mp3

Get Free Music at www.divine-music.info
Get Free Music at www.divine-music.info

Free Music at divine-music.info

Jumat, 21 Oktober 2011


Skala Pengukuran
Monday, June 16, 2008
Analisis data yang bertujuan utnuk mendapatkan informasi yang relevan yang terkandung didalam data dan menggunakan hasilnya untuk memecahkan suatu masalah. Analisis data ada banyak macamnya, tergantung dari tujuan analisis juga tipe data atau skala pengukuran yang digunakan.

Menurut Stevens (1946) skala pengukuran dapat dikelompokkan menjadi empat jenis yaitu:


      skala nominal
      sakala pengukuran yang menyatakan kategori, atau kelompok dari suatu subyek. Misal variabel jenis kelamin : laki-laki dan perempuan, yang bisa kita beri kode 1 dan 2. Ingat angka ini hanya berfungsi sebagai label. Jadi terserah mana yang 1 mana yang dua.

      Untuk skala nominal uji statistika yang sesuai digunakan adalah uji statistik yang berdasarkan counting seperti modus dan distribusi frekuensi


      skala ordinal
      skala ordinal hampir sama dengan skala nominal, hanya saja skala ordinal tidak hanya mengkategorikan namun juga menranking terhadap kategori.

      misal : kita meminta responden untuk memberi ranking terhadap suatu makana yaitu dengan memberi angak 1 untuk makanan yang paling disuka, angka 2 untuk ranking kedua dst.
      makanan (ranking)
      soto (4)
      gado-gado (2)
      pecel (3)
      bakso (1)

      dari data contoh , berarti bakso merupakan makanan yang paling disukai oleh responden. gado-gado lebih disukai dibanding pecel dan soto, dst.

      Uji statistik yang sesuai dengan skala ordinal adalah modus, median, distribusi frekuensi, dan statistik non parametrik seperti rank order correlation.



      skala interval



      skala rasio
      skala rasio adalah skala interval dan memiliki nilai dasar yang tidak dapat dirubah. misalakan umur responden.

      Variable yang diukur dengan skala interval dan rasio disebut variabel metrik.


Labels:
posted by Kumpulan Tutorial Statistika at 7:55 PM | Permalink | 0 comments
Skewness dan Kurtosis
Tuesday, January 8, 2008
Sebelum dilakukan pemodelan, ada baiknya data return diuji terlebih dahulu apakah memenuhi asumsi ini ataukah tidak, sehingga pemodelan yang dilakukan akan lebih valid. Ada banyak cara untuk menguji normalitas data, baik yang bersifat eksploratif (deskriptif) maupun konfirmatif (inferensi). Salah satu cara yang bersifat eksploratif adalah dengan melihat bentuk kurva pendekatan distribusi empirisnya, yaitu dengan menghitung nilai skewness (kemencengan) dan kurtosis (keruncingan) kemudian membandingkan dengan distribusi normal.
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari meannya) maka dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol).
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal). Kurva yang lebih lebih runcing dari distribusi normal dinamakan leptokurtik, yang lebih datar platikurtik dan distribusi normal disebut mesokurtik. Kurtosis dihitung dari momen keempat terhadap mean. Distribusi normal memiliki kurtosis = 3, sementara distribusi yang leptokurtik biasanya kurtosisnya > 3 dan platikurtik <>


dengan :


Untuk memberikan gambaran visual, berikut ini diberikan ilustrasi Skewness (Gambar 1) dan Kurtosis (Gambar 2) :


Gambar 1

Labels:
posted by Kumpulan Tutorial Statistika at 6:34 PM | Permalink | 2 comments
Uji Validitas
Monday, June 18, 2007
Kali ini penulis ingin membahas tentang Uji Validitas yang merupakan permulaan pada saat membuat riset (setelah uji coba riset awal).

Validitas berarti sejauh mana ketetapan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Uji validitas berarti prosedur pengujian untuk melihat apakah alat ukur yang berupa kuesioner dapat mengukur dengan cermat atau tidak. (Masri Singarimbun, 1989:124).

Menurut Masrum yang dikutip oleh Sugiyono (2001:106) menyatakan bahwa biasanya syarat minimum untuk dianggap valid adalah r = 0,3. Jadi kalau kolerasi antara butir dengan skor total kurang dari 0,3 maka butir dalam instrumen tersebut dinyatakan tidak valid. Uji validitas dilakukan dengan melihat kolerasi antara skor masing-masing item pertanyaan dengan skor total.

Dimana :
r = koefisien korelasi(validitas)
X = skor pada subyek item n
Y = skor total subyek
XY = skor pada subyek item n dikalikan skor total
N = banyaknya subyek
posted by Kumpulan Tutorial Statistika at 2:26 AM | Permalink | 8 comments
Mengenal Analisis Korelasi (Sederhana)
Monday, May 28, 2007
Dalam hidup ini tidak ada satu benda atau satu hal yang benar2 independen atau bebas, kecuali Sang Pencipta, Allah SWT. Semua saling berhubungan dan saling membutuhan seperti halnya manusia walau ada yang langsung maupun tak langsung. Dalam Statistika hal itu dapat dilambangkan dalam Analisis Korelasi. Dengan Analisis ini kita dapat menghitung, mengetahui seberapa besar kekuatan hubungan sesuatu (dalam statistika: variable). Mo tahu lebih banyak…


Arti
Korelasi itu berarti hubungan, begitu pula analisis korelasi yaitu suatu analisis yang digunakan untuk melihat hubungan antara dua variable. Ingat Analisis korelasi tidak mempersoalkan apakah variable pertama itu respon atau peubah bebas, begitu pula variable yang kedua.

Kovariansi
Kenapa kovariansi kita bahas di awal dahulu. Berikut alasane:

Kovariansi mengukur besar dan arah hubungan linear antara dua peubah. Bila kovariansi positif maka kedua variable berubah searah, artinya bila variable X membesar maka Y juga membesar dan sebaliknya. Sayangnya konsep ini sulit menafsirkannya karena kedua variable mungkin memiliki satuan yang berbeda dan nilai kovariansi tidak terbatas.

Karena itu diperlukan ukuran yang lebih mudah untuk menafsirkannya. Ukuran ini dapat diperoleh dengan membakukan kovariansi, yaitu membaginya dengan simpangan baku masing-masing peubah. Bila sx dan sy simpangan baku terok dari X dan Y maka koefisien korelasi antara X dan Y, lambing rxy (R.K. Sembiring, 1995:93).


Korelasi
Jika didapatkan nilai rxy = 1 artine memiliki hubungan linear sempurna dan searah *jika X membesar maka Y akan membesar*.

Jika didapatkan nilai rxy = -1 artine memiliki hubungan linear sempurna dan berlawanan arah *jika X membesar maka Y akan semakin kecil*.

Jika didapatkan nilai rxy = 0 artine X dan Y tidak memiliki hubungan linear.
Macam Korelasi
Analisis korelasi itu ada 2 yaitu Korelasi sederhana dan Korelasi parsial. Kalo Korelasi sederhana ya seperti yang dibahas sebelumnya yaitu korelasi antara 2 variabel. Nah kalo Korelasi parsial dibahas belakangan ya…heheh belajare satu2 dulu…

Selamat Mencoba, dan Semoga berguna bagi sekalian pembaca. Jika ada pertanyaan, komentar, ato artikel terkait..tulis aza di komen ya…

Dan yang pasti Semoga Allah meridloi seluruh kegiatan kita.
posted by Kumpulan Tutorial Statistika at 12:24 AM
Statistika, kenalan dulu ah!!
Wednesday, April 4, 2007
Apa seh Statistika, hmm makanan po…*halah diotak kok adanya makanan aza neh*..makane perkenalkan..tattataraaaa…


Salah satu definisi menyebutkan bahwa statistik adalah metode ilmiah untuk menyusun, meringkas, menyajikan dan menganalisa data, sehingga dapat ditarik suatu kesimpulan yang benar dan dapat dibuat keputusan yang masuk akal berdasarkan data tersebut.

Kalo di wikipedia. Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data.
Nah di wiki ini juga djelasin sejarah statistika klik disini tuk liat di wikipedia. Atau kalo males nglink lagi aku copiin neh dari wiki…*matursuwun wikipedia*
Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen statisticum collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus").
Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai "ilmu tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi "ilmu mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat.
Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama probabilitas. Cabang statistika yang pada saat ini sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.
Meskipun ada kubu yang menganggap statistika sebagai cabang dari matematika, tetapi orang lebih banyak menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan matematika

Tidak ada komentar:

Posting Komentar