Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

STATISTIKA DESKRIPTIF Abdul Kudus, Ph.D. blog: abdulkudus.staff.unisba.ac.id.

Presentasi serupa


Presentasi berjudul: "STATISTIKA DESKRIPTIF Abdul Kudus, Ph.D. blog: abdulkudus.staff.unisba.ac.id."— Transcript presentasi:

1 STATISTIKA DESKRIPTIF Abdul Kudus, Ph.D. blog: abdulkudus.staff.unisba.ac.id

2 Kompetensi : Mampu mengatur dan meringkas data hasil observasi dan penelitian psikologi agar menjadi lebih sederhana serta mampu melihat, membaca dan mendeskripsikan isyarat-isyarat tertentu yang terkandung dalam data penelitian itu

3 Cakupan Kompetensi Memahami metode dan penggunaan Statistika Deskriptif dalam menganalisis data hasil observasi dan penelitian psikologi

4 Buku teks: Judul:First Steps in Research and Statistics: Workbook for Psychologiy StudentsFirst Steps in Research and Statistics: Workbook for Psychologiy Students Karangan: Dennis Howit dan Duncan Cramer Penerbit: Routledge London Tahun: 2000 Judul:Statistics Without Maths for PsychologyStatistics Without Maths for Psychology Karangan: Christine P. Dancey dan John Reidy Penerbit: Pearson London Tahun: 2011

5 Komponen Nilai Akhir: 1.Tugas (20%) 2.Kuis (10%) 3.UTS (30%) 4.UAS (40%) Syarat kehadiran: minimal 75% (11 kali dari 14 pertemuan)

6 MATERI KULIAH

7

8 Pertemuan ke-1 : Pendahuluan, data, statistik dan statistika

9

10 Apakah Statistika itu ? Apakah Statistik itu ? Kata kunci apa yang mewakili istilah statistika / statistik? Data ?

11 Statistika: ilmu tentang sekumpulan konsep serta metode yang dapat digunakan untuk mengumpulkan, menyajikan dan menganalisis data serta menarik kesimpulan berdasar hasil analisis data tersebut. Statistika deskriptif: yaitu metode-metode yang berkait dengan pengumpulan dan penyajian sekumpulan data, sehingga dapat memberikan informasi yang berguna. Statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik kesimpulan yang lebih banyak dan lebih jauh dari data yang ada. Penyusunan tabel, diagram, modus, kuartil, simpangan baku termasuk dalam kategori statistika deskriptif.

12 Kegiatan statistika deskriptif dilakukan melalui: a. Pendekatan aritmetika: pemeriksaan rangkuman nilai atau ukuran-ukuran penting dari data. Rangkuman nilai = penyederhanaan kumpulan nilai data yang diamati ke dalam bentuk nilai-nilai tertentu. Setiap rangkuman nilai ini disebut statistik.  statistik berfungsi utk menerangkan sifat kumpulan data dalam bentuk nilai yang mudah dipahami, b. Pendekatan geometrik, yaitu melalui penyajian data dalam bentuk gambar berupa grafik atau diagram.

13 Variabel = sesuatu yang beragam  Karakteristik yang diukur Contoh variabel ? Konstanta = sesuatu yang tetap Contoh konstanta ? Variabel dan Konstanta

14 Macam-macam Data dan Taraf (Skala) Pengukuran Jenis Kelamin 150 cm 170 cm 165 cm Tinggi Badan Sekedar klasifikasi Menunjukkan tingkat

15 Dua Macam Data Kategorik atau Nominal (Kualitatif): Contoh- Warna Jenis Kelamin Kewarganegaraan Numerik - Dapat diukur atau dapat dihitung/dicacah (Kuantitatif): Contoh- Suhu Gaji Nilai ujian

16 Empat Taraf (Skala) Pengukuran Skala Nominal – kelompok atau pengkelasan Jenis Kelamin Skala Ordinal – mempunyai urutan Pangkat tentara Skala Interval – mempunyai makna selisih atau jarak (punya angka nol yang tidak mutlak). Suhu ( 0 F, 0 C) Skala Rasio – Mempunyai makna rasio – nilai nol yang mutlak. Tinggi badan Gaji Kategorik Numerik

17 Statistika: ilmu tentang sekumpulan konsep serta metode yang dapat digunakan untuk mengumpulkan, menyajikan dan menganalisis data serta menarik kesimpulan berdasar hasil analisis data tersebut. 1. Statistika deskriptif: yaitu metode-metode yang berkait dengan pengumpulan dan penyajian sekumpulan data, sehingga dapat memberikan informasi yang berguna. Review 2. Statistika inferensial: yaitu metode-metode untuk dapat menarik kesimpulan yang lebih luas dan lebih jauh dari data yang ada. Metode-metode tsb disebut juga dengan pengujian. Statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai.

18 Nominal Dianalisis dengan pengujian utk data frekuensi Interval Rasio Ordinal Dianalisis dengan pengujian Nonparametrik Dianalisis dengan pengujian Parametrik 1. Pendekatan Tradisional

19 Nominal Dianalisis dengan pengujian utk data frekuensi Interval Rasio Ordinal Dianalisis dengan pengujian Parametrik (meskipun ada asumsi yg tidak terpenuhi) 2.Pendekatan Modern Skala pengukuran menentukan metode analisis data yang akan dipakai.

20 Pengumpulan Data Kita harus mampu mengukur variabel yang diinginkan. Variabel psikologi mungkin diukur dengan berbagai cara berbeda, tetapi tidak ada satupun yang sepenuhnya memuaskan. Semuanya hanya pendekatan. Ada dua hal yang mempengaruhi kualitas data hasil penelitian: 1.Kualitas instrumen: berkenaan dengan validitas dan reliabilitas instrumen 2.Kualitas pengumpulan data: berkenaan dengan ketepatan cara-cara yang digunakan untuk mengumpulkan data

21 TEKNIK PENGUMPULAN DATA Teknik pengumpulan data bisa dibedakan: 1.Berdasarkan Setting (Setting Alamiah, Laboratorium melalui eksperimen, di rumah dengan mewawancarai responden, seminar, dan lain-lain) 2.Berdasarkan sumber data: (Sumber Primer : Sumber yang langsung memberikan data dan Sumber Sekunder: Sumber yang tidak langsung memberikan data). 3.Berdasarkan Teknik Pengumpulan Data dibagi lagi menjadi: a)Observasi b)Wawancara c)Dokumentasi d)Triangulasi/Gabungan

22 Pengumpulan Data dengan Observasi Macam-macam observasi: 1.Observasi Partisipatif, yang terbagi menjadi: a)Observasi yang Pasif, b)Observasi yang Moderat, c)Observasi yang Aktif, d)Observasi yang Lengkap. 2.Observasi Terus Terang atau Tersamar 3.Observasi tak Terstruktur

23 Peneliti mengamati apa yang dikerjakan orang, mendengarkan apa yang diucapkan dan berpartisipasi dalam aktivitas yang diteliti, klasifikasinya sbb: a)Partisipasi Pasif : Peneliti mengamati tapi tidak terlibat dalam kegiatan tersebut. b)Partisipasi Moderat: Peneliti ikut observasi partisipatif pada beberapa kegiatan saja, tidak semua kegiatan. c)Partisipasi Aktif : Peneliti ikut melakukan apa yang dilakukan narasumber, tapi belum sepenuhnya lengkap d)Partisipasi Lengkap : Peneliti terlibat sepenuhnya dalam kegiatan narasumber 1. Observasi Partisipatif

24 Peneliti berterus terang kepada narasumber bahwa ia sedang melakukan penelitian. Suatu saat peneliti melakukan tidak berterus terang agar dapat mengetahui informasi yang dirahasiakan narasumber. Dilakukan dengan tidak Berstruktur karena fokus penelitian belum jelas. Apabila masalah sudah jelas, maka dapat dilakukan secara berstruktur dengan menggunakan pedoman observasi. 2. Observasi Terus Terang atau Tersamar 3. Observasi tak Berstruktur

25 Wawancara adalah merupakan pertemuan antara dua orang untuk bertukar informasi dan ide melalui tanya jawab sehingga dapat dikontruksikan makna dalam suatu topik tertentu. Pengumpulan Data dengan Wawancara

26 Bila peneliti telah mengetahui dengan pasti tentang informasi apa yang akan diperoleh. Peneliti sudah menyiapkan instrumen penelitian berupa pertanyaan- pertanyaan tertulis dan alternatif jawaban. Macam-macam Wawancara Peneliti tidak menggunakan pedoman wawancara secara sistematis, melainkan hanya garis-garis besarnya saja. Peneliti belum mengetahui secara pasti apa yang akan diperoleh, sehingga peneliti lebih banyak mendengarkan. 1. Wawancara Terstruktur: Dilaksanakan lebih bebas dibandingkan dengan wawancara terstruktur. Bertujuan untuk menemukan permasalahan secara lebih terbuka. 2. Wawancara Semi Terstruktur : 3. Wawancara tak berstruktur :

27 Dokumen bisa berbentuk tulisan, gambar, atau karya- karya monumental yang lain. Dokumen yang dipilih harus memiliki kredibilitas yang tinggi. Teknik Pengumpulan Data dengan Dokumen

28 Merupakan teknik pengumpulan data yang bersifat menggabungkan dari berbagai teknik pengumpulan data dan sumber data yang telah ada. Dengan Triangulasi, peneliti sebenarnya mengumpulkan data sekaligus menguji kredibilitas data dengan berbagai teknik pengumpulan data dan sumber data Triangulasi/Gabungan

29 MENGATUR DATA NUMERIK (KUANTITATIF) Macam data menentukan macam analisis statistika yang dipakai. Jika datanya numerik bagaimana ringkasannya? NoJKUmurStatusPuasNoJKUmurStatusPuas 1P18Mhs1611L19Mhs17 2P21Mhs1712L24Mhs16 3P25Mhs1513L21Mhs18 4P20Pg1214L37Pg13 5P35Pg1415L53Pg11 6P27Kar1816L31Kar17 7P43Kar17 L49Kar18 8P55Kar1918L26Kar16 9P28IRT1719L34Kar17 10P41IRT1820L44Kar16 Pertanyaan: Sebutkan variabel-variabel yang macamnya: 1) Kategorik, 2) Numerik?

30 Dengan analisis statistika, data mentah akan: - diatur (ditata) - dibuat lebih jelas - disederhanakan Bagi yang suka membaca koran, menonton tv atau yang sudah belajar Matematika Dasar, metode-metode untuk meringkas data sebenarnya sudah sangat familiar.

31

32

33

34 Metode peringkasan data Data Numerik Metode grafik (geometrik): Histogram Metode aritmetik: - Rata-rata- Kuartil - Median- Minimum - Modus- Maksimum - Jangkauan- Variansi - Frekuensi- Deviasi standar Data Kategorik Metode grafik (geometrik): - Diagram batang - Diagram lingkaran Metode aritmetik: - Modus - Frekuensi

35 Statistik deskriptif untuk variabel numerik Data numerik Tabel: Tabel frekuensi Diagram: -Histogram - Poligon Grafik (geometrik) dan Tabel Aritmetik Indeks: -Jumlah individu -Rata-rata, median dan modus -Deviasi standar (atau variansi) -Jangkauan -Minimum dan maksimum

36 Tabel Frekuensi Tabel frekuensi umur UmurFrekuensi Tabel frekuensi Kepuasan Skor_PuasFrekuensi Catatan: Meskipun kita berhasil mendapatkan informasi dari tabel frekuensi, tetapi ia tidak selalu memberikan hasil yang lebih jelas tentang data aslinya  Perlu dikelompokkan! Sudah cukup jelas!

37 Bentuk Distribusi Kelompokkan data UMUR dengan lebar interval 10 tahun, mulai dari umur 16 tahun. Kelompok UmurFrekuensi Tampak lebih jelas. Distribusi umur menjulur ke kanan (lebih banyak orang yang berada pada kelompok umur muda)

38 DIAGRAM Ada dua cara untuk menampilkan distribusi dari data numerik secara diagram: - Histogram - Poligon Histogram Dengan histogram, frekuensi dari setiap interval data digambarkan dengan persegi panjang yang tingginya sebesar frekuensinya. Makin tinggi  makin besar frekuensinya.

39 Contoh data: 13, 15, 10, 7, 16, 5, 12, 8, 7, 11, 12, 9, 8, 6, 3, 1, 6, 10, 11, 6, 5, 9 Banyaknya pengamatan: 22 Untuk memudahkan pembuatan histogram, letakkan data tsb dalam potongan kertas sbb: Urutkan dan susun sbb: Masalah: -ada angka yg tidak ditunjukkan -Distribusinya datar

40 Interval 2 Interval 4 Simetrik Metode Sturge c = banyaknya interval yg perlu dibuat n = banyaknya pengamatan

41 Frekuensi Di sekitar berapakah data itu tersebar? Sampai seberapa jauh penyebarannya?

42 Poligon Dalam poligon, frekuensi dari setiap interval digambarkan dengan titik yang tingginya menyatakan frekuensinya. Skor Kepuasan Frekuensi Skor_PuasFrekuensi Di sekitar berapakah data itu tersebar? Sampai seberapa jauh penyebarannya?

43 MENGATUR DATA NUMERIK (KUANTITATIF) Ukuran-ukuran Statistik Data numerik diringkas dalam: 1.Ciri-ciri bentuk distribusinya  Tabel frekuensi, histogram dan poligon 2.Ukuran pemusatan dari distribusinya 3.Ukuran penyebaran dari distribusinya

44 Ukuran Pemusatan Ada 3 ukuran: 1.Modus 2.Median 3.Rata-rata

45 Modus Nilai yang paling sering muncul Dapat diperoleh dari Tabel Frekuensi UmurFrekuensi Skor_PuasFrekuensi Tabel Frekuensi UMUR Tabel Frekuensi Kepuasan Mungkin saja terdapat lebih dari satu modus (Jika terdapat lebih dari satu nilai yang mempunyai frekuensi tertinggi)

46 Median Nilai yang membagi data menjadi dua bagian sama banyak, dimana setengahnya di atas median dan setengahnya lagi di bawah median. Jika banyaknya data GANJIL (misal 1, 3, 5 dst), maka mediannya nilai yang ada di tengah-tengah. Jika banyaknya data GENAP (misal 2, 4, 6 dst), maka mediannya rata-rata dari dua buah nilai yang di tengah. Urutan Umur Median = Contoh:

47 Urutan Puas Median =...?

48 Rata-rata Jumlah semua nilai dibagi dengan banyaknya nilai Simbol  disebut “sigma” artinya penjumlahan semua nilai. Rata-rata = X maksudnya nilai-nilai (data). n maksudnya banyaknya data Rata-rata seringkali diberi simbol  X = =651

49 Perbandingan Rata-rata, Median dan Modus Rata-rata, median dan modus memberikan informasi yang berbeda mengenai data, sehingga tidak boleh mengatakan bahwa yang satu lebih baik daripada yang lainnya. Rata-rata, median dan modus cukup untuk mengungkapkan titik pemusatan distribusi data Jika distribusinya simetrik dan berpuncak di tengah maka ketiganya akan sama.

50 Jika tidak seperti tadi, maka rata-rata, median dan modus akan berbeda. Jika bentuk distribusinya menjulur ke kanan, maka 1.Modus di kiri 2.Rata-rata di kanan 3.Median berada diantara keduanya

51 Jika bentuk distribusinya menjulur ke kiri, maka 1.Modus di kanan 2.Rata-rata di kiri 3.Median berada diantara keduanya

52 NoJKKepuasan 1Perempuan16 2Perempuan17 3Perempuan15 4Perempuan12 5Perempuan14 6Perempuan18 7Perempuan17 8Perempuan19 9Perempuan17 10Perempuan18 Hitung modus, median dan rata- ratanya!

53 Ukuran Penyebaran (dispersi) Ada 3 ukuran: 1.Jangkauan (range) 2.Variansi 3.Deviasi standar

54 Jangkauan (Range) Selisih (perbedaan) antara nilai tertinggi dan terendah. Urutan Umur Jangkauan = 55 – 18 = 37 tahun

55 Variansi merupakan ukuran keberagaman (variasi) dari nilai-nilai dalam sekumpulan data Variansi intinya merupakan rata-rata dari kuadrat selisih nilai terhadap rata-ratanya Umur:18, 21, 25, 20, 35, 27, 43, 55, 28, 41, 19, 24, 21, 37, 53, 31, 49, 26, 34, 44 Rata-rata: 32,55 Selisih nilai terhadap rata-ratanya: (18 – 32,55), (21 – 32,55),..., (44 – 32,55) Kuadratnya: (18 – 32,55) 2, (21 – 32,55) 2,..., (44 – 32,55) 2 Rata-ratanya: (18 – 32,55) 2 + (21 – 32,55) (44 – 32,55) 2 20

56 Rumus utk praktik perhitungan

57 Deviasi Standar

58 Contoh

59 Begitu juga dgn rumus praktisnya Seringkali “penyebut” dalam rumus variansi adalah n - 1, karena sebenarnya hanya ada n - 1 buah selisih yang ‘bebas’.

60 Ukuran yang Resisten Adalah ukuran (pemusatan atau penyebaran) yang tidak terpengaruh (resisten) oleh adanya data ekstrim (pencilan). Rata-rata vs Median Contoh Data ekstrim (pencilan) ? Ukuran Pemusatan yang Resisten

61 Strategi untuk menangani data ekstrim (pencilan): 1.Jika data tsb salah. Misal salah catat dsb, maka segera perbaiki data tsb atau buang saja. Lakukan analisis dgn data yang sudah diperbaiki. 2.Gunakan metode statistika yang resisten.

62 Persentil atau Kuartil Persentil ke-p adalah nilai dimana sebanyak p% dari data kurang darinya. Misal persentil ke-50?Median? Selain Median, yang lazim digunakan adalah Kuartil. Persentil ke-25?Kuartil Pertama, K 1 ? Persentil ke-75?Kuartil Ketiga, K 2 ? Jadil Persentil ke-50 alias Median?Kuartil ke?

63 Untuk menghitung Kuartil: - Tentukan letak Median - Kuartil pertama adalah ‘median’ dari ‘kelompok bawah’ - Kuartil ketiga adalah ‘median’ dari ‘kelompok atas’ Urutan Puas Contoh Median K 2 = 17 K 1 = 15,5 K 3 = 17,5

64 Ukuran Penyebaran yang Resisten Kuartil bersama-sama dengan Median menunjukkan: - pusat - penyebaran - bentuk distribusi K 1 yang terletak lebih jauh dari Median, ketimbang K 3 menunjukkan bahwa bentuk distribusi datanya adalah menjulur ke kiri. Jangkauan Antar Kuartil (JAK) = K 3 – K 1 Menunjukkan ukuran penyebaran dari setengah bagian data yang berada di tengah.

65 Urutan Puas Median K 2 = 17 K 1 = 15,5 K 3 = 17,5 JAK = K 3 – K 1 = 17,5 – 15,5 = 2 Kuartil dan JAK tidak akan terpengaruh oleh data pencilan, baik pencilan kiri maupun pencilan kanan.

66 Ringkasan Lima Angka Ringkasan lima angka dari sebuah distribusi data adalah: 1.Median 2.K 1 3.K 3 4.Nilai Minimum 5.Nilai Maksimum yang disusun secara berurutan Minimum, K 1, Median, K 3, Maksimum Urutan Puas Minimum=11, K 1 =15,5, Median=17, K 3 =17,5, Maksimum=19

67 Cara untuk mengidentifikasi pencilan: - Jika terletak di bawah K 1 – 1,5JAK - Jika terletak di atas K 3 + 1,5JAK Urutan Puas K 1 = 15,5 K 3 = 17,5JAK = 2 -Pencilan bawah, jika terletak di bawah K 1 – 1,5JAK = 15,5 – 1,5×2 = 15,5 – 3 = 12,5 -Pencilan atas, jika terletak di atas K 3 + 1,5JAK = 17,5 + 1,5×2 = 20,5

68 Cara untuk mengidentifikasi data ekstrim: - Jika terletak di bawah K 1 – 3JAK - Jika terletak di atas K 3 + 3JAK

69 Diagram Kotak Garis (Boxplot) Ringkasan lima angka dapat djadikan informasi utk membuat representasi visual yang efektif dari suatu distribusi data, yang disebut Boxplot. Cara membuat Boxplot: 1.Buat garis bilangan mendatar. 2.Buat kotak, dengan sisi kiri = K 1 dan sisi kanan = K 3, sehingga panjang kotak = JAK 3.Buat garis tegak di dalam kotak pada titik Median 4.Buat garis datar dari sisi kiri kotak sampai nilai minimum dan dari sisi kanan kotak sampai nilai maksimum

70 Data: persentase penduduk Amerika yang bertitel sekurang- kurangnya sarjana pada 50 negara bagian pada tahun 2007.

71 Data diurutkan Bawah: Median: 26 Atas: Minimum=17, K 1 =24, Median=26, K 3 =30, Maksimum=47 Ringkasan lima angka

72 Boxplot yang dimodifikasi Dalam boxplot yang dimodifikasi pencilan akan ditandai dengan lingkaran penuh dan data ekstrim ditandai dengan lingkaran kosong. Cara membuat: 1.Buat garis bilangan mendatar. 2.Buat kotak, dengan sisi kiri = K 1 dan sisi kanan = K 3, sehingga panjang kotak = JAK 3.Buat garis tegak di dalam kotak pada titik Median 4.Identifikasi apakah ada pencilan atau data ekstrim. 5.Buat garis datar dari sisi kiri kotak sampai nilai terkecil sebelum nilai pencilan kiri dan dari sisi kanan kotak sampai nilai terbesar sebelum nilai pencilan kanan. 6.Tandai dengan lingkaran penuh bagi pencilan. 7.Tandai dengan lingkaran kosong bagi data ekstrim.

73 Data: rasio lebar/panjang dari hasil penelitian terhadap 20 buah manik-manik Indian K 1 =0,606, Median=0,641, K 3 =0,681 JAK = 0,681-0,606 = 0,075 1,5×JAK = 0,1125 3×JAK = 0,225

74 K 3 + 3JAK = 0, ,225 = 0,906 K 1 – 1,5JAK = 0,6606 – 0,1125 = 0,4935 K 3 + 1,5JAK = 0, ,1125 = 0,7935 terbesar nonpencilan pencilanekstrim batas pencilan batas ekstrim

75 Data: Kandungan sodium dari 20 jenis sereal (mg). K1 = 135, Median = 180, K3 = 205 JAK = K3 - K1 = = JAK = 1.5 × 70 = 105 K JAK = = 30 K JAK = = Data diurutkan

76 K1

77 Distribusi Normal

78 HUBUNGAN ANTARA DUA VARIABEL NUMERIK Sejauh ini analisis data utk satu variabel saja Penelitian psikologi juga sering dilakukan utk menganalisis hubungan antara dua variabel. Misal hubungan antara: o kemiskinan dengan radikalisme. o usia dengan kecepatan bereaksi thd stimulus o kecerdasan dengan pendapatan

79 Kemungkinan Hubungan antarvariabel Contoh: Ingin diteliti hubungan antara kerja keras dalam belajar dengan tingkat kecerdasan. Ada empat kemungkinan: Kemungkinan 1: Mahasiswa yang lebih cerdas, lebih keras dlm belajar karena menyenangi belajar keras. Kemungkinan 2: Mahasiswa yang lebih cerdas, kurang keras dlm belajar karena bagi dia mudah saja. Kemungkinan 3: Mahasiswa yang tingkat kecerdasannya rendah atau tinggi, kurang keras dlm belajar karena bagi dia pelajaran itu terlalu sulit atau terlalu mudah. Kemungkinan 4: Tidak ada hubungan antara tingkat kecerdasannya dengan keras dlm belajar

80 Kemungkinan 1: Mahasiswa yang lebih cerdas, lebih keras dlm belajar karena menyenangi belajar keras. (positif) Hubungan Linier Positif Sempurna

81 Diagram pencar Hubungan linier positif sempurna

82 Hubungan Linier Positif

83 Kemungkinan 2: Mahasiswa yang lebih cerdas, kurang keras dlm belajar karena bagi dia mudah saja. (negatif) Hubungan Linier Negatif

84 Diagram pencar Hubungan linier negatif

85 Kemungkinan 3: Mahasiswa yang tingkat kecerdasannya rendah atau tinggi, kurang keras dlm belajar karena bagi dia pelajaran itu terlalu sulit atau terlalu mudah (tak-linier). Hubungan tak-linier

86 Diagram pencar Hubungan tak-linier Garis ini bukan pola data

87 Kemungkinan 4: Tidak ada hubungan antara tingkat kecerdasannya dengan keras dlm belajar Tidak ada Hubungan

88 Diagram pencar Tidak ada Hubungan Tidak ada pola data

89 Diagram pencar penting, karena: 1.Tampilan visual utk melihat hubungan (positif atau negatif) 2.Dapat memeriksa apakah hubungan antara dua variabel kuat, sedang atau lemah. 3.Dapat dilihat apakah hubungannya linier. Jika tak-linier, maka garis linier tidak tepat. 4.Dapat melihat pengaruh data pencilan thd hubungan antara dua variabel.

90 Data yang mengandung pencilan

91 Diagram pencar dengan pencilan Pencilan

92 KOEFISIEN KORELASI Perlu angka (indeks) statistik yang mencerminkan hubungan antara dua variabel, antara lain: Koefisien korelasi Pearson (product-moment) Nilai korelasi Pearson: berkisar dari nilai negatif maksimum -1,00 sampai nilai positif maksimum +1,00. Nilai -1,00 mencerminkan hubungan linier negatif sempurna. Nilai +1,00 mencerminkan hubungan linier positif sempurna. Nilai 0 atau hampir 0 menunjukkan tak-linier atau tidak ada hubungan. Nilai negatif (-) mencerminkan hubungan negatif dlm diagram pencar. Nilai positif (+) mencerminkan hubungan positif dlm diagram pencar.

93 Hubungan yang lebih kuat antarvariabel dicerminkan oleh nilai korelasi yang lebih besar (nilai mutlak). Sebagai aturan: o Nilai antara 0,10 sampai 0,30  nilai rendah  mencerminkan hubungan yang lemah o Nilai antara 0,40 sampai 0,60  hubungan sedang o Nilai antara 0,70 sampai 0,90 atau lebih besar lagi  nilai tinggi  mencerminkan hubungan yg kuat.

94 Contoh No.X (Kecerdasan) Y (Jam belajar) X2X2 Y2Y2 XY

95

96


Download ppt "STATISTIKA DESKRIPTIF Abdul Kudus, Ph.D. blog: abdulkudus.staff.unisba.ac.id."

Presentasi serupa


Iklan oleh Google