Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Statistics: Lecture 2 Nora Nailul Amal, S.Sos., MLMEd, Hons.

Presentasi serupa


Presentasi berjudul: "Statistics: Lecture 2 Nora Nailul Amal, S.Sos., MLMEd, Hons."— Transcript presentasi:

1 Statistics: Lecture 2 Nora Nailul Amal, S.Sos., MLMEd, Hons.

2 Mengenal data

3 Arti dan Kegunaan data  Data adalah keterangan mengenai sesuatu hal, keterangan yang mungkin berbentuk angka atau bilangan, dan mungkin juga tidak. Data yang berbentuk angka atau bilangan disebut ‘data kuantitatif’ (Pasaribu, 1975)  Data adalah sesuatu yang diketahui atau dianggap dapat memberikan gambaran tentang suatu keadaan atau persoalan (Supranto, 1986)

4 Jenis data: Cara mendapatkan dan maksudnya  Data extern Adalah keterangan yang diperoleh dari atau di luar lembaga yang memerlukannya  Data intern Adalah keterangan yang dikumpulkan oleh suatu badan/lembaga mengenai aktivitas badan/lembaga itu sendiri dan hasilnya digunakan untuk keperluan badan/lembaga itu pula

5 Jenis data: Sumber  Data Primer Adalah data yang dikumpulkan oleh suatu badan/lembaga dan digunakan oleh badan/lembaga yang bersangkutan  Data Sekunder Adalah data yang dikumpulkan oleh lembaga/badan lain

6 Jenis Data: waktu pengumpulan  Cross section data Adalah data yang dikumpulkan pada waktu tertentu yang bisa atau digunakan untuk menggambarkan keadaan/kegiatan pada waktu yang sama dengan pengukurannya. For instance: data sensus  Time series data / data berkala Adalah data yang dikumpulkan dari waktu ke waktu secara teratur, example: produksi tanaman pangan per tahun, naik turun, tren

7 Tujuan pengumpulan data  Memperoleh gambaran tentang suatu keadaan  Sebagai referensi dalam pembuatan keputusan atau untuk memecahkan masalah

8 Kegunaan pengumpulan data  Sebagai dasar pembuatan perencanaan, agar perencanaan bisa dibuat dengan baik maka harus didukung oleh cukup data  Sebagai alat kontrol terhadap pelaksanaan atau implementasi suatu perencanaan  Sebagai dasar evaluasi hasil kerja akhir

9 Data yang baik  Data harus objektif. Harus sesuai dengan keadaan yang sebenarnya  Data harus mewakili keadaan yang sedang diobservasi  Kesalahan baku harus kecil  Data harus tepat waktu, khususnya apabila data akan digunakan untuk keperluan kontrol atau evaluasi  Data harus relevan. Harus berhubungan dengan persoalan yang hendak dipecahkan

10 Cara pengumpulan data 1. Wawancara  bersifat langsung mengajukan pertanyaan pada responden berkaitan masalah penelitian. interviewee: penjelasan maksud dan tujuan interviewer: tata cara pelaksanaan wawancara 2. Kuesioner  teknik pengumpulan data yang dilakukan dengan memberikan atau mengajukan serangkaian pertanyaan secara tertulis. Pertanyaan yang diajukan biasanya sudah dilengkapi dengan jawawannya sehinga responden hanya memberi tanda terhadap pilihan sesuai dengan keadaannya.

11 Cont..  Kelemahan kuesioner: tidak memberikan keleluasaan bagi responden dalam memberikan jawaban karena alternatif jawabannya sudah disiapkan oleh peneliti. Teknik ini sering disebut teknik berstandar dan mengarah.  Kelemahan kuesioner yang lain: responden banyak yang tidak menjawab pertanyaan secara lengkap, atau tidak mengembalikan kepada peneliti  Kelebihan kuesioner: karena jawaban sudah ditentukan maka akan ditemukan uniformitas jawaban yang mempermudah pemberian kode terhadap masing-masing jawaban yang masuk.  Responden tidak mendapat bantuan, karenanya pertanyaan harus mudah dipahami dan tidak bermakna ganda

12 Cont.. 3. Tes dan skala objektif  biasanya berupa serangkaian tes atau skala pengujian yang bersifat objektif. Bentuk tes yang lazim adalah tes kecerdasan, bakat, prestasi, kepribadaian, skala sikap, nilai. Biasanya digunakan dalam penyelidikan psikologi. 4. Observasi tingkah laku  dilakukan dengan mengamati objek secara langsung, melihat dan mendengar. Validitas data sangat bergantung pada kemampuan peneliti. Kelemahan: subjektif 5. Metode proyektif  banyak digunakan dalam psikologi, melihat dan mengevaluasi proyeksi diri seseorang pada objek tertentu, misal karakter orang melalui tulisan.

13 Pengukuran data: skala  Data harus bisa diukur. Bermula dari teori, rumusan konsep yang hendak diukur akan mempunyai batas-batas yang jelas.  Operasionalisasi konsep: status sosial ekonomi (pendapatan perbulan, gaji bulanan, pemilikan barang-barang, dsb)  Ukuran data: skala

14 Jenis skala  Skala nominal: pengukuran data yang dinyatakan dalam kategori atau kelompok, tidak dapat dikuantifikasi, misal jenis pekerjaan, jenis kelamin, agama, dsb  Skala ordinal: mengandung sifat urutan atau ranking, misal kepangkatan dalam militer, tingkat pendidikan, prestasi dsb  Skala interval: mengandung tiga sifat, kategori, urutan, dan jarak pengukuran, misal umur mahasiswa antara 17-22, kelompok petani berpenghasilan antara  Skala rasio: skala pengamatan yang mengandung unsur perbandingan contoh ukuran panjang, berat, daya tahan, dsb.

15 Pengolahan dan penyajian data  Raw data mesti diolah, karena belum bisa memberikan banyak manfaat atau interpretasi.  Pengolahan data merupakan langkah penyederhanaan data ke dalam bentuk sajian khusus.  Data disajikan dalam bentuk yang mudah dibaca, bisa berupa gambar, tabel atau grafik

16 Tabel  Judul tabel  singkat, jelas, dan sederhana. Susunan redaksi harus mampu menjelaskan isi yang tersaji dalam tabel.  Sumber data  referensi darimana data diperoleh, apakah merupakan hasil pengukuran langsung atau mengutip dari sumber lain  Judul kolom/baris  keterangan spesifik mengenai keterangan yang disajikan dalam baris/kolom

17 Jenis tabel  Tabel satu arah Tabel 2.1 Hasil Ujian Statistik NoHasil UjianBanyaknya 1Lulus60 2Tidak lulus25 Jumlah85 Sumber: fiktif

18 Tabel dua arah Tabel II.2 Hasil ujian statistik sosial 2008 Menurut Jenis Kelamin NoHasilLaki-lakiPerempuanJumlah 1Lulus Tidak lulus Jumlah Sumber: fiktif

19 Tabel tiga arah Tabel II.3 Hasil ujian statistik sosial 2008 Menurut Jenis Kelamin dan tahun angkatan NoHasilLaki-lakiPerempuanJumlah LamaBaruLamaBaru 1Lulus Tidak lulus Jumlah Sumber: fiktif

20 Tabel silang Tabel II.4 Hubungan antara frekuensi belajar dan hasil ujian statistik 2008 Frekuensi belajar Hasil ujianJumlah LulusTidak lulus Tinggi37845 Sedang Rendah3710 Jumlah Sumber: fiktif

21 Diagram  Batang  Pie  Garis  Lambang/simbol; contoh: padi

22 Next week..  Distribusi frekuensi


Download ppt "Statistics: Lecture 2 Nora Nailul Amal, S.Sos., MLMEd, Hons."

Presentasi serupa


Iklan oleh Google