Pengantar Statistik Inferens

Presentasi berjudul: "Pengantar Statistik Inferens"— Transcript presentasi:

1 Pengantar Statistik Inferens

2 PENDAHULUAN Statistik untuk penelitian Pemahaman Penelitian
Cara ilmiah  didasarkan pada ciri-ciri keilmuan yaitu rasional, empiris dan sistematis Logico  hipotetico  Perivicatif Tujuan Penelitian Penemuan Pembuktian Pengembangan

3 Peran Statistik Dalam Penelitian
Alat untuk menghitung besarnya anggota sampel yang diambil ddari suatu populasi. Dengan demikian jumlah sampel lebih dapat dipertanggungjawabkan. Alat untuk menguji validitas dan reliabilitas instrumen. Sebelum instrumen digunakan untuk penelitian, maka harus diuji validitas dan reliabilitas terlebih dahulu.

4 Peran Statistik Dalam Penelitian
Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif, misal grafik, diagram, tabel dll. Alat untuk analisis data seperti menguji hipotesis penelitian yang diajukan.

5 Uji validitas dan reliabilitas
Perlu Statistik untuk Uji validitas dan reliabilitas Instrumen Perlu Statistik Perlu Instrumen Perlu Statistik Perlu Statistik Masalah Berteori Menentukan Sampel Pengumpulan Data Menyajikan Data Menganalisa data Kesimpulan Dan Saran Pembahasan

6 STATISTIK INFERENSIAL
Definisi Statistik Inferensial adalah statistik yang digunakan untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi dimana sampel diambil. Jenis Terdapat dua macam statistik inferensial Statistik Parametris Statistik Nonparametris

7 Konsep umum Deskriptif statistik Parametris Inferensial Non parametris

8 Pengenalan Data dalam Penelitian
Data hasil penelitian dikelompokkan : Data kualitatif Data Kuantitatif Data Kualitatif adalah data yang berbentuk kalimat, kata atau gambar Data Kuantitatif adalah data yang berbentuk angka Data diskrit Data kontinum Ordinal Interval Rasio

9 Pengertian Data diskrit adalah data yang diperoleh dari hasil menghitung atau membilang (bukan mengukur) biasa juga disebut data nominal Data kontinum adalah data yang diperoleh dari hasil pengukuran Ordinal : data yang berjenjang atau berbentuk peringkat shg jarak satu dengan yang lain mungkin tidak sama Interval : data yang jaraknya sama, tetapi tidak mempunyai nilai 0 absolut (mutlak), skala likert, vas Rasio : Data yang jaraknya sama dan mempunyai nilai nol absolut, misal panjang, tinggi badan, berat badan

10 Kualitatif Macam data Diskrit Ordinal Kuan Interval Kontinum Rasio

11 SAMPEL DAN POPULASI

12

13

14

15

16

17

18 TUGAS: DIKUMPULKAN MINGGU DEPAN DALAM BENTUK FILE
Uraikan dan jelaskan macam2 teknik sampling seperti gambar yang ada di slide sebelumnya Berikan contoh masing2 teknik sampling tersebut

19 HIPOTESIS Hipotesis dalam penelitian
Hipotesis penelitian dan hipotesis statistik Hipotesis penelitian adalah jawaban sementara atas rumusan masalah Hipotesis statistik adalah dugaan keadaan populasi dengan menggunakan data sampel. Hipotesis nul (Ho) Hipotesis Alternatif (Ha) Pembuktian terhadap hipotesis  upaya untuk menghasilkan pembuktian empiris.

20 Hipotesis alternatif (Ha)
Hipotesis nul (Ho) Sering disebut hipotesis statistik atau hipotesis yang diuji dengan statistik. Memiliki bentuk dasar/statement yang menyatakan tidak ada hubungan antara variabel X dan variabel Y. Hipotesis alternatif (Ha) Lawan dari hipotesis nul Memiliki bentuk dasar / statement yang menyatakan ada hubungan antara variabel X dan variabel Y

21 HIPOTESIS Ho : Tidak ada perbedaan yang bermakna berat badan bayi lahir ibu merokok dan ibu yang tidak merokok Ha : Ada perbedaan yang bermakna berat badan bayi lahir ibu merokok dan ibu tidak merokok

22 ARAH/BENTUK UJI HIPOTESIS
SATU ARAH (ONE TAIL) Bila hipotesis alternatifnya menyatakan adanya perbedaan dan ada pernyataan yang mengatakan hal yang satu lebih tinggi/rendah dari hal yang lain. Contoh : Berat badan bayi lahir ibu yang merokok lebih kecil dibandingkan berat badan bayi dari ibu hamil yang tidak merokok

23 DUA ARAH (TWO TAIL) Merupakan hipotesis alternatifnya yang hanya menyatakan perbedaan tanpa melihat apakah hal yang satu lebih tinggi/rendah dari hal yang lain. Contoh ; Ada perbedaan berat badan bayi lahir ibu yang merokok dengan yang tidak merokok

24 Penulisan hipotesis Ho : µ A = µ B Ha : µ A = µ B
Tidak ada perbedaan nilai variabel A dan B Ha : µ A = µ B Ada perbedaan nilai variabel A dan B

25 Kesalahan pengambilan hipotesis yang dipilih dalam uji statistik :
Kesalahan α (Tipe I) Merupakan kesalahan menolak Ho padahal Ho benar. Artinya menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan. Peluang kesalahan tipe I (I) adalah α atau sering disebut Tingkat Signifikan (Significance level)

26 Sebaliknya peluang untuk tidak membuat kesalahan tipe I adal;ah sebesar 1 – α, yang disebut dengan tingkat kepercayaan (confidence level) Kesalahan β (Tipe II) Merupakan kesalahan tidak menolak Ho padahal sesungguhnya ada perbedaan. Peluang untuk tidak membuat kesalahan tipe II adalah sebesar 1- β dan dikenal sebagai Tingkat Kekuatan Uji (Power of test)

27 Uji Hipotesis Prosedur Menetapkan Hipotesis
Menetukan uji statistik yang sesuai, sangat tergantung dari : Jenis variabel yang akan dianalisis Jenis data apakah dependen atau independen Jenis distribusi data populasinya mengikuti distribusi normal atau tidak

28 Jenis uji statistik untuk mengetahui perbedaan rata-rata (mean) akan berbeda dengan uji statistik untuk mengetahui perbedaan proporsi/presentase Uji beda mean menggunakan uji T atau uji ANOVA sedangkan uji perbedaan proporsi digunakan uji Khi kuadrat.

29 Keputusan uji statistik
Hasil pengujian statistik akan menghasilkan dua kemungkinan yaitu menolak Ho dan gagal menolak Ho Untuk melakukan perhitungan ini digunakan dua pendekatan : Klasik dengan membandingkan nilai hasil perhitungan dengan nilai tabel Besarnya nilai tabel tergantung besar alpha yang ditetapkan dan arah uji apakah one tail atau two tail.

30 Ketetapan menolak atau gagal menolak Ho
Jika Nilai hasil perhitungan lebih besar dari nilai tabel maka Ho ditolak Jika nilai hasil perhitungan lebih kecil dari nilai tabel maka Ho gagal ditolak. Pendekatan Probabilistik Statistik dengan perangkat lunak seperti SPSS, EPI Info, dll Jika P lebih kecil atau sama dengan α, maka Ho ditolak Jika P lebih besar dari α, maka Ho gagal ditolak

31 Pendekatan probalistik
Pengertian nilai P Nilai P merupakan nilai yang menunjukkan besarnya peluang salah menolak Ho Besarnya peluang hasil penelitian terjadi karena faktor kebetulan (by chance).

32 Contoh : Suatu penelitian ingin mengetahui riwayat hipertensi ibu hamil dengan berat badan bayi yang dikandungnya. Hasil penelitian melaporkan bahwa rata-rata berat badan bayi dari ibu hipertensi adalah 2000 gram, sedangkan rata-rata berat badan yang lahir dari ibu yang tidak hipertensi adalah 3000 gram. Pertanyaan yang timbul adalah apakah perbedaan berat badan bayi tersebut juga berlaku untuk seluruh populasiyang diteliti atau hanya faktor kebetulan saja ? Untuk menjawab pertanyaan tersebut kemudian dilakukan uji statistik dengan uji T. dengan hasil perhitungan P = 0,0110, maka berarti peluang adanya perbedaan berat bayi akibat faktor kebetulan (by chance) adalah sebesar 0,0110. Peluang tersebut sangat kecil (P=0,0110 sehingga dapat diartikan bahwa adanya perbedaan tersebut bukan karena faktor kebetulan namun karena memang adanya pengaruh riwayat hipertensi

33 sekian