bahan lbm 4 blok 15
Post on 07-Dec-2015
244 Views
Preview:
DESCRIPTION
TRANSCRIPT
BLOK 15 LBM 4
Scenario
Statistik juga ada logikanya,LHO!!!!
Penelitian adalah suatu cara,proses,atau alat manusia dalam upaya mencari kebenaran
dengan jalan memecahkan masalah yang dihadapi dengan menggunakan metode khusus yang
disebut metode ilmiah.seorang peneliti bidang kedokteran harus mempeunyai kompetensi
dalam bidang biostatistik untuk membantu memecahkan masalah.untuk merencanakan
statistik apa yang akan dipakai,kita mengenal 2 jenis statistik yaitu statistik deskriptif dan
statistik inferensial.
Untuk menetapakan jenis-jenis uji statistik inferensial baik parametric maupun non
parametric yang sesuai,ada beberapa hal yang harus dipertimbangkan.
STEP I
1. Statistic deskriptif:suatu satatistik yang menggambarkan dan menganilisis statistic hasil
penelitian yang tidak digunakan untuk menarik kesimpulan yang lebih luas,ilmu yang
menggambrakan data hasil penelitian,statistic yang digunakan untuk menggambarkan
data yang telah terkumpul.
2. Biostatistik:statistic dalam bidang kesehatan untu memecahkan masalah2 biologi
contohnya kelahiran,sakit,kematian.(statistic yang hidup/makhluk hidup.
3. Statistic inferensial: berkaitan dengan cara penarikan kesimpulan berdasarkan data yang
di[peroleh dari karakteristik sampel dari populasi yang diperoleh.statistik yang
menganalisi yang mana kesimpulannya mengeneralissikan suatu populasi dimana
sampel itu diambil.biasanya digunakan untuk pengambilan tehnik sampel secara
random.
4. Statistic:data informasi /algoritma statistika pada suatu data,suatu displin ilmu yang
mempelajari metode pengumpulan data yang kemudian diambil
5. Parametric:skala pengukuran variable numeric dan distribusinya normal.untuk
menganalisis data interval dan rasio.pengambilan data berdasarkan asumsi dan ciri2
populasi
6. Non parametric:metode statistic yang dapat digunakan untuk pengujian hipotesa dan
tidak tergantung pada distribusi populasi.skala pengukuran untuk skala kategorik.untuk
menganalisis nominal dan ordinal.
STEP VII
STATISTIK
1. Definisi:
Menurut Marquiritte F.Hall,statistik adalah suatu tehnik yang digunakan
untuk mengumpulkan data,menganalisis dan menyimpulkan atau
mengadakan penafsiran data yang berbentuk angka.
Menurut Anderson dan Bancroft,statistik adalah ilmu dan seni
mengembangkan dan menerapkan metode yang paling efektif untuk
mengumpulkan,mentabulasikan serta menginterpretasikan data kuantitatif
sedemikian rupa sehingga kemungkinan salah dalam kesimpulan dan
estimasi dapat diperkirakan dengan menggunakan penalaran induktif
berdasarkan matematika probabilitas.
Menurut sujana,statistik adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan fakta,pengolahan serta penganalisanya,penarikan
kesimpulan serta pembuatan keputusan yang cukup beralasan yang
berdasarkan fakta dan penganalisaan yang dilakukan.
Menurut sudrajat,statistik adalah suatu ilmu pengetahuan mengenai cara
dan aturan dalam hal pengumpulan data,pengolahan analisa,penarikan
kesimpulan,penyajian dan publikasi dari data-data yang berbentuk angka.
Metode ilmiah dalam mengumpulkan, mengklasifikasikan, meringkas,
menyajikan, menginterpretasikan,dan menganalisis data untuk mendukung
kesimpulan-kesimpulan yang valid yang berguna untuk mengambil
keputusan yang masuk akal dan diperlukan.
Data atau fakta yang berupa angka yang dihasilkan dari data yang
menggambarkan karakteristik suatu sampel.
Observasi,pengukuran dan intervensi yang dilakukan pada sampel akan
menghasilkan data berupa angka yang menggambarkan sifat,karakter dan
efek suatu factor atau hasil dari perlakuan.
Kegiatan untuk mengumpulkan data,meringkas atau menyajikan
data,menganalisis data dan menginterpretasikan hasil analisis.
Suatu metode guna mengumpulkan,mengolah,menyajikan,menganalisis dan
menginterpretasikan data yang berupa angka.
Ada dua konsep dalam bahasa Inggris.Statistic: nilai yang dihitung dari
sebuah sampel (mean, median, modus, dsb). Statistics: metode ilmiah untuk
pengumpulan data atau kumpulan angka. Dalam bahasa Indonesia, statistik
memiliki 3 pengertian dimuka yaitu:
Kumpulan data = data
Nilai yang dihitung dari dari sebuah sampel = statistik sampel
Metode ilmiah guna mengumpulkan, mengolah, menyajikan, dan analisis
data= statistik
Statistik juga dapat diartikan sebagai laporan atau lukisan tentang sesuatu
hal (berupa angka) dalam bentuk diagram-diagram, grafik, gambar berbentuk
lingkaran, tumpukan mata uang, deretan manusia, dan lain lain yang
melukiskan atu menggambarkan suatu keadaan (Sudjana, 1974).
suatu alat analisis yang dapat digunakan untuk memecahkan masalah-
masalah yang ada sehingga pada akhirnya dapat digunakan sebagai dasar
dalam pengambilan kesimpulan.
Ringkasan dalam bentuk angka yang disajikan dalam bentuk daftar/tabel,
gambar, grafik, dll beserta keterangannya
Ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian, dan
analisa data serta cara pengambilan kesimpulan secara umum, berdasarkan
hasil penelitian yang tidak menyeluruh (J. Supranto, 1985)
Dalam arti luas:data ringkasan berbentuk angka(kuantitatif)
Dalam arti luas:suatu ilmu yang mempelajari cara
pengumpulan,pengolahan/pengelompokan,penyajian dan anlisis data serta
cara pengambilan kesimpulan secara umum berdasarkan hasil penelitian.
Kata statistik berasal dari kata status yang mencangkup tiga pengertian yaitu
ilmu,kegiatan dan data.dan menurut UU RI no 7 tahun 1960 ,statistik adalah
keterangan berupa angka-angka yang memberikan gambaran yang wajar dari
seluruh ciri-ciri kegiatan dan keadaan masyarakat indonesia.
Secra umum statistik adalah disiplin ilmu yang mempelajari metode dan
prosedur pengumpulan,penyajian,analisa,dan penyimpulan suatu data
mentah agar menghasilkan informasi yang lebih jelas untuk keperluan suatu
pendekatan ilmiah.
2. Fungsi:
a. Fungsi deskriptif à memaparkan informasi dalam sajian yang bermakna
untuk: mendeskripsikan suatu keadaan atau menjelaskan mengapa dan
bagaimana suatu kejadian terjadi
b. Fungsi inferensial àuntuk mendapakan kesimpulan yang bermakna; contoh
penggunaan jamu
c. Fungsi analitik à mampu menjelaskan hubungan antara faktor satu dengan
yang lain
d. Fungsi prediktif à dari data yang terkumpul dapat digunakan untuk
melakukan prediksi
e. Memberikan metode untuk melakukan peramalan yang sangat berguna
sebagai dasar perencanaan dan metode pengujian hipotesis yang sangat
berguna untuk riset dan pengambilan keputusan dalam rangka pemecahan
permasalahan.
f. Menggambarkan data dalam bentuk tak tentu contoh dalam bentuk diagram
dll
g. Menyederhanakan data yang komplek menjadi data yang mudah dimengerti
h. Merupakan teknik untuk membuat perbandingan
i. Menentukan tingkat hubungan atau peranan antar variable
j. Mengukur besar besaran variable.
k. Untuk menjawab permasalahan dan membuktikan sesuatu dugaan yang
belum terbukti serta meringkas data sehingga data tersebut dapat
memberikan informasi.
l. Kegunaan statistik dalam bidang kesehatan antara lain dipakai untuk:
Mengukur peristiwa-peristiwa penting atau vital event yang terjadi
dalam masyarakat.
Mengukur status kesehatan masyarakat dan mengetahui masalah
kesehatan yang terdapat pada berbagai kelompok masyarakat.
Membandingkan status kesehatan masyarakat di satu tempat dengan
tempat lain,atau status kesehatan masyarakat sekarang dengan
status kesehatan yang lampau.
Meramalkan status kesehatan masyarakat dimasa-masa mendatang.
Evaluasi tentang perjalanan,keberhasilan dan kegagalan dari suatu
program kesehatan atau pelayanan kesehatan yang sedang
dilaksanakan.
Keperluan estimasi tentang kebutuhan masyarakat terhadap
pelayanan kesehatan serta menentukan secara pasti target
pencapaian tujuan.
Keperluan research terhadap masalah kesehatan,KB,lingkungan hidup
dll.
Perencanaan dan system administrasi kesehatan
Keperluan publikasi ilmiah di media massa.
a. Bisa untuk mengukur populasi.
b. Untuk membandingkan Tehnik2.
c. Mengambil keputusan dari hipotesis.
d. Mengukur realibilitas dan validitas dari instrument.
3. Langkah-langkah statistik:
Pengumpulan data
Sebelum melakukan pengumpulan data selayaknya peneliti harus mengetahui
jenis,sifat dan sumber data sehingga memudahakan untuk melakukan langkah-langkah
berikutnya.
Pengolahan data
Pengolahan data pada dasarnya merupakan suatu proses untuk memperoleh data atau
data ringkasan berdasarkan suatu kelompok data mentah dengan menggunakan rumus
tertentu sehingga menghasilkan informasi yang diperlukan.
Proses pengolahan data dibagi dalam 6 tahap yaitu:
Editing:memeriksa dan menyesuaikan data dengan rencana semula seperti apa
yang diinginkan.
Coding:memberi kode pada data,dengan merubah kata2 denga angka.
Sorting:mensortir yaitu dengan memilah dan mengelompokan data menurut
jenis yang dikehendaki.
Entery data:memasukkan data dengan cara manual atau melalui pengolahan
komputr.
Cleaning:pembersihan data,yaitu lihat variable datanya apakah sudah benar.
Mengeluarkan informasi yang diinginkan.
Penyajian data
Data statistik tidak hanya cukup dikumpulkan,diolah dan dianalisis tetapi perlu disajikan
dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil keputusan yang akan
menggunakannya sebagai dasar pengambilan keputusan.penyajian data dapat
berbentuk table,grafik,gambar,diagram yang memudahakan untuk dimengerti.
Analisis dan interpretasi:
Menganalisi data yang telah diolah dan disajikan dalam bentuk yang berbeda-beda.
Penarikan kesimpulan.
Penarikan kesimpulan ini berdasarkan atas hipotesis yang telah dibuat,dimana data yang
telah terpapar itu menolak atau menerima hipotesis nihilnya.
Tahap-tahap terakhir dari pengujian hipotesis ini adalah melakukan pengujian statistik
untuk menolak atau menerima Ho, dengan cara mencari harga p yaitu nilai peluang
kekeliruan untuk menolak Ho. Jika uji statistik menghasilkan nilai peluang yang berada di
daerah kritis maka tolak Ho. Sedangkan jika uji statistik menghasilkan nilai peluang yang
berada di luar daerah kritis atau berada di daerah penerimaan maka terima Ho.
Kesimpulan statistik yang menolak Ho pada harga a = 0,05 dikatakan sebagai pengujian
yang signifikan, dan jika kita memakai a = 0,01 hasil pengujianya dikatakan sangat
signifikan.
Prosedur pengujian hipotesis statistik mengikuti langkah-langkah sebagai
berikut:
1. Tentukan dengan tegas parameter yang akan diuji
2. Terjemahkan dugaan penelitian kedalam pasangan hipotesis statistik Ho dan H1.
3. Tentukan taraf nyata (level of significance) atau a yang akan digunakan.
4. Kumpulkan data melalui sampel acak n.
5. Pilih Uji Statistik yang tepat.
6. Tentukan daerah dan titik kritis pengujian.
7. Lakukan pengujian untuk menolak atau menerima Ho.
8. Tentukan atau hitung nilai p yaitu nilai peluang kekeliruan untuk menolak Ho yang
benar.
9. Ambil kesimpulan statistik.
4. Jenis:
Berdasarkan tujuan dan analisa data.
Statistik deskripsi
a. Definisi:
Metode dan prosedur statistik yang dipakai hanya terbatas pada
pengumpulan,penyajian,analisis data dala bentuk narasi,tabulasi,atau
diagram,serta penghitungan persentase,nilai rata-rata,standar
deviasi,dan lain-lain dari data sampel,tanpa perlu adanya peramalan dan
pembuktian statistik terhadap group data yang lebih luas atau populasi.
Statistika deskriptif adalah statistika yang berhubungan dengan metode
pengelompokkan, peringkasan dan penyajian data dalam cara yang lebih
informatif. Pada statistika deskriptif kita melakukan metode statistika
dengan yang berhubungan dengan penyajian data statistik dalam bentuk
gambaran angka-angka. Metode-metode umum yang digunakan adalah
analisis deskriptif yang meliputi rata-rata, median,modus dan varian.
(Ashari dan Santosa, 2005: 2)
Statistika deskriptif adalah statistika yang digunakan untuk
menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi
tidak digunakan untuk membuat kesimpulan yang lebih luas. Penelitian
yang tidak menggunakan sampel, analisisnya akan menggunakan
statistika deskriptif. Demikian juga penelitian yang menggunakan sampel,
tetapi peneliti tidak bermaksud untuk membuat kesimpulan untuk
populasi dari mana sampel diambil, maka statistik yang digunakan adalah
statistik deskriptif. (Sugiyono, 2004: 12-13).
Ilmu pengetahuan yang mempelajari tentang penyajian
data.inferensial,pengambilan kesimpulan dari suatu data populasi.
Univariat:statistik parametric dan non parametric.
Contoh:hubungan jenis kelamin dengan tekanan darah.
Multivariate: mengukur kombinasi (bunga).
Univariat/statistik deskripsi:untuk mendeskripsikan karakteristik data.
b. Syarat
-bentuk tampilan yang dikehendaki.(table,grafik,histogram)
-jenis peringkasan yang dikehendaki contoh ukuran tengah/median,ukuran
variasi (standar deviasi,mean,modus,median,interquartil range.)
-jenis data(numeric atau kategorik)
-variabel bersifat mandiri
-kelompok sampel hanya 1 dimana pada saat mendeskrepsikankelompok
sampel sendiri2.
-variasi kurang semakin variabilitas.
-besar sampel di inferensial,semakin besar semakin baik.tetapi di deskripsi
kebalikannya.
c. Jenis
-statistik lokasi:ukuran kecenderungan memusat.menerangkan kedudukan.
-statistik sebaran
d. Langkah-langkah
Pengumpulan data
Sebelum melakukan pengumpulan data selayaknya peneliti harus mengetahui
jenis,sifat dan sumber data sehingga memudahakan untuk melakukan langkah-langkah
berikutnya.
Pengolahan data
Pengolahan data pada dasarnya merupakan suatu proses untuk memperoleh data atau
data ringkasan berdasarkan suatu kelompok data mentah dengan menggunakan rumus
tertentu sehingga menghasilkan informasi yang diperlukan.
Proses pengolahan data dibagi dalam 6 tahap yaitu:
Editing:memeriksa dan menyesuaikan data dengan rencana semula seperti apa
yang diinginkan.
Coding:member kode pada data,dengan merubah kata2 denga angka.
Sorting:mensortir yaitu denagn memilah dan mengelompokan data menurut
jenis yang dikehendaki.
Entery data:memasukkan data dengan cara manual atau melaui pengolahan
komputr.
Cleaning:pembersihan data,yaitu lihat variable datanya apakah sudah benar.
Mengeluarkan informasi yang diinginkan.
Penyajian data
Data statistik tidak hanya cukup dikumpulkan,diolah dan dianalisis tetapi perlu disajikan
dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil keputusan yang akan
menggunakannya sebagai dasar pengambilan keputusan.penyajian data dapat
berbentuk table,grafik,gambar,diagram yang memudahakan untuk dimengerti.
Analisis dan interpretasi:
Menganalisi data yang telah diolah dan disajikan dalam bentuk yang berbeda-beda.
Penarikan kesimpulan.
Penarikan kesimpulan ini berdasarkan atas hipotesis yang telah dibuat,dimana data yang
telah terpapar itu menolak atau menerima hipotesis nihilnya.
Tahap-tahap terakhir dari pengujian hipotesis ini adalah melakukan pengujian statistik
untuk menolak atau menerima Ho, dengan cara mencari harga p yaitu nilai peluang
kekeliruan untuk menolak Ho. Jika uji statistik menghasilkan nilai peluang yang berada di
daerah kritis maka tolak Ho. Sedangkan jika uji statistik menghasilkan nilai peluang yang
berada di luar daerah kritis atau berada di daerah penerimaan maka terima Ho.
Kesimpulan statistik yang menolak Ho pada harga a = 0,05 dikatakan sebagai pengujian
yang signifikan, dan jika kita memakai a = 0,01 hasil pengujianya dikatakan sangat
signifikan.
Prosedur pengujian hipotesis statistik mengikuti langkah-langkah sebagai
berikut:
1. Tentukan dengan tegas parameter yang akan diuji
2. Terjemahkan dugaan penelitian kedalam pasangan hipotesis statistik Ho dan H1.
3. Tentukan taraf nyata (level of significance) atau a yang akan digunakan.
4. Kumpulkan data melalui sampel acak n.
5. Pilih Uji Statistik yang tepat.
6. Tentukan daerah dan titik kritis pengujian.
7. Lakukan pengujian untuk menolak atau menerima Ho.
8. Tentukan atau hitung nilai p yaitu nilai peluang kekeliruan untuk menolak Ho yang
benar.
9. Ambil kesimpulan statistik.
Statistik inferensial
a. Definisi:
Selain metode dan prosedur statistik yang dipakai seperti halnya pada
statistik deskriptif juga disertai dengan pembuktian secra statistik bahwa
data sampel yang sedang diteliti ini,apakah betul-betul berasal dan sudah
mewakili cirri-ciri group data yang lebih luas atau populasi dengan cara
melakukan estimasi,tes hipotesis,dan prediksi terhadap parameter
populasi(penarikan kesimpulan).
Statistika inferensial adalah metode statistika yang berhubungan dengan
analisis data untuk penarikan kesimpulan atas data. Metode statistika
inferensial berhubungan dengan pengolahan statistik sehingga dengan
menggunakan hasil analisis tersebut dapat ditarik kesimpulan atas
kerakteristik populasi. Metode-metode umum yang digunakan adalah
analisis inferensial yang meliputi uji hipotesis, analisis varian, dan analisis
regresi dan analisis korelasi. (Sugiyono, 2004: 12-13)
b. Syarat
c. Langkah-langkah
Pengumpulan data
Sebelum melakukan pengumpulan data selayaknya peneliti harus mengetahui
jenis,sifat dan sumber data sehingga memudahakan untuk melakukan langkah-langkah
berikutnya.
Pengolahan data
Pengolahan data pada dasarnya merupakan suatu proses untuk memperoleh data atau
data ringkasan berdasarkan suatu kelompok data mentah dengan menggunakan rumus
tertentu sehingga menghasilkan informasi yang diperlukan.
Proses pengolahan data dibagi dalam 6 tahap yaitu:
Editing:memeriksa dan menyesuaikan data dengan rencana semula seperti apa
yang diinginkan.
Coding:member kode pada data,dengan merubah kata2 denga angka.
Sorting:mensortir yaitu denagn memilah dan mengelompokan data menurut
jenis yang dikehendaki.
Entery data:memasukkan data dengan cara manual atau melaui pengolahan
komputr.
Cleaning:pembersihan data,yaitu lihat variable datanya apakah sudah benar.
Mengeluarkan informasi yang diinginkan.
Penyajian data
Data statistik tidak hanya cukup dikumpulkan,diolah dan dianalisis tetapi perlu disajikan
dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil keputusan yang akan
menggunakannya sebagai dasar pengambilan keputusan.penyajian data dapat
berbentuk table,grafik,gambar,diagram yang memudahakan untuk dimengerti.
Analisis dan interpretasi:
Menganalisi data yang telah diolah dan disajikan dalam bentuk yang berbeda-beda.
Penarikan kesimpulan.
Penarikan kesimpulan ini berdasarkan atas hipotesis yang telah dibuat,dimana data yang
telah terpapar itu menolak atau menerima hipotesis nihilnya.
Tahap-tahap terakhir dari pengujian hipotesis ini adalah melakukan pengujian statistik
untuk menolak atau menerima Ho, dengan cara mencari harga p yaitu nilai peluang
kekeliruan untuk menolak Ho. Jika uji statistik menghasilkan nilai peluang yang berada di
daerah kritis maka tolak Ho. Sedangkan jika uji statistik menghasilkan nilai peluang yang
berada di luar daerah kritis atau berada di daerah penerimaan maka terima Ho.
Kesimpulan statistik yang menolak Ho pada harga a = 0,05 dikatakan sebagai pengujian
yang signifikan, dan jika kita memakai a = 0,01 hasil pengujianya dikatakan sangat
signifikan.
Prosedur pengujian hipotesis statistik mengikuti langkah-langkah sebagai berikut
:
1. Tentukan dengan tegas parameter yang akan diuji
2. Terjemahkan dugaan penelitian kedalam pasangan hipotesis statistik Ho dan H1.
3. Tentukan taraf nyata (level of significance) atau a yang akan digunakan.
4. Kumpulkan data melalui sampel acak n.
5. Pilih Uji Statistik yang tepat.
6. Tentukan daerah dan titik kritis pengujian.
7. Lakukan pengujian untuk menolak atau menerima Ho.
8. Tentukan atau hitung nilai p yaitu nilai peluang kekeliruan untuk menolak Ho yang
benar.
9. Ambil kesimpulan statistik.
Menurut siegel prosedur dalam menguji hipotesis dengan uji statistik non parametric
adalah:
Menyatakan hipotesis nol(Ho)
Memilih uji statistik
Menetapkan batas kemaknaan dan besarnya sampel.
Menduga atau asumsi distribus sampel pada Ho
Menetapkan batas penolakan Ho berdasarkan 2,3,4
Menghitung nilai uji statistik.
d. Jenis:
Statistik parametric
a. Definisi
Statistika parametrik adalah suatu uji yang modelnya menetapkan adanya
syarat-syarat tertentu (asumsi-asumsi) tentang variabel random atau populasi
yang merupakan sumber sampel penelitian.
b. Syarat
Pengamatan harus independen,tidak bias.
Skala variable harus numeric.
pengamatan berasal dari populasi dengan distribusi normal
populasi itu mempunyai varians sama atau rasio varians diketahui.
a. Kesamaan varians tidak menjadi syarat mutlak untuk uji kelompok
berpasangan.
b. Kesamaan varians adalah syarat tidak mutlak untuk kelompok tidak
berpasangan artinya varians boleh sama boleh juga tidak.
c. Kesamaan varians adalah syarat mutlak untuk >2 kelompok tidak
berpasangan,artinya varians data wajib sama.
nilai rata2( mean) dan populasi berupa kombinasi linier yang artinya bisa
dijumlahkan(analisis variansnya)
sampel harus diambil secara random.
Sebaran data Homogen.
c. Langkah2:
Prosedur pengujian hipotesis statistik mengikuti langkah-langkah sebagai berikut :
1. Tentukan dengan tegas parameter yang akan diuji
2. Terjemahkan dugaan penelitian kedalam pasangan hipotesis statistik Ho dan H1.
3. Tentukan taraf nyata (level of significance) atau a yang akan digunakan.
4. Kumpulkan data melalui sampel acak n.
5. Pilih Uji Statistik yang tepat.
6. Tentukan daerah dan titik kritis pengujian.
7. Lakukan pengujian untuk menolak atau menerima Ho.
8. Tentukan atau hitung nilai p yaitu nilai peluang kekeliruan untuk menolak Ho yang
benar.
9. Ambil kesimpulan statistik.
d. Kerugian dan keuntungan
Keuntungan:
a. Hasil statistika dapat diekstrapolasikan/generalisasikan ke populasi.
b. Hasil pengujian hipotesis lebih akurat dan tajam dibanding non parametrik
c. Dapat digunakan untuk data yang banyak jumlahnya(tingkat efisiensinya
lebih baik disbanding non parametric bila dilakukan dalam jumlah sampel
yang banyak
Kerugian
a. Ada persyaratan yang harus dipenuhi,dimana data tidak sembaranagn
dapat diparameterkan.dimana syarat ini adalah distribusi data yang
normal,skala pengukuran harus numeric dan sampel wajib dirandom.
b. Membutuhkan waktu yang lama dan metode lebih rumit.
c. Lebih susah dikerjakan dan dimengerti
e. Contoh2 uji parametric:
Uji T untuk 2 variabel tidak berkaitan
Uji T untuk dua variable berkaitan
Tes Annova
Uji person untuk korelasi
Statistik non parametric
a. Definisi
Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942. Metode
statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan
mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik,
terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan
untuk statistik nonparametrik adalah statistik bebas distribusi (distributionfree statistics)
dan uji bebas asumsi (assumption-free test). Statistik nonparametric banyak digunakan
pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada
umunya berbentuk kategori atau berbentuk rangking. Uji statistik nonparametrik ialah
suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data
populasi. Uji statistik ini disebut juga sebagai statistik bebas sebaran (distribution free).
b. Syarat
Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi
normal. Statistik nonparametrik dapat digunakan untuk menganalisis data yang berskala
nominal atau ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar
normal. Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data
berjumlah kecil (n <30).
Uji non parametric digunakan untuk keadaan sebagai berikut:
Jika maslah skala pengukuran variable adalah kategorik
Jika data dengan masalah skala numeric tetapi tidak memenuhi syaratuntuk dilakukan
uji parametric (misalnya distribusi tidak normal) maka dilakukan uji non parametric
sebagai alternative dari uji parametriknya.
Alternative T berpasangan adalah Wilcoxon.
Alternative uji T tidak berpasangan adalah uji mann Whitney.
Alternative uji repeated Anova adalah uji Friedman
Alternatij uji one way annova adalah Krusscal Wallis.
c. Langkah2
Menyatakan hipotesis nol(Ho)
Memilih uji statistik
Menetpkan batas kemaknaan(α) dan besarnya smapel(N)
Menduga atau asumsi distribusi sampel pada Ho
Menetapakan batas penolakan Ho
Menghitung nilai uji statistik.
d. Kerugian dan keuntungan
Keuntungan dari penggunaan metode non parametrik:
1. Metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu
metode ini sering juga dinamakan uji distribusi bebas (distribution free test).Dengan
demikian metode ini dapat dipakai untuk segala distribusi data dan lebih luas
penggunaannya.
2. Metode non parametrik dapat dipakai untuk level data seperti nominal dan ordinal.
3. Metode non parametrik lebih sederhana dan mudah di mengerti daripada
pengerjaan Metode Parametrik.
4. Para peneliti dengan dasar matematika serta statistika yang kurang,biasanya
menemukan konsep2 dan metode2 pada pada uji statistika ini mudah dipahami dan
dapat menghemat waktu yang diperlukan dalam perhitungan.
5. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika pengujian data
menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik
parametric. (misalnya mengenai sifat distribusi data) tidak terpenuhi,maka statistik
nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik.
6. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah,sehingga
hasil penelitian segera dapat disampaikan.
7. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar
matematika serta statistika yang mendalam.
8. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi
keterbatasan data yang tersedia, misalnya jika data telah diukur menggunakan skala
pengukuran yang lemah (nominal atau ordinal).
9. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode
parametrik untuk jumlah sampel yang sedikit.
Beberapa keunggulan yang diperoleh melalui penggunaan statistika nonparametrik
adalah sebagai berikut. (Siegel, 1994: 40-41)
1) Statistika nonparametrik dapat digunakan pada sampel kecil.
2) Statistika nonparametrik dapat digunakan untuk menggarap sampel-sampel yang
terdiri dari observasi-observasi dari beberapa populasi yang berlainan.
3) Statistika nonparametrik dapat digunakan untuk menggarap data yang pada dasarnya
merupakan ranking dan untuk data yang memiliki kekuatan ranking.
4) Statistika nonparametrik dapat digunakan untuk menggarap data yang hanya
merupakan klasifikasi semata, yaitu yang diukur dalam skala nominal.
5) Statistika nonparametrik lebih mudah dipelajari dan diterapkan dibandingkan dengan
statistika parametrik.
Welly:keuntungan.
a. Tingkat keslahan tidak memerlukan asumsi.
b. Penghitungan Sederhana dan mudah.
c. Mudah dimengerti
d. Dapat menganalisa data yang berupa data yang berbentu peringkat/range.
Di samping berbagai keunggulan di atas, metode non parametrik juga mempunyai
beberapa kelemahan seperti:
1. tidak adanya sistematika yang jelas seperti pada metode parametrik,
2. hasilnya dapat meragukan karena kesederhanaan metodenya,
3. serta tabel-tabel yang dipakai lebih bervariasi dibanding tabel-tabel standar pada
metode Parametrik.
4. Dalam melakukan uji statistik non-parametrik kebaikan hasil uji-nya relatif lebih
rendah dibanding dengan uji parametrik. Untuk meningkatkan kebaikan hasil
ujina, ukuran sampel harus diperbesar.
5. Hasil tidak dapat digeneralisasi.
6. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji non parametric
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan
informasi.
7. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relative lebih rendah
dibandingkan dengan metode parametrik.
8. Statistik nonparametrik tidak dapat dipergunakan untuk membuat prediksi
(peramalan).
Tama:tida dapat dieksplorasikan ke sampel study.
e. Contoh2 uji non parametric:
¤ satu variable:
-uji binomial
-uji chi-square
-uji kolmogrov-smirnov
¤ dua variable
-uji fisher
-uji chi square untuk 2 sampel
-uji kolmogrov smirnov untuk 2 sampel(KS)
-uji mann whitney
-uji kruscal wallis
-uji kendall
¤ 2 variabel
-uji Mc Nemar(marginal chi square)
-uji Cochran
-uji Wilcoxon
-uji friedman
Uji page L(trend).
Uji statistik non-parametrik dapat dikelompokkan menjadi 3 kategori, yaitu:
1. Uji sebuah sampel yang dibandingkan dengan menggunakan suatu distribusi tertentu,
misalnya, distribusi chi-kuadrat, binomial, normal dan distribusi lainnya. Untuk membandingkan
frekuensi observasi dari variabel kategori dengan frekuensi harapan, digunakan uji Chi-kuadrat.
Untuk membandingkan frekuensi observasi dari variabel dikotomi dengan frekuensi harapan
digunakan uji Binomial. Untuk membandingkan distribusi kumulatif observasi suatu variabel
dengan distribusi normal, uniform atau Poisson, digunakan uji Kolmogorov-Smirnov satu
sampel. Uji Runs digunakan untuk mengetahui apakah urutan suatu barisan pengamatan
berubah-ubah secara random.
2.Uji untuk dua grup independen (bebas) atau lebih.
Perbandingan lokasi pemusatan dua buah distribusi yang diasumsikan mempunyai bentuk yang
sama, digunakan uji 2 sampel independen U Mann Whitney yang merupakan versi non-
parametrik uji T beda rata-rata. 2 sampel. Kelompok uji 2 sampel independen meliputi Uji Z
Kolgomorov-Smirnov, Reaksi Ekstrem Moses dan Uji Runs Wald Wolfowitz. Untuk lebih dari 2
grup independen, digunakan Uji H Kruskal-Wallis.
3. Uji variabel-variabel berpasangan (paired) atau berhubungan (related).
Untuk membandingkan 2 variabel untuk masing-masing subyek, digunakan uji Wilcxon yang
merupakan versi non-parametrik uji T berpasangan atau dependen. Kelompok uji ini meliputi uji
Tanda (Sign) dan uji McNemar. Uji McNemar sangat cocok untuk membandingan 2 variabel
kategori yang dikodekan dengan 2 nilai (biner). Untuk membandingkan lebih dari 2 pengukuran
untuk masing-masing subyek, digunakan Uji Friedman (untuk variabel kategori tidak biner) atau
uji W Kendall dan uji Q Cochran.
Uji statistik dapat digunakan apabila:
a. Bila hipotesis yang harus diuji tidak melibatkan suatu parameter populasi.
b. Bila data yang diukur dengan skala yang lebih lemah dibanding yang dipersyaratkan oleh
uji-uji statistik parametric yang semestinya digunakan.
Contoh data mungkin terdiri atas data hitung atau data peringkat sehingga menghalangi
penempatan uji2 pada statistik parametric yang semestinya lebih cepat.
5. Kesalahan uji statistic
Data yang tidak adekuat dan tidak akurat
Data ini tidak akurat disebabkan oleh:
- data yang tidak cukup
- sampel-sampel yang tidak representative dalam mewakili populasinya.
- data yang dipalsukan oleh informan.
- data yang tidak akurat disebabkan kurang berhati-hatinya si peneliti.
- penggunaan-penggunaan standart2 dan unit2 pengukuran yang tidak reliable.
Kesalahan mekanik
Kesalahan ini mencangkup:
- kesalahan dalam proses penghitungan dan matematik.
- penggunaan formula atau rumus-rumus yang salah atau tidak tepat.
- kesalahan-kesalahan dalam pengutipan data.
Interpretasi yang tidak sehat.
Kesalahan ini mencangkup:
- tidak mampu membedakan fakta-fakta yang signifikan
- tidak mengakui dan menghindari efidensi/pembuktian-pembuktian yang
negatif.
- tidak bias membedakan korelasi dan sebab-musabab.
- mengadakan generalisasi terhadap kasus-kasus yang berjumlah sangat minim.
- memutar balikan interpretasi untuk pembuktian dan membenarkan prasangka-
prasangka pribadi serta pre konsepsi diri.
Secara garis besar kesalahan-kesalahan prosedur statistika dalam penelitian
dapat dikelompokkan menjadi: 1) kesalahan dalam pengambilan sampel; 2)
kesalahan tentang instrument yang digunakan dalam penelitian; 3) kesalahan
dalam pengolahan dan penganalisaan data; dan 4) kesalahan dalam penarikan
kesimpulan serta saran yang diberikan.
- Kesalahan uji tipe I
Adalah karena Ho ditolak padahal kenyataannya benar ,artinya kita menolak
hipotesis tsb (Ho) yabg seharusnya diterima
- Kesalahan uji tipe II
Adalah kesalahan karena Ho diterima padahal kenyataannya salah.Artinya kita
menerima hipotesis tsb (Ho) yang seharusnya ditolak.
Apabila kedua jenis kesalahan tsb dinyatakan dalam bentuk probabilitas
didapatkan hal2 sbb:
a. Kesalahan tipe I disebut kesalahan α yang dalam bentuk
penggunaanya disebut sbg taraf yang nyata atau taraf signifikan.1 – α disebut
sbg tingkat keyakinan , karena dengan itu kita yakin bahwa kesimpulan yang kita
buat adalah benar sebesar 1 – α
b. Kesalahan tipe II disebut kesalahan β yang dalam bentuk
penggunaanya disebut sbg fungsi ciri operasi , disingkat CO , 1 – β disebut sbg
kausa pengujian karena memperlihatkan kuasa terhadap pengujian yang
dilakukan untuk menolak hipotesis yang seharusnya ditolak
pokok2 materi statistik ,statistik inferensi oleh Ir.M.Iqbal Hasan
6. Hal-hal yang harus dipertimbangkan dalam penetapan statistic.
Dalam memilih uji statistik didasrakan pada:
Apa yang ingin diketahui tentang data yang diperoleh
Berapa variable datanya
Jenis skala apa yang dipakai pada data.
Syarat-syarat yang perlu diperhatikan untuk menentukan statistik apa yang akan
digunakan dalam analisis, yaitu:
1. Apakah distribusi data diketahui? Jika distribusi data tidak diketahui maka
statistik yang sesuai adalah statistik nonparametrik. Jika distribusi data diketahui,
maka kita harus melihat jenis distribusi data tersebut.
2. Apakah data berdistibusi normal? Jika data tidak berdistribusi normal, maka
statistik yang sesuai adalah statistik nonparametrik. Jika data berdistribusi normal,
maka statistik yang sesuai adalah statistik parametrik.
3. Apakah sampel ditarik secara random? Jika sampel tidak ditarik secara random,
maka statistik yang sesuai adalah statistik nonparametrik. Jika sampel ditarik secara
random, maka statistik yang sesuai adalah statistik parametrik.
4. Apakah varians kelompok sama?Jika varians kelompok tidak sama, maka statistik
yang sesuai adalah statistik nonparametrik. Jika varians kelompok sama, maka
statistik yang sesuai adalah statistik parametrik.
5. Bagaimana jenis skala pengukuran data? Jika skala pengukuran data nominal dan
ordinal, maka statistik yang sesuai adalah statistik nonparametrik. Jika skala
pengukuran data interval dan rasio, maka statistik yang sesuai adalah statistik
parametrik.
7. Factor yang mempengaruhi uji statistik
a. Representativan sampel dalam mewakili populasinya.
b. Pemilihan instrument penelitiannya( harus yang reliable dan valid)
c. Pemilihan jenis skala pengukuran
d. Tehnik Pengambilan sampelnya.
#Perbedaan parametric dengan non parametric:
a. Statistik parametris digunakan untuk menganalisis data interval dan rasio.sedangkan Statistik non parametrisdigunakan untuk menganalisis data nominal dan ordinal.
b. pada umumnya statistik parametric digunakan untuk datayang berjumlah
besar dan banyak sednagkan nonparametrik digunakan untuk data
berjumlah kecil (n <30).
c. Statistik parametrik adalah ilmu statistik yang digunakan untuk data-data
yang memiliki sebaran normal. Jika data tidak menyebar normal maka
metode statistik nonparametrik dapat digunakan.
d. Statistik parametric biasanya mengambil subjeknya secara random dan
homogen.
#usaha mengurangi kesalahan uji statistik:
Secara garis besar kesalahan-kesalahan prosedur statistika dalam penelitian
dapat dikelompokkan menjadi: 1) kesalahan dalam pengambilan sampel; 2)
kesalahan tentang instrument yang digunakan dalam penelitian; 3) kesalahan
dalam pengolahan dan penganalisaan data; dan 4) kesalahan dalam penarikan
kesimpulan serta saran yang diberikan.
Oleh sebab itu usaha mengurangi kesalahan dalam statistika maka:
a. Pemilihan sampel harus dilakukan secara random.
b. Sampel juga harus representative dimana smapel ini dapat mewakili dari
populasinya.
c. Instrument penelitian yang digunakan harus memiliki validitas dan
reabilitas yang tinggi.
d. Dalam pemasukan data harus benar sesuai dengan variabel2nya serta
dalam pemilihan uji statistik harus sesuai dengan syarat2nya ujinya
seperti uji parametric harus hanya bias digunakan untuk skala numerik
dan uji non parametric untuk skala kategorik.
#korelasi dan regresi:
Korelasi ialah suatu kesamaan dalam arah dan derajat antara hubungan
pasangan 2 variabel yang tidak dapat ditentukan dengan pasti variable
bebasnya.misalnya:antara pendapatan perkapita dan angka kelahiran.
Derjat korelasi dinytakan dalam koefisien korelasi (r). korelasi yang positif berarti
perubahan pada kedua variable menunjukan arah yang sama yaitu bila nilai satu
variable naik akan diikuti oleh naiknya nilai variable yang kedua.sedangkan
korelasi negative menunjukan perubahan arah yang bertentangan yaitu jika nilai
satu variable naik akan diikuti turunnya nilai variable yang kedua atau sebaliknya
jika nilai nilai salah satu variable turun akan diikuti oleh naiknya nilai pada
variable yang kedua.
Regresi ialah persamaan matematik yang menyatakan hubungan antara 2
variabel yang bebas misalnya antara dosis obat dengan respons terhadap obat
yang bersangkutan.
Korelasi:tidak memerlukan regresi.
Regresi:membahas peramalan.memerlukan korelasi terlebih dahulu baru
diregresikan.
#cara peneliti dalam memilih uji statistik yang tepat(dibuat skema/bagan) :lihat
jawaban soal no 6
Satu variable
variable
uji
2 kategori
binomial Chi-square KS ks
kategori skor2 atau lebih kategori
nominal ordinal
Statitik
deskriptif inferensial
sebaran lokasi parametrik Non parametrik
Uji statistik Uji statistik Uji statitistikUji statitistik
Mean,modus,interquartil range,median
skala 2 kelompok >2 kelompok
ordinal nominal numerik berpasangan Tdk berpasangan berpasangan
Tidak berpasangan
Uji T berpasangan
Uji T tdk berpasangan
annova annova
Uji non parametrik
wilcoxon Mean witneyCruscal wallis
spearmen
Uji non parametrik
top related