Académique Documents
Professionnel Documents
Culture Documents
VARIABEL DEPENDEN(Y)
HASIL MENGUKUR Y
KATEGORI
KONTINU
PENGUKURAN VARIABEL
HASIL MENGUKUR X&Y
KATEGORI
KONTINU
NILAI p (probabilitas)
Besarnya kemungkinan hasil yang diperoleh atau hasil
yang lebih ekstrem diperoleh karena faktor peluang, bila hipotesis nol benar.
HASIL UKUR
Y
VARIABEL KATEGORI KATEGORI X KONTINU TINU-GORI TINU-TINU GORI-GORI KONTINU GORI-TINU
Tinu-gori
Regresi logistik
Gori-tinu
Gori 2 : uji T Tidak berhubungan- independen Berhubungan- related Gori 3 : uji Anova
Tinu-tinu
Korelasi, regresi linier
NOMINAL
Ordinal
Pengukuran ini membagi kelompok-kelompok, tetapi
antara kelompok itu ada hubungan (rangking). Hubungan antara kelompok ini dapat ditulis lebih besar, lebih kecil. Jadi dari kelompok yang sudah ditentukan dapat diurut menurut besar kecilnya. Contoh: pendidikan (dikelompokkan menjadi rendah, sedang, tinggi), sosial ekonomi, derajat hipertensi
Interval
Kalau dalam skala ordinal kita hanya dapat
menentukan urutan dari kelompok, maka didalam skala interval selain membagi objek dalam kelompok tertentu dan dapat diurutkan juga dapat ditentukan jarak dari urutan kelompok tersebut. Contoh: pengukuran suhu, IQ
Rasio
Dengan skala ratio kita dapat mengelompokkan data,
kelompok itupun dapat diurutkan dan jarak urutanpun dapat ditentukan. Selain itu sifat lain untuk data dengan skala ratio kelompok tersebut terdapat nilai nol mutlak Contoh: pengukuran tinggi badan, berat badan
RATIO
Urutan pengamatan
Jarak antar kelompok Titik nol mutlak
+
-
+
+
+
+
SKALA PENGUKURAN
NOMINAL ORDINAL INTERVAL RASIO
Pengelompokkan/ beda pengamatan Urutan pengamatan dapat ditentukan Jarak/besar beda antar kelompok dapat diketahui Perbandingan antar kelompok (ada titik mutlak) Contoh
+ -
+ +
+ +
+ +
Jenis kelamin
Suhu
Berat badan
PENJENJANGAN SKALA
ANALISA UNIVARIAT Mean, Median, Mode, Sd, Se, Range, Min-Max, Skewness, Kurtosis Boxplot; Stem-Leaf Tujuan: 1. Deskripsi setiap variabel diteliti 2. Diagnosis asumsi statistik lanjut 3. Deteksi nilai ekstrim/outlier
ANALISIS BIVARIAT:
1. Diagnosis data 2. Uji Hipotesisi 2 var
Tujuan uji
Jumlah sampel /
pasangan
Ordinal /
Rasio-Interval distrib. tak normal ~ Uji MannWhitney ~ Uji jumlah peringkat dari Wilcoxon Uji peringkat bertanda dari Wilcoxon Uji Kruskall-Wallis
Nominal
/ kategorik
~ Uji khi-
2
Berpasangan (related/paired) Komparasi (perbedaan) Uji t sampel berpasangan
Bebas
Anava 1 arah
>2
(independent)
Berpasangan
(related/paired)
Uji Friedman
~ Korelasi dari
Korelasi
0 variabel
Model loglinear
Model loglinear
1 variabel
Ra sio / Interval > 1 variabel Korelasi kanonikal Korelasi kanonikal Multivariat anava Analisis jalur Anava pada Model struktural komponen prinsipal
Anova multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal
Uji t 2 sampel bebas Anava 1 faktor Analisis survival Multivariat anava Anava pada komponen prinsipal Hotelling's T Analisis profil Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-W hitney Uji Kruskal Wallis Model loglinier
Anava multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal
1 variabel Ordinal
Korelasi Spearman Korelasi Kendall's tau Korelasi kappa Model loglinier Koefisien konkordans W
> 1 variabel
Fungsi diskriminan
Fungsi diskriminan
Model loglinier
Model loglinier
Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel > 1 variabel 1 variabel Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-W hitney Uji Kruskall Wallis Model loglinier Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square Uji pasti Fisher Koefisien Phi Korelasi kappa > 1 variabel
Fungsi diskriminan
Model loglinier
Model loglinier
Model loglinier
1. Umur 2. Income 3. Lama Sekolah (th) 1. Umur 2. Income 3. Lama Sekolah 4. Klp Itv & Kontrol
Skor Kepuasan