Pertemuan 01 Baru Konsep Dan Review

8/17/2019 Pertemuan 01 Baru Konsep Dan Review

1/46

Review

Rudi Salam


2/46


3/46

Konsep Statistika

“Statistika adalah cara untuk mendapatkan

informasi dari data.

Itu saja!”‐Gerald Keller


4/46

Konsep Statistika

“Statistika adalah cara untuk mendapatkan

informasi dari data”

Data

Statistika

Informasi

Data: Fakta, khususnya

fakta numerik,

dikumpulkan bersama-

sama untuk referensi

atau informasi.

Informasi:

Pengetahuan yang

dikomunikasikan

berkaitan dengan

beberapa fakta tertentu.


5/46

Konsep StatistikaStatistika adalah ilmu yang memepelajari cara pengumpulan, pengolahan, penyajian, dan analisis data serta carapengambilan keputusan secara umum berdasarkan hasilpenelitian.

Di dalam statistika ada Ketidakpastian dan Variasi

Tujuan pengumpulan dan analisis data adalah untukmendapatkan informasi. Metode statistik menyediakan alatuntuk mendapatkan informasi dari data.

Metode ini terbagi menjadi dua cabangɸ Statistik Deskriptif (Metstat I)

ɸ Statistik Inferensia


6/46


7/46

Statistik Inferensia

Inferensi Statistik merupakan proses pembuatan suatu

estimasi, prediksi, atau keputusan mengenai suatupopulasi berdasarkan suatu sampel.

Apa yang bisa kita simpulkan tentang Parameter Populasi

berdasarkan Statistik Sampel?

Inferens

Parameter

Populasi

Sampel

Statistik


8/46

Kita menggunakan statistik untuk membuat

kesimpulan/inferensi tentang parameter.

Oleh karena itu, kita dapat membuat estimasi,

prediksi, atau keputusan tentang populasiberdasarkan data sampel.

Dengan demikian, kita dapat menerapkan apa yang

kita ketahui tentang sampel ke populasi yang lebih besar di mana sampel tersebut diambil!


9/46

Secara rasional:

• populasi besar membuat penyelidikan setiap anggota tidakpraktis dan mahal.

• Lebih mudah dan lebih murah untuk mengambil sampel dan

melakukan estimasi tentang populasi dari sampel.

Bagaimanapun:

Kesimpulan dan Estimasi tidak selalu akan menjadi benar.

Untuk alasan ini, kita masuk ke dalam inferensi statistik

"ukuran reliabilitas (keandalan)", yaitu tingkat kepercayaan

dan tingkat signifikansi.


10/46

Tingkat kepercayaan adalah proporsi suatu prosedurestimasi akan benar.Misalnya tingkat kepercayaan 95% berarti bahwa, perkiraan berdasarkan bentuk inferensi statistik akan benar 95%.

Ketika tujuan dari inferensi statistik adalah untuk menarik kesimpulan tentang populasi, tingkat signifikansi mengukur seberapa sering suatu kesimpulan akan salah dalam jangka panjang.

Misalnya tingkat signifikansi 5% berarti bahwa, dalam jangka panjang, jenis kesimpulan akan salah 5%.


11/46

Salah satu sumber kebingungan dalam menentukan

statistik apa yang digunakan dalam menganalisis data adalah apakah data Anda memungkinkan untuk dianalisis dengan statistik parametrik atau nonparametrik.

Pentingnya masalah ini tidak dapat diremehkan!

Jika salah maka Anda menggunakan prosedur

statistik yang salah atau Anda menggunakan prosedur yang kurang tepat.


12/46

Definisi Nonparametrik menurut Walsh, J.E. (1962) dalambuku “Handbook of Nonparametric Statistics”:

“A precise and universally acceptable definition of the term ‘nonparametric’ is not presently available. The viewpoint adopted in this handbook is that a statistical procedure is of a

nonparametric type if it has properties which are satisfied to a reasonable approximation when some assumptions that are at least of a moderately general nature hold.”

Definisi tersebut menggarisbawahi fakta bahwa sulit untuk

mendefinisikan secara khusus istilah nonparametrik.


13/46

Untuk umumnya tujuan praktis, definisi prosedur statistiknonparametrik adalah kelas prosedur statistik yang tidak bergantung pada asumsi tentang shape atau bentuk distribusi peluang dari mana data diambil.

Pertimbangan lain:

Jika skala pengukuran N‐O Nonparametrik

Jika skala pengukuran I‐R Parametrik

Pada umumnya lebih mudah untuk membuat daftarcontoh‐contoh dari tiap jenis prosedur (parametrik dan nonparametrik) daripada mendefinisikan istilah itu sendiri.


14/46

• Statistik inferensia digunakan untuk menarik

kesimpulan.• Kesimpulan bisa induksi dan deduksi.

• Kesimpulan statistika adalah induksi.

• Manakah yang induksi?


15/46


16/46

Berdasarkan sifatnya populasi dapat digolongkan menjadipopulasi homogen dan populasi heterogen.

a. Populasi homogenPopulasi homogen adalah sumber data yang unsurnyamemiliki sifat atau keadaan yang sama sehingga tidak perlu

mempermasalahkan jumlahnya secara kuantitatif.

b. Populasi heterogenPopulasi heterogen adalah sumber data yang unsurnya

memiliki sifat atau keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas‐batasnya baik secarakuantitatif maupun secara kualitatif.


17/46

Teknik Sampling

SystematicSampling

StratifiedSampling

ClusterSampling

Other SamplingTechniques

Simple RandomSampling

Sampling Techniques

NonprobabilitySampling Techniques

ProbabilitySampling Techniques

ConvenienceSampling

JudgmentalSampling

QuotaSampling

SnowballSampling


18/46

Teknik Sampling

• Sampling Non Probabilita

Teknik Kelebihan Kekurangan

Convenience Paling murah, hemat waktu,

paling mudah

Bias pemilihan, sampel tidak

mewakili, tidak direkomen‐

dasikan utk riset deskriptif

dan kausal

Judgemental Murah, mudah, hemat waktu Tidak bisa generalisasi,

subyektif

Quota Untuk karakteristik tertentu,

sampel dapat dikontrol

Bias pemilihan, tidak ada

jaminan keterwakilanSnowball Dapat mengestimasi

karakteristik yang langka

Memakan waktu


19/46

Teknik Sampling

• Sampling Probabilita

Teknik Kelebihan Kekurangan

Simpel random

sampling (SRS)

Mudah dipahami, hasil bisa

diproyeksi

Sulit untuk membuat kerangka

sampel, mahal, presisi rendah, tidak

ada jaminan keterwakilan, dapat

menurunkan keterwakilan

Sampling

sistematik

Dapat meningkatkan keterwakilan,

lebih mudah implementasi

dibandingkan SRS, tidak perlu

kerangka sampel

Samplingstratifikasi

Menyertakan semua sub populasiyang penting, presisi

Sulit untuk memilih variabelstratifikasi yang relevan, tidak

feasible untuk menstratifikasi

banyak variabel, mahal

Sampling

cluster

Mudah implementasi, biaya efektif Kurang tepat, sulit penghitungan

dan interpretasi hasil


20/46

Kesalahan dalam SamplingInformasi yang diperoleh dari sampel mungkin tidak

sama persis dengan informasi yang ada padapopulasi.

Jika informasi sampel tidak sesuai dengan informasi

pada populasi, maka kita memiliki kesalahan yangdisebut kesalahan sampling.

Sampling error

Non sampling error


21/46

Alat Pengumpulan Data

Alat untuk memperoleh keterangan dari objek

antara lain:

Daftar pertanyaan (questionnaire)

Wawancara Observasi atau pengamatan langsung

Melalui pos, telepon, atau alat komunikasilainnya


22/46

Skala Pengukuran• Sebagian besar data akan masuk ke dalam

salah satu dari dua kelompok: numerik ataukategorik.

• Data numerik biasa disebut dengan data

kuantitatif .• Data kategorik biasa disebut dengan data

kualitatif .

• Data kuantitatif bisa data diskrit dan data kontinu


23/46

• Diagram

Data

Kuantitatif Kualitatif

Diskrit Kontinu


24/46

• Data diskrit menyatakan hanya suatu nilai.

• Data kontinu menyatakan sembarang nilai

(dalam suatu range).

• Sederhananya: data diskrit adalah dihitungdan data kontinu adalah diukur.

• Contoh diskrit?

• Contoh kontinu?


25/46

• Cara lain untuk membagi data adalah dengan

melihat apa yang diukur. Jadi, selain dari sifatkuantitatif dan kualitatif, skala pengukuran daridata sangat penting untuk diperhatikan.

• Pengukuran (measurement ) merupakan suatu

aplikasi aturan‐aturan untuk memberikan angkapada objek. Aturan‐aturan tersebut merupakancara tertentu yang digunakan untuk mengubahkualitas suatu atribut menjadi angka (Camili, Cizek & Lugg, 2001; Nunnally & Bernstein, 1994; Yanai, 2003).


26/46

Skala Pengukuran• Sebelum membahas skala pengukuran, perlu

dipelajari elemen umum dalam skalapengukuran.

• Tiga elemen penting yang menjadikan skalapengukuran berbeda dengan skala yang lainnya

adalah tingkat kekuatan (besaran), keseteraaninterval, dan nol mutlak.

• Dari ketiga elemen tersebut dapat

diklasifikasikan empat skala pengukuran.• Empat skala pengukuran tersebut adalahnominal, ordinal, interval dan rasio (N‐O‐I‐R).


27/46


28/46

Skala PengukuranContoh skala nominal:

Jenis kelamin : Warna rambut‐ Laki‐laki ‐ Hitam

‐ Perempuan ‐ Coklat

‐ Pirang

Salah satu pertanyaan dari kuesioner SDKI 2012:


29/46

Skala PengukuranContoh skala ordinal:

Bagaimana perasaan andahari ini?

‐ Sangat tidak bahagia

‐ Tidak bahagia

‐ Baik

‐ Bahagia

‐ Sangat bahagia

Seberapa puaskah andadengan pelayanan kami?

‐ Sangat tidak puas

‐ Tidak puas

‐ Netral

‐ Puas

‐ Sangat puas


30/46

Skala PengukuranContoh skala interval:

Data Interval tidak mempunyai nol mutlak seperti suhu.

100 derajat adalah 50 derajat lebih panas daripada 50 derajat TETAPI tidak bisa dikatakan dua kali lebih panas.

Bisa dilakukan pembagian dan perkalian?

Contoh lain???


31/46

Skala PengukuranContoh skala rasio:

Data Rasio mempunyai nol mutlak seperti berat.

100 kilogram adalah 50 kilogram lebih berat

daripada 50 kilogram DAN beratnya adalah duakali lipat.


32/46

Penelitian dan Statistika

Rudi Salam


33/46

Pengantar• Kita mengenal 2 jenis metode penelitian

Ͽ Penelitian kuantitatif Ͽ Penelitian kualitatif • Penelitian kuantitatif dapat mengungkapkan informasi yang

bisa digeneralisasi untuk sekelompok subjek yang besar.

Penelitian ini sering gagal dalam memberikan jawaban yang

spesifik, alasan, penjelasan atau sampel.

• Penelitian kualitatif memberikan data tentang makna dan

konteks berkaitan dengan subjek/orang dan lingkungan

studi.Temuan sering tidak bisa digeneralisasikan karena partisipan

berjumlah kecil & rentang yang sempit.


34/46

• Kedua‐duanya mempunyai kelebihan dan

kekurangan.• Ada persepsi yang keliru bahwa jika metode

Anda adalah kualitatif, maka angka entah

bagaimana tidak dapat atau tidak boleh digunakan.

• Sayangnya, persepsi ini salah arah dan dapat mencegah data yang sangat baik untukdigunakan dalam memperoleh pandangan yang akurat.


35/46

• Data kualitatif sebenarnya bisa diubah menjadi ukuran kuantitatif bahkan jika itu tidak datang dari percobaan atau dari ukuran sampel yang besar.

• Perbedaan antara penelitian kualitatif dan studi

kuantitatif adalah dikotomi palsu. Yang dibutuhkan hanya beberapa pelatihan dan keyakinan ‐ seperti metode atau keterampilan.

• Dalam rangka untuk menarik kesimpulan dari data kualitatif, maka data menjadi penting untukdiukur.


36/46

• Ward (2007): Peneliti kualitatif mungkin

mengkritik kuantifikasi dari data kualitatif di mana hal tersebut menunjukkan ada

pembalikan secara halus suatu kualitas yang

membuat data kualitatif berbeda: pelapisannarasi dan makna tekstual. Tetapi penilaian di

universitas (dan implikasi kebijakan yang

mengalir dari hal tersebut) menuntut agar

data yang disajikan merupakan konsep ilmiah.


37/46

• Green (2001): Sampai kita tahu lebih banyak

tentang bagaimana dan mengapa dan untuk tingkat berapa dan dalam suatu kondisi

tertentu, penelitian kualitatif dapat berguna

atau reliabel untuk dikuantifikasi, tidak mungkin seorang perencana program atau

pembuat kebijakan akan mengambil

keputusan berdasarkan pada studi yang

umumnya dianggap sebagai kualitatif.


38/46

• Oleh karena itu, penting untuk mengukur data

yang diperoleh dari penelitian kualitatif.• Analisis kuantitatif dari data kualitatif melibatkan

proses mengubah data dari kata‐kata atau

gambar menjadi

angka.• Hal ini dapat dilakukan dengan coding data atau

mencari pola yang muncul.

• Data kualitatif berupa tanggapan terhadap survei yang menggunakan kuesioner standar juga dapat diukur.


39/46

• Ada pepatah manajemen lama yang masih

akurat saat ini: “Anda tidak bisa mengelola apa yang Anda tidak ukur”.

• Kecuali Anda mengukur sesuatu, Anda tidak

tahu apakah itu semakin baik atau lebih buruk.

• Anda tidak dapat mengatur untuk perbaikan

jika Anda tidak mengukur untuk melihat apa yang semakin baik dan apa yang tidak.


40/46

• Dalam ilmu pengetahuan (penelitian) istilah variabelsangat sering digunakan.

• Suatu variabel adalah segala sesuatu yang berubah‐ubah.

• Variabel ada di mana‐mana dan dapat diklasifikasikanmenjadi banyak cara.

• Ada variabel yang visible (jenis kelamin, warna rambu) dan invisible (kepribadian, kecerdasan).

• Ada variabel yang menggambarkan sekumpulan

jumlah tertentu yang banyak atau sedikit (banyaknyaanak dalam keluarga, rata‐rata pendapatan per kapita)

• Ada variabel yang diskrit dan kontinu.


41/46

• Pengukuran variabel dalam kerangka teoretismerupakan bagian intergral dari penelitian dan suatuaspek penting dalam desain penelitian.

• Kecuali variabel diukur dengan cara tertentu, kita tidakakan dapat menguji hipotesis dan menemukan

jawaban atas persoalan penelitian yang ada.• Obyek yang dapat diukur secara fisik dengan sejumlah

instrumen standar bukan merupakan masalah dalampengukuran. Misal panjang dan lebar sebuah mejadapat dengan mudah diukur menggunakan pita pengukur atau mistar.


42/46

• Beberapa karakteristik demografi juga bisa diukur dengantepat seperti : jenis kelamin, status pernikahan, dll.

• Hal‐hal tertentu mudah diukur menggunakan instrumenukur yang tepat. Tetapi jika kita memasuki dunia perasaan, sikap, dan persepsi subjektif manusia, pengukuran faktoratau variabel tersebut menjadi agak sulit.

• Perlu dibuatkan suatu definisi operasional supaya sesuatuyang abstrak tetap bisa diukur. Misalnya haus adalahabstrak, kita bisa menduga orang yang haus akan minumair. Tingkat kehausan bisa diidentikkan dengan banyaknyaair yang diminum.


43/46

Skala Pengukuran• Setelah konsep bisa dioperasionalkan, kita perlu

mengukur konsep dengan cara tertentu.

• Kita akan menelaah jenis skala yang bisa dipakai untukmengukur variabel yang berbeda, dan selanjutnyamelihat bagaimana kita benar‐benar menerapkannya.

• Skala adalah suatu instrumen atau mekanisme untukmembedakan individu dalam hal terkait variabel yang kita pelajari.

• Kita sudah mengenal ada empat skala pengukuranyaitu Nominal, Ordinal, Interval, dan Rasio


44/46

Skala Pengukuran• Saat kita bergerak dari skala nominal ke rasio,

kita memperoleh ketepatan yang semakintinggi dalam mengkuantifikasi data, dan

fleksibilitas yang lebih besar dalam

menggunakan uji statistik yang lebih canggih.

• Karena itu, kapanpun jika memungkinkan dan

tepat, skala yang lebih tinggi harus digunakan

untuk mengukur variabel yang diteliti.


45/46

Soal 1A manufacturer of computer chips claims that less than 10% of its products are defective. When 1,000 chips were drawn

from a large production, 7.5% were found to be defective.a. What is the population of interest?

b. What is the sample?

c. What is the parameter?

d. What is the statistic?

e. Does the value 10% refer to the parameter or to the statistic?

f. Is the value 7.5% a parameter or a statistic?

g. Explain briefly how the statistic can be used to make inferences about the parameter to test the claim.


46/46

Soal 2You are shown a coin that its owner says is fair in the sense that it will produce the same number of heads and tails when flipped a very large number of times.

a. Describe an experiment to test this claim.

b. What is the population in your experiment?

c. What is the sample?

d. What is the parameter?

e. What is the statistic?

f. Describe briefly how statistical inference can be used to test the claim.

Pertemuan 01 Baru Konsep Dan Review

Documents

Transcript of Pertemuan 01 Baru Konsep Dan Review