STATISTIKA-Skala Ukur Data dan Korelasi T I PE S K A L A U K U R D A T A

STATISTIKA-Skala Ukur Data dan Korelasi Skala Ukur Nominal Angka yang diberikan kepada obyek hanya sebagai label atau nama saja. Contoh: Nomor Telepon dan Nomor Pemain Sepak Bola

STATISTIKA-Skala Ukur Data dan Korelasi Skala Ukur Ordinal Angka yang diberikan kepada suatu obyek memiliki urutan. Contoh: Pemenang Lomba F1 atau MotoGP, urutan juara kelas.

STATISTIKA-Skala Ukur Data dan Korelasi Skala Ukur Interval Angka yang diberikan kepada objek memiliki semua sifat skala ukur ordinal, ditambah dengan sifat kesamaan jarak antara masing-masing pengukuran. TETAPI RASIO antar angka-angka tersebut tidak memiliki arti. Contoh: Derajat celcius atau fahreinheit, dan tanggal dalam kalender

STATISTIKA-Skala Ukur Data dan Korelasi Skala Ukur Rasio Angka yang diberikan kepada obyek memiliki semua sifat dari skala ukur interval dan rasio antara angka-anka tersebut memiliki arti Contoh: Jarak dalam kilometer

STATISTIKA-Skala Ukur Data dan Korelasi Deskripsi Urutan Jarak Rasio Nominal Ya Tidak Ordinal Interval Ratio

STATISTIKA-Skala Ukur Data dan Korelasi Seringkali orang membicarakan keterkaitan antara suatu hal dengan hal lainnya. Korelasi adalah cara ilmiah yang akan memberikan informasi mengenai hubungan antara dua buah variabel. ILUSTRASI KORELASI

STATISTIKA-Skala Ukur Data dan Korelasi Berdasarkan Gambar Ilustrasi tersebut. Apa yang dapat anda katakan tentang korelasi: Korelasi menyatakan kekuatan hubungan antara dua buah variabel. Semakin kuat hubungan antara dua buah variabel, semakin tinggi nilai korelasinya.

STATISTIKA-Skala Ukur Data dan Korelasi KORELASI SESUAI SKALA UKUR DATA Nominal: Phi coefficient Ordinal: Spearman’s correlation, Kendall’s correlation Interval-Ratio: Pearson Correlation

STATISTIKA-Skala Ukur Data dan Korelasi NILAI KORELASI DATA Tidak ada hubungan Kuat Sedang Lemah Lemah Sedang Kuat -1.0 -0.6 -0.3 -0.1 0 +0.1 +0.3 +0.6 +1.0 Catatan Tanda – dan + menandakan arah hubungan. (+) semakin tinggi nilai suatu variabel semakin tinggi juga nilai variabel lainnya (-) semakin tinggi semakin rendah Nominal Ordinal Interval Ratio

STATISTIKA-Skala Ukur Data dan Korelasi Nominal: Phi coefficient Langkah menghitung Phi-Coefficient: Buat Tabel Kontingensi Hitung Nilai Chi-Square tabel tersebut dgn rumus: Hitung Phi-Coefficient menggunakan rumus: Catatan: Oij = frekuensi observasi Eij = (ni. x n.j)/n frekuensi ekspektasi n = banyaknya sampel

STATISTIKA-Skala Ukur Data dan Korelasi Nominal: Phi coefficient Contoh Kasus: Seorang ahli pemasaran ingin meneliti apakah co-hort (generasi) tertentu memiliki kecendrungan tertentu dalam jenis musik yang disukainya. ---adakah hubungan antara co-hort dan jenis musik tertentu--- Data yang dikumpulkan sbb: Musik Rock Non-Musik Rock TOTAL 80-an 43 9 52 90-an 44 4 48 87 13 100

STATISTIKA-Skala Ukur Data dan Korelasi Nominal: Phi coefficient Langkah Pengerjaannya: 1. Buat Tabel Kontingesi 2. Hitung nilai Chi-Squarenya: E11 = (n1. x n.1)/n = (52 x 87)/100 = 45.24 E21 = (n2. x n.1)/n = (48 x 87)/100 = 41.76 E12 = (n1. x n.2)/n = (52 x 13)/100 = 6.76 E22 = (n2. x n.2)/n = (48 x 13)/100 = 6.24 Chi-Square:

STATISTIKA-Skala Ukur Data dan Korelasi Nominal: Phi coefficient Langkah Pengerjaannya: 3. Hitung phi-coefficient nya: Kesimpulannya: Ada hubungan yang lemah antara co-hort dan jenis musik tertentu

STATISTIKA-Skala Ukur Data dan Korelasi Ordinal: Spearman Correlation Rumus rho-coefficient: Contoh kasus: Seorang ahli pendidikan ingin mengetahui adakah hubungan antara IQ dan lamanya jam yang dihabiskan untuk menonton televisi dalam seminggu. Berikut adalah datanya:

STATISTIKA-Skala Ukur Data dan Korelasi Ordinal: Spearman Correlation Langkah pengerjaan: Hitung Rumus:

STATISTIKA-Skala Ukur Data dan Korelasi Ordinal: Spearman Correlation Langkah pengerjaan: Hitung Rumus: Kesimpulan: Terdapat korelasi yang lemah dan negatif antara IQ dan lamanya jam yang dihabiskan untuk menonton televisi selama seminggu

STATISTIKA-Skala Ukur Data dan Korelasi Ordinal: Kendall Correlation Rumus tau-coefficient: Contoh kasus: Seorang ahli geniologi ingin meneliti, apakah ada hubungan antara tinggi dan berat badan seseorang. Data yang didapat ternyata tidak sempurna sehingga hanya mendapat data berbentuk ranking. Person A B C D E F G H Rank by Height 1 2 3 4 5 6 7 8 Rank by Weight

STATISTIKA-Skala Ukur Data dan Korelasi Ordinal: Kendall Correlation Langkah pengerjaan: P = 5 + 4 + 5 + 4 + 3 + 1 + 0 + 0 = 22 Kesimpulan: Terdapat korelasi yang sedang antara tinggi dan berat badan seseorang

STATISTIKA-Skala Ukur Data dan Korelasi Rasio: Pearson Correlation Rumus r coefficient: Catatan: ; St.Dev. x ; St.Dev. y Kovarian antara x dan y

STATISTIKA-Skala Ukur Data dan Korelasi Rasio: Pearson Correlation Contoh kasus: Mudahman memiliki data-data mengenai biaya iklan dan nilai penjualan 12 merk sepatu. Data tersebut dikumpulkannya dari publikasi tahunan laporan keuangan (dalam juta rupiah) dari masing-masing merk sepatu. Data tersebut adalah sebagai berikut: Apakah ada hubungan antara biaya iklan dan nilai penjualan?

STATISTIKA-Skala Ukur Data dan Korelasi Rasio: Pearson Correlation Langkah Pengerjaannya:

STATISTIKA-Skala Ukur Data dan Korelasi Rasio: Pearson Correlation Langkah Pengerjaannya: Hitung Rumus: Sxy= (5287.50)/11 Sx = sqrt(1641.67/11) Sy = sqrt(42256.25/11) r = 0.635 Kesimpulan: Ada hubungan yang kuat dan positif antara biaya iklan dan nilai penjualan

STATISTIKA-Skala Ukur Data dan Korelasi Contoh kasus: Pikirkanlah kasus-kasus pemasaran di bawah ini, tentukan dengan skala ukur apa variabel-variabelnya dapat diukur dan korelasi apa yang tepat untuk variabel-variabel tersebut. Market Share ada hubungannya dengan Brand Share Kepuasan berhubungan dengan kualitas layanan Preferensi berhubungan dengan keputusan membeli