Pemrosesan data Tim Dosen MSI

KENALI DATA YANG DIMILIKI

DATA

HITUNG DATA

NOMINAL DATA HITUNG (TIDAK BERBEDA)

NOMINAL (TIDAK BERBEDA) JENIS KELAMIN WAKTU HARI WARNA NOMINAL (TIDAK BERBEDA)

NOMINAL (TIDAK BERBEDA) HITUNG ORDINAL (ADA BEDA) DATA

ORDINAL (ADA BEDA) YA – TIDAK SANGAT SUKA - SUKA - KURANG SUKA SANGAT ENAK - ENAK – CUKUP ENAK – TIDAK ENAK NILAI BISA BERVARIASI, JARAK HARUS SAMA

NOMINAL (TIDAK BERBEDA) HITUNG DATA ORDINAL (ADA BEDA)

NOMINAL (TIDAK BERBEDA) HITUNG ORDINAL (ADA BEDA) DATA UKUR

TIDAK ABSOLUT (SUHU, PERSEPSI) INTERVAL UKUR

UKUR INTERVAL RASIO TIDAK ABSOLUT (SUHU, PERSEPSI) ABSOLUT (BERAT, TINGGI) RASIO

NOMINAL (TIDAK BERBEDA) HITUNG ORDINAL (ADA BEDA) DATA INTERVAL TIDAK ABSOLUT (SUHU, PERSEPSI) UKUR RATIO ABSOLUT (SUHU, PERSEPSI)

PEDOMAN PENGGUNAAN UJI STATISTIK MULAI TIPE DATA

PEDOMAN PENGGUNAAN UJI STATISTIK MULAI ? NOMINAL / ORDINAL TIPE DATA

STATISTIK NON-PARAMETRIK TIPE DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA

INTERVAL / RASIO ? STATISTIK NON-PARAMETRIK TIPE DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO ?

STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA

TIDAK NORMAL STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL

NORMAL STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL NORMAL

STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA BESAR SAMPEL PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL NORMAL BESAR SAMPEL

<30 (KECIL) STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA <30 (KECIL) TIDAK NORMAL NORMAL BESAR SAMPEL

>30 (BESAR) STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL NORMAL STATISTIK PARAMETRIK BESAR SAMPEL >30 (BESAR)

>30 (BESAR) STATISTIK NON-PARAMETRIK TIPE DATA DISTRIBUSI DATA PEDOMAN PENGGUNAAN UJI STATISTIK MULAI STATISTIK NON-PARAMETRIK NOMINAL / ORDINAL TIPE DATA INTERVAL / RASIO DISTRIBUSI DATA <30 (KECIL) TIDAK NORMAL NORMAL STATISTIK PARAMETRIK BESAR SAMPEL >30 (BESAR)

Statistik Non Parametrik Umumnya digunakan pada jenis data nominal dan ordinal Dapat digunakan pada populasi yang bebas distribusi dengan kata lain distribusi normal atau tidak normal Dapat digunakan pada jumlah sampel lebih kecil

Bentuk-bentuk hipotesis penelitian Hipotesis Deskriptif Hipotesis Komparatif Hipotesis asosiatif

Hipotesis Deskriptif Masalah deskriptif Hipotesis deskriptif Apakah pustakawan lebih suka makan manis ? Hipotesis deskriptif Pustakawan lebih suka makan manis Hiptesis Statistik Ho : µ = 50 % Ha : µ ≠ 50 %

Hipotesis Komparatif Masalah komparatif Hipotesis komparatif Apakah pustakawan lebih banyak membaca dari pada guru ? Hipotesis komparatif Pustakawan lebih banyak membaca dari pada guru Hiptesis Statistik H0 : µ1 = µ2 Ha : µ1 ≠ µ2

Hipotesis Asosiatif Masalah asosiatif Hipotesis asosiatif Apakah ada hubungan antara motivasi dengan kinerja pustakawan Hipotesis asosiatif Ada hubungan antara motivasi dengan kinerja pustakawan Hiptesis Statistik H0 : ρ = 0 Ha : ρ ≠ 0

Perbedaan Parametrik Non Parametrik Bentuk Distribusi Harus diketahui bentuk distribusinya (berdistribusi normal/bentuk distribusi lain (binomial, poisson, dsb) Tidak mempermasalahkan bentuk distribusinya (bebas distribusi) Skala Pengukuran Skala Interval & Rasio Skala Nominal & Ordinal (Pada umumnya) Jumlah Sampel Jumlah sampel besar, atau bisa juga jumlah sampel kecil tetapi memenuhi asumsi salah satu bentuk distribusi. Jumlah sampel kecil

Statistika Nonparametrik Keuntungan Tidak peduli bentuk distribusi populasi Dapat digunakan untuk jumlah sampel kecil Untuk data berbentuk ranking, plus atau minus. Dapat digunakan pada data yang hanya mengklasifikasikan sesuatu (skala nominal) Kekurangan Mengabaikan informasi yang penting, karena nilai variabel diganti dengan nilai ranking Hasil pengujian tidak setajam uji parametrik

Terima kasih….