Vous êtes sur la page 1sur 39

ANALISA DATA

Anik Dwiastuti

JENIS DATA

DATA PRIMER
data yang langsung dikumpulkan/diperoleh dari
sumber pertama

DATA SEKUNDER
data yang tidak langsung diperoleh dari sumber
pertama, dan telah tersusun dalam bentuk
dokumen tertulis

KEGIATAN

BIDAN
G ILMU

PENGUKURAN

Eksakta

ALAT UKUR
Instrumen fisik
baku

HASIL PENGUKURAN
Kontinyu (biasanya
berdistribusi normal)
- Interval : temperatur
- Ratio : panjang, waktu
Diskrit
- Ordinal : mutu kain

Sosial

1.
2.
3.
4.

Wawancara
Observasi
Kuisioner
Kombinasi 1,2,3

Kontinyu
-Rasio : rata-rata umur, ratarata penghasilan, rata-rata
lama mengajar
Diskrit
- Nominal : golongan agama,
JK,golDar
- Ordinal : kelas ekonomi

PENGHITUNGAN

Eksakta
dan
Sosial

Counter

Diskrit
- Rasio : jumlah penduduk,
juml anak sekolah

CARA MEMILIH UJI STATISTIK


DALAM PENELITIAN
Model

Statistik
- cara penarikan sampel skor
- sifat populasi yang menjadi asal-usul
sampel tersebut
pengukuran yang dipakai dalam
definisi operasional mengenai variabel
yang terlibat (skala data pada variabel :
nominal, ordinal, interval, rasio)

Jenis

ASPEK YANG PERLU DIPERHATIKAN


DALAM MENENTUKAN UJI STATISTIK
YANG TEPAT (KUANTITATIF)
1.

2.

3.

Hipotesis pengujian (terkait dengan


perumusan tujuan penelitian)
Hubungan antar variabelnya (dependen atau
interdependen
Skala data (nominal, ordinal, rasio, interval)

JENIS TEKNIK ANALISA DATA


Kualitatif
Analisis
Data

Deskriptif
Kuantitatif

Korelasi
Parametrik
komparasi

Inferensial

Korelasi
NonParametrik
komparasi

PERBEDAAN UJI STATISTIK


BERDASARKAN TUJUAN

STATISTIK

DESKRIPTIF
STATISTIK INFERENSIAL

ANALISIS DESKRIPTIF (1)


Informasi

disajikan dalam bentuk tabel


dan visualisasi bagan, diagram atau
grafik.

Contoh

: tabel 1 arah, tabel silang 2


arah baris (brand switching), tabulasi
silang (cross tabulation), pie chart, bar
chart, line chart, scatter plot, dsb.

TABULASI DATA
Merupakan ringkasan ukuran statistik
deskriptif sebagai pra analisis.
Data dijelaskan karakteristiknya secara
kuantitatif yang ringkas.
Bermanfaat membantu peneliti dalam
menyajikan data dalam bentuk yang cepat,
lebih mudah dimengerti dan sebagai informasi
jumlah data yang missing (kosong), yang
meyebabkan data menjadi bias

STATISTIK DESKRIPTIF
Bertujuan untuk mendiskripsikan suatu
keadaan (dari variabel penelitian)
dengan metode menganalisis
karakteristik berdasarkan tabulasi, ukuran
numerik, grafik dan diagram yang dilihat
secara matematis dan visual data

UKURAN PEMUSATAN
(CENTRAL TENDENCY)
Memberikan informasi kecenderungan data memusat
atau mengelompok.
Mean (rata-rata)
Ukuran mean tepat digunakan untuk data berskala
interval dan rasio

Median (angka tengah)


angka tengah (bila n ganjil) atau rata-rata dua angka
tengah (bila n genap), median cocok untuk data berskala
ordinal.
Modus
Nilai yang paling sering muncul (frekuensinya paling
tinggi), modus menunjukkan dimana data cenderung
berkonsentrasi, tepat untuk data berskala nominal.

UKURAN PENYEBARAN (DISPERTION)


Memberikan informasi kecenderungan data menyebar
Range
Selisih antara nilai terbesar dengan nilai terkecil dari
suatu himpunan data. Semakin besar nilai range
semakin tinggi penyimpangan data dari nilai rataratanya. Ukuran range dapat digunakan untuk semua
ukuran skala.

Standar Deviasi (S)


Merupakan ukuran penyimpangan yang diperoleh
dari deviasi tiap data dengan nilai rata-ratanya, nilai
kuadrat sd (S2) disebut variansi. Semakin kecil nilai
sd,semakin kecil penyimpanganya dan nilai data
semakin mengelompok seputar rata-ratanya, ukuran
ini hanya cocok untuk data berskala rasio atau
interval.

Rumus Varians

Rumus Standar Deviasi

BERIKUT INI CONTOH-CONTOH


PENYAJIAN DATA
DALAM PENELITIAN DESKRPTIF

PARETO DIAGRAM

DIAGRAM PENCAR
2000000
1500000
1000000
500000
0
0

PIE CHART
Penjualan Tahun
2013
Casual
Formal
Evening
Ethnic

Menggunakan
penghitungan dengan
rumus distribusi
frekuensi relatif sbb :

HISTOGRAM DAN POLIGON FREKUENSI


50
45
40
35
30
25
20
15
10
5
0

27,
5

32,
5

37,
5

42,5

47,5

52,5

57,
5

62,5

67,5

72,
5

GRAFIK KONTROL
25

Out of control
20

BKA = 17,5

15

10

0
1

10

11

12

13

14

15

16

17

18

19

20

STATISTIK INFERENSIAL
Bertujuan untuk menganalisis
sebagian data (sampel) untuk
diinferensi (digeneralisasi)
terhadap keseluruhan data
induknya (populasi),
Menggunakan metode penaksiran
(estimasi), pengujian, pemodelan, dsb.
Untuk karakteristik populasi yang
perhitungannya didasari dari
himpunan data sampel .

CAKUPAN STATISTIK INFERENSIAL


HIPOTESIS UJI
(STATISTIK INFERENSIAL)

SATU
VARIABEL

JUMLAH
VARIABEL
AMATAN

Data metrik

Data metrik
Data Non-metrik

DEPENDEN
Data metrik
Data non-metrik

DUA VARIABEL
(BIVARIAT)

Data non-metrik
= 2 VARIABEL
INTERDEPENDEN
Data metrik
Data non-metrik

JENIS HUBUNGAN ANTAR VARIABEL


Variabel Dependen
Hubungan antar variabel amatan saling
mempengaruhi dan dipengaruhi secara terpisah.

Variabel Interdependen
Antar variabel itu sendiri saling mempengaruhi

SYARAT PENETAPAN JENIS STATISTIK


MENURUT JENIS DATA
Statistik PARAMETRIK :
variabel penelitian datanya berjenis metrik
(interval atau rasio), berdistribusi
normal (kenormalan dapat diuji dengan
kolmogorof smirnov, dll)
Statistik NONPARAMETRIK
Jika data tidak memenuhi persyaratan
seperti tsb diatas (distribusi data tidak
normal), berjenis non metrik
(nominal, ordinal)

TEKNIK ANALISIS STATISTIK


DENGAN PENDEKATAN INFERENSIAL
PENDEKATAN

TUJUAN PENELITIAN
MENGUJI
HUBUNGAN

MENGUJI PERBEDAAN

STATISTIK
PARAMETRIK
(Bivariat)

- Korelasi Product
Moment
- Korelasi parsial
- Regresi

- One sample t-tes(1s)


-2-independent sample (2-indp s ttes)
- 2-related sample (2-paired sample
t-tes)
- Analisa Varian (>2s)

STATISTIK
NON
PARAMETRIK

- Korelasi tata
jenjang Spearman
- Korelasi tata
jenjang Kendall
- Korelasi biserial
dll

- Chi kuadrat, Run tes (1 s)


- Tes U Mann-Whitney (2s indp)
- Tes wilcoxon, Mc nemar,
kolmogorovsmirnof (2-R s)
- Kruskal wallis (>2-indp s)
- Friedman, konkordasi kendall (>2R s)

ANALISIS

INFERENSIAL

Hasil kesimpulan dari sampel akan menjadi


ukuran seberapa andal (reliabel)
taksiran, pengujian, pemodelan yang
dihasilkan.
Ukuran keandalan tersebut berupa ukuran
tingkat kepercayaan, tingkat
sifnifikansi, atau sampling error, yang
diperoleh dari asumsi dan hasil estimasi
statistik.

MEAN DIFFERENT ANALYSIS


(UJI BEDA RATA-RATA)
Digunakan untuk menentukan apakah ada perbedaan
atau tidak diantara satu, dua atau lebih grup sampel
(kelompok perlakuan) dari variabel yang diamati.
Antara grup sampel yang diamati dapat memiliki
hubungan kesamaan perlakuan (paired/related
samples) atau saling bebas (independent samples)
Merupakan uji statistik sederhana namun dapat
menentukan perbedaan antargrup dengan
memperhatikan ukuran pemusatan dan distribusi
data serta interval kepercayaan yang terestimasi

MEAN DIFFERENT TES


DAPAT DIBEDAKAN BERDASARKAN
JUMLAH GRUP SAMPEL DAN
HUBUNGAN ANTAR SAMPEL
One

sample t-test, pengujian sejumlah


sample dalam satu grup untuk dianalisa
dengan uji t apakah ada perbedaan dengan
suatu nilai tertentu atau tidak.

Paired

sample t-test pengujian terhadap dua


grup sampel yang berpasangan dengan uji-t
apakah ada perbedaan diantara keduanya
atau tidak.

LANJUTAN ......
Independent sample

t-tes, pengujian
terhadap dua grup sampel yang saling
bebas, dengan uji-t apakah ada perbedaan
diantara keduanya atau tidak.

Analysis

of variance (anova), pengujian


terhadap lebih dari dua grup sampel,
dengan uji anova apakah ada perbedaan
diantara grup sampel atau tidak.

MEAN DIFFERENT ANALYSIS


JENIS DATA SAMPEL

JUMLAH GRUP
SAMPEL

NOMINAL/ORDINAL

INTERVAL/RASIO

Non Parametric Tes

Parametric Tes

1- Sampel

Chi square tes, Run- tes,


Binomial tes,

One sample t-tes

2-independent sample

Mann whitney (uji U),


Moses, Wolfowitz tes, Uji
eksak Fisher

2 independent sample
t-tes

2-related sample

Wilcoxon sign, Mc Nemar,

2 paired samples t-tes

>2 samples

Anova

>2 related samples

Friedman, Konkordasi
Kendall, Cochran tes (uji
Q)

>2 independent samples

Kruskall wallis, Median

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS KOMPARATIF)

t-test atau t-score atau t-ratio atau


t-technique atau student-t adalah teknik statistik
yg dipergunakan utk menguji signifikansi perbedaan 2
buah mean (rara-rata hitung) yg berasal dari 2 buah
distribusi

t-test ada 2 macam : untuk sampel berpasangan dan


sampel bebas.

Untuk mengambil kesimpulan, maka nilai t hitung


harus dibandingkan dengan nilai t tabel pada taraf
signifikansi dan derajat kebebasan tertentu.

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS KOMPARATIF)

Uji Chi Kuadrat


Digunakan untuk menguji signifikansi perbedaan
frekuensi dari dua buah distribusi data

Uji U Mann Whitney


Digunakan untuk menguji hipotesis komparatif 2
sampel bebas berdasarkan ukuran pemusatan data
median (nilai tengah), data berbentuk ordinal,
asumsi nilai variabel dari dua kelompok menyebar
kontinu, (sampel bebas diambil dari data dua
populasi yang memiliki sebaran yang sama)

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS KOMPARATIF)

Uji Q Cochran
Perluasan dari uji Mc Nemar, digunakan untuk
menguji hipotesisi komparatif k sampel
berpasangan, data yang dibutuhkan nominal
dengan sifat dikotomi.

Analisis Ragam Peringkat Dua Arah


Friedman
digunakan untuk k sampel berpasangan
(k>2), data yang digunakan ordinal.

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS KOMPARATIF)

Kruskal Wallis
merupakan analisis ragam peringkat satu arah,
digunakan untuk menguji apakah k sampel
bebas berasal dari populasi yang berbeda, asumsi
dasar adalah sampel yang dibandingkan berasal
dari sebaran data kontinu, dibutuhkan data
ordinal.

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS KOMPARATIF)

Analisis Varian (Anava)


digunakan untuk menguji signifikansi perbedaan dua
rerata atau lebih, yang diperoleh dari data sampel
yang berasal dari populasi yang berdistribusi
normal, nilai rata-rata sama, dan bervarian homogen.

ANAVA satu jalan (one way analysis of variance)


rerata yang akan dibandingkan berasal dari satu
faktor yang memiliki dua kategori atau lebih.
(anava satu jalan kelompok bebas dan anava satu
jalan kelompok berulang).

ANAVA dua jalan (two way analysis of variance)


terdapat dua faktor yang masing-masing faktor
memiliki dua atau lebih kategori/atribut.

CORRELATIONAL ANALYSIS
Digunakan

untuk menganalisis apakah ada


hubungan (korelasi) diantara dua variabel
yang diamati, sekaligus menghitung seberapa
kuat korelasi tersebut (positif/negatif).

Korelasi

menunjukkan arah dan kuatnya


hubungan antar variabel. Arah dinyatakan
dalam bentuk hubungan positif/negatif.
Kuatnya hubungan dinyatakan dengan
besarnya koefisien korelasi.

ANALISIS KORELASI
VARIABEL
X1

NOMINAL

ORDINAL

JENIS DATA VARIABEL X2


NOMINAL

ORDINAL

INTERVAL/
RASIO

Contingency coef.
Phi cramer, lambda

Korelasi RankBiserial

Point-Biserial

Korelasi Rank biserial

Korelasi Kendall,
Spearman, Gamma

Ubah X2 dalam
skala rangking,
lalu gunakan uji
spearman

Ubah X2 dalam
skala ranking, lalu
gunakan uji
spearman

Korelasi Pearson,
Product Moment

Korelasi pointINTERVAL/ Biserial


RASIO

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS ASOSIATIF/KORELATIF)

Pearson Product Moment


Digunakan untuk mengukur korelasi dua
variabel yang keduanya berjenis interval atau
rasio.
Interpretasi dengan membandingkan r empirik
dan r tabel (tergantung pada N dan derajat
kepercayaan data penelitian).

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS ASOSIATIF/KORELATIF)

Korelasi Rank Spearman


Rank order correlation Spearman digunakan
untuk mengukur keeratan hubungan dua
variabel yang tidak mempunyai sebaran
normal, keduanya data ordinal/ranking/urutan
sehingga obyek-obyek yang diamati dapat dibuat
peringkatnya dalam dua rangkaian berurut.

KARAKTERISTIK ANALISIS STATISTIK


(HIPOTESIS ASOSIATIF/KORELATIF)

Korelasi Peringkat Kendall


digunakan sebagai ukuran korelasi untuk data
yang sama seperti data pada Spearman, dengan
prinsip prosedur Kendall adalah mengevaluasi
arah peringkat nilai pengamatan Yi satu dengan
Yi berikutnya apakah searah atau berlawanan
arahterhadap urutan peringkat nilai
pengamatan Xi.

ANALISIS MULTIVARIAT
Syarat :
Jika masalah yang diinvestigasi tidak cukup hanya dengan 1
atau 2 variabel saja (tiga variabel lebih) dan bersifat
multidimensional
KELOMPOK

TUJUAN

JENIS ANALISIS

Dependence
Method

Menjelaskan atau
memprediksi variabel terikat
berdasarkan variabel bebas

Regresi Berganda
Analisis Diskriminan
Manova
Korelasi Kanonik
Analisis Conjoint

Interdependence
Method

Menjelaskan seperangkat
variabel atau
mengelompokkan berdasarkan
kesamaan karakteristik
antarvariabel

Analisis Faktor
Analisis Cluster
Analisis Biplot
Analisis MDS
Dll.

Vous aimerez peut-être aussi