitung > X2 tabel, maka Ho ditolak

  10. 29. Uji Chi-Square (X2) Chi-Square denganmenggunakan SPSS KASUS : apakahadaperbedaanpendidikanberdasarkan status marital responden Ho = tidakadahubunganantarabarisdengankolomatautidakadaperbedaanpendidikanberdasarkan status marital H1 = adaperbedaanpendidikanberdasarkan status marital Hasil : tingkatsignifikansi = 5% ; df = 9 ; X2tabel = 16.919 ; X2hitung = 30.605 ; asymp. sig = 0.000 ; contingency coeff. = 0.526 Karena : X2hitung > X2tabelmaka Ho ditolak asymp. Sig < 0.05 maka Ho ditolak Artinyaadaperbedaantingkatpendidikanberdasarkan status maritalnya danhalinidiperkuatdengankuatnyahubungan yang 52.6%

  11. 22. Uji t Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau apakah rata-rata dua populasi sama/berbeda secara signifikan. • 1. Uji t satu sampel • Menguji apakah satu sampel sama/berbeda dengan • rata-rata populasinya • hitung rata-rata dan std. dev (s) • df = n – 1 • tingkat signifikansi ( = 0.05) • pengujian apakah menggunakan 1 ekor atau 2 ekor • diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak ( - ) t = s / √n Contoh : Penelitiinginmengetahuiapakahkorban yang mengalamikerugian paling besarmemangberbedadibandingkandengankorbanlainnya. Ho : k1 = k2 Diperoleh= 2.865.625 ; std. Dev = 1.789.112,5 ; df = 79 ; t hitung = -22.169 Berdasarkantabeldf=79 dan = 0.05 diperoleh t tabel = 1.6644 Kesimpulan : t hitung > t tabelsehingga Ho ditolak korbanyang mengalamikerugian paling besarsecarasignifikanberbedadengankorbanlainnya

  12. 23. Uji t 2. Uji t dua sampel bebas Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda √ (Σx2 + Σy2) (1/nx + 1/ny) (X – Y) t = Di mana Sx-y = Sx-y (nx + ny– 2) Contoh : Penelitiinginmengetahiapakahadaperbedaanpenghasilansetelahbencanaantarakorbanringandengankorbanberat Ho : Pr = Pb Diperoleh :  = 1547368 ; y = 1537500 ; t hitung = .066 Ujikesamaanvarians Ho : keduavarianssama Probabilitas > 0.05 maka Ho diterimayaknikeduavarianssama Uji t independent sample Berdasarkantabeldf=53 dan = 0.05 diperoleh t tabel = 1.6741 Kesimpulan : t hitung < t tabelsehingga Ho diterima tidakadaperbedaan yang signifikanpenghasilansetelahbencanaantarakorbanringandengankorbanberat

  13. 24. Uji t 3. Uji t duasampelberpasangan Mengujiapakah rata-rata duasampel yang berpasangansama/berbeda D Di mana D = rata-rata selisih skor pasangan t = sD ΣD2 – (ΣD)2 √ Σ d2 sD = Σ d2 = N N(N-1) Contoh : Seorang guru inginmengetahuiperbaikanterhadappengembangan model pembelajarandebat. Setelahselesaipembelajaranpertama, iamemberikantesdansetelahselesaipembelajarankeduakembaliiamemberikantes. Keduahasiltestersebutdibandingkandenganharapanadanyaperbedaan rata-rata tespertamadengankedua. Ho : t1 = t2 Diperoleht1 = 51.36 ; t2 = 52.55 ; korelasi 0.873 Korelasisangateratdanbenar-benarberhubungandengannyata Berdasarkantabeldf=21 dan = 0.05 diperoleh t tabel = 1.7207 Kesimpulan : t hitung < t tabelsehingga Ho diterima. Tidakadaperbedaan yang signifikanantarahasiltespertamadenganhasilteskedua, sehinggaiamenyimpulkan model masihbelumdiimplementasikandenganbaik

  14. 30. Uji Anova Anova : menguji rata-rata satukelompok / lebihmelaluisatuvariabeldependen / lebih berbedasecarasignifikanatautidak. ONE WAY ANOVA Satuvariabeldependen (kuantitatif) dansatukelompok (kualitatif) Contoh : apakahpandangansiswatentang IPS (kuantitatif) berbedaberdasarkanjenjangpendidikannya (kualitatif : SD, SLTP, SMU) Variabel dependen lebih dari satu tetapi kelompok sama Contoh : apakah rata-rata ulangan dan pandangan siswa terhadap IPS berbeda untuk tiap daerah Satuvariabeldependentetapikelompokberbeda Contoh : apakah rata-rata ulanganberbedaberdasar kanklasifikasisekolahdankelompokpenelitian MULTIVARIAT ANOVA Variabeldependenlebihdarisatudankelompokberbeda Contoh : apakah rata-rata ulangandanpandangansiswaterhadap IPS berbedaberdasarkanklasifikasi Sekolahdankelompokpenelitian

  15. 212 + 72 + 152 432 Jka = - = 19.73 5 15 212 + 72 + 152 32 + 42 + 52 … Jki = - = 10 5 Jka RJKa = = 19.73/2 = 9.865 F = 9.865 / 0.833 k-1 = 11.838 Jki RJKi = = 10/15-3 = 0.833 N - k 31. Uji Anova ONE WAY ANOVA k J2j J2 Di mana : J = jumlah seluruh data N = banyak data k = banyak kelompok nj = banyak anggota kelompok j Jj = jumlah data dalam kelompok j RJKa JKa = Σ - F = nj N j=1 RJKi k nj k J2j Jki = Σ Σ X2ij - Σ nj j=1 j=1 i=1 Contoh : Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ? Ho : μ1 = μ2 = μ3 (tidak terdapat perbedaan sikap) Σ

  16. 32. Uji Anova = 0.05 ; df = 2 dan 12 ; F tabel = 3.88 ; F hitung = 11.838 F hitung > F tabel , maka Ho ditolak Terdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS

More Related