Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Statistika dan Aplikasi Komputer Sesi 1: Pengantar Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan Semester.

Presentasi serupa


Presentasi berjudul: "Statistika dan Aplikasi Komputer Sesi 1: Pengantar Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan Semester."— Transcript presentasi:

1 Statistika dan Aplikasi Komputer Sesi 1: Pengantar Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan Semester Gasal 2012/2013

2 Garis Besar I - PENDAHULUAN Statistika: Apa dan Mengapa Statistika Deskriptif dan Inferens Data Kuantitatif dan Data Kualitatif Populasi dan Sampel II - DISTRIBUSI FREKUENSI Cara Menyusun Distribusi Frekuensi Distribusi Frekuensi Relatif dan Kumulatif Gambar dan Grafik Distribusi Frekuensi 05/09/20122E. L. Pardede

3 Statistika: Apa dan Mengapa Keputusan sehari-hari dengan ‘statistika’ Belanja Menentukan menu makan malam Mencicipi masakan Memilih pacar, suami/istri Memilih bidang studi (contoh: Akuntansi FEUI) Tujuan berlibur MKJP vs kontrasepsi jangka pendek 05/09/20123E. L. Pardede

4 PENGAMBILAN KEPUTUSAN/ PERUMUSAN KEBIJAKAN ANALISIS HASIL/ OUTPUT PROSESDATA 05/09/20124E. L. Pardede

5 ILMU YANG MEMPELAJARI MENGENAI MENGUMPULKAN, MENATA, MENYAJIKAN, MENGANALISIS, DAN MENGINTERPRETASI DATA UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN YANG LEBIH EFEKTIF (Lind, Marchal, Waten, 2005) Statistika: Apa itu? 05/09/20125E. L. Pardede

6 05/09/2012E. L. Pardede6

7 Statistika: Mengapa? Informasi tersedia Statistika digunakan untuk menganalisis masalah dan menyiapkan informasi untuk pengambilan keputusan Dasar perumusan kebijakan Prediksi kejadian (kecenderungan) di masa depan Kebutuhan bidang demografi: proyeksi 05/09/20127E. L. Pardede

8 Statistika – Apa dan Mengapa Statistik – Mengacu pada kumpulan informasi numerik berbentuk angka-angka, gambar (grafik), dan tabel Statistik – Secara khusus digunakan untuk mengacu kepada karakteristik sampel seperti rata-rata, median, modus, standar deviasi, dan varians (Parameter: karakteristik populasi) 05/09/20128E. L. Pardede

9 Fakta vs Opini Orang Batak galak Kantin itu ramai Tongseng di kantin FEUI memang enak Aku sudah gagal sebagai suami/istri Tas itu mahal Dosen S2KK baik-baik Bapak itu sangat saleh/soleh 05/09/20129E. L. Pardede

10 Statistika: Deskriptif dan Inferens Deskriptif: metode untuk menata, meringkas, dan menyajikan data dengan cara yang informatif Inferens (statistika induktif) : metode yang digunakan untuk menyatakan sesuatu (keputusan, dugaan/estimasi, prediksi, dan/atau kesimpulan/generalisasi) mengenai populasi berdasarkan sampel 05/09/201210E. L. Pardede

11 Populasi dan Sampel Populasi: sekumpulan seluruh individu/obyek/ukuran-ukuran yang lain yang mungkin menjadi obyek penelitian Sampel: bagian dari populasi  ILUSTRASI 05/09/201211E. L. Pardede

12 05/09/2012E. L. Pardede12

13 Populasi & Sampel 05/09/2012 E. L. Pardede13 di mana:  = proporsi populasi P = proporsi sampel n = besarnya sampel Untuk tingkat keyakinan 95%

14 Hasil Pilkada Gubernur DKI Jakarta 05/09/2012E. L. Pardede14 Sumber: (3) Diolah dari 1/news/12/07/19/m7ev7i-ini-hasil-resmi-jumlah-suara-pilkada-dki-putaran-satu

15 Sampling RANDOM: setiap individu/obyek penelitian memiliki kesempatan yang sama untuk terpilih Simple random Multistage random sampling 05/09/201215E. L. Pardede

16 Contoh: Survei Konsumsi Rokok di Jawa Tengah dan Jawa Timur, 2010 (LD FEUI)

17 Data Kualitatif dan Kuantitatif Kualitatif: data berisi karakteristik non numerik (atribut); contoh: jenis kelamin, daerah tempat tinggal, status perkawinan Kuantitatif: data berisi variabel yang numerik; terdiri atas variabel: – Diskrit: penghitungan dan bilangan bulat; contoh: jumlah anak, jumlah TV, jumlah sekolah – Kontinu: nilainya bisa berapa saja dalam range atau interval tertentu; contoh: pendapatan, pengeluaran, berat badan, umur 05/09/201217E. L. Pardede

18 Skala Pengukuran Data (1) Skala pengukuran: cara mengukur variabel Dalam melakukan pengukuran data, pengelompokan individu/obyek penelitian harus bersifat: – Mutually exclusive: kategori yang dibuat hanya mengelompokkan SATU individu/obyek penelitian per kategori (tidak tumpang tindih) – Exhaustive: setiap individu/obyek HARUS muncul dalam satu kagetori (tidak ada yang tertinggal) Contoh: data pendidikan di Susenas 05/09/201218E. L. Pardede

19 05/09/2012E. L. Pardede19 Keterangan Pendidikan dari Kuesioner SUSENAS 2009 KOR

20 Skala Pengukuran Data (1) Skala nominal: data yang kategorinya tidak ada tingkatan/urutan. Contoh: Jenis kelamin, daerah tempat tinggal Data ordinal: data yang diklasifikasikan berurut/bertingkat (orderly/ranked) berdasarkan karakteristik tertentu. Contoh: Rasa jus di kantin FEUI 05/09/201220E. L. Pardede

21 Jumlah Mahasiswa Beberapa Program Studi di PPs UI (Data Rekaan) NoProgram Studi/KajianJumlah Mahasiswa 1Ilmu Lingkungan25 2Kajian Ketahanan Nasional80 3Kajian Stratejik Intelijen30 4Kajian Kependudukan dan Ketenagaan Kerja 35 5Kajian Ilmu Kepolisian70 6Kajian Gender10 05/09/2012E. L. Pardede21

22 Program Studi di PPs UI berdasarkan Jumlah Mahasiswa (Data Rekaan) NoProgram Studi/KajianJumlah Mahasiswa 1Kajian Ketahanan Nasional80 2Kajian Ilmu Kepolisian70 3Kajian Kependudukan dan Ketenagaan Kerja 35 4Kajian Stratejik Intelijen30 5Ilmu Lingkungan25 6Kajian Gender10 05/09/2012E. L. Pardede22

23 Jumlah Jenis Jus Kantin FEUI berdasarkan Rasa (Data Rekaan) NoRasa JusJumlah Jus 1Sangat enak5 2Enak3 3Biasa/sedang/netral1 4Tidak enak1 5Sangat tidak enak0 05/09/2012E. L. Pardede23

24 Skala Pengukuran Data (2) Data interval: berurutan seperti data ordinal, tetapi jarak antara karakteristik sama dengan jarak dalam pengukuran. Contoh: Temperatur, ukuran sepatu Data rasio: berurutan seperti data ordinal, jarak antara karakteristik sama dengan jarak dalam angka dalam pengukuran, dan angka 0 artinya adalah tanpa karakteristik Contoh: Pendapatan, upah, penjualan, jarak 05/09/201224E. L. Pardede

25 Ukuran Pakaian (Standar Belanda) UkuranInterval Small36-38 Medium40-42 Large /09/2012E. L. Pardede25

26 Predikat Lulusan UI UkuranInterval Memuaskan2,75-3,40 Sangat Memuaskan3,41-3,70 Cum Laude3,71-4,00 05/09/2012E. L. Pardede26

27 Rata-rata Upah Menurut Pendidikan dan Jenis Kelamin, 2007 NoPendidikanLaki-laki (Rp)Perempuan (Rp) RASIO UPAH (L/P) 1<=SD 1,421,2171,078, SMP 1,549,5861,059, SMA 2,342,9671,806, Akademi/Dipl. 3,275,4662,537, Universitas 2,496,5161,664, Rata-rata 958,972715, Sumber: BPS, dikutip dari Fa’atin (2010), diolah 05/09/2012E. L. Pardede27

28 Distribusi Frekuensi Definisi: pengelompokan data ke dalam kategori/kelompok/kelas yang mutually exclusive yang menyajikan jumlah observasi di dalam setiap kategori/kelompok/kelas Metode: 1.Tentukan jumlah kelompok 2.Tentukan interval/lebar tiap kelompok 3.Tentukan batas atas dan bawah tiap kelompok 4.Hitung jumlah observasi untuk tiap kelompok 05/09/201228E. L. Pardede

29 Jumlah Kelompok dan Interval Kelas 05/09/2012E. L. Pardede29 Rumus penentuan jumlah kelompok (1) 2 k  n (2) k = 1 + 3,322 Log n di mana k=jumlah kelompok dan n=jumlah observasi Rumus penentuan interval kelompok/kelas Interval Kelas = Nilai terbesar – Nilai terkecil Jumlah kelas

30 Distribusi Frekuensi Relatif Definisi: menyajikan persentase/proporsi berdasarkan jumlah observasi di dalam setiap kategori/kelompok/kelas Absolut vs Relatif: – Jumlah lulusan cum laude prodi S2 Ilmu Kepolisian UI lebih besar daripada jumlah lulusan cum laude prodi S2 Kependudukan & Ketenagakerjaan UI 30E. L. Pardede05/09/2012

31 Absolut vs Relatif Distribusi Lulusan Program Studi Ilmu Kepolisian dan Kependudukan dan Ketenagakerjaan Pascasarjana UI Berdasarkan Predikat Lulusan (Data Rekaan) 05/09/2012E. L. Pardede 31 PREDIKAT LULUSAN Kajian Kepolisian Kajian Kependudukan & Ketenagakerjaan Cum Laude127 Tidak Cum Laude6828

32 Latihan 2: Bermain dengan Excel 50 lansia diseleksi random dari IFLS 2007 Buat: Distribusi: Frekuensi, Frekuensi Relatif, dan Frekuensi Kumulatif dari usia lansia tersebut Buat Histogram, Diagram Poligon, dan Kurva Ogifnya Buat Histogram distribusi kelompok umur menurut jenis kelamin: 60-69, 70-79, dan /09/2012E. L. Pardede32

33 Observational studies vs Randomized experiments Umumnya data untuk studi bidang ilmu sosial dan ekonomi adalah data hasil studi observasional (given) : tidak bisa memisahkan sampel secara random sampel yang kena ‘treatment’ dan sampel yang ‘dikontrol’ Adanya asosiasi (hubungan) antar variabel berdasarkan data observasional (bersifat pengamatan) yang ditemukan berdasarkan perangkat statistika bersifat netral terhadap hubungan kausalitas (sebab-akibat) 05/09/2012E. L. Pardede33

34 PENTING! “We have to use observational studies that passively observe how treatment happened to be given, rather than actively assign it randomly and fairly when randomized experiments are not feasible. (Bias can be reduced in such cases by including as many as confounding factors possible in a regression) (Wonnacott & Wonnacott, 1990, p. 16). 05/09/201234E. L. Pardede

35 05/09/2012E. L. Pardede35


Download ppt "Statistika dan Aplikasi Komputer Sesi 1: Pengantar Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan Semester."

Presentasi serupa


Iklan oleh Google