1 / 16

STATISTIK vs STATISTIKA

STATISTIK vs STATISTIKA. STATISTIK : kumpulan data atau fakta-fakta yang disajikan dalam bentuk daftar , Tabel , Grafik , Diagram dsb . agar mudah diinterpretasi dan digunakan untuk tujuan-tujuan tertentu . STATISTIKA :

loc
Download Presentation

STATISTIK vs STATISTIKA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. STATISTIK vs STATISTIKA STATISTIK : • kumpulan data ataufakta-fakta yang disajikandalambentukdaftar, Tabel, Grafik, Diagram dsb. agar mudahdiinterpretasidandigunakanuntuktujuan-tujuantertentu. STATISTIKA : • suatupengetahuanmengenaicara/metode/ teknikpengumpulan data, menganalisis data, menyajikan data gunamembuatkeputusan-keputusan

  2. Statistikadibedakanmenjadidua: • StatistikaDeskriptifbertujuan/digunakanutkmenggambarkanataumendeskripsikan data (fakta-fakta) tanpamenarikkesimpulanthdpopulasi • StatistikaInduktif(Inferensial) bertujuan/ digunakanuntukmenggeneralisasikanhasiltemuanygdiperolehpadasampelthdpopulasi. StatistikInferensialdibedakan: • StatistikaParametrik • Statistika Non Parametrik

  3. StatistikaInferensial • StatistikaParametrikmensyaratkanpersyaratan-persyaratantertentu: distribusi data normal, hubungan linier, homogenitasvarians, dsb. • Statistika Non Parametriktidakmensyarat-kanpersyaratan-persyaratantertentumakadikatakanstatistikaBebasDistribusi • MengapakitaberusahamemilihmenggunakanStatistikaParametrik ?

  4. PENGERTIAN • Ujistatistiknonparametrikadalahsuatuujistatistik yang tidakmemerlukanadanyaasumsi-asumsimengenaisebaran data populasinya (belumdiketahuisebarandatanyadantidakperluberdistribusi normal). • Olehkarenanyastatistikinijugadikemukakansebagaistatistikbebassebaran (distribution-free statistics) atau assumption-free test  yaituteknikstatistikygtidakmensyaratkanbentuksebaran parameter populasi, baik normal atautidak).

  5. KapandigunakanStatistika Non Parametrik ? • MetodeStatistika Non Parametrikdigunakan bilasalahsatu parameter StatistikaParametriktidakterpenuhi !

  6. Penggunaan… • Untuk data yang distribusipopulasinyatidakdiketahui • Untuk data ygdistribusinyatidak normal. • Untuk data yang diambildarisampel yang tidak random. • Untuk data denganskala nominal atau ordinal. • Untuk data yang jumlahnyasedikit (< 30).

  7. VARIABEL  Adalahgejalaataufakta-fakta(data) yang harganyaberbeda-bedaataubervariasi MenurutNilainya, Variabeldibedakan : • VariabelDiskritataudisebut Data Diskritdiperolehmelaluimenghitungataumembilang (bukanhasilpengukuran). Misal : jeniskelamin, jenispekerjaan, jenissekolah, jumlahperalatandsb. • VariabelKontinumataudisebut Data Kontinumdiperolehmelaluipengukuran. Misal : tinggibadan, beratbadan, kompetensisiswa, sikap, minatdsb.

  8. MenurutFungsinya, dibedakan: • VariabelBebas/independen(Korelasi), variabelprediktor (regresi), variabelperlakuan (eksperimen) merupakanvariabel yang akandilihatpengaruhnyathdvariabelterikat/dependen, kriterium, atauvariabeldampak. • VariabelTerikat/dependen(Korelasi), kriterium (Regresi), variabeldampak (Eksperimen) merupakanvariabelhasil/dampak/akibatdarivariabelbebas/prediktor/perlakuan. Variabelterikatumumnyamenjaditujuanpenelitian, sumbermasalah, yang inginditingkatkankualitasnya.

  9. LanjutanJenisVariabel ….. • VariabelPerantara (Intervening) variabel yang menjadiperantaramunculnyapengaruhvariabelbebasthdvariabelterikat. Jikavariabelinidihilangkan, makahubungan/pengaruhvariabelbebasthdvariabelterikattsbmenjaditidakada (tidaksignifikan). • VariabelModerator variabel yang mempengaruhitingkathubungan (pengaruh) variabelbebasthdvariabelterikat. Atauhubungan/pengaruhvariabelbebasthdvariabelterikatmemilikinilai yang berbedapada level yang berbeda. • VariabelKontrol (Pengendali) variabel yang berpengaruhthdvariabelterikat, tetapipengaruhnyaditiadakan/dikendalikandengancaradikontrol (diisolasi) pengaruhnya. Pengontrolandapatdilakukanmelaluipengembangandisainpenelitiannya (kondisinyadibuatsama) atausecarastatistik.

  10. JENIS DATA/SKALA PENGUKURAN Ada 4 macamskala/level hasilpengukuran ygbiasadigunakandalamberbagai penelitian, yaitu: • Skala Nominal • Skala Ordinal • Skala Interval • SkalaRasio

  11. SKALA NOMINAL • Adalahskala data hasilpengukuranyghanyadapatmembedakanantarajenis/kelompokygsatudenganyglainnya. • Skor yang diberikandisinihanyaberfungsisbgtandaatausbgnomorbelaka, dantidakmenunjukkantingkatanmaupunkualitasnya. Contoh: jeniskelamin, jenissekolah, jenispekerjaan, agama, dsb. • Contoh : JenisKelaminLaki-laki = 1 Perempuan= 2

  12. SKALA ORDINAL • Adalahskala data hasilpengukuranygmenunjukkanadanyasuatutingkatan (ORDO) ataukategori, sepertimisalnya: sangatbaik, baik, cukup, kurangdsb. • Namundemikian, rentang/jarakantaramasing-masingtingkatan yang berdekatantsbadalahtidaksama, bersifatrelatifdantidakdapatditentukansecarapasti. • Contoh: status sosialekonomi (tinggi, menengah, rendah), tingkatpendidikan (PT, SLTA, SLTP, SD, TidakTamat SD, TidakPernahSekolah) dsb. Jikapendidikandihitungjumlahtahunmemperolehpendidikan, makadatanyadapatdikategorikansbg data interval).

  13. SKALA INTERVAL • Adalahgejalaygdapatmenunjukkantingkatanmaupunkualitasnya, sedangkanjarakantartingkatan yang berdekat-an tsbmempunyaijarakygpastidansama. • Namundemikian, skalainitidakmemilikiNolMutlak. Contoh: bendaygsuhunya 0° Celsius bukanberartibendatsbtidakmempunyaikadarpanassamasekali. SiswaygskortesnyaNol, bukanberartiIatakmemilikikepandaiansamasekali. Jadi, TitikNoldisinihanyamerupakantitikkesepakatansaja. • Demikian pula, skorygdiberikandisinitidakdapatdiper-bandingkandgnskoryg lain denganhukumperkalian (Komutatif). • Contoh: Siswaygnilainya 80 bukanberartikepandaiannyadua kali lipatdarisiswa yang skornilainya 40. Benda ygsuhunya 80 °C, bukanberartipanasnyadua kali lipatdaribendaygsuhunya 40 °C, dst. nya.

  14. SKALA RASIO • MemilikinilaiNolMutlak • DapatdiperbandingkandenganskorlainnyadenganhukumKomutatif. • Contoh: jarak 0 meter, makaberartibahwamemangtidakadajaraksamasekali. Demikianpula, bendaygberatnya 10 kg, makamemangbenar-benar 2 kali lipatbendaygberatnya 5 kg, dansebagainya. • Skalapengukurandalambidangpendidikandanilmu-ilmusosialpadaumumnyahanyamencapaipadaskalapengukuran interval saja, sedangkanskalarasiojarangatautidakbiasadigunakan.

  15. PEMILIHAN TEKNIK STATISTIK • Berkaitandgnrumusanhipotesispenelitian karenafungsiStatistikadalahutkmengujihipotesis. • Tergantungpadajenis/skala data pengukuran • Ditentukanolehterpenuhi-tidaknyapersyaratanAnalisisygtelahditetapkan. • Dalampenelitiankuantitatif, peranstatistikdeskriptifmasihsangaturgen  karenautkmendeskripsikan data ygdiperolehygbersifatunivariat.

More Related