Posting Under Construction...!
Come Back Again,..Another Time.
Rabu, 04 November 2015
Selasa, 03 November 2015
SEM
Structural Equation Modeling (SEM) adalah alat
statistik yang dipergunakan untuk menyelesaikan model bertingkat secara
serempak yang tidak dapat diselesaikan oleh persamaan regresi linear. SEM dapat
juga dianggap sebagai gabungan dari analisis regresi dan analisis faktor. SEM
dapat dipergunakan untuk menyelesaikan model persamaan dengan variabel terikat
lebih dari satu dan juga pengaruh timbal balik (recursive). SEM berbasis pada
analisis covarians sehingga memberikan matriks covarians yang lebih akurat dari
pada analisis regresi linear. Program-program statistik yang dapat dipergunakan
untuk menyelesaikan SEM misalnya Analysis Moment of Structure (AMOS) atau
LISREL.
SEM mampu menyelesaikan model yang rumit yang
sering muncul dalam dunia pemasaran atau bidang konsentrasi yang lain. Model
yang akan diselesaikan dengan SEM harus mempunyai dasar teori yang kuat, karena
SEM tidak dapat digunakan untuk menyelesaikan model kausalitas imaginer. SEM
hanyalah untuk mengkonfirmasi apakah observasi sesuai dengan model teoretis
yang telah dibentuk berdasarkan telaah teori yang mendalam. Metode lain yang
tidak memerlukan telaah teori adalah Partial Least Square (PLS), sebuah metode
alternatif yang berdasarkan variance.
Mengapa Menggunakan SEM
Beberapa alasan menggunakan analisis SEM adalah
sebagai berikut:
- Model
yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat sulit
untuk diselesaikan dengan metode jalur analisis pada regresi linear.
- Mampu
menguji hipotesis-hipotesis yang rumit dan bertingkat secara serempak.
- Kesalahan
(error) pada masing-masing observasi tidak diabaikan tetapi tetap
dianalisis, sehingga SEM lebih akurat untuk menganalisis data kuesioner
yang melibatkan persepsi.
- Mampu
menganalisis model hubungan timbal balik (recursive) secara serempak, di
mana model ini tidak dapat diselesaikan dengan analisis regresi linear
secara serempak.
- Terdapat
fasilitas bootstrapping, di mana hal tersebut tidak dapat dilakukan dengan
analisis regresi linear.
- Untuk
jumlah sampel yang relatif besar (di atas 2000) terdapat metode asymtot
distribution free (ADF) yang tidak memerlukan asumsi normalitas pada data.
- Peneliti
dapat dengan mudah memodifikasi model dengan second order untuk
memperbaiki model yang telah disusun agar lebih layak secara statistik.
Tujuh Langkah SEM
Dalam pengujian model SEM terdapat tujuh langkah
yang harus ditempuh (Hair dkk, 1998 dalam Ferdinand, 2005), yaitu:
- Langkah
pertama: Pengembangan Model Teoritis.
- Langkah
kedua: Pengembangan Diagram Alur (Path Diagram).
- Langkah
ketiga: Konversi Diagram Alur ke dalam Persamaan Struktural dan Model
Pengukuran.
- Langkah
keempat: Memilih Jenis Matrik Input dan Estimasi Model yang Diusulkan.
a. Estimasi Model Pengukuran (Measurement
Model).
b. Model Struktur Persamaan (Structure
Equation Model).
- Langkah
kelima: Kemungkinan Munculnya Masalah Identifikasi
a. Standard error yang besar untuk satu
atau beberapa koefisien.
b. Program tidak mampu menghasilkan matriks
informasi yang seharusnya disajikan.
c. Munculnya angka-angka yang aneh seperti
adanya varians error yang negatif.
d. Munculnya korelasi yang sangat tinggi antar
koefisien estimasi yang didapat (misal ≥ 0,9).
- Langkah
keenam : Evaluasi Kriteria Goodness of Fit
a. Uji Kesesuaian dan Uji
Statistik: Likelihood ratio chi-square statistic (χ2), Root
Mean Square Error Approximation (RMSEA), Goodness of Fit
Index (GFI), Adjusted Goodness of Fit Index (AGFI), The
Minimum Sampel Discrepancy Function atauDegree of
Freedom (CMIN/DF), Tucker Lewis Index (TLI) dan Comparative
Fit Index(CFI).
b. Uji Reliabilitas: Construct
Reliability dan Variance extracted.
c. Uji Validitas.
d. Asumsi-asumsi SEM: Ukuran Sampel, Normalitas, Outliers, Multicollinearity dan
Singularity.
- Langkah
ketujuh: Menginterpretasikan Hasil Pengujian dan Modifikasi Model.
Materi Statistik
Ok. Materi Siap dipelajari;
- Materi Kuliah Statistik Dasar 1 , klik disini!
- Materi Kuliah Statistik Dasar 2 , klik disini!
- Materi Kuliah Statistik Dasar 3 , klik disini!
- Materi Kuliah Statistik Dasar 4 , klik disini!
- Materi Kuliah Statistik Dasar 5 , klik disini!
- Materi Kuliah Statistik Dasar 6 , klik disini!
Pelajaran tentang ilmu statistik sebenarnya sudah kita mulai sejak berada di bangku sekolah dasar, yaitu saat kita belajar matematika tentang nilai minimum, maksimum, dan rata-rata. Pelajaran yang lebih lanjut didapat saat kita berada di jenjang sekolah menengah pertama, sekolah menengah atas maupun perguruan tinggi. Lalu apa sebenarnya definisi dari statistika itu? Statistika merupakan disiplin ilmu yang mempelajari teknik-teknik penarikan kesimpulan yang didasarkan pada contoh data.
Penggunaan ilmu statistik
sebagai alat analisis data dewasa ini telah luas dipakai di berbagai bidang
seperti biologi, fisika, kimia, pertanian, psikologi, sosial hingga manajemen.
- Dalam bidang
manajemen dikenal istilah riset pemasaran di mana ilmu statistik sangat
berperan untuk mengukur penentuan segmentasi pasar, kepuasan pelayanan
atau produk, perilaku konsumen atau mengetahui strong dan weakness suatu
produk dibandingkan dengan produk kompetitor.
- Penggunaan
statistik untuk bidang biologi, fisika atau pertanian telah membantu
peneliti untuk menyimpulkan apakah metode baru yang dikembangkan lebih
baik dan lebih efisien dari metode yang sedang digunakan.
- Penggunanan
statistik melalui analisis rancang percobaan (design of experiment) dalam
bidang industri telah membantu para insinyur untuk menentukan parameter
optimal yang akan digunakan untuk setting mesin agar menghasilkan produk
yang sesuai dengan spesifikasi yang diinginkan. Selain rancang percobaan,
statistik quality control diimplementasikan untuk mengontrol dan menjaga
kualitas produk.
Pesatnya perkembangan penggunaan statistik didukung oleh software statistik yang mempermudah pengolahan data. SPSS sebagai salah satu software statistik telah umum digunakan oleh peneliti untuk menganalisis data penelitian. Berbagai disiplin ilmu pengetahuan, baik lingkup manajemen (riset pemasaran), biologi, pertanian, teknik, industri, psikologi, ilmu sosial maupun bidang lainnya, menggunakan software ini sebagai alat bantu mengolah/menganalisis data penelitian. Hal ini dikarenakan kemudahan pengoperasian software SPSS dan lengkapnya teknik-teknik analisis statistik yang tersedia.
Hingga kini software SPSS
terus menambah tool-tool terbaru untuk analisis data mengikuti perkembangan
ilmu statistik. Software statistik lainnya. yang banyak digunakan selain SPSS
diantaranya adalah
- Minitab,
- Statistica,
- JMP,
- Lisrel,
- TSP, dan
- Stata.
- PLS
- Smart PLS
- Eview
- GSCA
Sabtu, 31 Oktober 2015
Pengertian Analisis Multivariat
Secara umum, Analisis Multivariat atau Metode Multivariat berhubungan dengan metode-metode statistik yang secara bersama-sama (simultan) melakukan analisis terhadap lebih dari dua variabel pada setiap objek atau orang. Jadi, bisa dikatakan analisis multivariat merupakan perluasan dari analisis univariat (seperti uji t) atau bivariat (seperti korelasi dan regresi sederhana).
Analisis multivariat adalah analisis multi variabel dalam satu atau lebih hubungan. Analisis ini berhubungan dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran pada inaividu atau ohjek.
Sebagai contoh, jika dilakukan analisis regresi sederhana, dengan satu variabel Y dan satu variabel X, maka analisis seperti itu dikatakan bivariat, karena ada dua (bi) variabel, X dan Y. Sedang jika dilakukan analisis regresi berganda, dengan satu variabel Y dan dua variabel X (XI dan X2), maka analisis sudah bisa dikatakan multivariat, karena ada tiga variabel (termasuk XI dan X2).
Sedangkan variat bisa didefinisikan sebagai suatu kombinasi linier dari variabel-variabel dengan bobot variabel yang ditentukan secara empiris.
Sebagai contoh,
ada persamaan regresi berganda: Nilai variat=wi.Xi+W2.X2+W3.X3+.. .+wn.Xn
Di sini Xn adalah variabel yang telah ditentukan oleh peneliti, sedang wn adalah hasil dari proses multivariat. Nilai variat adalah hasil dari proses perkalian dan penjumlahan w dan X, yang menghasilkan suatu nilai variat tertentu.
Dalam praktek, jenis data -atau bisa juga disebut jenis variabel- menentukan metode multivariat mana yang akan digunakan. Secara praktis, harus diketahui terlebih dahulu termasuk jenis data manakah Xi itu? Termasuk jenis data manakah X2 itu? Demikian seterusnya. Kesalahan dalam memilih metode yang cocok berdasar jenis datanya akan berakibat hasil pengolahan data menjadi bias. Hal ini berlaku juga pada pemilihan metode statistik multivariat, sebagaimana hal ini telah berlaku pada pemilihan metode statistik univariat dan bivariat.
Untuk itu berikut akan dibahas terlebih dahulu beragam jenis data yang secara teoritis ada dalam praktek.
Jumat, 30 Oktober 2015
Teknik Pengambilan Sampel
Ikuti Materi-Materi dibawah ini;
1-Menentukan Ukuran Sampel, klik disini!
2-Penentuan Ukuran Sampel Memakai Rumus Slovin, klik disini!
3-Sampling dan Besar Sampel, klik disini!
4-Semantik Diferensial, klik disini!
5-Teori Skor Murni Klasik, klik disini!
6-Thurstone, klik disini!
7-Materi Metode Sampling Dan Statistik Dalam Populasi, klik disini!
8-Mengubah Skor Mentah Menjadi Skor Standar, klik disini!
9-Merancang Kuisioner Online Dengan Google Docs, klik disini!
10-Teknik Pengambilan Sampel-1, klik disini!
11-Teknik Pengambilan Sampel-2, klik disini!
12-Teknik Pengambilan Sampel-3, klik disini!
Pengertian atau
definisi populasi
Populasi adalah
merupakan wilayah generalisasi yang terdiri dari obyek/subyek yang memiliki
kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya. Itulah definisi populasi dalam
penelitian.
Populasi di sini
maksudnya bukan hanya orang atau makhluk hidup, akan tetapi juga benda-benda
alam yang lainnya. Populasi juga bukan hanya sekedar jumlah yang ada pada obyek
atau subyek yang dipelajari, akan tetapi meliputi semua karakteristik,
sifat-sifat yang dimiliki oleh obyek atau subyek tersebut. Bahkan satu orangpun
bisa digunakan sebagai populasi, karena satu orang tersebut memiliki berbagai
karakteristik, misalnya seperti gaya bicara, disiplin, pribadi, hobi, dan lain
sebagainya.
Di bawah ini beberapa
pengertian populasi menurut para ahli:
- Menurut, Ismiyanto – populasi
adalah keseluruhan subjek atau totalitas subjek penelitian yang dapat
berupa; orang, benda, / suatu hal yang di dalamnya dapat diperoleh dan
atau dapat memberikan informasi (data) penelitian.
- Sedangkan Arikunto – Populasi
adalah keseluruhan objek penelitian. Apabila seseorang ingin meneliti
semua elemen yang ada dalam wilayah penelitian, maka penelitiannya
merupakan penelitian populasi.
- Dan menurut Sugiyono – Populasi
adalah wilayah generalisasi yang terdiri atas, obyek/subjek yang mempunyai
kuantitas & karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya.
Pengertian Sampel
Sampel adalah sebagian
dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut, ataupun
bagian kecil dari anggota populasi yang diambil menurut prosedur tertentu
sehingga dapat mewakili populasinya. Jika populasi besar, dan peneliti tidak
mungkin mempelajari seluruh yang ada di populasi, hal seperti ini dikarenakan
adanya keterbatasan dana atau biaya, tenaga dan waktu, maka oleh sebab itu
peneliti dapat memakai sampel yang diambil dari populasi. Sampel yang akan
diambil dari populasi tersebut harus betul-betul representatif atau dapat
mewakili.
apa itu populasi?
Cara atau teknik pengambilan sampling
Teknik Sampling yaitu
merupakan teknik pengambilan sampel. Terdapat berbagai macam teknik sampling
untuk menentukan sampel yang akan dipakai dalam penelitian. Teknik sampling
pada dasarnya bisa dikelompokkan menjadi 2 (dua) maca yaitu probability sampling
dan non-probability sampling. berikut dibawah ini penjelasannya:
Probability sampling
adalah suatu teknik sampling yang memberikan peluang atau kesempatan yang sama
bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel,
tekhnik ini terdiri atas:
- Simple random sampling:
dikatakan simple atau sederhana sebab pengambilan sampel anggota populasi
dilakukan secara acak, tanpa memperhatikan strata yang terdapat dalam
populasi tersebut. Cara ini dapat lakukan jika anggota populasi dianggap
homogen.
- Dispropotionate Stratified
Random Sampling: Suatu teknik yang digunakan untuk menentukan jumlah
sampel, jika populasi berstrata tetapi kurang proporsional.
- Proportionate stratified random
sampling: salah satu teknik yang digunakan jika populasi mempunyai anggota
atau unsur yang tidak homogen serta berstrata secara proporsional.
- Area sampling (Cluster
sampling): Teknik sampling daerah dipakai untuk menentukan sampel jika
objek yang akan diteliti atau sumber data sangat luas, seperti misalnya
penduduk dari suatu negara, provinsi atau dari suatu kabupaten.
Non probability
sampling adalah teknik yang tidak memberikan peluang/kesempatan sama bagi
setiap unsur atau anggota populasi untuk dipilih menjadi sampel, teknik
ini terdiri atas:
- Sampling Sistematis: suatu
teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang
telah diberi nomor urut.
- Sampling Kuota: Teknik untuk
menentukan sampel yang berasal dari populasi yang memiliki ciri-ciri
tertentu sampai jumlah kuota yang diinginkan. Seperti misalnya, jumlah
sampel laki-laki sebanyak 70 orang maka sampel perempuan juga sebanyak 70
orang.
- Sampling aksidental: Sauatu
teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang
secara kebetulan bertemu dengan peneliti dapat dipakai sebagai sampel,
jika dipandang orang yang kebetulan ditemui itu cocok untuk dijadikan
sebagai sumber data.
- Purposive Sampling: Suatu
teknik penentuan sampel dengan pertimbangan tertentu atau sleksi khusus.
Seperti misalnya misalnya, kamu meneliti kriminalitas di Kota atau daerah
tertentu, maka kamu mengambil informan yaitu Kapolresta kota atau daerah
tersebut, seorang pelaku kriminal dan seorang korban kriminal yang ada di
kota tersebut.
- Sampling Jenuh: Suatu teknik
penentuan sampel jika semua anggota populasi digunakan sebagai sampel. Hal
ini sering sekali dilakukan jika jumlah populasi relatif kecil atau
sedikit, yaitu kurang dari 30 orang, atau penelitian yang ingin membuat
generalisasi dengan kesalahan yang relatif kecil.
- Smpling Snowball: Teknik
penentuan sampel yang mula-mula jumlahnya kecil atau sedikit, lalu
kemudian membesar. Atau sampel berdasarkan penelusuran dari sampel yang
sebelumnya. Seperti misalnya, penelitian mengenai kasus korupsi bahwa
sumber informan pertama mengarah kepada informan kedua lalu informn
seterusnya.
Kamis, 29 Oktober 2015
Tutorial SPSS Video Online
SELAMAT DATANG
51 Video ini akan memandu anda, selamat belajar...!
Silahkan ikuti Tutorial SPSS Video Online kelas dasar;1-Introduction, klik disini!
2-Memahami Alur Penelitian 1 , klik disini!
3-Memahami Alur Penelitian 2 , klik disini!
4-Mengenal Interface SPSS 15 , klik disini!
5-MengenaI Interface SPSS 15 , klik disini!
6-Menentukan Variabe! 1 , klik disini!
7-Menentukan Variabel 2 , klik disini!
8-Melakukan Entry Data , klik disini!
9-MengaturTampilan Data , klik disini!
10-Transpose dan Data Compute , klik disini!
11-Perintah Count , klik disini!
12-Recode Into Same Variable , klik disini!
13-Recode Into Different Variable , klik disini!
14-Perintah Range Case , klik disini!
15-Pengantar , klik disini!
16-Summary Data , klik disini!
17-Frequency Data , klik disini!
18-Deskripsi Data , klik disini!
19-Crosstabs Data , klik disini!
20-Explore Data , klik disini!
21-Metode Statistik , klik disini!
22-Kasus Uji T , klik disini!
23-Interpretasi Uji T , klik disini!
24-Kasus Uji Anova , klik disini!
25-Interpretasi Uji Anova , klik disini!
Silahkan ikuti Tutorial SPSS Video Online kelas lanjutan;
Rabu, 21 Oktober 2015
Pengertian Proposal Penelitian
Proposal penelitian adalah
rancangan penelitian dari seorang mahasiswa yang akan mengadakan penulisan
karya ilmiah berupa skripsi, tesis maupun disertasi. Proposal merupakan bukti
kemampuan mahasiswa dalam pembuatan rancangan penelitian dan pengembangan ilmu
pade salah satu bidang keilmuan tertentu. Proposal disusun untuk diianjutkan
membuat karya ilmiah berupa skripsi, tesis maupun disertasi.
Proposal mempunyai karakteristik atau ciri-ciri khusus dari beberapa penulisan karya ilmiah lain. Adapun karakteristik proposal, yaitu:
(1) Isinya berfokus pada kajian mengenai salah satu
isu sentral yang tercakup dalam disiplin ilmu tertentu, sesual dengan program
studi yang ditempuh oleh mahasiswa yang bersangkutan,
(2) Merupakan
rancangan pengujian empirik terhadap posisi teoritik tertentu dalam disiplin
ilmu yang dipelajari,
(3) Mengungkapkan
data primer sebagai data utama yang dapat ditunjang oleh data sekunder,
sedangkan untuk proposal penelitian bilbiografi digunakan sumber yang otentik,
dan
(4) Ditulis
dalam bahasa Indonesia yang baik dan benar kecuali program luar negeri atau
jurusan Bahasa Inggris, proposal ditulis dalam Bahasa inggris.
Panduan Menulis Proposal (klik materi dibawah ini untuk dipelajari) :
1-Menulis Bab 1 Proposal skripsi
2-Menulis Bab 2 Proposal skripsi
3-Menulis Bab 3 Proposal skripsi
Kedudukan penulisan proposal sebagai karya ilmiah di perguruan tinggi sangat penting dan merupakan bagian dari tuntutan formal akademik. Dilihat dari tujuan penulisannya yaitu sebagai syarat yang dituntut dari mahasiswa ketika akan menyelesaikan program studi. Melalui penyusun proposal ini, mahasiswa dapat mengungkapkan pikiran secara sistematis sesuai dengan kaidah-kaidah keilmuan. Dengan mengacu kepada hasil kajian pustaka yang bersumber dari publikasi ilmiah dalam bentuk jurnal, buku teks, atau publikasi internet, mahasiswa melakukan pengamatan lapangan, melakukan berbagai macam penelitian dan berbagai kajian. Dalam kaitannya proposal merupakan wahana komunikasi hasil-hasil penelitian ilmiah dan masyarakat akademiknya untuk diuji secara terbuka dan objektif serta mendapatkan koreksi dan kritik dari dosen pembimbing atau promotor. Di pihak lain proposal merupakan wahana untuk menyajikan nilai-nilai praktis maupun nilai-nilai teoritis hasil-hasil pengkajian dan rancangan penelitian ilmiah yang dilakukan oleh mahasiswa. Dengan sifat dan kedudukan ini, maka proposal dalam lingkungan masyarakat akademik dapat memperkaya khasanah keilmuan dan memperkokoh paradigma keilmuan pada bidang atau disiplin ilmu yang relevan.
Pembelajaran Menyusun Proposal Penelitian (klik materi dibawah ini untuk dipelajari) :
1-Pembelajaran Menyusun Proposal Penelitian 2 Variabel-1
2-Pembelajaran Menyusun Proposal Penelitian 2 Variabel-2
3-Pembelajaran Menyusun Proposal Penelitian 2 Variabel-3
4-Pembelajaran Menyusun Proposal Penelitian 2 Variabel-4
5-Pembelajaran Menyusun Proposal Penelitian Regresi Sederhana Berganda
Penyusunan proposal di perguruan
tinggi itu, tergantung pada ketentuan masing-masing lembaga yang bersangkutan,
yang dikenal dengan Pedoman Penulisan Proposal. Tujuannya agar ada kesamaan
bahasa antara dosen pembimbing dan mahasiswa berkenaan dengan pengertian, ruang
lingkup, karakteristik, dan format proposal yang ditulis secara ilmiah oleh
mahasiswa serta berlaku secara umum di lingkungan perguruan tingginya.
Materi Tentang Proposal (klik materi dibawah ini untuk dipelajari) :
1-Identifikasi Masalah & Judul Penelitian
2-Cara Cepat Menyusun Skripsi
3-Penelitian dalam Bimbingan dan Konseling
4-Rangkuman Hakikat Penelitian
5-Menulis Proposal Penelitian
6-Penelitian Tindakan Kelas
7-Tahap-tahap penyusunan Skripsi
8-Bimbingan Skripsi
9-Susunan Skripsi
10-Contoh Panduan Penyusunan Proposal
11-Contoh Panduan Penulisan Skripsi Akuntansi
12-Contoh Panduan Penulisan Skripsi Manajemen
13-Contoh Teknik Penelitian
14-Contoh Ringkasan Hasil Penelitian
Minggu, 18 Oktober 2015
Artikel Terkait Parametrik
Tes statistik parametrik adalah suatu tes yang modelnya menetapkan syarat-syarat tertentu tentang parameter populasi yang menjadi sampel penelitiannya. Terhadap syarat-syarat tersebut biasanya tidak dilakukan pengujian terkebuih dahulu dan dianggap sudah memenuhi syarat. Seberapa jauh makna hasil tes parametrik tersebut tergantung pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa nilai-nilai yang di-analisis merupakan hasil dari suatu pengukuran minimal dengan skala interval.
Tujuan Pembelajaran
Setelah membaca dan mengikuti perkuliahan mahasiswa dapat menguji atau menghitung :
1. Persyaratan analisis parametrik,
2. Uji t(t-test),
3. Uji t (t-test) dua sampel,
4. Anova Satu Jalur (One Way - Anova),
5. Anova Dua Jalur (Two Ways - Anova),
6. Uji Pearson Product Moment,
7. Uji Korelasi Parsial (Partial Correlation),
8. Uji Korelasi Ganda (Multiple Correlation),
9. Uji Regresi (Regresion Test), dan
10. Uji Regresi Ganda (Multiple Regresion Test).
Skala pengukuran berbentuk interval dan ratio, analisis yang cocok adalah analisis parametrik. Yang termasuk analisis parametrik yaitu:
a. Uji t(t-fesf),
b. Uji t (t-test) dua sampel,
c. Anova Satu Jalur (One Way - Anova),
d. Anova Dua Jalur (Two Ways - Anova),
e. Uji Pearson Product Moment,
f. Uji Korelasi Parsial (Partial Correlation),
g. Uji Korelasi Ganda (Multiple Correlation),
h. Uji Regresi (Regresion Test), dan
i. Uji Regresi Ganda (Multiple Regresion Test).
Pengolahan data merupakan kegiatan pokok yang wajib dilakukan oleh para peneliti, karena mustahil para peneliti akan mendapatkan kesimpulan yang berarti tanpa didahului oleh kegiatan pengolahan data tersebut.
Analisis data dimaksudkan untuk melakukan pengujian hipotesis dan menjawab rumusan masalah yang diajukan, karena menggunakan skala interval dan ratio, maka sebelum melakukan pengujian harus dipenuhi persyaratan anaiisis terlebih dahulu, dengan asumsi bahwa data harus :
a. Dipilih secara acak (random),
b. Homogen artinya data yang dibandingkan (dikomparasikan) sejenis (bersifat homogen), maka perlu uji homogenitas.
c. Normal artinya data yang dihubungkan berdistribusi normal, maka perlu uji normalitas.
d. Bersifat linier artinya data yang dihubungkan berbentuk garis linier maka perlu uji linieritas.
e. Berpasangan artinya data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang sama, kalau salah satu tidak terpenuhi untuk persyaratan anaiisis korelasi atau regresi tidak dapat dilakukan (Riduwan, 2001:115).
Materi Pendalaman PARAMETRIK (klik materi dibawah ini untuk dipelajari) :
1-Statistik Deskriptif
2-Menu Case Summaries
3-Menu Crosstab
4-Menu Descriptive
5-Menu Frequencies
6-Menu Olap Dan Stat. Deskriptif
7-Grafik Dot Charts, Line Charts, Ribbon Charts
8-Grafik Histogram, Boxplot, Scatter Plot, Pie Chart
9-Grafik P-P ( Probability Plot )
10-Grafik Editing
11-Uji T Paired
12-Anova Repeated Measure
13-Korelasi Parsial
14-Manova
15-Uji Asumsi Regresi Berganda Autokorelasi
16-Uji Asumsi Regresi Berganda Heteroskedastisitas
17-Uji Asumsi Regresi Berganda Multikolinearitas
18-Uji Asumsi Regresi Berganda Normalitas
Artikel Terkait Non Parametrik
Statistik nonparametrik adalah yang berhubungan dengan data yang berbentuk ranking atau data kualitatif (skala nominal atau ordinal) atau data kuantitatif yang tidak berdistribusi normal. Oleh karena itu statistik nonparametrik seringkali disebut dengan statistik bebas distribusi. Pada statistik non parametrik, kita akan menguji karakteristik populasi tanpa menggunakan spesifik parameter. Oleh karena itu statistik uji ini disebut dengan statistik nonparametrik yaitu akan menguji apakah lokasi populasi berbeda dari pada menguji apakah rata-rata populasi berbeda.
Terdapat 8 cara atau metode penyelesaian statistic non parametrik, yaitu :
1. Korelasi Spearman dan Kendall Tau
2. Uji Chi Square
3. Uji Wilcoxon
4. Uji Mann-Whitney (UTest)
5. Uji Kruskal-Wallis (HTest)
6. Two Independent Samples Test
7. Two Related Samples Test
8. K Independent Sample Test
NON PARAMETRIK (klik materi dibawah ini untuk dipelajari) :
1-Statistik Deskriptif Untuk Data Nominal Dan Ordinal2-Menu-Menu Spss Untuk Statistik Non Parametrik
3-Membuat Tabel Statistik
4-Menu 1 Compute
5-Menu 2 Merger
6-Menu 3 Rank Cases
7-Menu 4 Select
8-Menu 5 Recode
9-Korelasi Gamma Somers Pelengkap Korelasi Ordinal
10-Korelasi Kendall Pelengkap Korelasi Ordinal
11-Korelasi Nominal Lambda Pelengkap Korelasi Nominal
12-Korelasi Parsial Tambahan Kasus
13-Korelasi Spearman Tambahan Kasus
14-Uji Binomial Tambahan Kasus
15-Uji Chi-Square Pelengkap Uji Satu Sampel
16-Uji Cochran Pelengkap N Sampel Berhubungan
17-Uji Kendall Pelengkap Uji N Sampel Berhubungan
18-Uji Mcnemar Pelengkap Uji 2 Sampel Berhubungan
19-Uji Median Jocnkheere Pelengkap Uji N Sampel Bebas
20-Uji Moses Ward Pelengkap Uji 2 Sampel Bebas
21-Uji Normalitas Kolmogorov Pelengkap Uji Satu Sampel
22-Uji Normalitas Pelengkap Uji Satu Sampel
Mengenal Statistik Non Parametrik
Tes statistik Non-Parametrik
adalah tes yang modelnya tidak menetapkan syarat-syarat mengenai
parameter-parameter populasi. Anggapan-anggapan tertentu dikaitkan dengan
sejumlah besar tes-tes non-parametrik, yakni bahwa observasi-observasinya
independen dan bahwa variabel yang diteliti pada dasamya memiliki kontinuitas.
Namun anggapan-anggapan ini lebih sedikit dan jauh lebih lemah daripada
anggapan-anggapan yang ber-kaitan dengan tes parametrik. Terlebih lagi, tes
non-parametrik tidak menuntut pengukuran sekuat yang dituntut tes-tes
parametrik; sebagian besar tes non-parametrik dapat diterapkan untuk data dalam
skala ordinal, dan beberapa yang lain juga dapat diterapkan untuk data dalam
skala nominal.
Kekuatan tes non-parametrik
mungkin dapat ditingkatkan dengan hanya memperbesar ukuran jumlah sampel, dan
karena ilmuwan sosial jarang mencapai jenis pengukuran yang memungkinkan
penggunaan secara berarti tes parametrik, maka tes non-parametrik memainkan
peran penting dalampenelitian di lapangan ilmu sosial.
sumber buku: Statistik Non Parametrik - Wahid Sulaiman
Statistika Non Parametrik
Statistik nonparametrik adalah
yang berhubungan dengan data yang berbentuk ranking atau data kualitatif (skala
nominal atau ordinal) atau data kuantitatif yang tidak berdistribusi normal.
Oleh karena itu statistik nonparametrik seringkali disebut dengan statistik
bebas distribusi. Pada statistik nonparametrik, kita akan menguji karakteristik
populasi tanpa menggunakan spesifik parameter.
Oleh karena itu statistik uji ini disebut dengan statistik nonparametrik
yaitu akan menguji apakah lokasi populasi berbeda dari pada menguji apakah
rata-rata populasi berbeda. Terdapat 8 cara atau metode penyelesaian statistic
non parametrik, yaitu :
1. Korelasi Spearman dan Kendall Tau
2. Uji Chi Square
3. Uji Wilcoxon
4. Uji Mann-Whitney (UTest)
5. Uji Kruskal-Wallis (HTest)
6. Two Independent Samples Test
7. Two Related Samples Test
8. K Independent Sample Test
sumber buku: Statistik Non Parametrik -Singgih Santoso
Lebih mendalam pelajari Menu Artikel terkait Non Parametrik di blog ini. klik disini
Lebih mendalam pelajari Menu Artikel terkait Non Parametrik di blog ini. klik disini
Rabu, 14 Oktober 2015
Mengenal Statistik Parametrik
Tes statistik parametrik
adalah suatu tes yang modelnya menetapkan syarat-syarat tertentu tentang
parameter populasi yang menjadi sampel penelitiannya. Terhadap syarat-syarat
tersebut biasanya tidak dilakukan pengujian terkebuih dahulu dan dianggap sudah
memenuhi syarat. Seberapa jauh makna hasil tes parametrik tersebut tergantung
pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa
nilai-nilai yang di-analisis merupakan hasil dari suatu pengukuran minimal
dengan skala interval.
Tujuan Pembelajaran
Setelah membaca dan mengikuti perkuliahan mahasiswa dapat menguji atau menghitung :
1. Persyaratan analisis parametrik,
2. Uji t(t-test),
3. Uji t (t-test) dua sampel,
4. Anova Satu Jalur (One Way - Anova),
5. Anova Dua Jalur (Two Ways - Anova),
6. Uji Pearson Product Moment,
7. Uji Korelasi Parsial (Partial Correlation),
8. Uji Korelasi Ganda (Multiple Correlation),
9. Uji Regresi (Regresion Test), dan
10. Uji Regresi Ganda (Multiple Regresion Test).
Skala pengukuran berbentuk interval dan ratio, analisis yang
cocok adalah analisis parametrik. Yang termasuk analisis parametrik yaitu:
a. Uji t(t-fesf),
b. Uji t (t-test) dua sampel,
c. Anova Satu Jalur (One Way - Anova),
d. Anova Dua Jalur (Two Ways - Anova),
e. Uji Pearson Product Moment,
f. Uji Korelasi Parsial (Partial Correlation),
g. Uji Korelasi Ganda (Multiple Correlation),
h. Uji Regresi (Regresion Test), dan
i.
Uji Regresi Ganda (Multiple Regresion
Test).
Pengolahan data merupakan kegiatan pokok yang wajib dilakukan oleh para peneliti, karena mustahil para peneliti akan mendapatkan kesimpulan yang berarti tanpa didahului oleh kegiatan pengolahan data tersebut.
Analisis data dimaksudkan untuk melakukan pengujian hipotesis dan menjawab rumusan masalah yang diajukan, karena menggunakan skala interval dan ratio, maka sebelum melakukan pengujian harus dipenuhi persyaratan anaiisis terlebih dahulu, dengan asumsi bahwa data harus :
a. Dipilih secara acak (random),
b.
Homogen
artinya data yang
dibandingkan (dikomparasikan) sejenis
(bersifat homogen), maka perlu uji homogenitas.
c.
Normal artinya data yang dihubungkan
berdistribusi normal, maka perlu uji normalitas.
d.
Bersifat linier artinya data yang
dihubungkan berbentuk garis linier maka perlu uji linieritas.
e. Berpasangan artinya
data yang dihubungkan mempunyai pasangan yang sama sesuai dengan
subjek yang sama, kalau salah satu tidak terpenuhi untuk persyaratan anaiisis
korelasi atau regresi tidak dapat dilakukan (Riduwan, 2001:115).
Lebih mendalam pelajari Menu Artikel terkait Parametrik di blog ini. klik disini
