>>0 >>1 >> 2 >> 3 >> 4 >> 8

7

6

5

4

3

LET US START

>>0 >>1 >> 2 >> 3 >> 4 >>

POPULAR BIVARIATE ANALYSIS ANALYSIS TYPES RELATION SYMMETRIC A SYMMETRIC/ CAUSAL/ DIRECTIONAL COMPARISON 1 SAMPLE 2 SAMPLES > 2 SAMPLES

PADA DASARNYA ANALISIS “KOMPARASI” DAN “RELASI” ADALAH HAL YANG SAMA DENGAN CARA PANDANG YANG BERBEDA.

>>0 >>1 >> 2 >> 3 >> 4 >> KOMPARASI 2 SAMPEL RANDOM BERPASANGAN Uji Normalitas untuk B Normal Uji t untuk sampel berpasangan Tidak Normal Uji Tanda, McNemar (Dicho.), Wilcoxon Sign Rank Z, Marginal Homogeneity

>>0 >>1 >> 2 >> 3 >> 4 >> KOMPARASI 2 SAMPEL RANDOM INDEPENDEN Uji Normalitas untuk tiap sampel Normal Uji t Pooled Variance bila variansi sama Uji t Nonpooled Variance, Lepage, Cucconi, Brunner-Munzel, Bootstrap, DO Tidak Normal Uji Median, Mann-Whitney U, Kolmogorov-Smirnov Z, Wald-Wolfowitz Runs, Moses Extreme Reactions, Wilcoxon Rank Sum, Pisher-Pitman Permutation, Baumgartner-Weiss-Schindler

>>0 >>1 >> 2 >> 3 >> 4 >> t-TEST MODEL X

>>0 >>1 >> 2 >> 3 >> 4 >> Jika p = 0,01 pada uji t TIDAK SELALU berarti bahwa terdapat perbedaan mean yang sangat signifikan antar 2 kelompok yang dibandingkan TERGANTUNG BESARAN SAMPEL DAN VARIABILITAS DALAM KELOMPOK YANG DIBANDINGKAN

>>0 >>1 >> 2 >> 3 >> 4 >> KOMPARASI > 2 SAMPEL RANDOM INDEPENDEN UJI NORMALITAS UJI HOMOGENITAS VARIANSI Normal UJI MEDIAN EXT, KRUSKAL-WALLIS H, JONCKHEERE- TERPSTRA, TREND, UJI UNTUK UMBRELLA ALTERNATIVES ANALISIS VARIANSI 1-JALAN Homogen Tidak Kombinasi Uji Permutasi & Bootstrap (DO Test)

>>0 >>1 >> 2 >> 3 >> 4 >> ONE-WAY ANOVA MODEL X

>>0 >>1 >> 2 >> 3 >> 4 >> Uji lanjut TIDAK MESTI baru dilakukan jika hasil uji F signifikan KARENA ANOVA MEMBERIKAN KESIMPULAN UMUM, MAKA TIDAK BERARTI JIKA UJI F TIDAK SIGNIFIKAN PASTI TIDAK ADA PERBEDAAN ANTAR KELOMPOKNYA & VICE VERSA

>>0 >>1 >> 2 >> 3 >> 4 >> Eta Squared & Partial Eta Squared TIDAK SELALU setara sebagai estimator dari effect size Karena ETA SQUARED berasal dari proporsi SS Effect dengan SS Total, sedangkan PARTIAL ETA SQUARED berasal dari proporsi SS Effect dengan SS Effect + SS Error

>>0 >>1 >> 2 >> 3 >> 4 >> A SYMMETRIC/CAUSAL/ DIRECTIONAL MEASURES JENIS DATA KATEGORIK (QUALITATIVE) NUMERIK (QUANTITATIVE) NOMINAL ORDINAL INTERVAL/ RATIO -Lambda -Goodman & Kuskal Tau -Uncertainty Coefficient -Sommers’ d MODELING WITH: -Parametric Regression (Linear & Nonlinear) -Nonparametric Regression

>>0 >>1 >> 2 >> 3 >> 4 >> Jika variabel bebas memiliki derajat pengukuran nominal dan variabel terikat memiliki derajat pengukuran interval/rasio (SCALE) gunakan “Eta”

>>0 >>1 >> 2 >> 3 >> 4 >> UJI NORMALITAS UJI LINIERITAS REGRESI Normal REGRESI NONPARA- METRIK Linier Tidak ANALISIS REGRESI NONLINIER ANALISIS REGRESI LINIER SIMPLE REGRESSION

>>0 >>1 >> 2 >> 3 >> 4 >> PLOTTING DATA X & Y PILIH MODEL REGRESI PARAMETRIK YANG SESUAI ANALISIS (MISAL: LINIER) HITUNG RESIDUAL ANALISIS RESIDUAL (UJI ASUMSI) UJI LINIERITAS UJI NORMALITASS TIDAK LINIER LINIER NORMAL TIDAK NORMAL ANALISIS REGRESI NON- PARAMETRIK CLEAR ANOTHER APPROACH TO REGRESSION

>>0 >>1 >> 2 >> 3 >> 4 >> Jika variabel bebas memiliki derajat pengukuran nominal/ordinal kategorik dan variabel terikat memiliki derajat pengukuran interval/rasio (SCALE) gunakan “Dummy Regression”

>>0 >>1 >> 2 >> 3 >> 4 >> SIMPLE LINEAR REGRESSION MODEL

>>0 >>1 >> 2 >> 3 >> 4 >> KINDS OF LINEAR REGRESSION ANALYSIS Syarat: Data Interval/Rasio untuk Variabel Independen dan/atau Variabel Dependen Sampel random Asumsi: Normal & Linier dalam Model DESCRIPTIVE REGRESSION Gunakan Model untuk prediksi Gunakan R 2 untuk menentukan besaran dampak/pengaruh INFERENCE REGRESSION (all above plus) Gunakan F untuk uji model (keseluruhan) Gunakan t untuk uji koefisien (parsial)

>>0 >>1 >> 2 >> 3 >> 4 >> SYMMETRIC MEASURES (RECIPROCAL) JENIS DATA KATEGORIK (QUALITATIVE) NUMERIK (QUANTITATIVE) NOMINAL ORDINAL INTERVAL/ RATIO -Lambda -Uncertainty Coefficient -Sommers’ d MODELING WITH: -Regression X on Y & -Regression Y on X

>>0 >>1 >> 2 >> 3 >> 4 >> SYMMETRIC MEASURES (RELATIONAL) JENIS DATA KATEGORIK (QUALITATIVE) NUMERIK (QUANTITATIVE) NOMINAL ORDINAL INTERVAL/ RATIO -Phi, Cramer’s V, CC -McNemar-Bowker -Kendall Tau-a, b, Gamma -Spearman’s Rho (Rank Order Correlation) -Pearson’s Product Moment Correlation ORDINAL/ RANK

>>0 >>1 >> 2 >> 3 >> 4 >> SIMPLE LINEAR CORRELATION MODEL

>>0 >>1 >> 2 >> 3 >> 4 >> KINDS OF “R’ ANALYSIS Syarat: Data Interval/Rasio Sampel random Asumsi: Normal & Linier dalam Data DESCRIPTIVE CORRELATION Gunakan tabel untuk menentukan tingkatan hubungan/determinasi INFERENCE CORRELATION Gunakan tabel R atau uji t untuk uji signifikansi

>>0 >>1 >> 2 >> 3 >> 4 >> Jika p = 0,01 pada uji r TIDAK SELALU berarti bahwa terdapat korelasi yang sangat signifikan antar 2 kelompok yang dikorelasikan & vice versa TERGANTUNG BESARAN SAMPEL DAN PEMENUHAN ASUMSINYA

>>0 >>1 >> 2 >> 3 >> 4 >> TRANSFORMASI STATISTIK LAINNYA KE “R” UNTUK ANALISIS DESKRIPTIF

>>0 >>1 >> 2 >> 3 >> 4 >>

Klasifikasi Hubungan Koefisien R Koefisien R 2 Klasifikasi Determinasi Nihil0,00 Nihil Sangat Rendah> ±0,00 – ±0,20 > 0,00 – 0,04> 0,00 – 0,20 Sangat Rendah Rendah> ±0,20 – ±0,40 > 0,04 – 0,16> 0,20 – 0,40 Rendah Cukup> ±0,40 – ±0,60 > 0,16 – 0,36 > 0,40 – 0,60Cukup Tinggi> ±0,60 – ±0,80 > 0,36 – 0,64 > 0,60 – 0,80Tinggi Sangat Tinggi> ±0,80 – < ±1,00 > 0,64 - < 1,00 > 0,80 – < 1,00Sangat Tinggi Sempurna±1, ,00Sempurna TABEL PEMBANDING ANALISIS DESKRIPTIF

>>0 >>1 >> 2 >> 3 >> 4 >> TIDAK BENAR bahwa besaran koefisien korelasi SELALU berada diantara -1,00 – 1.00 Tergantung, asumsinya terpenuhi atau tidak

>>0 >>1 >> 2 >> 3 >> 4 >> TIDAK BENAR Jika data dianalisis dengan komparasi, regresi, atau korelasi BERARTI ada hubungan kausal TERGANTUNG TEORINYA

>>0 >>1 >> 2 >> 3 >> 4 >>