Upload
susi-sulandari
View
497
Download
14
Embed Size (px)
Citation preview
Oleh : SUSI
ANALISIS DESKRIPTIF DAN ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASIANALISIS ASOSIASI
• Grafik dibawah ini disebut grafik Histogram. • Menggambarkan perbedaan berat badan Ati, Bambang, serta Andi
dari Tahun 1999 – 2002.
45,9 46,9 45 43,9
0
20
40
60
80
100
frek
uen
si (
kg)
1999 2000 2001 2002
T a h u n
Ati
Bambang
Andi
TUJUAN INSTRUKSIONAL TUJUAN INSTRUKSIONAL KHUSUSKHUSUS
• Mampu menjelaskan arti statistik deskriptif
• Mampu menjelaskan arti tendency central
• Mampu menjelaskan arti MODUS, MEDIAN, MEAN, RANGE, MD, VARIANS, SD, GRAFIK HISTOGRAM, GRAFIK POLIGON, GRAFIK PIE, TABEL DISTRIBUSI FREKUENSI.
• Mampu menghitung Mode, median, dan mean. (dengan manual dan SPSS)
• Mampu menjelaskan arti Dispersi
• Mampu menghitung range, MD, SD, dan variance. ( dengan SPSS)
• Mampu menyusun tabel distribusi frekuensi
• Mampu membaca tabel-tabel distribusi frekuensi
• Mampu membuat grafik Histogram, Poligon, serta Pie dengan SPSS.
• Mampu membaca grafik Histogram, Polygon, serta Pie.
• Mampu menjelaskan macam-macam hubungan antara dua variabel dengan rumus yang sesuai
• Mampu menganalisis tabel-abel asosiasi dari berbagai skala variabel
• Mampu menghitung hubungan dua variabel dengan rumus Rank Kendall, Spearman, Lambda, Gamma, Pearson dengan SPSS
• Mampu menganalisis hubungan variabel tersebut diatas
ANALISIS DATAANALISIS DATA
• Kategorisasi, pengurutan, peringkasan data untuk memperoleh jawaban atas permasalahan dalam penelitian.
• Tujuan : untuk menyederhanakan data, dapat dipahami dengan mudah, dapat dinterpretasikan dengan mudah.
TEKNIK-TEKNIK ANALISISTEKNIK-TEKNIK ANALISIS
• Distribusi Frekuensi
• Grafik
• Tendensi sentral
• Dispersi
• Analisis Hubungan
• Dls.
DASAR PEMILIHAN TEKNIK DASAR PEMILIHAN TEKNIK ANALISISANALISIS
• Rumusan masalah
• Tujuan penelitian
• Hipotesis
• Metode penelitian
Keterkaitan Rumusan Masalah, Keterkaitan Rumusan Masalah, Tujuan Penelitian, Hipotesis, Tujuan Penelitian, Hipotesis,
Metode Penelitian dan AnalisisMetode Penelitian dan Analisis
NO Rumusan Masalah
Tujuan Penel.
Hipote-sis Pen
Metode Penel
Analisis
1 Apa Meng-gam-barkan
- Kasus, deskrip-tip
Distribusi frekuen-si
2 Mengapa Analisis Hubung-an
korelasi
TEKNIK ANALISIS MENURUT TEKNIK ANALISIS MENURUT TINGKAT PENGUKURANTINGKAT PENGUKURAN
NO TINGKAT SKALA PENGUKURAN TEKNIK ANALISIS STATISTIK
1 Nominal Modus, Chi Square Koef. Korelasi,
Lamda
2 Ordinal Modus, Median, Spearman, Kendall,
Gamma
3 Interval Modus, Median, Mean, Range, Kuartil
SD, Variance, Korelasi Pearso,
Regresi.
ALUR ANALISIS DATAALUR ANALISIS DATA
Instrumen Pengumpulan
Data
Coding
Data EmpirisPd Instrumen
Matrik DataTabel-tabel
FrekensiSilangGrafik-grafik
StatistikManual
Komputer
PENGERTIAN STATISTIK PENGERTIAN STATISTIK DESKRIPTIPDESKRIPTIP
• Statistik berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi, tanpa membuat kesimpulan yang berlaku umum.
DALAM STATISTIK DESKRIPTIFDALAM STATISTIK DESKRIPTIF
• Penyajian data dengan :
• Tabel distribusi frekuensi• Grafik polygon, histogram, pie.• Mean, median, modus• Range, MD, SD, Varians
RUMUS MEANRUMUS MEAN
• MEAN =
N
fX
RUMUS MEDIANRUMUS MEDIAN
• Harus diurutkan dari data kecil ke besar
• Arti :
• Suatu nilai yang membagi dua sama besar suatu deretan nilai atau distribusi frekuensi sehingga pengamatan di kedua bagian sama
• Letak median = (n+1) : 2
• Nilai median
MEDIANMEDIAN
D A T A
MEDIAN
DASAR MEDIANDASAR MEDIAN
MEDIAN
KWARTIL DESIL PERSENTIL
KWARTILKWARTIL
• Data Diurutkan• Rumus letak K1 =• Nilai (cari)
• K2 dan K3 cara pembuatan rumus sama
4
)1(1 n
D A T A
K1 K2 K3
RUMUS UMUMRUMUS UMUMKWARTILKWARTIL
• Ki =
4
)1( ni
DESILDESIL
• D1 sampai dengan D9
• Letak D1 :
• Nilai D1(cari)
10
)1(1 n
D A T A
D1 D2 D3 D4 D5 D6 D7 D8 D9
PERSENTILPERSENTIL
• P1 sampai dengan P99• Letak P1 :
• Nilai D1(cari)
D A T A
P1 P2 P3 P4 P5 P6 P7
100
)1(1 n
P99
RUMUS MODUSRUMUS MODUS
• Merupakan suatu pengamatan dalam distribusi frekuensi yang memiliki jumlah pengamatan dimana jumlah frekuensinya paling besar/ paling banyak.
• Untuk suatu distribusi frekuensi tertentu mungkin saja memiliki modus lebih dari satu
Contoh ModusContoh ModusToko Keuntungan (Rp)
X1 1.000.000,00
X2 8.000.000,00
X3 120.000.000,00
X4 125.000.000,00
X5 75.000.000,00
X6 150.000.000,00
X7 125.000.000,00
Modus = 125.000.000,00
UKURAN KECENDERUNGAN TENGAHUKURAN KECENDERUNGAN TENGAH ( TENDENCY CENTRAL) ( TENDENCY CENTRAL)
Tingkat
Ukuran
Mode Median Mean
Interval X X X
Ordinal X X
Nominal X
Median Hanya dapat diperoleh dari data yang bersifat Interval dan Ordinal
Mean Hanya dapat diperoleh dari data yang bersifat Interval/ Ratio
CARA MEMBUAT GRAFIK CARA MEMBUAT GRAFIK
Grafik Sumbu x
Histogram Batas nyata, titik tengah
Polygon Titik Tengah
Ogive (cf) Batas nyata
Pie %
GRAFIK POLIGONGRAFIK POLIGON
SIMETRIS
Condong kanan(pos)
Condong kiriNeg
POLYGON SIMETRISPOLYGON SIMETRIS
MEAN = MEDIAN = MODUS
Mean
POLYGON CONDONG POLYGON CONDONG KEKANAN (Juling Pos)KEKANAN (Juling Pos)
Mo Med
Mean
+
POLYGON CONDONG POLYGON CONDONG KEKIRI (Juling Neg)KEKIRI (Juling Neg)
MoMed
Mean
+
FREKUENSI
NILAI
BEBERAPA BENTUK KURVEBEBERAPA BENTUK KURVE
• KURVE YANG SIMETRIS
• KURVE YANG A - SIMETRIS
KURVE SIMETRISKURVE SIMETRIS
• Apabila dilipat tepat di tengah-tengahnya maka setengah lipatan bagian kiri akan menutup tepat setengah lipatan bagian kanan
KURVE-KURVE SIMETRISKURVE-KURVE SIMETRIS
BEL NORMAL/ NORMALBEL NORMAL/ NORMAL
MEAN = MEDIAN = MODUS
Mean
NILAI
f
TRAPESIUM/ RECTANGULARTRAPESIUM/ RECTANGULAR
NILAI
f
BEL LANGSING/ LEPTOKURTIKBEL LANGSING/ LEPTOKURTIK
NILAI
f
BEL GEMUK/ PLATKURTIKBEL GEMUK/ PLATKURTIK
NILAI
f
KURVE “U”KURVE “U”
NILAI
f
SIMETRI DWI MODESIMETRI DWI MODE
NILAI
f
KURVE A - SIMETRIKURVE A - SIMETRI
• Lebih dikenal dengan nama “KURVE JULING”
• Kejulingan ditentukan oleh EKORNYA
• Jika EKOR SEBELAH KANAN , maka JULING POSITIP KURVE G
• JIKA EKOR SEBELAH KIRI , MAKA JULING NEGATIF ( KURVE H DAN I )
GRAFIK POLIGONGRAFIK POLIGON
SIMETRIS
Condong kanan(pos)/G/Kurang
cerdas
Condong kiriNeg/H/Cerdas
KURVE JULING NEGATIFKURVE JULING NEGATIF
NILAI
f
I
KURVE “L”KURVE “L”
NILAI
f
BERBENTUK HURUF L
J
KURTOSIS (KELANCIPAN)KURTOSIS (KELANCIPAN)
fFariasiSangat rendahVariasi
Sangatbesar
SIMETRISMEAN = MEDIAN = MODUS
POSITIF CONDONG POSITIF CONDONG KEKANAN (Juling Pos)KEKANAN (Juling Pos)
Mo Med
Mean
+
NEGATIF CONDONG NEGATIF CONDONG KEKIRI (Juling Neg)KEKIRI (Juling Neg)
MoMed
Mean
+
FREKUENSI
NILAI
KEMENCENGAN (SKEWNESS)KEMENCENGAN (SKEWNESS)
UKURAN DISPERSIUKURAN DISPERSI
• MERUPAKAN SUATU METODE ANALISIS YANG DITUJUKAN UNTUK MENGUKUR BESARNYA PENYIMPANGAN/ PENYEBARAN DARI DISTRIBUSI DATA YANG DIPEROLEH TERHADAP NILAI SENTRALNYA.
ALASAN :ALASAN :
• “APAKAH NILAI RATA-RATA TERSEBUT MEMANG SUDAH DIANGGAP MAMPU MENJELASKAN KEADAAN POPULASI YANG SEBENARNYA”.
Dispersi :Dispersi :
• DAPAT DIGUNAKAN SEBAGAI PENGUKUR KUALITAS (QUALITY CONTROL) DARI PRODUK YANG DIHASILKAN
CONTOH :CONTOH :
• PT INDOCEMENT YANG SETIAP HARINYA MENGHASILKAN RATA – RATA 500.000 ZAK SEMEN @ 40 KG TIAP ZAKNYA
• UNTUK MELIHAT PENYIMPANGAN MAKA DENGAN RANDOM MISALNYA 500 SAMPEL ZAK :
SAMPEL BERAT/KG KETERANGAN
1 40 KG
Apakah
terjadi penyimpangan
???
2 40 KG
3 40 KG
5 40 KG
- 40 KG
- 40 KG
500 40 KG
SAMPEL BERAT/KG KETERANGAN
1 40 KG
TIDAK TERJADI
PENYIMPANGAN
2 40 KG
3 40 KG
5 40 KG
- 40 KG
- 40 KG
500 40 KG
KESIMPULANKESIMPULAN
• MESIN MASIH BEKERJA DENGAN BAIK.
• KARENA RATA-RATA BERAT ZAKNYA SESUAI DENGAN KETENTUAN YANG DIKEHENDAKI
SAMPEL BERAT/KG KETERANGAN
1 42,1
Apa
TERJADI PENYIMPANG
AN ????
2 36,8
3 40,2
5 42
- -
- -
500 39,2
contoh
SAMPEL BERAT/KG KETERANGAN
1 42,1
TERJADI PENYIMPANG
AN
2 36,8
3 40,2
5 42
- -
- -
500 39,2
contoh
KESIMPULANKESIMPULAN
• ADA MESIN YANG BEKERJA TIDAK BAIK.
• ARTINYA PERLU MENGECEK KEMBALI MESIN-MESIN YANG DIGUNAKAN PADA PROSES PRODUKSI TERSEBUT.
MACAM-MACAM UKURAN MACAM-MACAM UKURAN DISPERSI :DISPERSI :
1. RANGE (JANGKAUAN)/ RENTANGAN
2. DEVIASI RATA-RATA (AVERATE DEVIATION) DAN MEAN DEVIATION
3. DEVIASI STANDARD (STANDARD DEVIATION) DAN VARIANCE
4. DEVIASI KUARTIL (QUARTILE DEVIATION)
RANGERANGE
• RELTIF KASAR
• RANGE KECIL, BERARTI BAHWA SUATU DISTRIBUSI MEMILIKI RANGKAIAN DATTA YANG LEBIH HOMOGEN
CONTOH : (1)CONTOH : (1)KEUNTUNGAN YANG DIPEROLEH 8 TOKO KEUNTUNGAN YANG DIPEROLEH 8 TOKO
KELONTONG DI JALAN SOLOKELONTONG DI JALAN SOLO
TOKO KEUNTUNGAN (Rp)
A 4000
B 5000
C 6000
D 5000
E 4000
F 6000
G 5500
H 4500
VARIASI RELATIF KECIL (HOMOGEN)VARIASI RELATIF KECIL (HOMOGEN)
TOKO KEUNTUNGAN (Rp)
A 4000
B 5000
C 6000
D 5000
E 4000
F 6000
G 5500
H 4500 0
1000
2000
3000
4000
5000
6000
A B C D E F G H
KEUNTUNGAN
VARIASI RELATIF KECIL (HOMOGEN)VARIASI RELATIF KECIL (HOMOGEN)
0
1000
2000
3000
4000
5000
6000
7000
A B C D E F G H
KUNTUNGAN
DARI DATA DIATAS RATA-RATA DARI DATA DIATAS RATA-RATA KEUNTUNGAN :KEUNTUNGAN :
8
500.4500.5000.6000.4000.5000.6000.5000.4 X
000.5X
CONTOH : (2)CONTOH : (2)KEUNTUNGAN YANG DIPEROLEH 8 TOKO KEUNTUNGAN YANG DIPEROLEH 8 TOKO
KELONTONG DI JALAN SEMARANGKELONTONG DI JALAN SEMARANG
TOKO KEUNTUNGAN (Rp)
A 1.000
B 9.000
C 5.000
D 4.000
E 6.000
F 5.000
G 9.500
H 5.000
DARI DATA DIATAS RATA-RATA DARI DATA DIATAS RATA-RATA KEUNTUNGAN :KEUNTUNGAN :
8
500500.9000.5000.6000.4000.5000.9000.1 X
000.5X
VARIASI RELATIF BESAR VARIASI RELATIF BESAR (HETEROGEN))(HETEROGEN))
0
2000
4000
6000
8000
10000
A B C D E F G H
KUNTUNGAN
RATA-RATARATA-RATA
000.5N
fxx
PERBANDINGANPERBANDINGAN
• KEDUA CONTOH TERSEBUT DIATAS RATA-RATA SAMA = 5.000
• TETAPI KEDUA TOKO TERSEBUT MEMILIKI PERBEDAAN DALAM PENYEBARANNYA
• CONTOH (1) RANGE = KECIL = 6.000-4.000 = 2.000 (HOMOGEN)
• CONTOH (2) RANGE = BESAR = 9.500 – 500 = 9.000 (HETEROGEN)
KESIMPULANKESIMPULAN
• RANGE SEMAKIN RENDAH SEMAKIN
HOMOGEN
penting
( MD )
MEAN DEVIATIONMEAN DEVIATION(DISEBUT DEVIASI RATA-RATA/(DISEBUT DEVIASI RATA-RATA/
AVERAGE DEVIATION)AVERAGE DEVIATION)
• MERUPAKAN PENYEBARAN DATA ATAU ANGKA-ANGKA ATAS DASAR JARAK (DEVIASI) DARI PELBAGAI ANGKA-ANGKA DARI RATA-RANYA
RUMUS :RUMUS :DATA TIDAK BERKELOMPOKDATA TIDAK BERKELOMPOK
N
XXiMD
N
i
1
atau
N
XiMD
N
i
1
N
XXiMD
N
i
1 • Keterangan :
MD = MEAN DEVIATION
│ │ = TANDA NILAI ABSOLUT
(HARGA MUTLAK)
Xi = NILAI DARI DATA PENELITIAN
= MENUNJUKKAN NILAI DARI X1 SAMPAI DENGAN Xn
N = JUMLAH DATA
µ/ X bar = NILAI RATA-RATA (MEAN)
N
i 1
X
CONTOH : CONTOH : KEUNTUNGAN YANG DIPEROLEH 5 TOKO KEUNTUNGAN YANG DIPEROLEH 5 TOKO
KELONTONG DI JALAN SooKELONTONG DI JALAN Soo
TOKO KEUNTUNGAN (Rp)
A 4.000
B 5.000
C 6.000
D 5.000
E 5.000
RATA-RATA 5.000
SOAL : CARI MD ?
N
XXiMD
N
i
1
Xi X bar
4.000 5.000 1.000
5.000 5.000 0
6.000 5.000 1.000
5.000 5.000 0
5.000 5.000 0
TOTAL 2.000
)( XXi
N
XXiMD
N
i
1
2.000
= 2000/5 = 400
MD DATA BERKELOMPOKMD DATA BERKELOMPOK
N
XMFMD
ATAU
N
MFMD
• Keterangan :
MD = MEAN DEVIATION
│ │ = TANDA NILAI ABSOLUT
(HARGA MUTLAK)
F = FREKUENSI PADA MASING-MASING KELAS
M MID POINT/ TITIK TENGAH/ CLASS MARK
N = JUMLAH DATA
µ/ X bar = NILAI RATA-RATA (MEAN)
X
N
XMFMD
DATA BERKELOMPOK
NILAI F(f) M(Titik Tengah)
F*M X
bar
50 - 55 1
56 – 61 2
62 – 67 17
68 – 73 13
74 – 79 24
80 – 85 9
86 - 91 7
92 - 97 7
80
XM XMF (
SOAL CARI MD ?
CONTOH :CONTOH :
NILAI F(f) M(Titik Tengah)
F*M X
bar
50 - 55 1 52,5 52,5 75,52 23,02 23,02
56 – 61 2 58,5 117 75,52 17,02 34,04
62 – 67 17 64,5 1.096,5 75,52 11,02 187,34
68 – 73 13 70,5 916,5 75,52 5,02 65,26
74 – 79 24 76,5 1.836 75,52 0,98 23,52
80 – 85 9 82,5 742,5 75,52 6,98 62,82
86 - 91 7 88,5 619,5 75,52 12,98 90,86
92 - 97 7 94,5 661,5 75,52 18,98 132,86
80 6042 619,82
XM XMF (
N
XMFMD
MD = 619,82/80 = 7,14
CARA MENGHITUNG MDCARA MENGHITUNG MD
1. CARILAH NILAI MID POINT (M)/ TITIK TENGAH PADA MASING-MASING KELAS (M)
2. CALILAH DEVIASI MUTLAK (ABSOLUT) YAITU SELISIH ANTARA MID POINTDENGAN NILAI RATA-RATA ( X BAR) ATAU
XM
3. KALIKAN HASIL NO.2 DENGAN MASING-MASING FREKUENSI KELASNYA
4. JUMLAHKAN MASING-MASING HASIL NO.3
XMF (
XMF (
5. BAGILAH HASIL NO.4 DENGAN N MAKA AKAN DIPEROLEH : MD
CARI MD?CARI MD?
NILAI F(f) M(Titik Tengah)
F*M X
bar
1-5 1
6-10 2
10-15 16
16-20 13
21-25 12
26-30 3
XM XMF (
DISPERSI/VARIABILITASDISPERSI/VARIABILITAS
• UNTUK MENGETAHUI PENYEBARANNYA YANG BANYAK DIGUNAKAN
• RANGE• MD• SD• VARIANCE = (SD kuadrat)• INTERQUARTILE RANGE (K3-K1)• SEMI INTERQUARTILE RANGE = (k3-K1)/2
STANDAR STANDAR DEVIASIDEVIASI
STANDAR DEVIASISTANDAR DEVIASIDiketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut :
NO
NILAI
x(titik tengah) f (f) x (tt.t) (f)x(tt.t)2
(1) (2) (3) (4) (5) (6)
1 12 - 18
2 19 - 25
3 26 - 32
4 33 - 39
5 40 - 46
6 47 - 53
7 54 - 60
8 61 - 67
9 68 - 74
10 75 - 81
11 82 - 88
N ∑fx 2fx
STANDAR DEVIASISTANDAR DEVIASIDiketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut :
NO
NILAI
x(titik tengah) f (f) x (tt.t) (f)x(tt.t)2
(1) (2) (3) (4) (5) (6)
1 12 - 18 15 6 90 1350
2 19 - 25 22 9 198 4356
3 26 - 32 29 18 522 15138
4 33 - 39 36 37 1332 47952
5 40 - 46 43 65 2795 120185
6 47 - 53 50 83 4150 207500
7 54 - 60 57 66 3762 214434
8 61 - 67 64 52 3328 212992
9 68 - 74 71 30 2130 151230
10 75 - 81 78 23 1794 139932
11 82 - 88 85 11 935 79475
400 21036 1194544
N ∑fx 2fx
Dari tabel diatas hitung SD dengan RUMUS II :Dari tabel diatas hitung SD dengan RUMUS II :
22
N
fx
N
fxSD
KETERANGAN:
1. Tak usah cari Mean2. x = titik tengah3. f = frekuensi4. N = Jumlah sampel
Dispersi/variabilitasDispersi/variabilitas(untuk mengetahui (untuk mengetahui
penyebarannya)penyebarannya)yang banyak digunakanyang banyak digunakan
kesimkesimpulanpulan
lanjutanlanjutan
lanjutanlanjutan
NILAI PESERTA PELATIHAN SPSS NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006Di FISIP OKT 2006
NO NILAI TITIK TENGAH
F MEAN X’ (DEVIASI MEAN)
F(x’)2
(1) (2) (3) (4) (5) (6) (7)
1 12 – 18 15 6 52.59 - 37.5 8478.0486
2 19 – 25 22 9 52.59 - 30.59 8421.7329
3 26 – 32 29 18 52.59 - 23.59 10016.785
4 33 – 39 36 37 52.59 - 16.59 10183.439
5 40 – 46 43 65 52.59 - 9.59 5977.9265
6 47 – 53 50 83 52.59 - 2.59 556.7723
7 54 – 60 57 66 52.59 4.41 1283.5746
8 61 – 67 64 52 52.59 11.41 6769.7812
9 68 – 74 71 30 52.59 18.41 10167.843
10 75 – 81 78 23 52.59 25.41 14850.366
11 82 - 88 85 11 52.59 32.41 11554.489
J u m l a h 400
(N)
X bar/
Mean
Titik tengah - Mean
88260.76
NILAI PESERTA PELATIHAN SPSS NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006Di FISIP OKT 2006
NO NILAI TITIK TENGAH
F MEAN X’ (DEVIASI MEAN)
F(x’)2
(1) (2) (3) (4) (5) (6) (7)
1 12 – 18
2 19 – 25
3 26 – 32
4 33 – 39
5 40 – 46
6 47 – 53
7 54 – 60
8 61 – 67
9 68 – 74
10 75 – 81
11 82 - 88
J u m l a h
RUMUS SDRUMUS SD
• Cari Mean terlebih dahulu• X’ = deviasi dari mean ( Titik tengah – mean )• Rumus :
• SD =
N
xf 2')(
Cara mengerjakan :Cara mengerjakan :
1. Cari Mean terlebih dahulu dengan rumus yang sudah dipelajari
2. X’ = deviasi mean ( titik tengah – mean) untuk data berkelompok
3. X’ = nilai variabel – mean untuk data yang tidak berkelompok
4. Masukkan rumus
• SD
• = 14,845 • Jd. SD nilai kemampuan SPSS dari 100
peserta pelatihan Balitbang = 14,854
400
76,88260
Rumus IIIRumus III
22' '
N
fx
N
xfiSD
Keterangan :1. x’= deviase berkode2. Tentukan deviasi berkode 0 disembarang tempat3. Tulis nilai yang rendah -1, -2 dst4. Tulis nilai yang tinggi +1, +2 dst5. Awas jangan terbalik 6. I = interval kelas7. N = sampel8. F = frekuensi
NILAI PESERTA PELATIHAN SPSS NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006Di FISIP OKT 2006
NO NILAI f X’ fX’ f(x’)2
(1) (2) (4) (5) (6) (7)
1 12 – 18 6 -4 -24 96
2 19 – 25 9 -3 -27 81
3 26 – 32 18 -2 -36 72
4 33 – 39 37 -1 -37 37
5 40 – 46 65 0 0 0
6 47 – 53 83 1 83 83
7 54 – 60 66 2 132 264
8 61 – 67 52 3 156 468
9 68 – 74 30 4 120 480
10 75 – 81 23 5 115 575
11 82 - 88 11 6 66 396
J u m l a h 400
(N)
548 2552
NILAI PESERTA PELATIHAN SPSS NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006Di FISIP OKT 2006
NO NILAI f X’ fX’ F(x’)2
(1) (2) (4) (5) (6) (7)
1 12 – 18 6
2 19 – 25 9
3 26 – 32 18
4 33 – 39 37
5 40 – 46 65
6 47 – 53 83
7 54 – 60 66
8 61 – 67 52
9 68 – 74 30
10 75 – 81 23
11 82 - 88 11
J u m l a h 400
(N)
PENYAJIAN DATAPENYAJIAN DATA
• Komunikatif dan lengkap
• Menarik perhatian
• Mudah dipahami isinya
• Mis. Berwarna, bentuk grafik, bentuk tabel
Tabel interval :Tabel interval :TK Kepuasan Kerja PegawaiTK Kepuasan Kerja Pegawai
Pada Dipenda Juni 2004 Di SemarangPada Dipenda Juni 2004 Di Semarang
NO ASPEK KEPUASAN
KERJA
TK KEPUAS-
AN (%)
1 Gaji 37.58
2 Insentif 57.18
3 Transportasi 68.60
4 Perumahan 48.12
5 Hubungan Kerja 54.00
• Tingkat kepuasan yang tertinggi dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004 adalah pada pemberian uang transprtasi (68.60%), dan gaji termasuk tingkat kepuasan yang terendah (37.58%) dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004.
TABEL TABEL DISTRIBUSI FREKUENSIDISTRIBUSI FREKUENSI
• Disusun jika jumlah raw data cukup banyak dan sulit dibaca
• Jumlah kelas min 6 dan max 15• Batas kelas bawah• Batas kelas atas• Interval kelas• Batas nyata• Titik tengah• Frekuesi
TabelTabelDistribusi frekuensi nilai pelatihan SPSSDistribusi frekuensi nilai pelatihan SPSS
Peserta Balitbang Peserta Balitbang Di MAP UNDIP Juni 2004Di MAP UNDIP Juni 2004
NO KELAS
KLAS INTERVAL
FREKUENSI %
1 10 – 19 1 0.67
2 20 – 29 6 4.00
3 30 – 39 9 6.00
4 40 – 49 31 20.67
5 50 – 59 42 28.00
6 60 – 69 32 21.33
7 70 – 79 17 11.33
8 80 – 89 10 6.67
9 90 – 99 2 1.33
J u m l a h 150 100
• Frekuensi angka absolut dirubah dalam bentuk persen (%)
• Analisis nilai yang tertinggi dan terendah
HISTO-GRAM
Polygon
Pie
GRAFIKGRAFIK
HISTOGRAMHISTOGRAM
• Merupakan suatu set data yang sudah tersusun berdasarkan intervalnya, sehingga merupakan suatu rangkaian/ hubungan antara jumlah frekuensi yang ada pada masing-masing kelasnya.
POLIGONPOLIGON
• Merupakan garis yang menghubungkan jumlah frekuensi pada masing-masing kelasnya dimana poligon menunjukkan titik tengah pada masing-masing nilai tengah ( classmarknya)
PiePie
13%
17%
57%
13%
1st Qtr 2nd Qtr
3rd Qtr 4th Qtr
• Adalah diagram lingkaran atau pie chart. Digunakan untuk membandingkan data dari berbagai kelompok. Biasanya dalam bentuk %.
GRAFIK HISTOGRAMGRAFIK HISTOGRAM
• Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003
• Sumbu Y (Rp),• Sumbu X = Th
• 2000 2001 2002 2003• gula 1000 1500 2000 1000• kopi 5000 4000 8000 6000• beras 3000 3400 4000 3500
0
1000
2000
3000
4000
5000
6000
7000
8000
2000 2001 2002 2003
gula
kopi
beras
GRAFIK POLYGONGRAFIK POLYGON
• Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003
• Sumbu Y (Rp),• Sumbu X = Th
• 2000 2001 2002 2003• gula 1000 1500 2000 1000• kopi 5000 4000 8000 6000• beras 3000 3400 4000 3500
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
2000 2001 2002 2003
gula
kopi
beras
GRAFIK HISTOGRAMGRAFIK HISTOGRAM
• Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003
• Sumbu Y (Rp),• Sumbu X = Th
• 2000 2001 2002 2003• gula 1000 1500 2000 1000• kopi 5000 4000 8000 6000• beras 3000 3400 4000 3500
1000
1500
2000
1000
5000
4000
8000
6000
3000
3400
4000
3500
2000
2001
2002
2003
beras
kopi
gula
ANALISIS ASOSIASI ANALISIS ASOSIASI POSITIFPOSITIF
Dependent Var (Y)
Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n
Categori 1 100% 0% 0%
Categori 2 0% 100% 0%
Categori n 0% 100%
Total 100% 100% 100%
ANALISIS ASOSIASI ANALISIS ASOSIASI NEGATIFNEGATIF
Dependent Var (Y)
Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n
Categori 1 0% 0% 100%
Categori 2 0% 100% 0%
Categori n 100% 0% 0%
Total 100% 100% 100%
UKURAN ASOSIASIUKURAN ASOSIASI
• Korelasi sempurna antara dua var = 1 dan -1 ( sempurna positip dan sempurna negatif)
• Korelasi = 0 ( tidak ada korelasi)
• Korelasi antara 0 dan 1 ---- positip
• Korelasi antara 0 dan -1 ---- negatif
GAMBAR KORELASIGAMBAR KORELASI
-1 0 +1
KORELASI ANTAR VARIABELKORELASI ANTAR VARIABEL
• Korelasi menunjukkan arah dan kuatnya hubungan antara dua variabel
• Arah dinyatakan dalam hubungan positif dan negatif
• Kuatnya hubungan dinyatakan dalam besarnya koeff korelasi
• Hubungan positif, bila X meningkat Y juga meningkat atau sebaliknya.
• Hubungan negatif, bila suatu variabel X meningkat justru variabel Y menurun atau sebaliknya.
• Contoh :
TINGGI BADAN KECEPATAN LARI
Pos
Semakin tinggi badan orang, maka semakin cepat larinya, dan semakin pendek badan orang semakin lambat larinya
• Contoh :
• Semakin tinggi curah hujan, maka akan semakin sedikit es yang terjual, dan semakin sedikit curah hujan, maka akan semakin banyak es yang terjual
CURAH HUJANES YANG TERJUAL
NEG
PEDOMAN PEBENTUAN TEKNIK PEDOMAN PEBENTUAN TEKNIK STATISTIK YANG DIGUNAKANSTATISTIK YANG DIGUNAKAN
NO Tingkatan Data Teknik korelasi
1 Nominal Koeff kontingensi, Lamda
2 Ordinal Spearman Rank, Kendall Tau, Gamma
3 Interval Pearson
Hubungan antara kompetensi dan hirarkhi Hubungan antara kompetensi dan hirarkhi pada Kantor Pemda Di Semarang Th 2004pada Kantor Pemda Di Semarang Th 2004
Hierarchi
Competence %)
Low Medium High
Low 74 38 30
Medium 21 57 43
High 5 5 27
Total 100%
(N=152)
100%
(N=159)
100%
(N=89)
• Perbed tk kompetensi kecil dan besar dibawah hirarkhi low = 74%-30%=34%
• Perbed tk kompetensi kecil dan besar dibawah hirarkhi high = 27%-5%=22%
• Kesimpulan kehadiran variabel independent (tk kompetensi) telah membuat hirarkhi meningkat lebih tinggi sebanyak 34% (diambil dr tingkat perbedaan terbesar)
Persentase DistributionPersentase DistributionDari kedua Perencana TransportasiDari kedua Perencana Transportasi
Mengiklankan Kemudahan
Ride Bus
No Yes Total Ride Bus
No Yes Total
No 225
(75%)
134
(67%)
359 No 269
(77%)
90
(60%)
359
Yes 75
(25%)
66
(33%)
141 Yes 81
(23%)
60
(40%)
141
Total 300
(100%)
200
(100%)
500 Total 350
(100%)
150
(100%)
500
KesimpulanKesimpulan
• Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8%
• Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.
Persentase DistributionPersentase DistributionDari kedua Perencana TransportasiDari kedua Perencana Transportasi
Mengiklankan Kemudahan
Ride Bus
No Yes Total Ride Bus
No Yes Total
No 225
(75%)
134
(67%)
359 No 269
(77%)
90
(60%)
359
Yes 75
(25%)
66
(33%)
141 Yes 81
(23%)
60
(40%)
141
Total 300
(100%)
200
(100%)
500 Total 350
(100%)
150
(100%)
500
• KESIMPULAN
• Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8%
• Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.
KesimpulanKesimpulan
• Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8%
• Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.
SPEARMAN DANSPEARMAN DAN KENDALL TAU KENDALL TAU
Telah dibahas pada Pelatihan Pertama
LAMBDALAMBDA
NOMINAL NOMINAL
LAMBDALAMBDA
• Menunjukkan reduksi proporsional data error yang diperoleh dalam memprediksi kategori dari dependent variabel ketika nilai independent variabel diperhitungkan.
• Atau :• Mengevaluasi sampai seberapa jauh
prediksi terhadap dependent membaik bila dimasukkan kategori dari variabel dependent
Distribusi responden Distribusi responden menurut daerah asal dan partisipasi menurut daerah asal dan partisipasi
terhadap program KBterhadap program KB
Partisipasi Daerah Asal Jumlah
Tidak Ikut 100 125 225
Ikut 200 75 275
Total 300 200 500
ANALISISANALISIS
• Pertama kita tentukan bahwa prediksi terbaik adalah “ikut” KB. Yang seharusnya 500 orang tapi dalam kenyataan hanya 275. Jd error yang terjadi = 500 – 275 = 225. Proporsi error = 225:500 = 0,45. Angka yang diperoleh disini belum dipengaruhi oleh kehadiran variabel independent yaitu asal daerah. Ketika daerah asal diperhitungkan, kita mengharapkan atau menduga bahwa mereka yang dari kota lebih banyak yang ikut “KB daripada dari desa.
• Kita lihat bahwa hanya ada 175 orang saja (100+75) yang sesuai dengan harapan atau dugaan kita.
• Atau 175 : 500 = 0,35.• Jd tanpa variabel independent proporsi errornya
= 0,45. Tetapi kalau dengan variabel independent errornya menurun jadi 0,35.
• Hal ini berarti masuknya variabel independent telah mengurangi proporsi error sebesar (0,45 – 0,35) : 0,45 = 0,22.
• Kesimpulan : Ada hubungan prediktif yang cukup lemah antara asal responden dengan keikutsertaan dalam program KB
GAMMAGAMMA
• FUNGSI :• Untuk melihat kekuatan hubungan antara dua variabel
ORDINAL
• Pasangan concordant (selaras)• Pasangan Disconcordant ( tidak selaras)• Angka absolut
ORDINAL ORDINAL
Hubungan antara Education Hubungan antara Education dan Senioritydan Seniority
Seniority
(dependent/ Y
Education
(independent / X)
Low High
Low 20
Concordant (selaras)
10
Disconcordant (tak selaras)
High 5
Disconcordant (tak selaras)
15
Concordant (selaras
Total 25 25
PERHITUNGAN PERHITUNGAN
• Pasangan yang concordant (selaras) = 15 X 20 = 300 ( adalah pada tingka pendidikan yang rendah dan seniorit yang redah = 20 dan pada tingkat pendidikan yang tinggi dan seniority yang tinggi = 15)
• Pasangan yang Disconcordant ( tidak selaras) = 5 X 10 = 50 (pada tingkat pendidikan yang rendah dan seniority yang tinggi = 5 dan pada tingkat pendidikan yang tinggi serta seniority yang rendah = 10 )
RUMUS GAMMARUMUS GAMMA
• GAMMA diperoleh dari jumlah pasangan concordant (300) – jumlah pasangan disconcordant (50) dibagi dengan jumlah pasangan concordan (300) ditambah jumlah pasangan disconcordant (50)
• Atau :
antdisconcordconcordant
antdisconcordpasconcordantpas ..
Hasil perhitungan :Hasil perhitungan :
50300
)105()2015(
XX
= 0,75(hubungan antara X dan Y
positip dan kuat)Cari berapa % contribusi X thp Y ?
Cara menghitung Gamma Cara menghitung Gamma secara manualsecara manual
X
X
X
X
CONCORDANT PAIRS
a dcb
Cara menghitung Gamma Cara menghitung Gamma secara manualsecara manual
X
X
X
X
DISCONCORDANT PAIRS
e hgf
PRODUCT MOMENTPRODUCT MOMENT
• RUMUS :
INTERVAL INTERVAL
yxxy SDSDN
xyr
..
PRODUCT MOMENTPRODUCT MOMENT
Untuk menghitung korelasi antara variabel interval ( dikembangkan KARL PEARSON)
FUNGSI : Untuk mengetahui koef korelasi
antara gejala interval dengan interval lainnya
Keterangan Rumus :Keterangan Rumus :
yxxy SDSDN
xyr
..
(rxy) = koeff. korelasi Product MomentTotal xy = jumlah hasil kali (product) dari x dan yX = X- MxY = Y - My
Tabel Tabel Kecakapan membaca dan menulis murid TK Tadika Kecakapan membaca dan menulis murid TK Tadika
Puri Semarang Juni 2004Puri Semarang Juni 2004
Subyek X Y x y x2 y2 xy
(1) (2) (3) (4) (5) (6) (7) (8)
1 136 130 -21,3 -25,5 453,69 650,25 453,15
2 130 120 -27,3 -35,5 745,29 1.260,25 969,15
3 190 195 +32,7 +39,5 1.069,29 1.460,25 1.291,65
4 170 175 +12,7 +19,5 161,29 380,25 247,65
5 164 160 +6,7 +4,5 44,89 20,25 30,15
6 152 150 -5,3 -5,5 28,09 30,25 29,15
7 184 180 +26,7 +24,5 712,89 600,25 654,15
8 164 170 +6,7 +14,5 44,89 210,25 97,15
9 136 130 -21,3 -25,5 453,69 650,25 543,15
10 147 145 -10,3 -10,5 106,09 110,25 108,15
Total 1.573 1.555 0 0 3.820,10 5.372,50 4.513,50
• Ada tidak korelasi antara kecakapan membaca dengan kecakapan menulis?
• Cari Mean=Mx dan My dari X dan Y• Cari SDx dan SDy• Mx = ΣX/ N = 1573/10 = 157,3• My = ΣY/ N = 1555/10 = 155,5• x1= X1 – Mx = 136- 157,3 = - 21,3
• x2= X2 – Mx = 130- 157,3 = - 27,3
• Dst
• y1= y1 – Mx = 130- 155,5 = - 25,5
• y1= y2 – Mx = 120- 155,5 = - 35,5
• Dst.
• Masukkan dalam rumus.
• Misalnya hasil 0,79. artinya ada korelasi positip dan kuat antara kecakapan dalam membaca
dengan kecakapan menulis. Semakin anak cakap dalam membaca menulisnyapun juga lancar,
atau sebaliknya.