Konsep Dasar Statistik

KONSEP DASAR STATISTIK

Oleh: Asroni Paslah, S.Pd.

(Mahasiswa Program Magister Manajemen Pendidikan Universitas Lampung)

I. PENDAHULUAN

1.1 Latar Belakang

Statistik memegang peranan yang penting dalam penelitian, baik dalam penyusunan model,

perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan data, dalam

penyusunan desain penelitian, dalam penentuan sampel dan dalam analisa data. Dalam banyak

hal, pengolahan dan analisa data tidak luput dari penerapan teknik dan metode statistik tertentu,

yang mana kehadirannya dapat memberikan dasar bertolak dalam menjelaskan hubungan-

hubungan yang terjadi. Statistik dapat digunakan sebagai alat untuk mengetahui apakah

hubungan kausalitas antara dua atau lebih variabel benar-benar terkait secara benar dalam suatu

kausalitas empiris ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.

Statistik telah memberikan teknik-teknik sederhana dalam mengklasifikasikan data serta dalam

menyajikan data secara lebih mudah, sehingga data tersebut dapat dimengerti secara lebih

mudah. Statistik telah dapat menyajikan suatu ukuran yang dapat mensifatkan populasi ataupun

menyatakan variasinya, dan memberikan gambaran yang lebih baik tentang kecenderungan

tengah-tengah dari variabel.

Statistik dapat menolong peneliti untuk menyimpulkan apakah suatu perbedaan yang diperoleh

benar-benarberbeda secara signifikan. Apakah kesimpulan yang diambil cukup refresentatif

untuk memberikan infrensi terhadap populasi tertentu.

Teknik-teknik statistik juga dapat digunakan dalam pengujian hipotesa, mengingat tujuan

penelitian pada umumnya adalah untuk menguji hipotesa-hipotesa yang telah dirumuskan, maka

statistik telah banyak sekali menolong peneliti dalam mengambil keputusan untuk menerima atau

menolak suatu hipotesa. Statistik juga dapat meningkatkan kecermatan peneliti dalam rangka

mengambil keputusan terhadap kesimpulan-kesimpulan yang ingin ditarik.

Penarikan kesimpulan secara statistik memungkinkan peneliti melakukan kegiatan ilmiah secara

lebih ekonomis dalam pembuktian induktif. Tetapi harus disadari bahwa statistik hanya

merupakan alat dan bukan tujuan dari analisa. Karena itu, janganlah dijadikan statistik sebagai

tujuan yang menentukan komponen-komponen peneliti yang lain.

1.2 Rumusan Masalah

Bagaimanakah konsep dasar statistik?

1.3 Tujuan Penulisan

Untuk mengetahui konsep dasar statistik yang meliputi:

a. Pengertian Statistik dan Statistika (Terminologi, Definisi, Karakteristik)

b. Fungsi dan Peranan Statistika

c. Klasifikasi Statistika ditinjau dari:

- Isi yang dipelajari (Statistik Teoritis, Statistik Terapan)

- Aktivitas yang dilakukannya (Statistik Deskriptif, Statistik Inferensial)

d. Istilah-Istilah Umum Statistika

e. Data Statistik (Jenis Data Statistik, dan Skala Pengukuran)

II. KAJIAN PUSTAKA

2.1 Pengertian Statistik dan Statistika

Istilah statistik berasal dari bahasa latin “status” yang artinya suatu negara. Suatu kegiatan

pengumpulan data yang ada hubungannya dengan kenegaraan, misalnya data mengenai

penduduk, data mengenai penghasilan dan sebagainya, yang lebih berfungsi untuk melayani

keperluan administrasi.

Secara kebahasaan, statistik berarti catatan angka-angka (bilangan); perangkaan; data yang

berupa angka-angka yang dikumpulkan, ditabulasi, dikelompokkan, sehingga dapat memberi

informasi yang berarti mengenai suatu masalah, gejala atau peristiwa (depdikbud, 1994).

Menurut Sutrisno Hadi (1995) Statistik adalah untuk menunjukkan kepada pencatatan angka-

angka dari suatu kejadian atau kasus tertentu. Selaras dengan apa yang didefinisikan oleh

Sudjana (1995:2) bahwa statistik adalah kumpulan fakta berbentuk angka yang disusun dalam

daftar atau tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan.

Statistika beda halnya dengan statistik, statistika yang dalam bahasa Inggris “statistics” (ilmu

statistik), ilmu tentang cara-cara mengumpulkan, mentabulasi dan menggolongkan, menganalisis

dan mencari keterangan yang berarti dari data yang berupa angka.

Statistika merupakan ilmu pengetahuan yang berhubungan dengan cara-cara mengumpulkan,

menabulasi, menggolong-golongkan, menganalisis, dan mencari keterangan yang berarti dari

data yang berupa bilangan-bilangan atau angka, sehingga dapat ditarik suatu kesimpulan atau

keputusan tertentu.

Selain itu, Statistika juga merupakan cabang ilmu matematika terapan yang terdiri dari teori dan

metoda mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi, menghitung,

menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang diperoleh secara sistematis.

Dengan demikian, didalamnya terdiri dari sekumpulan prosedur  mengenai bagaimana cara:

Mengumpulkan data

Meringkas data

Mengolah data

Menyajikan data

Menarik kesimpulan dan interpretasi data berdasarkan kumpulan data dan hasil analisisnya

Sedangkan dalam dunia pendidikan, statistika membahas tentang prinsip-prinsip, metode, dan

prosedur yang digunakan sebagai cara pengumpulan, menganalisa serta menginterpretasikan

sekumpulan data yang berkaitan dengan dunia pendidikan.

Lebih jauh, statistika dalam Pendidikan Luar Biasa dapat diartikan sebagai penggunaan (aplikasi)

prinsip-prinsip, dasar-dasar dan perhitungan statistik dalam menganalisa problema-problema

PLB.

Juga dari sisi lain, Statistika dalam psikologi dimaknai sebagai penggunaan (aplikasi) prinsip-

prinsip, dasar-dasar dan perhitungan statistik dalam menganalisa problema-problema bidang

psikologi.

2.2 Fungsi dan Peranan Statistika

Statistika digunakan untuk menunjukkan tubuh pengetahuan (body of knowledge) tentang cara-

cara pengumpulan data, analisis dan penafsiran data.

Fungsi statistika diantaranya yakni:

Statistik menggambarkan data dalam bentuk tertentu

Statistik dapat menyederhanakan data yang kompleks menjadi data yang mudah dimengerti

Statistik merupakan teknik untuk membuat perbandingan

Statistik dapat memperluas pengalaman individu

Statistik dapat mengukur besaran dari suatu gejala

Statistik dapat menentukan hubungan sebab akibat

Sedangkan kegunaan statistika yakni untuk:

Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat bekerja efisien

dengan hasil yang sesuai dengan obyek yang ingin diteliti

Membantu penelitian untuk membaca data yang telah terkumpul sehingga peneliti dapat

mengambil keputusan yang tepat

Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang satu dengan

kelompok yang lainnya atas obyek yang diteliti

Membantu peneliti untuk melihat ada tidaknya hubungan antara variabel yang satu dengan

variabel yang lainnya

Membantu peneliti dalam menentukan prediksi untuk waktu yang akan datang

Membantu peneliti dalam melakukan interpretasi atas data yang terkumpul (M.Subana dkk,

2000;14)

Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan

merencanakan masa mendatang

Pimpinan menggunakannya untuk pengangkatan pegawai baru, pembelian peralatan baru,

peningkatan kemampuan karyawan, perubahan sistem kepegawaian, dsb.

Para pendidik sering menggunakannya untuk melihat kedudukan siswa, prestasi belajar,

efektivitas metoda pembelajaran, atau media pembelajaran.

Para psikolog banyak menggunakan statistika untuk membaca hasil pengamatan baik melalui

tes maupun obserbasi lapangan.

Di dalam penelitian, statistika berperan untuk:

Memberikan informasi tentang karakteristik distribusi suatu populasi tertentu, baik diskrit

maupun kontinyu. Pengetahuan ini berguna dalam menghayati perilaku populasi yang

sedang diamati

Menyediakan prosedur praktis dalam melakukan survey pengumpulan data melalui metode

pengumpulan data (teknik sampling). Pengetahuan ini berguna untuk mendapatkan hasil

pengukuran yang terpercaya

Menyediakan prosedur praktis untuk menduga karakteristik suatu populasi melalui

pendekatan karakteristik sampel, baik melalui metode penaksiran, metode pengujian

hipotesis, metode analisis varians. Pengetahuan ini berguna untuk mengetahui ukuran

pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan populasi.

Menyediakan prosedur praktis untuk meramal keadaan suatu obyek tertentu di masa

mendatang berdasarkan keadaan di masa lalu dan masa sekarang. Melalui metode regresi

dan metode deret waktu. Pengetahuan ini berguna memperkecil resiko akibat ketidakpastian

yang dihadapi di masa mendatang.

Menyediakan prosedur praktis untuk melakukan pengujian terhadap data yang bersifat

kualitatif melalui statistik non parametrik.

Sementara menurut Sugiyono (2003:12), statistika berperan untuk:

Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi, sehingga

jumlah sampel yang dibutuhkan akan lebih dapat dipertanggungjawabkan

Alat untuk menguji validitas dan reliabilitas instrumen sebelum instrumen tersebut digunakan

dalam penelitian

Sebagai teknik untuk menyajikan data, sehingga data lebih komunikatif, misalnya melalui

tabel, grafik, atau diagram

Alat untuk menganalisis data seperti menguji hipotesis yang diajukan dalam penelitian.

2.3 Klasifikasi Statistika

Statistika dapat diklasifikasikan dari beberapa klasifikasi, diantaranya:

1) Berdasarkan Isi yang dipelajari

Dilihat dari isi yang dipelajari terbagi manjadi dua, yakni statistika teoritis dan statistika terapan.

a. Statistika teoritis membahas secara mendalam dan teoretis, maka yang dipelajari adalah

statistika teoretis atau matematis. Disini diperlukan dasar matematika yang kuat dan

mendalam. Materi yang dibahas antara lain; perumusan sifat-sifat, dalil-dalil, rumus-rumus

dan menciptakan model-model serta segi-segi lainnya yang teoretis dan matematis.

b. Statistika terapan yang dikenal dengan metode statistika. Aturan-aturan, rumus-rumus, dan

sifat-sifat yang telah diciptakan oleh statistika teoretis, diambil dan digunakan mana yang

diperlukan dalam bidang pengetahuan yang sedang diminati. Jadi disini tidak dipersoalkan

bagaimana didapatnya rumusrumus, aturan-aturan ataupun sifat-sifat tersebut. Yang

terpenting dalam statistika ini bagaimana cara-cara atau metode statistika digunakan.

2) Berdasarkan Aktivitas yang dilakukannya

Dilihat dari aktivitas yang dilakukannya, terbagi menjadi dua pula yakni statistika deskriptif dan

statistika inferensial.

b. Statistika deskriptif adalah teknik statistik yang memberikan informasi hanya mengenai data

yang dimiliki dan tidak bermaksud untuk menguji hipotesis dan kemudian menarik inferensi

yang digeneralisasikan untuk data yang lebih besar atau populasi. Statistik deskriptif

“hanya” dipergunakan untuk menyajikan dan menganalisis data agar lebih bermakna dan

komunikatif dan disertai perhitungan-perhitungan “sederhana” yang bersifat lebih

memperjelas keadaan dan atau karakteristik data yang bersangkutan (Burhan Nurgiyantoro

dkk, 2000;8).

Statistik deskriptif adalah statistik yang menggambarkan kegiatan berupa pengumpulan data,

penyusunan data, pengolahan data, dan penyajian data dalam bentuk tabel, grafik, ataupun

diagram, agar memberikan gambaran yang teratur ringkas, dan jelas mengenai suatu

keadaan atau peristiwa. (M.Subana dkk, 2000;12).

Statistika deskriptif bermaksud menyajikan, mengolah dan menganalisa data dari kelompok

tertentu sebagaimana adanya dan tidak bermaksud menarik kesimpulan-kesimpulan yang

berlaku bagi kelompok-kelompok yang lebih besar. Artinya kesimpulan yang ditarik melalui

deskriptif hanya berlaku bagai kelompok sampel yang bersangkutan tanpa dimaksudkan

menarik kesimpulan yang berlaku bagi populasi.

Ukuran statistik yang lazim digunakan untuk mendeskripsikan karakteristik sampel ialah:

ukuran kecenderungan sentral; Ukuran variasi ; Ukuran letak; koefisien korelasi. Sekalipun

statistika deskriptif ini hanya menyajikan karakteristik sampel, namun statistika deskriptif

merupakan dasar untuk mengkaji dan melakukan inferensi karakteristik populasi.

c. Statistika inferensial adalah statistik yang berkaitan dengan analisis data (sampel) untuk

kemudian dilakukan penyimpulanpenyimpulan (inferensi) yang digeneralisasikan kepada

seluruh subyek tempat data diambil (populasi) (Burhan Nurgiyantoro dkk, 2000;12).

Statistika inferensial adalah statistik yang berhubungan dengan penarikan kesimpulan yang

bersifat umum dari data yang telah disusun dan diolah (M.Subana dkk, 2000;12) Statistika

inferensial atau statistika induktif bermaksud menyajikan, menganalisa data dari suatu

kelompok untuk ditarik kesimpulan-kesimpulan, prinsip-prinsip tertentu yang berlaku bagi

kelompok yang lebih besar (populasi) disamping berlaku bagi kelompok yang bersangkutan

(sampel).

Statistika inferensial merupakan langkah akhir dari tugas statistika karena dalam setiap

penelitian kesimpulan inilah yang diinginkan. Statistika inferensial harus berdasar pada

statistika deskriptif, sehingga kedua-duanya harus ditempuh secara benar agar kita

mendapatkan kegunaan maksimal dari statistika ini.

Yang masih tercakup dalam statistika inferensial adalah statistik parametrik dan non-parametrik.

Statistik parametrik merupakan statistika inferensial yang mempertimbangkan nilai dari satu

parameter populasi atau lebih dan umumnya membutuhkan data yang skala pengukuran

minimalnya adalah interval dan rasio.

Statistika parametrik adalah suatu ukuran tentang parameter, artinya ukuran seluruh populasi

dalam penelitian yang harus diperkirakan dari apa yang terdapat di dalam sampel (karakteristik

populasi). Satu syarat umum yang harus dipenuhi apabila seorang peneliti akan menggunakan

statistika parametrik, yaitu normalitas distribusi. Asumsi ini harus terpenuhi, karena: 1) secara

teoretik karakteristik populasi mengikuti model distribusi normal; 2) nilai-nilai baku statistik

yang digunakan untuk uji hipotesis didasarkan kepada model distribusi normal. Asumsi-asmsi

lain seperti homogenitas, linieritas harus dipenuhi sesuai dengan hipotesis yang akan diuji.

Statistika non parametrik yaitu statistik yang tidak memperhatikan nilai dari satu parameter

populasi atau lebih. Statistik non parametrik digunakan karena analisis parametrik tidak

konsisten lagi sehingga tidak terikat atau terbebas dari model distribusi dan sampelnya relatif

kecil. Pada umumnya validitas pada statistika non parametrik tidak bergantung pada model

peluang yang spesifik dari populasi. Data yang dibutuhkan lebih banyak berskala ukuran

nominal atau ordinal.

3) Berdasarkan jumlah variabel:

a. Statistika Univariat: teknik analisis statistik yang hanya melibatkan satu variabel dependent

b. Statistika Multivariat: teknik analisis statistik yang melibatkan lebih dari satu variabel

dependent sekaligus.

2.4 Istilah-Istilah Umum Statistika

Beberapa istilah yang sering digunakan dalam statistika antara lain:Frekuensi (f) : Jumlah Individu yang mendapatkan skor/nilai tertentu dalam suatu kelompok

data

Jumlah Frekuensi (n) : Jumlah individu dari suatu perangkat data

Frekuensi Kumulatif (fcum) : Banyaknya data yang berada di bawah atau di atas skor / nilai

tertentu

Frekuensi Relatif (frel) atau f(%) : Persentase dari fcum

Kelas Interval (ci) : Sekelompok skor pada tiap-tiap kelas

Banyak kelas interval : jumlah kelas interval yang diperlukan untuk mengelompokkan suatu

perangkat data, 1 + 3,3 log.n

Rentang/Range ( R ) : Selisih antara skor tertinggi dengan skor terendah dari suatu perangkat

data.

Panjang Kelas Interval (p) : Jarak/banyaknya skor atau nilai yang tercakup dalam tiap-tiap

kelas interval.

Ujung Kelas Bawah (Bb) (lower limit) : Skor/nilai terendah pada kelas ybs

Ujung Kelas Atas (Ba) (upper limit) : Skor/nilai tertinggi pada kelas ybs

Batas Kelas/Batas nyata /real limit Bawah : Batas bawah kelas ybs dikurangi setengah dari

satuan terkecil data yang dicatat (0,5; 0,05)

Batas Kelas/Batas nyata /real limit Atas : Batas Atas kelas ybs ditambah setengah dari

satuan terkecil data yang dicatat (0,5; 0,05)

Tanda Kelas/Midpoint/Titik tengah (xi) : Nilai yang membagi kelas ybs menjadi dua bagian

yang sama besar, X ½ (Bb+Ba)

2.5 Jenis Data Statistik dan Skala Pengukuran

2.5.1 Jenis Data

Data yang diperoleh dari suatu sampel dan populasi dapat dibedakan menjadi dua jenis, yaitu :

a. Data kualitatif yakni data yang bukan berupa angka (non – numerik) biasa disebut dengan

istilah atribut.

b. Data kuantitatif: data yang berupa angka (numerik). Data jenis ini dibedakan menjadi dua

bagian, yaitu data diskrit dan kontinyu.

Selain pembagian tersebut, ada yang membagi data menjadi data primer dan data sekunder. Data

primer adalah data yang diperoleh langsung dari sumbernya, misal melalui wawancara,

penyebaran kuesioner, pengukurn langsung, dan lain lain. Sedangkan data sekunder adalah data

yang diambil/ disadur dari pihak lain, misal diambil dari koran, jurnal, penelitian/ publikasi pihak

lain, dan lain-lain.

2.5.2 Skala Pengukuran

Skala pengukuran : cara mengukur suatu varibel. Terdapat 4 jenis skala pengukuran, yakni :

a. Skala Nominal : angka yang diberikan pada objek/ variabel pengukuran hanya memiliki arti

sebagai label saja (asal bisa dibedakan). Tidak memiliki tingkatan.

Contoh skala nominal :

No. Jenis Kendaraan Jumlah (Unit)

1. Peugeuot 1,367

2. Toyota 68,638

3. Isuzu 20,521

4. Daihatsu 15,721

5. BMW 1,515

b. Skala Ordinal : angka yang diberikan pada objek/ variabel pengukuran mengandung

pengertian tingkatan.

Contoh skala ordinal:

No. Jenis Kendaraan Jumlah (Unit)

1. Toyota 68,638

2. Isuzu 20,521

3. Daihatsu 15,721

4. BMW 1,515

5. Peugeuot 1,367

c. Skala Interval : angka yang diberikan pada objek/ variabel pengukuran mengandung sifat

ordinal ditambah sifat jarak/ interval.

Contoh skala interval :

Suhu udara dapat berkisar antara -4° hingga 40° C. Jika termometer menunjukkan 0° C,

bukan berarti tidak ada suhu, tetapi hanya sebagai penunjuk bahwa suhu saat itu tergolong

rendah.

d. Skala Rasio : angka yang diberikan pada objek/ variabel pengukuran mengandung sifat

interval ditambah sifat yang mampu memberikan keterangan tentang nilai absolut variabel

yang diukur. Artinya apabila menunjuk angka 0 (nol), maka berarti benar-benar nol, tidak

ada, atau kosong.

Contoh skala rasio :

Jumlah komponen mesin yang diproduksi per batch adalah 1.000.000 komponen. Bila dalam

suatu batch menunjukkan angka produksi 0, maka artinya adalah pada saat itu tidak

dilakukan proses produksi sehingga tidak ada output produksi.

III. KESIMPULAN

Dari penjabaran pada bab sebelumnya maka dapat disimpulkan bahwa:

1) Statistik adalah untuk menunjukkan kepada pencatatan angka-angka dari suatu kejadian atau

kasus tertentu. Selaras dengan apa yang didefinisikan oleh Sudjana (1995:2) bahwa statistik

adalah kumpulan fakta berbentuk angka yang disusun dalam daftar atau tabel dan atau

diagram, yang melukiskan atau menggambarkan suatu persoalan.

2) Statistik berbeda dengan statistika, perbedaannya yakni statistik menunjukkan pencatatan

angka-angka suatu kejadian, sedangkan statistika adalah ilmu tentang cara-cara

mengumpulkan, mentabulasi dan menggolongkan, menganalisis dan mencari keterangan

yang berarti dari data yang berupa angka.

3) Secara menyeluruh, peran dan fungsi statistika digunakan untuk menunjukkan tubuh

pengetahuan (body of knowledge) tentang cara-cara pengumpulan data, analisis dan

penafsiran data.

4) Pengklasifikasian statistika dilihat dari isi yang dipelajari yang terbagi menjadi statistika

teoritis dan terapan, sedangkan dari aktifitas yang dilakukan yakni statistika deskriptif dan

statistika inferensial. Dalam penerapannya, statistika menggunakan istilah-istilah umum

yang sering digunakan dalam rumus statistik.

5) Jenis data statistik terbagi dua yakni data kualitatif dan kuantitatif. Jenis data tersebut

dianalisis dengan menggunakan skala pengukuran, yakni skala nominal, ordinal, interval,

dan rasio. Dengan menggunakan skala tersebut, maka data statistik dapat dilihat ukuran

hasilnya.

DAFTAR PUSTAKA

Bungin, Burhan. 2006. Metode Penelitian Kuantitatif Komunikasi, Ekonomi, dan Kebijakan Publik serta Ilmu-ilmu Sosial Lainnya. Jakarta. Prenada Media Group.

Hadi, S. 1995. Statistik 1, 2, 3, Yogyakarta. Andi Offset

Nazir, Mohamad. 1983. Metode Penelitian. Jakarta. Ghalia Indonesia.

Sudjana. 1992. Metoda Statistika (Edisi ke 5). Bandung: Tarsito

Sugiyono. 2003. Statistika untuk Penelitian, Bandung. Alfabeta

Susetyo, Budi. 2010. Statistika Untuk Analisis Data Penelitian. Bandung. PT. Refika Aditama.

Walpole, R.E. 1992. Pengantar Statistika. Jakarta. PT Gramedia Pustaka Utama.

STATISTIK DASAR

Metode statistika adalah metode-metode/prosedur-prosedur untuk pengumpulan, penyajian , analisis, dan kesimpulan dari data. Metode statistika terbagi dua yaitu :1.Statistika deskriptif yaitu berkaitan dengan kegiatan pencatatan dan peringkasan hasil-hasil pengamatan terhadap kejadian-kejadian atau karakteristik-karakteristikmanusia, tempat dan sebagainya, secara kuantitatif

2.Statistika inferensial yaitu metode-metode untuk menganalisis sampel dari populasi sehingga dapat ditarik kesimpulan tentang populasi dari sampel tersebut.

Populasi dan Sampel

Populasi adalah keseluruhan objek psikologis yang menjadi perhatian.Populasi bisa populasi yang terhingga (contohnya : jumlah mahasiswa UNPAD) dan populasi tak terhingga (contohnya : jumlah mahasiswa UNPAD dari dulu hingga sekarang dan nantinya).Sampel adalah himpunan bagian dari populasi.

Kita sangat akrab dengan kata “statistik” dalam kehidupan sehari-hari, bahkan di negara kita terdapat lembaga negara yang bernama Badan Pusat Statistik (BPS). Kita juga sering mendengar istilah “observasi”, “data”, “sensus”, “sample”, “populasi” dan lain-lain. Mirip dengan kata statistik, terdapat kata “statistika” seperti terlihat pada judul bab ini di atas. Berikut definisi beberapa istilah tersebut:

STATISTIKA adalah kumpulan metoda yang digunakan untuk merencanakan eksperimen, mengambil data, dan kemudian menyusun, meringkas, menyajikan, menganalisa, menginterpretasikan dan mengambil kesimpulan yang didasarkan pada data tersebut.

DATA adalah hasil observasi atau pengamatan yang telah dikumpulan. Data dapat berupa hasil pengukuran; misalnya data tinggi dan berat badan, hasil pengelompokan; misalnya jenis kelamin, hasil jawaban responden terhadap suatu quesioner; misalnya tingkat kepuasan.

POPULASI adalah koleksi lengkap semua elemen yang akan diselidiki.  Suatu koleksi dikatakan lengkap jika ia memuat semua subjek yang akan diselidiki.

SENSUS adalah koleksi data dari semua anggota dalam populasi.

SAMPEL adalah sebagian koleksi anggota yang dipilih dari populasi.

STATISTIKA DESKRIPTIF  adalah statistika yang berkaitan dengan analisis dan deskripsi suatu grup sebagai populasinya, tanpa melakukan penarikan kesimpulan apapun untuk komunitas yang lebih luas dari grup tersebut.

STATISTIKA INFERENSI  adalah statistika yang mencoba untuk membuat suatu deduksi atau kesimpulan pada populasi dengan menggunakan sampel dari populasi tersebut.

Parameter dan Statistik

Parameter adalah sembarang nilai yang menjelaskan ciri populasiStatistik adalah sembarang nilai yang menjelaskan ciri dari sampelHimpunan data adalah kumpulan dari fakta yang dikumpulkan untuk maksudtertentu.Data diskrit : data yang diperoleh dari proses hitunganData kontinu : data yang diperoleh dari proses pengukuranKarakteristik dari himpunan data adalah :Anggota : sekumpulan data terdiri dari sekumpulan dari anggota-anggota untuk masing-masing anggota informasi tentang satu atau lebih karakteristik yang diinginkan.Variabel : sebuah karakteristik yang dapat diperoleh dari berbagai kemungkinan hasil yang berbeda-beda.Variabel kuantitatif : variabel yang hasilnya berupa angkaVariabel kualitatif : variabel yang hasilnya hanya atribut.

Pengamatan (observasi) : informasi tentang sebuah variabel tunggal untuk sebuah anggota dari sekumpulan dataStatistika parametrik adalah prosedur yang pengujian yang dilakukan berlandaskan distribusi. Salah satu karakteristiknya penggunaan prosedur ini melibatkan asumsi-asumsi tertentu. Contoh dari statistik parametrik adalah analisis regresi, analisis korelasi, analisis varians.Statistika non parametrik adalah prosedur dimana kita tidak melibatkan parameter serta tidak terlibatnya distribusi. Contoh : uji keacakan, uji kecocokan (goodness of fit),dll.Kelebihan statistika non parametrik•Asumsi yang digunakan dalam jumlah yang minimum maka kemungkina penggunaan secara salah juga kecil.•Untuk beberapa prosedur perhitungan dapat dilakukan dengan mudah secara manual.•Konsep-konsep dari prosedur ini menggunakan dasar matematika dan statistika yang mudah dipahami.•Prosedur ini dapat digunakan pada skala ordinal maupun nominal.Kelemahan dari prosedur statistika non parametrik•Jika suatu kasus yang dapat dianalisis dengan statistika parametrik, kemudian digunakan analisis statistika non parametrik akan menyebabkan pemborosan informasi.•Meskipun prosedur penghitungannya sederhana, perhitungannya kadang-kadang membutuhkan banyak tenaga dan menjemukan.Kapan prosedur non parametrik digunakan ?•Bila hipotesis yang harus diuji tidak melibatkan suatu parameter populasi.•Bila skala pengukuran yang disyaratkan dalam statistika parametrik tidak terpenuhi misalnya skala ordinal dan nominal.Data dibedakan menurut skala yang digunakan pada saat melakukan pengukuran. Dengan pengukuran dimaksudkan sebagai upaya memberikan angka numerik terhadap obyek menurut aturan-aturan tertentu. Aturan yang berbeda akan menghasilkan skala yang berlainan sehingga akan memberikan jenis pengukuran yang berbeda. Terdapat empat macam skala pengukuran yang ada yaitu:

SKALA NOMINALSkala nominal merupakan skala pengukuran yang paling rendah tingkatannya di antara ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Oleh karena itu data dalam skala nominal dapat dikelompokkan ke dalam beberapa kategori, dan kepada kategori tersebut dapat diberikan lambang yang sesuai atau sembarang bilangan. Bilangan yang diberikan tidak mempunyai arti angka numerik artinya kepada angka-angka tersebut tidak dapat dilakukan operasi aritmetika, tidak boleh menjumlahkan, mengurangi, mengalikan, dan membagi. Bilangan yang diberikan hanyalah berfungsi sebagai lambang yang dimaksudkan hanya untuk membedakan antara data yang satu dengan data yang lainnya. Contoh : Data mengenai barang-barang yang dihasilkan oleh sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah berarti mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang untuk barang yang tidak cacat.Kesimpulan : Bilangan dalam Skala Nominal berfungsi hanya sebagai lambang untuk

membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika, tidak boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.).¹ dan =Hubungan yang membatasi adalah hubungan sama dengan dan tidak sama dengan (Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik. Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien Kontingensi.

SKALA ORDINALSkala pengukuran berikutnya adalah skala pengukuran ordinal. Skala pengukuran ordinal mempunyai tingkat yang lebih tinggi dari skala pengukuran nominal. Dalam skala ini, terdapat sifat skala nominal, yaitu membedakan data dalam berbagai kelompok menurut lambang, ditambah dengan sifat lain yaitu, bahwa satu kelompok yang terbentuk mempunyai pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok lainnya. Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk diurutkan atau dirangking.Contoh : Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst. Berbeda dengan skala nominal, angka yang diberikan terhadap obyek tidak semata-mata berlaku sebagai lambang tetapi juga memperlihatkan urutan atau rangking.Kesimpulan: Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai :1.lambang untuk membedakan2.untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih buruknya.Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik. Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman (rs ), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).

SKALA INTERVALSkala pengukuran Interval adalah skala yang mempunyai semua sifat yang dipunyai oleh skala pengukuran nominal, dan ordinal ditambah dengan satu sifat tambahan. Dalam skala interval, selain data dapat dibedakan antara yang satu dengan yang lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang satu dengan data yang lainnya dapat diukur. Contoh : Data tentang suhu empat buah benda A, B, C , dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya. Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan

bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B berarti bahwa benda C 2x lebih panas dari benda B. Hal ini tidak mungkin karena skala interval tidak mempunyai titik nol yang mutlak. Titik nol yang tidak mutlak berarti : benda dengan suhu nol derajat Celcius bukan berarti bahwa benda tersebut tidak mempunyai panas. Kesimpulan : Bilangan pada skala interval fungsinya ada tiga yaitu :1.Sebagai lambang untuk membedakan,2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi ( > atau <),3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyek yang lainnya.Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan perjanjian.Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata, Simpangan Baku, dan Korelasi Pearson.

SKALA RASIOSkala rasio merupakan skala yang paling tinggi peringkatnya. Semua sifat yang ada dalam skala terdahulu dipunyai oleh skala rasio. Sebagai tambahan, dalam skala ini, rasio (perbandingan) antar satu data dengan data yang lainnya mempunyai makna. Contoh : Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70 kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40 kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak. Kesimpulan : Bilangan pada skala Rasio fungsinya ada tiga yaitu :1.Sebagai lambang untuk membedakan2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi (> atau < ),3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyek yang lainnya.4.Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan mempunyai arti. Titik nol merupakan titik mutlak.Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata kur, Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.

Pedoman Pembuatan Kuesioner

Sebelum menyusun daftar pertanyaan yang akan digunakan sebagai pedoman untuk melakukan pengumpulan data dengan teknik wawancara, angket atau pengumpulan data untuk peneltian, harus ditentukan dahulu variabel-variabel yang dibutuhkan dan sesuai dengan tujuan agar tidak ada pertanyaan atau variabel yang terlupakan. Intensitas pertanyaan disesuaikan dengan tujuan.

Beberapa hal yang harus diperhatikan dalam menyusun daftar pertanyaan sebagai pedoman dalam pengumpulan data adalah sebagai berikut :

1. Pertanyaan harus ditulis dengan kalimat yang sederhana, singkat, dan jelas sehingga mudah dimengerti, baik oleh responden maupun pelaksana.

2. Pertanyaan jangan mempunyai arti ganda. Misalnya, apakah ibu atau bapak menggunakn sarana pelayanan kesehatan yang ada. Pertanyaan ini hendaknya dipsah menjadi dua pertanyaan, yang satu untuk ibu dan yang lain untuk bapak, karena apabila ibu menggunakan sarana pelayanan kesehatan tersebut, tetapi bapak tidak maka sulit bagi ibu untuk menjawabnya.

3. Sedapat mungkin pertanyaan tidak menyinggung perasaan. Misalnya, menanyakan tentang kehamilan tanpa lebih dahulu menanyakan status maritalnya. Bila hal ini sampai terjadi, kemungkinan jawaban selanjutnya menjadi tidak serius lagi.

4. Usahakan agar tidak ada pertanyaan yang mengharusan responden mengingat kembali masa lampau. Misalnya, pada umur berapa ibu mendapat haid pertama?

5. Usahakan agar pertanyaan tidak mengharuskan responden untuk menghitung. Misalnya, selisih umur ibu dengan putra ibu yang kedua?

BENTUK PERTANYAANPertanyaan yang diajukan pada responden atau daftar isi yang harus diisi oleh responden dapat berupa pertanyaan tertutup, pertanyaan terbuka, dan kombinasi keduanya.

Pertanyaan TertutupBentuk pertanyaan tertutup anya terdiri dari beberapa pilihan jawaban dan responden hanya memilih sesuai dengan kondisinya. Misalnya, apaka bapak merokok? Jawabannya hanya berupa "Ya" atau "Tidak"

1. Ya2. Tidak

Pertanyaan TerbukaDengan pertanyaan terbuka, responden dengan leluasa dapat menceritakan hal-hal yang dimaksud dalam pertanyaan. Pertanyaan terbuka biasanya digunakan pada penelitian kualitatif, seperti wawancara mendalam atau didiskusi kelompok terarah.

Kombinasi Pertanyaan Tertutup dan TerbukaMisalnya, pertanyaan tentang sarana pelayanan kesehatan yang digunakan :

1. Puskesmas;2. Rumah Sakit;3. Dokter Praktik Swasta;4. Bidan Praktik Swasta;5. Lainya, sebutkan : ..........

Dengan pertanyaan tertutup responden mudah menjawab atau mengisi. Pengolahan data juga mudah dilakukan, tetapi informasi yang diperoleh tidak mendalam dan terkadang jawaban

dipaksakan karena tidak terdapat dalam pilihan jawaban yang ada.

Pada pertanyaan terbuka, responden dengan leluasaan dapat menceritakan pengalaman, opini, pendapat, saran, dan lain-lain sehingga akan didapat informasi yang banyak, tetapi akan mengalami kesulitan dalam pengolahan data.   No comments: Labels: Pengumpulan Data

Metode Pengumpulan Data

Pengumpulan data memegang peranan yang sangat penting dalam mendapatkan informasi atau fakta di lapangan. Pengumpulan data dapat diibaratkan sebagai orang yang akan memasak makanan. Untuk itu timbullah berbagai pertanyaan, seperti akan masak apa, bahan apa yang dibutuhkan, berapa banyak, siapa yang belanja, di mana tempat untuk mendapatkan bahan tersebut, dan siapa yang akan memasak agar menghasilkan masakan yang enak untuk dimakan. Bila bahan yang dibeli tidak baik atau terdapat bahan penting yang tidak diperoleh maka masakan yang dihasilkan tidak akan enak untuk dimakan walaupun dimasak oleh ahli masak kenamaan. Demikin pula dengan pengumpulan data.

Agar dapat dihasilkan data yang baik dan sesuai dengan tujuan maka kegiatan pengumpulan data dibagi menjadi tahap persiapan yang terdiri dari hal-hal berikut :

1. Menentukan dan merumuskan tujuan penelitian secara baik2. Menentukan metode yang akan digunakan3. Menentukan teknik pengumpulan data4. Menyusun pedoman daftar pertanyaa yang dapat menjawab tujuan5. Menentukan sasaran6. Menentukan tempat dimana data dikumpulkan dan jumlah responden7. Menentukan siapa pelaksanan pengumpulan data.

Tahap berikutnya adalah tahap pelaksanaan yang meliputi hal-hal berikut :

1. Pengumpulan data, dan2. Supervisi lapangan sebelum data dibawa untuk diolah

Sumber DataSecara garis besar dapat dikatakan bahwa sumber data ialah tempat data yang kita inginkan. Sumber data dapat berupa rekam medik di rumah sakit, badan atau instansi resmi yang berkaitan dengan data kesehatan, seperti Survey Demografi dan Kesehatan Indonesia yang dilakukan oleh BPS atau publikasi-publikasi ilmiah tentang kedokteran. Sumber data dapat pula berasal dari masyarakat atau penderita yang datang berobat ke rumah sakit atau petugas rumah sakit. Sumber mana yang digunakan sangat bergantung pada tujuan penelitian.

Pengetahuan tentang sumber data merupakan hal yang sangat penting untuk diketahui. Hal ini dimaksudkan agar tidak terjadi kesalahan dalam memilih sumber data yang sesuai dengan tujuan

penelitian. Misalnya, suatu peneltiain tentang berbagai jenis penyakit yang sedang atau pernah diderita oleh masyarakat di suatu daerah. Untuk itu, dilakukan rekam medik di sarana pelayanan kesehatan yang ada di daerah tersebut. Hal ini tidak benar karena sumber data berada di masyarakat dan bukan di sarana pelayanan kesehatan yang ada  di daerah tersebut. Bila kita akan meneliti perjalanan penyakit yang telah dialami oleh penderita yang pernah dirawat maka sumber data berada di rekam medik rumah sakit yang bersangkutan.

Pada contoh pertama, kita memperoleh data primer, sedangkan pada contoh kedua memperoleh data sekunder.No comments: Labels: Pengumpulan Data

Populasi dan Sampel

Secara umum dapat diartikan bahwa populasi adalah kumpulan seua individu dalam suatu batas tertentu. Kumpulan individu yang akan diukur atau diamati ciri-cirinya disebut populasi studi. Bila penelitian tidak dilakukan terhadap seluruh individu dalam populasi, tetapi hanya diambial sebagian maka bagian tersebut dinamakan sampel. Individu dalam populasi studi tersebut disebut dinamakan unit dasar.

Populasi studi ditentukan berdasarkan kriteria yang sesuai dengan tujuan penelitian. Cara pengambilan sampel serta besarnya sampel sangat pentig artinya dalam penelitian karena hasil pengamatan yang dilakukan pada individu dalam sampel digunakan untuk menafsirkan keadaan populasi di mana sampel tersebut diambil.

Berdasarkan besarnya, populasi dibagi menjadi populasi besar dan populasi kecil.

Populasi besar atau populasi tak terhingga adalah populasi yang memiliki jumlah individu sedemikian banyaknya sehingga sulit atau tidak mungkin diketahui jumlahnya. Populasi dengan jumlah unit dasar yang tidak banyak hingga mudah untuk dihitung disebut populasi kecil atau populasi terbatas. Untuk populasi kecil tidak terdapat suatu patikan yang baku. Untuk jelasnya dapat diberikan sebuah contoh sebagai berikut.

Bila kita akan mengadakan penelitian tentang pengalaman akseptor KB dalam pemakaian alat kontrasepsi di suatu kabupaten maka semua penduduk dalam kabupaten tersebut adalah populasi umum, sedangkan semua ibu-ibu pasangan usia subur peserta KB yang terdapat di kabupaten tersebut adalah populasi studi. Bila kita ambil sebagian daru akseptor KB yang akan diteliti pengalaman pemakaian kontrasepsinya maka sebagian ibu-ibu tersebut disebut sampel dana ibu pasangan usia subur disebut unit dasar.

Hasil pengamatan pada sampel ini akan diekstrapolasikan kepada populasi studi, yaitu semua ibu-ibu pasangan usia subur yang menjadi akseptor KB di kabupaten tersebut.

Karena pengamatan hanya dilakukan terhadap sebagian (sampel) dari populasi studi maka hasilnya tidak sama dengan seluruh populasi studi. Perbedaan ini disebut kesalahan sampling (sampling error). Jadi, yang dimaksud dengan kesalahan sampling adalah perbedaan antara hasil

sampel dengan hasil sensus yang dilakukan dengan cara yang sama, pada populasi yang sama, dan oleh peneliti yang sama.

Kesalahan lain yang tidak berkaitan dengan pengambilan sampel disebut kesalahan tak sampling (non-sampling error). Hal ini berarti bahwa baik hasil sampel maupu  sensus terdapat kesalahan yang sama. Hal-hal yang mungkin dapat menimbulkan kesalahan tak sampling antara lain sebagai berikut :

1. Batasan unit dasar yang kurang tepat. Misalnya, pada suatu penelitian tentang obat untuk infark miokard, dimana orang dengan keluhan nyeri dada diambil sebagai unit sampel, meskipun kita ketahui bahwa tidak semua nyeri dada disebabkan infark miokard.

2. Jawaban responden yang salah (respons error) pada sampling survey dengan teknik wawancara atau angket. Hal ini dapat timbul secara tidak sengaja, misalnya mengisi umur anak 4,5 tahun dengan 45 tahun, tetapi hal ini kadang-kadang dilakukan secara sengaja dengan maksud tertentu. Misalnya, dengan sengaja tidak mengaku sebagai akseptor KB karena dilarang suaminya. Respons error dapat pula timbul karea kurangnya informasi tentang hal yang diteliti atau responden yang harus mengingat kejadian masa lampau, misalnya kapan bapak mulai merokook.

3. Kesalahan pada ruang lingkup karena kesalahan dalam batas dan lokasi. Misalnya, dipilih suatu kecamatan padahal kecamatan tersebut telah berubah karena sebagian desanya dikembangkan menjadi kemantren.

4. Kesalahan dalam pengolahan data yang disebabkan human error dan lain-lain.5. Kesalahan alat ukur yang digunakan dan lain-lain.

Penyimpangan atau kesalahan lain yang dapat timbul dalam suatu penelitian disebut bias. Bias adalah perbedaan antara hasil sesungguhnya dalam populasi dengan hasil semua sampel yang berasal dari populasi tersebut.

Hal-hal yang dapat menimbulkan bias adalah sebagai berikut :

1. Kesalahan dalam pemilihan unit dasar, yaitu unit dasar yang berbeda dengan tujuan penelitian. Misalnya, penelitian tentang pemilikan jamban keluarga, dengan unit sampel murid-murid sekolah. Kesalahan tersebut timbul karena ada keluarga yang memiliki seorang anak yang menjadi murid di sekolah tersebut, tetapi ada pula yang memiliki lebih dari seorang hingga memungkinkan terjadi estimasi yang berlebih (bias) karena setiap murid diperlakukan sama sebagai responden. Ada dua cra untuk menghindari terjadinya hal tersebut, yaitu sebagai berikut: (a) mengambil kepala keluarga sebagai unti sampel, (b) mengambil murid yang merupakan anak pertama sebagai unit sampel.

2. Untuk penelitian terhadap ciri individu dilakukan pengambilan sampel keluarga dan masing-masing keluarga diambil satu anggota keluarganya sebagai responden. Bias dapat timbul bila dalam suatu keluarga terdapat lebih dari satu orang dewasa, tetapi hanya satu yang diambil sebagai sampel. Misalnya, suatu penelitian bertujuan untuk mengetahui pendapat masyarakat tentang sistem pelayanan kesehatan di suatu daerah maka keluarga dengan lebih dari satu orang dewasa akan kurang terwakili dibandingkan dengan keluarga yang hanya memiliki seorang dewasa.

3. Bias dapat pula timbul bila kita mengambil unit terdekat sebgai pengganti non-respons, karena ciri unit pengganti belum tentu sama dengan uni non-respons

4. Non-respons pada pengumpulan data secara angket dianggap memiliki ciri yang sama dengan ciri responden yang mengembalikan angket.

5. Bias dapat pula timbul pada pengambilan sampel non-random.6. Spesifikasi yang kurang jelas pada unit sampel, misalnya pendidikan anak antara 8-10

tahun. Di sini tidak dijelaskan apakah umur 10 tahun itu termasuk dalam sampling unit dan apakah semua anak yang tinggal di daerah itu termasuk populasi studi atau termasuk juga anak yang kebetulan berada di daerah tersebut.

No comments:

Klasifikasi Statistika

Statistika dapat diklasifikasikan dari beberapa klasifikasi, diantaranya: 

1) Berdasarkan Isi yang dipelajari Dilihat dari isi yang dipelajari terbagi manjadi dua, yakni statistika teoritis dan statistika terapan.

Statistika teoritis membahas secara mendalam dan teoretis, maka yang dipelajari adalah statistika teoretis atau matematis. Disini diperlukan dasar matematika yang kuat dan mendalam. Materi yang dibahas antara lain; perumusan sifat-sifat, dalil-dalil, rumus-rumus dan menciptakan model-model serta segi-segi lainnya yang teoretis dan matematis. 

Statistika terapan yang dikenal dengan metode statistika. Aturan-aturan, rumus-rumus, dan sifat-sifat yang telah diciptakan oleh statistika teoretis, diambil dan digunakan mana yang diperlukan dalam bidang pengetahuan yang sedang diminati. Jadi disini tidak dipersoalkan bagaimana didapatnya rumusrumus, aturan-aturan ataupun sifat-sifat tersebut. Yang terpenting dalam statistika ini bagaimana cara-cara atau metode statistika digunakan.

2) Berdasarkan Aktivitas yang dilakukannya Dilihat dari aktivitas yang dilakukannya, terbagi menjadi dua pula yakni statistika deskriptif dan statistika inferensial.

Statistika deskriptif adalah teknik statistik yang memberikan informasi hanya mengenai data yang dimiliki dan tidak bermaksud untuk menguji hipotesis dan kemudian menarik inferensi yang digeneralisasikan untuk data yang lebih besar atau populasi. 

Statistik deskriptif “hanya” dipergunakan untuk menyajikan dan menganalisis data agar lebih bermakna dan komunikatif dan disertai perhitungan-perhitungan “sederhana” yang bersifat lebih memperjelas keadaan dan atau karakteristik data yang bersangkutan (Burhan Nurgiyantoro dkk, 2000;8). 

Statistik deskriptif adalah statistik yang menggambarkan kegiatan berupa pengumpulan data, penyusunan data, pengolahan data, dan penyajian data dalam bentuk tabel, grafik, ataupun diagram, agar memberikan gambaran yang teratur ringkas, dan jelas mengenai suatu keadaan atau peristiwa. (M.Subana dkk, 2000;12). 

Statistika deskriptif bermaksud menyajikan, mengolah dan menganalisa data dari kelompok tertentu sebagaimana adanya dan tidak bermaksud menarik kesimpulan-kesimpulan yang berlaku bagi kelompok-kelompok yang lebih besar. Artinya kesimpulan yang ditarik melalui deskriptif hanya berlaku bagai kelompok sampel yang bersangkutan tanpa dimaksudkan menarik kesimpulan yang berlaku bagi populasi.Ukuran statistik yang lazim digunakan untuk mendeskripsikan karakteristik sampel ialah: ukuran kecenderungan sentral; Ukuran variasi ; Ukuran letak; koefisien korelasi. Sekalipun statistika deskriptif ini hanya menyajikan karakteristik sampel, namun statistika deskriptif merupakan dasar untuk mengkaji dan melakukan inferensi karakteristik populasi.

Statistika inferensial adalah statistik yang berkaitan dengan analisis data (sampel) untuk kemudian dilakukan penyimpulan-penyimpulan (inferensi) yang digeneralisasikan kepada seluruh subyek tempat data diambil (populasi) (Burhan Nurgiyantoro dkk, 2000;12). 

Statistika inferensial adalah statistik yang berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang telah disusun dan diolah (M.Subana dkk, 2000;12) Statistika inferensial atau statistika induktif bermaksud menyajikan, menganalisa data dari suatu kelompok untuk ditarik kesimpulan-kesimpulan, prinsip-prinsip tertentu yang berlaku bagi kelompok yang lebih besar (populasi) disamping berlaku bagi kelompok yang bersangkutan (sampel).  

Statistika inferensial merupakan langkah akhir dari tugas statistika karena dalam setiap penelitian kesimpulan inilah yang diinginkan. Statistika inferensial harus berdasar pada statistika deskriptif, sehingga kedua-duanya harus ditempuh secara benar agar kita mendapatkan kegunaan maksimal dari statistika ini. 

Yang masih tercakup dalam statistika inferensial adalah statistik parametrik dan non-parametrik. Statistik parametrik merupakan statistika inferensial yang mempertimbangkan nilai dari satu parameter populasi atau lebih dan umumnya membutuhkan data yang skala pengukuran minimalnya adalah interval dan rasio. 

Statistika parametrik adalah suatu ukuran tentang parameter, artinya ukuran seluruh populasi dalam penelitian yang harus diperkirakan dari apa yang terdapat di dalam sampel (karakteristik populasi). 

Satu syarat umum yang harus dipenuhi apabila seorang peneliti akan menggunakan statistika parametrik, yaitu normalitas distribusi. Asumsi ini harus terpenuhi, karena: 1) secara teoretik karakteristik populasi mengikuti model distribusi normal; 2) nilai-nilai

baku statistik yang digunakan untuk uji hipotesis didasarkan kepada model distribusi normal. Asumsi-asmsi lain seperti homogenitas, linieritas harus dipenuhi sesuai dengan hipotesis yang akan diuji. 

Statistika non parametrik yaitu statistik yang tidak memperhatikan nilai dari satu parameter populasi atau lebih. Statistik non parametrik digunakan karena analisis parametrik tidak konsisten lagi sehingga tidak terikat atau terbebas dari model distribusi dan sampelnya relatif kecil. Pada umumnya validitas pada statistika non parametrik tidak bergantung pada model peluang yang spesifik dari populasi. Data yang dibutuhkan lebih banyak berskala ukuran nominal atau ordinal.3) Berdasarkan jumlah variabel:

Statistika Univariat: teknik analisis statistik yang hanya melibatkan satu variabel dependent 

Statistika Multivariat: teknik analisis statistik yang melibatkan lebih dari satu variabel dependent sekaligus.

No comments:

Fungsi dan Peranan Statistika

Statistika digunakan untuk menunjukkan tubuh pengetahuan (body of knowledge) tentang cara-cara pengumpulan data, analisis dan penafsiran data. Fungsi statistika diantaranya yakni:

Statistik menggambarkan data dalam bentuk tertentu  Statistik dapat menyederhanakan data yang kompleks menjadi data yang

mudah dimengerti  Statistik merupakan teknik untuk membuat perbandingan  Statistik dapat memperluas pengalaman individu  Statistik dapat mengukur besaran dari suatu gejala  Statistik dapat menentukan hubungan sebab akibat

Sedangkan kegunaan statistika yakni untuk:

Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat bekerja efisien dengan hasil yang sesuai dengan obyek yang ingin diteliti 

Membantu penelitian untuk membaca data yang telah terkumpul sehingga peneliti dapat mengambil keputusan yang tepat 

Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang satu dengan kelompok yang lainnya atas obyek yang diteliti 

Membantu peneliti untuk melihat ada tidaknya hubungan antara variabel yang satu dengan variabel yang lainnya 

Membantu peneliti dalam menentukan prediksi untuk waktu yang akan datang  Membantu peneliti dalam melakukan interpretasi atas data yang terkumpul

(M.Subana dkk, 2000;14)  Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa

lalu dan merencanakan masa mendatang  Pimpinan menggunakannya untuk pengangkatan pegawai baru, pembelian

peralatan baru, peningkatan kemampuan karyawan, perubahan sistem kepegawaian, dsb. 

Para pendidik sering menggunakannya untuk melihat kedudukan siswa, prestasi belajar, efektivitas metoda pembelajaran, atau media pembelajaran. 

Para psikolog banyak menggunakan statistika untuk membaca hasil pengamatan baik melalui tes maupun obserbasi lapangan.

Di dalam penelitian, statistika berperan untuk:

Memberikan informasi tentang karakteristik distribusi suatu populasi tertentu, baik diskrit maupun kontinyu. Pengetahuan ini berguna dalam menghayati perilaku populasi yang sedang diamati 

Menyediakan prosedur praktis dalam melakukan survey pengumpulan data melalui metode pengumpulan data (teknik sampling). Pengetahuan ini berguna untuk mendapatkan hasil pengukuran yang terpercaya 

Menyediakan prosedur praktis untuk menduga karakteristik suatu populasi melalui pendekatan karakteristik sampel, baik melalui metode penaksiran, metode pengujian hipotesis, metode analisis varians. Pengetahuan ini berguna untuk mengetahui ukuran pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan populasi. 

Menyediakan prosedur praktis untuk meramal keadaan suatu obyek tertentu di masa mendatang berdasarkan keadaan di masa lalu dan masa sekarang. Melalui metode regresi dan metode deret waktu. Pengetahuan ini berguna memperkecil resiko akibat ketidakpastian yang dihadapi di masa mendatang. 

Menyediakan prosedur praktis untuk melakukan pengujian terhadap data yang bersifat kualitatif melalui statistik non parametrik.

Sementara menurut Sugiyono (2003:12), statistika berperan untuk:

Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi, sehingga jumlah sampel yang dibutuhkan akan lebih dapat dipertanggungjawabkan 

Alat untuk menguji validitas dan reliabilitas instrumen sebelum instrumen tersebut digunakan dalam penelitian 

Sebagai teknik untuk menyajikan data, sehingga data lebih komunikatif, misalnya melalui tabel, grafik, atau diagram 

Alat untuk menganalisis data seperti menguji hipotesis yang diajukan dalam penelitian.

No comments:

Definisi Statistik dan Statistika

Istilah statistik berasal dari bahasa latin “status” yang artinya suatu negara. Suatu kegiatan pengumpulan data yang ada hubungannya dengan kenegaraan, misalnya data mengenai penduduk, data mengenai penghasilan dan sebagainya, yang lebih berfungsi untuk melayani keperluan administrasi.

Secara kebahasaan, statistik berarti catatan angka-angka (bilangan); perangkaan; data yang berupa angka-angka yang dikumpulkan, ditabulasi, dikelompokkan, sehingga dapat memberi informasi yang berarti mengenai suatu masalah, gejala atau peristiwa (depdikbud, 1994).Menurut Sutrisno Hadi (1995) Statistik adalah untuk menunjukkan kepada pencatatan angka-angka dari suatu kejadian atau kasus tertentu. Selaras dengan apa yang didefinisikan oleh Sudjana (1995:2) bahwa statistik adalah kumpulan fakta berbentuk angka yang disusun dalam daftar atau tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan.

Statistika beda halnya dengan statistik, statistika yang dalam bahasa Inggris “statistics” (ilmu statistik), ilmu tentang cara-cara mengumpulkan, mentabulasi dan menggolongkan, menganalisis dan mencari keterangan yang berarti dari data yang berupa angka.Statistika merupakan ilmu pengetahuan yang berhubungan dengan cara-cara mengumpulkan, menabulasi, menggolong-golongkan, menganalisis, dan mencari keterangan yang berarti dari data yang berupa bilangan-bilangan atau angka, sehingga dapat ditarik suatu kesimpulan atau keputusan tertentu.

Selain itu, Statistika juga merupakan cabang ilmu matematika terapan yang terdiri dari teori dan metoda mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi, menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang diperoleh secara sistematis. Dengan demikian, didalamnya terdiri dari sekumpulan prosedur  mengenai bagaimana cara:

Mengumpulkan data  Meringkas data  Mengolah data  Menyajikan data  Menarik kesimpulan dan interpretasi data berdasarkan kumpulan data dan hasil

analisisnya

Sedangkan dalam dunia pendidikan, statistika membahas tentang prinsip-prinsip, metode, dan prosedur yang digunakan sebagai cara pengumpulan, menganalisa serta menginterpretasikan sekumpulan data yang berkaitan dengan dunia pendidikan.

Lebih jauh, statistika dalam Pendidikan Luar Biasa dapat diartikan sebagai penggunaan (aplikasi) prinsip-prinsip, dasar-dasar dan perhitungan statistik dalam menganalisa problema-problema PLB.

Juga dari sisi lain, Statistika dalam psikologi dimaknai sebagai penggunaan (aplikasi) prinsip-prinsip, dasar-dasar dan perhitungan statistik dalam menganalisa problema-problema bidang psikologi. No comments:

Konsep Dasar Statistika

Statistik memegang peranan yang penting dalam penelitian, baik dalam penyusunan model, perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan data, dalam penyusunan desain penelitian, dalam penentuan sampel dan dalam analisa data. Dalam banyak hal, pengolahan dan analisa data tidak luput dari penerapan teknik dan metode statistik tertentu, yang mana kehadirannya dapat memberikan dasar bertolak dalam menjelaskan hubungan-hubungan yang terjadi. Statistik dapat digunakan sebagai alat untuk mengetahui apakah hubungan kausalitas antara dua atau lebih variabel benar-benar terkait secara benar dalam suatu kausalitas empiris ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.

Statistik telah memberikan teknik-teknik sederhana dalam mengklasifikasikan data serta dalam menyajikan data secara lebih mudah, sehingga data tersebut dapat dimengerti secara lebih mudah. Statistik telah dapat menyajikan suatu ukuran yang dapat mensifatkan populasi ataupun menyatakan variasinya, dan memberikan gambaran yang lebih baik tentang kecenderungan tengah-tengah dari variabel.

Statistik dapat menolong peneliti untuk menyimpulkan apakah suatu perbedaan yang diperoleh benar-benarberbeda secara signifikan. Apakah kesimpulan yang diambil cukup refresentatif untuk memberikan infrensi terhadap populasi tertentu. Teknik-teknik statistik juga dapat digunakan dalam pengujian hipotesa, mengingat tujuan penelitian pada umumnya adalah untuk menguji hipotesa-hipotesa yang telah dirumuskan, maka statistik telah banyak sekali menolong peneliti dalam mengambil keputusan untuk menerima atau menolak suatu hipotesa. Statistik juga dapat meningkatkan kecermatan peneliti dalam rangka mengambil keputusan terhadap kesimpulan-kesimpulan yang ingin ditarik.

Penarikan kesimpulan secara statistik memungkinkan peneliti melakukan kegiatan ilmiah secara lebih ekonomis dalam pembuktian induktif. Tetapi harus disadari bahwa statistik hanya merupakan alat dan bukan tujuan dari analisa. Karena itu, janganlah dijadikan statistik sebagai tujuan yang menentukan komponen-komponen peneliti yang lain.

CARA MUDAH MEMPELAJARI STATISTIKA DASAR Ryano Azumi Kunnichiwa Kunnichiwa

Add Comment

Matematika, Tips and Trick

Monday, January 7, 2013

Statistik?? Hah.. denger nama statistik udah bikin pusing, isinya rumus-rumus yang ajibb ribet bener. Mungkin itu yang pernah ane dan sobat semua pikirkan pas ketemu pelajaran STATISTIKA. Memang statistika itu penuh dengan angka dan rumus, tapi eitss.. tunggu dulu coba ilangin deh pikiran kaya gitu. Semakin sobat berpikir seperti itu, semakin statistika terasa sangat sulit. 

Statistika sangat berguna loh sob, misalnya dalam menghitung jumlah perolehan suara dalam pemilu, tingkat penjualan dalam bisnis, menghitung indeks harga, menghitung hubungan antara variable bebas dan terikat dalam penelitian, dan lain-lain.  :D

Ada beberapa tips yang berhasil ane kumpulin dan Alhamdulillah berhasil mengahapus pikiran buruk tentang statistika. Mudah-mudahan bisa membantu sobat semua dalam memahami Stastistika. CEKIDOT NYOOKK!!

1. Jangan sekali-kali menghapalkan rumus, tapi pahami rumusnya. Karena apabila kita menghapalkan rumus justru membuat kita menjadi beban dalam memperlajari materi tersebut.

2. Pahami simbol-simbol yang ada dalam rumus. Dalam statistika pahamilah bagaimana simbol yang akan dipakai, seperti simbol ∑ (Sigma) yang menandakan jumlah data atau frekuensi. Selain itu, ada juga simbol ∑F yang berarti jumlah frekuensi kumulatif. Dari sini kita dapat membedakan simbol yang ada dan dapat mengaplikasikannya.

3. Jangan liat rumus dulu. Ketika kita melihat rumus dulu pasti berpikir bagaimana cara menghitungnya, dari mana kita memulainya. Hilangkan cara seperti itu, coba ubah dengan memahami darimana angka-angka itu berasal dan bagaimana jalannya.

4. Pahami data yang ada. Dengan memahami data yang ada, kita dapat mengetahui langkah-langkah perhitungannya, misalnya pada mencari tepi bawah kelas. Kita dapat mencarinya dengan mengurangi 0,5 dari data yang terkecil, contoh dalam data terdapat kelas 10-29, maka tepi bawah kelasnya ialah 10-0,5 = 9,5 karena 10 merupakan kelas terkecil dari data tersebut.

5. Jadikan Tantangan itu bukan sebagai penghalang, tapi jadikan motivasi untuk dapat bisa. Sama dengan statistik, mungkin statistik banyak rumus yang ngejlimet, tapi jangan jadikan kita untuk bilang tak mampu. Pada dasarnya sebuah niat yang didasari ketidakmampuan, maka seterusnya akan sulit untuk mengembangkannya. So, bilang pada hati kita bahwa KITA BISA MELAKUKANNYA,  I CAN DO IT, GANBANTTE..

6. Rumus Median, Kuartil, Desil, dan Presentil itu sama loh. Coba liat rumus Median, Kuartil, Desil, dan Presentil mungkin akan terlihat sama, hanya saja yang membedakannya ialah dalam mencari letak Median dengan dibagi 2 dari jumlah data (1n/2), dalam mencari letak Kuartil dengan kuartil keberapa (i) dibagi 4 (in/4), letak desil ialah desil keberapa (i=1 sampai 9) dibagi 10 (in/10), dan letak presentil ialah presentil keberapa (i=10 sampai 99) dibagi 100 (in/100).

Itulah sedikit tips yang dapat diaplikasikan bagi sobat semua, mungkin ada yang mau menambahkan tipsnya. Semoga bermanfaat.

Bagi yang mau nge-kopi silahkan aja, asal cantumin juga ya alamat asalnya dari http://ikubarunovryan.blogspot.com

Terima kasih atas kunjungannya, semoga bisa menjadi referensi bagi sobat semua.

“Panduan Dasar : Pengantar Dasar SPSS (I)”

Semula SPSS hanya digunakan untuk ilmu social saja “statistical package for the social science” tapi perkembangan berikutnya digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya berubah menjadi “statistical product and service solution

Program ini pertama dikembangkan oleh Norman H. Nie, C. Hadley dan Dale Bent dari Stanford university tahun 1960, tahun selanjutnya keluar SPSS/PC+ untuk personal computer, sedang  untuk versi windows dirilis tahun 1992.

1.Membuka Program

Klik Start dan klik All program Klik SPSS for Windows dan klik SPSS 13,00 for Windows

2.Cara Input Data

2.1.    Variable Data

Sebelum menginput data Langkah-langkah pertama kita membuat variable data dulu dengan ketentuan antara lain (nama varabel harus diawali dengan huruf dan selanjutnya boleh huruf, angka atau symbol seperti #, $, &, nama variable tidak boleh diakhiri dengan tanda titik dan tidak dieprkenankan memakai spasi, tidak boleh sama persis antara satu varibel dan variable lainnya, diperbolehkan menggunakan huruf capital/ besar maupun huruf kecil, tidak diperkenankan menggunakan kata-kata yang sudah ada pada system atau bahasa pemrograman SPSS, seperti ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO DAN WITH)

Diketahui data sebagai berikut :

No Nama Gender Program Usia Tinggi Berat

1. Niken 2 1 18 172 55

2. gayus 1 2 20 180 75

3. Vina 2 3 22 155 65

4. sumanto 1 2 25 170 80

5. Agnes 2 1 16 176 66

Adapun langkah-langkah penyusunan varibel sebagai berikut:

1. Buat file baru, klik File, klik New dan klik Data2. Terlihat lembar kerja baru, posisi pada Data View3. Klik Variable view.(ada tampilan nama, type, widh, decimals, label, values, missing, columns,

align dan measure)

Name : Kemudian ketik Nama Type : Klik Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “String” Widh : default 8 Decimals : default 2 Label : ketik nama subjek Value (untuk Nama value-nya “None”untuk selanjutnya Misalkan kita akan membuat value

untuk genderdan program) o Name : ketik gender dibawah namao Type : biarkan numerico Label : ketik jenis kelamino Value : klik, maka akan muncul Value Labels, kemudian ketik “1” di value dan “pria” di

label kemudian “Add”, kemudian ketik “2” di value dan tik “wanita” di label) sedangkan untuk program :

o Name : ketik program dibawah gendero Type : biarkan numerico Label : ketik program jurusan

Value : klik, akan muncul Value Labels, kemudian tik di value:”1”, Label : tik Bahasa Jepang, dan Add. Value : tik “2”, Label : tik Bahasa Inggeris dan klik Add; value : tik “3”, label : tik Bahasa Mandarin dan klik Add)

Kemudian Name ketik “usia”, Enter. Ketik Tinggi, enter. Ketik Berat, enter, kemudian Label : ketik usia, tinggi badan dan berat badan.

2.2.    Input Data

Nama : Ketik nama subjek pada varibel “nama”. Contoh : Niken, gayus, vina…seterusnya. Gender : ketik angka “1” pada kolom gender dan enter (terjadi perubahan dimana hasil ketikan

angka 1 akan berubah menjadi pria, kemudian ketik 2 pada kolom gender, kemudian enter angka 2 pada kolom gender dan ( terjadi perubahan dimana hasil ketikan angka 2 akan berubah menjadi wanita, dst)

Program : ketik angka 1 pada kolom program dan enter (terjadi perubahan dimana hasil ketikan angka 1 akan berubah menjadi bahasa jepang, ketik angka 2, enter, angka 3, enter…dans eterusnya)

Usia : ketika 18 pada variable usia, ketik 20, enter. Ketik 22, enter… Tinggi : ketik 172 dan angka-angka seterusnya pada kolom tinggi, ketik 180, enter. Ketik 155,

enter….seterusnya. Berat : ketik 55, enter..ketika 75, enter..ketik 65, enter…seterusnya.

3. Cara Menyimpan Data.

Klik Save, pada File Name, ketik lat. JPN1 Save In : pilih my document ( pilihan menyimpan file tergantung keinginan anda, file juga bisa

dismpan di SPSS evaluation, local disk, klik Save.

4.Menghapus Kolom.

Klik pada heading kolom/nama variable yang akan dihapus (contoh : akan dihapus varibel berat), letakan pointer persis pada tulisan berat, akan terlihat tanda panah kearah bawah. Klik, akan terlihat variable berat berubah menjadi hitam, klik Edit, klik Cut/Clear/Delete. Akan terlihat varibel berat sudah tidak ada dalam rekaman data.

STATISTIK DESKRIPTIF 

FUNGSI : pengumpulan, peringkasan data dan penyajian hasil peringkasan data (summary statistic)

Ada dua kelompok ukuran staistik yang sering digunakan dalam pengambilan keputusan adalah : mencari kecenderungan terpusat (Central Tendency) seperti mean, median, modus dan mencari ukuran dispersi (standar deviasi dan varians), sedang untuk mengetahui kemiringan data ukuran yang dipakai dengan skewness dan kurtosis.

1. A. Dasar Statistic Deskriptif:

Frequencies Descriptive Explore Crosstabs

Berikut data nilai UTS, nilai UAS dan nilai tugas 30 mahasiswa.

No Nama Gender* Angkatan* Nilai Uts Nilai Uas tugas1 Iwan 1 4 72 78 76

2 Anton 1 1 63 77 78

3 Koko 1 3 88 90 80

4 Dine 2 3 66 73 70

5 Memed 1 2 76 81 75

6 Cecep 1 1 66 72 65

7 Apep 1 4 71 78 77

8 Tini 2 2 52 80 72

9 Agness 2 3 59 60 60

10 Diah 2 1 72 70 70

11 Susi 2 4 63 70 70

12 Rosy 2 2 57 60 66

13 Shinta 2 2 86 90 90

14 Dewi 2 3 94 88 85

15 Fery 1 2 90 82 78

16 Marko 1 1 70 70 70

17 Gayus 1 4 88 85 88

18 Boncel 1 2 84 80 80

19 Linda 2 3 74 79 76

20 Krisna 2 2 57 60 60

21 Yosep 1 4 78 75 75

22 Haris 1 2 84 80 80

23 Roy 1 3 70 67 76

24 Nazar 1 4 54 70 70

25 Henki 1 3 81 80 80

26 kodok 1 1 78 76 77

27 siska 2 4 65 60 65

28 andik 1 4 81 78 80

29 Bambang 1 3 67 65 66

30 Sumanto 1 2 70 70 70

*Gender (jenis kelamin) : 1. Pria   2. Wanita

**Angkatan : 1. Angkatan 2008, 2. Angkatan 2009 3. Angkatan 2010, 4. Angkatan 2011

Frequencies :

Buat variable diatas yang terdiri dari nama, gender, angkatan, nilai UTS, nilai UAS dan tugas, kemduian simpan dengan file latspss2.

Buka file diatas, klik Analyze, klik Descriptive Statistics dan klik Frequencies. Klik Nilai Uts dan pindahkan Nilai Uts kekotak variables dengan mengklik tanda “◄” kemudian

klik statistics, untuk dispersion : pilih semua pilihan yang ada. Central tendency : pilih mean dan median, distribution : pilih skewness dan kurtosis. Percentile values : pilih percentile (pada kotak disebelah kananya ketik 25 dan klik Add, kemduian ketik lagi 50 dan klik Add, ketik 75 dan klik Add. Hal ini dilakukan untuk membuat nilai persenstil antara 25, 50 dan 75) klik continue. Kemudian klik Chart : pilih histograms dan pilih juga With Normal Curve (pilihan pada chart menggunakan histogram karena jenis datanya interval atau rasio), klik Continue dan klik Ok

Descriptive (fasilitas ini untuk menampilkan ukuran statistic (mean, sum, standard deviation, variance, range, minimum, maximum, SE mean, kurtosis dan skewness selain fasilitas pilihan save Standardized Values As Varibales pilihan ini akan menghasilkan variable baru berupa nilai Z skor (nilai baku), nilai Z skor akan sangat berguna ketika kita akan membandingkan nilai suatu variable dengan nnilai variable lainnya, terlebih nilai yang dibandingkan diambil dari skala pengukuran yang berbeda.) langka-langkahnya :

Buka file diatas, klik analyze, klik descriptive statistics, klik descriptive Klik Nilai_ tgs dan pindahkan ke kotak variable(s) dengan mengklik tanda “◄”klik Ok.berlaku

untuk melihat nilai UTS dan UAS… Untuk mencari nilai baku (nilai Z) dari nilai tugas, uts dan uas tinggal, klik Analyze, klik

Descriptive Statistics dan klik Descriptive. Klik nilai_tugas, nilai_uts dan nilai_uas, pindahkan kekotak Variables, kemudian klik Save Standardized.klik Ok

Pada Data View akan terlihat nilai Z

Explore

untuk mengexplore data lebih lengkap dibandingkan fasilitas frequencies dan descriptive) pada Explore Statistics dapat ditampilkan pilihan : Descriptive, M-Estimators, Outliers dan

Percentiles, sedang pada Explore Plots dapat ditampilkan : Descriptive (Stem-Ang-Leal dan Histogram) dan tampilan untuk Normality Plots With Test.

Langkah-langkahnya :

Buka File Data, klik Descriptive Statistics dan klik Explore. klik nilai_tgs, kemudian pindahkan ke Dependent List dengan mengklik tanda►, kemudian pindahkan angkatan_thn ke Factor List dengan mengklik tanda►, klik Ok.

Crosstabs (table silang)

tabel silang yang terdiri atas satu baris atau lebih atau satu kolom dan sekedar emnampilkan kaitan antara dua ata lebih variable dengan menghitung apakah ada hubungan antara baris dan kolom.

Alat uji yang dipakai antara chi-square,  kendall, kappa, dsb.

Langkah-langkah :

1. Crosstabs antara nilai uas dan tahun angkatan.

Buka file data, klik Analyze, klik Descriptive Statistics, klik Crosstabs. Pindahkan nilai_uas ke Row(s), Pindahakan jenis_kelamin ke Column (S) Klik Cells, Percentages: klik Total.

2.Mencari hubungan jenis kelamin dengan nilai uts (nominal dengan interval atau rasio)

Klik anayze, klik descriptive staistitics dan klik crosstabs. Pindahkan nilai_uts ke row(s), pidnahkan jenis_kelamin ke column(s)

Klik statistics dan pilih chi-square, klik continue, klik cells. Count: observed dan expected, percentages : total. Klik continue, klik ok.

B.   UJI ASUMSI DASAR

Teknik statistic parametric data diperoleh dari random sampling, kemudian harus memenuhi beberapa asumsi dasar.

Teknik Statistik

Normal Linier Homogen Multi Kolinieritas

Auto Korelasi

Heteros Kedastisitas

Korelasi v v        

Regresi v v   v v v

T test v   v      

Anava v   v      

Anakova v v v v v v

Uji normalitas data

Dilakukan untuk mengetahui apakah distribusi sebuah data yang didapatkan mengikuti atau mendekati hokum sebaran normal baku dari Gauss yang digambarkan dengan grafik polygon menyerupai bell, lonceng atau genta. Data tersebut tidak positively skewed (miring ke kiri) : memeliki frekuensi yang relative lebih bayak disebelah kiri dan ujung kurva cenderung

meruncing kekanan. Negative skewed (miring kekanan), memiliki frekuensi yang relative lebih banyak disebelah kanan dan ujung kurva cendrung meruncing kekiri.

Langkah-langkah :

Menggunakan menu 1-samples K-S

a)      Buka file, klik AnalyzeàNonparametric Testà1-Samples K-S

b)      Klik dan masukan nilai_tugas ke Test variables list

c)      Klik Ok

Criteria : Data normal bila nilai sig (p)>0.05 dan data tidak normal bila nilai sig (p) < 0.05.

Menggunakan menu explore.

a)    Buka file, klik AnalyzeàDescriptive StatisticsàExplore

b)    Klik dan masukan nilai_uts ke dependent list. Klik plot. Pada descriptive : nonaktifkan stem-and-leaf dan aktifkan : normality plots with test. Klik continue dan klik Ok.

Hasil uji normalitas data dengan menu explore dapat dilihat dari perbandingan nilai rasio skewness dan rasio kurtosis (sebaran normal bila : nilai berada antara nilai -2 sampai dengan +2), nilai sig (p) dari kolmogorov-smirnov dan Shapiro-wilk (sebaran normal bila : p>0.05 dans ebaran tidak normal bila p<0.05.)

Uji homogenitas data

Uji ini dilakukan untuk mengetahui apakah variansi antara kelompok yang diuji berbeda atau tidak, variansinya homogeny atau heterogen dan data yang diharapkan adalah homogen.

Langkah-langkah :

Menggunakan ANOVA.

Buka file Klik analyzeàcompare meansàone-way ANOVA. Klik nilai_uts dan pindahkan ke Dependent List, klik jenis_ kelamin dan pindahkan ke Factor. Klik Option dan pilih Homogeneity Of Variance Test. Klik continue dan klik ok. Data homogeny bila : p>0.05 dan tidak homogeny bila : p<0.05

Uji lienieritas data

Uji ini dialkuakn untuk mengetahui apakah hubungan antara variable independen dengan variable dependen bersifat linier (garis lurus). Jika hubungannya tidak linier dan tetap dianalisis

dengan statistic parametric, maka korelasi yang didapatkan bisa sangat rendah, meskipun sebenarnya korelasinya bisa tinggi kalau teknik parametriknya diganti dengan sttatistik non-parametrik.

Langkah-langkah

a)    Menu graphs: data linier.

Buka file, klik GraphsàInteractiveàAcatterplot Klik nilai_uas dan pindahkan Klik nilai_uts dan pindahkan Klik Fit. àMethod : pilih Regression.klik Ok.

b)    Menu graphs : data tidak linier.

laporan statistika dasar 1 (spss)

PERTEMUAN KE-1

PENGENALAN SPSS FOR WINDOW DAN MEMBANGUN DATA

A.    TUJUAN

1.      Agar mahasiswa mengenal SPSS for Windows

2.      Agar mahasiswa mampu memeasukkan data

3.      Agar mahasiswa mampu melakukan penyuntingan data

4.      Agar mahasiswa mampu menstransformasikan (modifikasi atau mengubah) data.

B.     DASAR TEORI

Mengenal SPSS For Windows

SPSS (Statistical Package for the Social Science) merupakan software statistik yang pada

awalnya digunakan untuk riset dibidang sosial dan melayani berbagai jenis user sehingga

sekarang SPSS singkatan dari Statistical Product and Service Solutions.

Proses pengolahan data pada SPSS adalah sbb :

INPUT DATA Proses dgDATA EDITOR

OUTPUT DATA

DENGAN

DATA EDITOR

DENGAN OUTPUT

NAVIGATOR

       PIVOT TEBLE EDITOR

       TEXT OUTPUT EDITOR

       CHART EDITOR

Penjelasan Proses Statistik dengan SPSS :

1.      Data yang akan diproses dimasukkan lewat menu DATA EDITOR.

2.      Data kemudian diproses lewat menu DATA EDITOR.

3.      Hasil pengolahan muncul di layar, yaitu OUTPUT NAVIGATOR.

Pada menu Output Navigator , informasi dapat ditampilkan secara :

1.      Text atau Tulisan. Pengerjaan (perubahan bentuk huruf, penambahan, pengurangn dll) yang

berhubungan dengan output berbentuk teks dapat dilakukan lewat menu Text Output Editor.

2.      Tabel. Pengerjaan (pivoting tabel, penambahan, pengurangan tabel, dll) yang berhubungan

dengan output berbentuk tabel dapat dilakukan lewat menu Pivot Table Editor.

3.      Chart atau Grafik. Pengerjaan (perubahan tipe grafik dan lainnya) yang berhubungan dengan

output berbentuk grafik dapat dilakukan lewat menu Chart Editor.

C.    PEMBAHASAN

Langkah-langkah untuk memasukkan data lewat Data Editor adalah sebagai berikut ;

1.      Dibuka lembar kerja baru, dengan meng-klik menu File; New; Data maka dilayar akan muncul

tampilan sbb :

2.      Didefinisikan variabel yang akan digunakan di tab sheet variabel view yang ada di bagian kiri

bawah, sehingga dilayar akan tampak tampilan sbb :

Disudut kiri bawah, ada 2 sheet (seperti Excel), yaitu Data View dan Variabel View.

Untuk memasukkan data, terlebih dahulu tentukan variabelnya yang kemudian diinput pada

Variabel View, seperti Nama,Jenis Kelamin, Berat Badan, Tinggi Badan, Berat Ideal, prosentase

kelebihan berat badan, dan sebagainya. Pada variabel tampak judul dikolom-kolom sbb :

a.       Name : merupakan nama variabel yang akan ditampilkan di baris teratas pada tampilan Data

View. Diisi nama variabel, untuk memasukkan nama variabel pada sel dengan cara mendouble

klik kemudian nama variabelnya, misalnya Nama

b.      Type : merupakan tipe variabel yang dipakai. Ada delapan tipe variabel yang secara umum dapat

digolongkan menjadi dua, yaitu variabel angka (Numeric, comma, Scientific notation, Date,

Dollar, dan Custom currency) dan variabel non-angka (String). Cara memilihnya adalah dengan

mengklik sel dibawah kolom type, kemudian muncul pilihan type data, klik type data yang

dipilih.

c.       Width : merupakan lebar kolom, diisi jumlah karakter maksimal yang akan diinput dalam Data

View.

d.      Decimal : merupakan jumlah digit setelah koma, diisi jumlah karakter maksimal yang akan

diinput dalam Data View.

e.       Label : merupakan penjelasan atribut Variabel Name yang muncul dalam kotak dialog apabila

melakukan analisis lebih lanjut, diisi keterangan untuk variabel (boleh dikosongkan).

f.       Value : merupakan pengodean untuk variabel non-angka (string variable). Dalam praktikum ini

jenis kelamin untuk laki-laki diberi kode 0, dan untuk perempuan diberi kode 1. Klik sel pada

kolom value yang akan diberi pengodean sehingga kotak dialog Value, ditulis 0 dan pada Value

Label, ditulis Laki-laki. Klik Add. Selanjutnya dilakukan langkah yang sama untuk jenis kelamin

perempuan. Setelah itu, klik OK..

g.      Missing : menetapkan nilai khusus data sebagai user missing atau untuk perlakuan data terhadap

Missing Value (abaikan sesuai default).

h.      Align : untuk pengaturan tampilan perataan dalam Data View, seperti left, centre, right.

i.        Measure : secara default akan terpilih Nominal jika variabel bertipe string, dan akan terpilih

Scale jika data bertipe Numeric.

3.      Data diisikan dengan cara klik data view yang ada di kiri bawah layar, kemudian isikan datanya

untuk tiap case.

Dalam praktikum ini data sampel mengenai berat badan peserta ASKES.

Nama Jk Berat Tinggi

Doni Laki-laki 60 155

Andi Laki-laki 60 165

Sisil Perempuan 55 175

Qori Perempuan 75 170

Aji Laki-laki 80 170

Cici Perempuan 75 180

Arum Perempuan 90 185

Mayang Perempuan 85 165

Andi Laki-laki 68 178

Umi Perempuan 47 158

Nani Perempuan 65 172

Arum Perempuan 58 155

Mayang Perempuan 55 165

Keterangan :

Jk adalah jenis kelamin dengan value 0 = laki-laki, 1 = perempuan

Berat adalah beray badan responden dalam kg

Tinggi adalah tinggi badan responden dalam cm

a.       Pemasukan data lewat Data editor

Data editor pada SPSS mempunyai dua bagian utama :

1)      Kolom, dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS akan diisi oleh

VARIABEL

2)      Baris, dengan ciri adanya angka 1, 2, 3 dst. Baris dalam SPSS akan diisi oleh Kasus / Case /

Data per Sampel.

Untuk mengisikan data dalam SPSS data editor sbb :

1)      Dibuka lembaran baru dengan mengklik menu file; New; Data

2)      Dibuat variabel pada sheet Variable View dengan mengklik tab sheet Variable View pada

sebelah kiri bawah.

3)      Pada baris pertama

         Name, diketikkan nama

         Type, dipilih tipe String dan tekan OK untuk kembali.

         Width, diketikkan 25

         Decimals, diketikkan 0

         Label, diketikkan nama mahasiswa

         Values, none

         Missing, none

         Columns, isikan 8

         Align, left

         Measure, nominal

4)      Pada baris kedua

         Name, diketikkan jk

         Type, dipilih tipe Numeric dan tekan OK untuk kembali.

         Width, diketikkan 1

         Decimals, diketikkan 0

         Label, diketikkan jenis kelamin mahasiswa

         Values, 0=”laki-laki” dan 1=”perempuan”

         Missing, none

         Columns, isikan 9

         Align, right

         Measure, scale

5)      Sehingga didapat seperti gambar dibawah :

 6)      Kemudian isikan pada sheet data View dengan mengklik tab sheet Variable View pada sebelah

kiri bawah, isikan data sesuai data sampel mengenai berat badan yang ada. Penginputan data

pada kolom jenis kelamin diketik 0 untuk laki-laki dan 1 untuk perempuan. Setelah selesai

menginputkan data, kemudian klik View; Value labels, maka pada kolom jenis kelamin (jk) akan

tampil berupa kalimat laki-laki / perempuan.

b.      Menyimpan data lewat Data Editor

Untuk menyimpan data dilakukan langkah-langkah, Klik menu File ; save As kemudian beri

nama filenya. File tersebut berekstensi sav. Apabila ingin melihat tampilan output pilih menu

Analyze; Report; Case Summaries.

4.      Pengolahan data

Mentranformasikan data dengan menu Transform

Dari data tersebut di atas akan ditentukan :

a.       Berat badan ideal responden dengan ketentuan berat ideal = (tinggi – 100)*0,9

b.      Menentukan prosentase kelebiahn berat badan responden yaitu kelebihan = (berat-berat

ideal)/berat*100

c.       Menentukan responden laki-laki yang over weight yaitu yang beratnya lebih dari berat ideal

d.      Memberikan tanda bagi responden yang kelebihan beratnya lebih dari 10% dengan tanda “diet”

Langkah pengolahan data tersebut adalah sbb :

a.       Data diatas dibuka

b.      Dengan menggunakan perintah Compute, ditentukan variabel baru ideal, yaitu :

Klik menu transform; compute :

o   Isi kotak target dengan nama variabel ideal

o   Tekan tombol Type dan Label sehingga akan tampak kotak dialog

o   Isi kolom label dengan menuliskan “berat ideal responden” untuk memberikan keterangan yang

variabel ideal

o   Pilih tipe Numeric untuk variabel ideal

o   Isi kotak numeric Expression dengan (tinggi-100)*0,9

o   Tekan tombol OK

Seperti tampak pada gambar :

 c.       Untuk menentukan variabel baru kelebihan, yaitu :

Klik menu transform; compute

o   Isi kotak target dengan nama variabel ideal

o   Tekan tombol Type dan Label sehingga akan tampak kotak dialog

o   Isi kolom label dengan menuliskan “presentase kelebihan berat responden” untuk memberikan

keterangan yang variabel kelebihan.

o   Pilih tipe Numeric untuk variabel kelebihan.

o   Isi kotak Numeric Expression dengan (berat-ideal)/berat*100

o   Tekan tombol OK.

Seperti tampak pada gambar :

 d.      Menentukan variabel baru over untuk menghitung responden yang kelebihan berat badan,

yaitu :

Klik menu transform; count

o   Isi kotak target variable dengan nama variabel over

o   Isi kotak target label dengan menuliskan “jumlah yang kelebihan berat badan”

o   Pindahkan variabel kelebihan pada kotak variables

o   Tekan tombol Define Value

o   Pilih Range ..... Throught highest

o   Isikan nilai 0,1 pada kotak Range tersebut

o   Tekan tombol Add untuk memasukkan nilai tersebut pada kotak Value of Count

o   Tekan tombol continue

o   Tekan tombol if

o   Pilih Include if case satiesfies condition

o   Tuliskan kondisi jk=0 pada kotak kondisi

o   Tekan continue

o   Tekan OK.

Seperti tampak pada gambar :

 e.       Menentukan variabel baru Tanda menggunakan perintah Recode

Klik menu transform; recode; Into different Variables

o   Dipilih variabel kelebihan untuk dimasukkan pada kotak input Variable -> output Variable

o   Pada kolom output Variable, pada bagian Name ketikkan tanda untuk memberikan nama untuk

variabel baru

o   Pada bagian label ditulis Keterangan Pemberian Tanda

o   Tekan tombol change sehingga variabel tanda masuk sebagai variabel output

o   Tekan tombol if untuk memberikan persyaratan

o   Pilih Include If case satiesfies condition

o   Tuliskan kondisi kelebihan >0,1 pada kotak kondisi

o   Tekan continue

o   Tekan tombol old and new value

o   Klik pilihan output variable are string

o   Pada kolom Old value pilih Range .... througth highest

o   Ketikkan nilai 0,1 pada kotak tersebut

o   Tekan tombol Add

o   Pada kolom New Value bagian kotak value ketikkan Diet

o   Tekan tombol Add

o   Tekan tombol continue

o   Tekan OK

Tampak seperti gambar :

D.    TUGAS

1.      Mengurutkan data mahasiswa berdasarkan nama.

Untuk mengurutkan data dilakukan dengan cara, klik kanan variabel nama, kemudian dipilih Sort

Ascending. Atau dengan langkah berikut :

a.       Membuka file yang hendak diurutkan

b.      Dipilih menu Data ; SORT CASES

c.       Variabel nama mahasiswa dipindahkan ke kotak variabel yang akan digunakan sebagai kunci

d.      Dipilih modus pengurutan Ascending (urutan naik)

e.       Tekan OK.

 Seperti tampak pada gambar :

 2.      Split data berdasarkan jenis kelamin.

Untuk memisahkan file dilakukan dengan langkah berikut :

a.       Dibuka file yang akan dipisah

b.      Pilih menu Data ; Split File

c.       Dipindahkan variabel jenis kelamin mahasiswa ke kotak yang akan digunakan sebagai kunci.

d.      Dipilih kriteria pemisahannya

e.       Tekan OK.

Hasil seperti tampak pada gambar :

E.     KESIMPULAN

Kesimpulan dari praktikum Pengenalan SPSS for Windows dan Membangun Data ini adalah

sebagai berikut :

1.      SPSS merupakan software statistik yang digunakan untuk melayani berbagai jenis user serta

untuk melakukan analisis statistik.

2.      SPSS digunakan untuk penyuntingan data dan transformasi data.

F.     LISTING (TERLAMPIR)

G.    DAFTAR PUSTAKA

Modul statistik Dasar Laboratorium Terpadu STMIK AKAKOM

Trihendradi, C. 2009. 7 Langkah Mudah Melakukan Analisis Statistik Menggunakan

SPSS 17. Penerbit : ANDI Yogyakarta.