STATISTIKA

Apa Yang Dimaksud Dengan Statistik? - Mengumpulkan Data - Meringkas/Menyajikan Data- Menganalisis Data Dengan Metode Tertentu - Menginterpretasi Hasil Analisis.Mengapa seseorang harus mempelajari dan mengerti statistIk? - Ilmu statisik berguna untuk membantu dalam Pengambilan keputusan atas masalah tertentu. Statisik dibagi menjadi dua bagian : Statistik Deskriptif Menjelaskan bagaimana data dikumpulkan dan diringkas pada hal-hal yang penting dalam data tersebut. Statistik inferensi Mengambil peran yang jauh lebih banyak dan penting dibanding statistik deskriptif.

DATA DATA KUALITATIF Data kualitatif adalah sebuah yang tidqk dinyatakan dalam bentuk angka. DATA KUANTITATIF Data kuantitatif adalah data yang dinyatakan dalam bentuk angka.

DATA - NOMINAL - ORDINAL - INTERVAL- RASIOJENIS DATA

Mengapa data kualitatif harus dikuantifikasikan bisa diproses? Dan bagaimana caranya ? Data kualitatif tidak berupa angka, sedangkan statistik hanya bisa memproses data yang berupa angka. Karena itu, data kualitatif harus dikuantifikasikan, dapat diubah menjadi data kuantitatif. pengubahan bisa dengan cara memberi skor tertentu (seperti pria diberi skor 1, sementara wanita diberi skor 2) memberi rangking) tidak puas 1, puas 2 dan seterusnya), dan sebagainya. Apa yang dimaksud data nominal? Dan apa ciri data tersebut? Data berskala nominal (sering disebut skala nominal, data nominal atau jenis data nominal) adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. Jenis pekerjaan, diklasifikasi sebagai : Pegawai negeri diberi tanda 1Pegawai swasta diberi tanda 2Wiraswasta diberi tanda 3

Ciri data nominal adalah : Posisi data setara. Dalam contoh di atas, pegawai negeri tidak lebih tinggi dari wiraswasta, dan sebaiknya, walaupun angka kodenya berbeda. - Tidak bisa dilakukan operasi matematika (x, /, +, - dan ^). contoh : tidak mungkin 3 -2 = 1, atau pegawai swasta wiraswasta = pegawai negeri, dan kemungkinan operasi lain. Apa yang dimaksud data ordinal? Dan apa ciri data tersebut? Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan. Contoh data ordinal : Kepuasan pelanggan, diklasifikasi sebagai : Sangat puas diberi tanda 1 Puas diberi tanda 2 Cukup puas diberi tanda 3Tidak puas diberi tanda 4Sangat tidak puas diberi tanda 5

Ciri data ordinal adalah : Posisi data tidak setara. Dalam contoh di atas, sikap pelanggan sangat puas lebih tinggi dari puas, dan puas lebih tinggi dari cukup puas dan seterusnya, disesuaikan dengan angka kodenya. Catatan : Penyusunan angka bisa dari 5 ke 1, tergantung kesepakatan. Tidak bisa dilakukan operasi matematika (x, /, +, - dan ^). contoh : tidak mungkin 1 + 2 = 3, atau sangat puas + puas = cukup puas, dan kemungkinan operasi lain. Apa yang dimaksud data interval? Dan apa ciri data tersebut? Data berskala interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui. Hal ini berbeda dengan skala ordinal, di mana jarak dua titik tidak diperhatikan (seperti berapa jarak antara puas dengan tidak puas, yang sebenarnya menyangkut perasaan seseorang saja).

Contoh data interval : Temperatur suatu ruangan : bisa diukur dalam c (celcius) atau f (derajat fahrenheit), dengan masing-masing mempunyai skala sendiri-sendiri. Untuk air membeku dan mendidih : Celcius pada 0c sampai 100c. Skala tersebut jelas jaraknya, yaitu 100 0 = 100.Fahrenheit pada 32c sam,pai 212c. Skala tersebut jelas jaraknya, yaitu 212 32 = 180.Sistem kalender: Tanggal 1 januari 2000 adalah sistem penanggalan masehi. Jika dilihat dari sistem penanggalan jawa, atau china akan berbeda. Namun demikian, tetap ada jarak yang jelas, seperti antara 1 januari dengan 10 januari 2000 ada jarak 10 hari. Ciri data interval adalah : Tidak ada kategorisasi atau pemberian kode seperti data kualitatif (nominal dan ordinal).Bisa dilakukan operasi matematika (x, / +, - dan ^) contoh : 10C + 30C = 40C 10C + 30C = 20C Panas 40c adalah dua kali lebih panas dibanding 20c

Apa yang dimaksud data rasio? Dan apa ciri data tersebut? Data Berskala Rasio Adalah Data Yang Diperoleh Dengan Cara Pengukuran, Di Mana Jarak Dua Titik Pada Skala Sudah Diketahui, Dan Mempunyai Titik 0 yang absolut. hal ini berbeda dengan skala interval, di mana tidak ada titik nol mutlak, seperti titik nol mutlak, seperti titik 0c tentu beda dengan titik 0f. atau pergantian tahun pada sistem kalender masehi (setiap 1 januari) tentu beda dengan pergantian tahun jawa, china dan lainnya, sehingga tidak ada tahun baru dalam pengertian benar-benar diakui baru oleh setiap sistem kalender. Contoh data rasio : - Jumlah buku di kelas : jika 5, berarti ada 5 buku, jika 0, berarti tidak ada buku sama sekali (absolut, benar-benar 0).

Ciri data rasio adalah : Tidak ada kategorisasi atau pemberian kode seperti data kualitatif (nominal dan ordinal) Bisa dilakukan operasi matematika (X, /, +, - DAN ^). Contoh : 170 CM + 120CM = 290 CM 5 Jeruk 2 jeruk = 3 jeruk Catatan : Pengolahan data statistik untuk data kuantitatif sebagian besar menggunakan data rasio. Apa gunanya mengetahui jenis data dalam pengolahan data statistik? Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan. Data jenis kuantitatif akan menggunakan prosedur statistik parametrik, sedangkan data kualitatif cenderung mengarah pada statistik non parametrik.

PENGOLAHAN DATA STATISTIK Bagaimana pembagian ilmu statistik dalam kaitannya dengan pengolahan data?Prosedur/metode statistik bisa dibagi menjadi : A. PARAMETER Berdasarkan parameter yang ada, dan untuk keperluan Inferensi, statistik bisa dibagi menjadi : - STATISTIK PARAMETRIK Berhubungan dengan inferensi statistik (pengambilan keputusan atas masalah tertentu) yang membahas parameter-parameter populasi seperti rata-rata, proporsi dan sebagainya. Ciri parametrik adalah jenis data interval atau rasio, serta distribusi data (populasi) adalah normal atau mendekati normal.

STATISTIK NON PARAMETRIK Inferensi statistik tidak membahas parameter-parameter populasi. Ciri non parametrik adalah jenis data interval atau rasio, serta distribusi data (populasi) adalah normal.Catatan : statistik non paramterik dibahas pada buku yang lain.

B. JUMLAH VARIABEL Pembagian : * ANALISIS UNIVARIAT Di sini hanya ada satu pengukuran ( variable ) untuk n sample, seperti penjualan jam tangan (VARIABEL) di kota besar di Indonesia (sampel). Atau bisa juga pengkuran beberapa variabel, namun masing-masing variabel dianalisis tersendiri. Alat analisis seperti : uji t, uji F, ANOVA dan sebagainya.

* ANALISIS MULTIVARIAT Di sini ada dua atau lebih pengukuran (variabel) untuk n sampel, seperti Penjualan Jam Tangan, Biaya Promosi Jam dan Jumlah Pengunjung setiap hari (tiga variabel), di mana analisis antar variabel dilakukan bersamaan. alat analisis seperti : regresi, korelasi, dan sebagainya.

MULAI Jumlah Variabel? Jumlah Variabel? Analisis Univariat Analisis Multivariat Statistik ParametrikStatistik non Parametrik SATUDUA ATAU LEBIH INTERVAL RASIO NOMINAL ORDINAL

Apa yang akan dibahas pada Buku Latihan SPSS Statistik Parametrik ini?Yang dibahas adalah : - Analisis UNIVARIAT (sebagian besar mengenai STATISTIK PARAMETRIK, dan Chi-Square untuk STATISTIK NON PARAMETRIK). - Analisis MULTIVARIAT (Korelasi-Regresi, MANOVA)

STATISTIK DESKRIPTIF Apa yang dipelajari pada Statistik Deskriptif? Bidang Statistik Deskriptif : Menyajikan Data. Data bisa disajikan dalam bentuk TABEL dan GRAFIK bagan : Tipe data Sistem dan Siplay Tabel Kontingensi Bar Chart Pie Chart Diagram Pareto Distribusi Frekuensi Histogram Polygon Ogive

Meringkas dan menjelaskan Data. Data (kuantitatif) bisa diringkas dan disajikan dalam tiga hal utama untuk menggambarkan distribusi data : 1. Letak data (biasa disebut Central Tendency).2. Variasi data.3. Bentuk data.

Data Kuantitatif (Ordinal / Rasio)VariasiUkuran BentukMean (Rata-rata) Mediam Modus Range Varians Standar Deviasi Koefisein Variasi BOX dan WHISKER Plot Skewness Kurtosis

STATISTIK INFERENSI Apa saja yang dilakukan pada \statistik Inferensi? Pada dasarnya, Statistik Inferensi mempelajari pengambilan keputusan tentang parameter populasi (rata-rata, proporsi) dari sampel yang ada. Ada dua hal : a. Estimasi (memperkirakan) harga suatu parameter populasi. Seperti, jika diketahui rata-rata usia 100 orang penduduk Jakarta (sebagai sampel) adalah 23 tahun, maka bisa diperkirakan rentang rata-rata usia penduduk seluruh Jakarta (populasi).b. Uji Hipotesis Statistik Tujuannya untuk mengkaji apakah data dari sampel yang ada sudah cukup kuat untuk menggambarkan populasinya. Atau apakah bisa dilakukan generalisasi tentang populasi berdasar hasil sampel. Sebagai contoh, jika rata-rata Tinggi Badan 50 lelaki remaja di Surabaya (sebagai sampel) adalah 169 cm, apakah rata-rata Tinggi Badan seluruh lelaki remaja di Surabaya (populasi) juga 169 cm? Catatan : Bab ini sebagian besar menjelaskan uji hipotesis.

Apa perbedaan Populasi dan Sampel ? untuk mudahnya, bisa dikatakan sampel adalah bagian dari populasi. Jadi, jika populasi adalah seluruh Mobil di Jakarta, maka sampel bisa bagiannya, seperti 25 mobil yang ada di Jakarta Utara, 100 mobil yang ada di Kecamatan Taman Sari, dan sebagainya. Bagaimana proses pengujian hipotesis dilakukan? Ada beberapa tahapan : a. Menentukan Ho dan Hi, yang pada prinsipnya adalah menguji karakteristik populasi berdasar informasi yang diterima dari suatu sampel.b. Menentukan tingkat signifikansi ( ), yaitu probilitas kesalahan menolak hipotesis yang ternyata benar. Jika dikatakan = 5%, berarti resiko kesalahan mengambil keputusan adalah 5%. Semakin kecil , berarti semakin mengurangi resiko salah. Catatan: SPSS selalu menggunakan = 5%.

c. Menentukan apakah akan dilakukan uji satu sisi atau uji dua sisi. - Uji dua sisi pada pernyataan Ho dan Hi yang hanya mengandung pertidaksamaan. Misal, akan diuji apakah penjualan di daerah Surabaya. Di sini diuji sama atau tidak, sehingga jawaban adalah sama atau tidak sama.- Uji Satu Sisi para pernyataan Ho dan Hi yang mengandung pertidaksamaan yang mengarah pada kriteria tertentu. Misal, akan diuji apakah program penurunan berat badan di lembaga KURUS LANGSING sudah efektif. Di sini seharusnya setelah ikut program, berat badan peserta akan turun (lebih kecil). Jadi ada arah, yaitu lebih kecil.- Menentukan statistik tabel dan statistik uji. Jika alat analisis adalah t test, maka akan dicari t tabel dan t hitung. - Mengambil kesimpulan berdasarkan hasil t tabel dan t hitung. 4. Bagaimana pembagian pembagian alat analisis untuk Statistik Inferensi? Lihat Bagan berikut ini.

MULAI Jumlah Variabel? Analisis Univariat Analisis Munivariat Jenis Data? Statistik Parametrik Statistik Non Parametrik Jumlah Sampel Hubungan Antar Sampel? Uji zUji t Uji zUji t ANOVA/uji FUji zPaired SATUDUA ATAU LEBIH INTERVAL RASIO NOMINAL ORDINAL DUA ATAU LEBIH SATUBEBAS BERHUBUNGAN Catatan: Uji t,z dan F (ANOVA) pada dasarnya menguji apakah ada perbedaan pada rata-rata satu atau lebih populasi.

Apakah tujuan dan ciri dan uji t (I test)? Uji t pada suatu populasi akan menguji apakah rata-rata populasi sama dengan suatu harga tertentu. Sedangkan uji t dua sampel akan menguji apakah rata-rata dua populasi sama ataukah berbeda secara nyata.Sebagai contoh : Apakah rata-rata berat badan orang Surabaya sama dengan Jakarta (dua populasi, yaitu Jakarta dan Surabaya)? Untuk itu, diambil dua sampel yang dianggap berdistribusi normal, yaitu 20 orang Surabaya dan 20 orang Jakarta. Sampel diambil karena tidak mungkin mengukur berat badan seluruh orang Surabaya dan Jakarta. Kemudian dari hasil sampel di atas bisa dilakukan uji hipotesis untuk menarik kesimpulan tentang populasi (berat badan orang Jakarta dan Surabaya).Perhatikan di sini sampel bersifat bebas (independen), dalam arti tidak mungkin Amir yang orang Jakarta dan punya berat badan tertentu, juga diukur beratnya sebagai orang Surabaya.

Sedangkan uji t paired (uji t berpasangan) justru mengharuskan dua sampel berhubungan, seperti apakah program berat badan efektif? Contoh ini mensyaratkan dua sampel yang berhubungan, yaitu sampel sebelum ikut program dengan sampel sesudah ikut program. Ciri dan asumsi t test: * Ciri utama dari uji t adalah jumlah sampel relatif kecil, di bawah 30 buah. Jika sampel besar, digunakan uji z (tidak dibahas).* T hitung bisa ditentukan dengan dua kemungkinan : - Varians kedua populasi yang diuji sama- Varians kedua populasi yang diuji berbeda* Sampel yang diambil distribusi normal atau mendekati normal atau bisa dianggap normal.

Dikatakan bahwa uji t menguji ada tidaknya perbedaan secara nyata/signifikan. Apa yang dimaksud dengan hal tersebut? Perhatikan contoh berikut. Karena rajin, penghasilan Amir dinaikkan dari Rp. 1.000.000,- per bulan menjadi Rp. 1.001.000,-. Penghasilan Amir memang bertambah, tapi jelas tidak ada artinya karena hanya bertambah Rp. 1.000,- saja. Jika penghasilan Amir naik menjadi Rp. 1.500.000,- hal itu bisa dikatakan signifikan, atau Amir benar-benar merasakan kenaikan pendapatannya. Contoh ini sebagai gambaran sederhana, dan dalam uji hipotesis, signifikan tidaknya di dapat dengan membandingkan statistik tabel dan hitung. Dalam output SPSS untuk mengambil kesimpulan digunakan penggunaan SIG atai Significant. Apa arti Sig. dalam kaitannya dengan uji hipotesis?

Kata Sig pada output SPSS adalah Signifikansi atau p value, dengan arti: kemungkinan salah menolak Ho. Sebagai contoh, terdapat angka Sig = 0,02. hal ini berarti kemungkinan salah menolak Ho (apapun pernyataan Ho tersebut) adalah 0,02 atau 2%,. SPSS selalu menggunakan tolak ukur 5 %, yang berarti resiko kesalahan mengambil keputusan dibatasi sampai 5%, tidak boleh lebih. Karena 2 % < 5 %, maka tolak saja Ho, karena resiko kesalahan mengambil keputusan cuma 2 %, jauh di bawah batasan 5 %. jadi, jika angka Sig. < 5 % tolak saja Ho, dan sebaiknya jika Sig. > 5% maka Ho diterima saja, karena resiko salahnya sudah lewat angka standar (5%). Dikatakan juga bahwa uji t mengasumsi sampel berdistribusi normal. Bagaimana jika ternyata sampel tidak berdistribusi normal?

Jika Ternyata sampel tidak berdistribusi normal, maka bisa dilakukan beberapa cara : - Jumlah sampel ditambah dan kemudian diuji sekali lagi. - Data yang ada ditransformasi ke bentuk tertentu, dan kemudian dilakukan pengujian lagi. Catatan: Lihat Modul 12 untuk contoh transformasi. Apa tujuan dan asumsi dari ANOVA/UJI F?Tujuan ANOVA (analisis varians) sama dengan uji t, yakni menguji rata-rata populasi, hanya di sini menguji lebih dari dua rata-rata populasi. Sedangkan tujuan dari uji F adalah untuk menguji apakah Varians dua populasi sama ataukah berbeda. Asumsi : * Data sampel-sampel diambil dari populasi-populasi yang berdistribusi normal atau dianggap normal. * Populasi-populasi tersebut mempunyai varians yang sama.

Catatan : Jika kedua asumsi tidak dipenuhi, bisa dilakukan dengan menambah data atau melakukan transformasi data sampel (lihat Modul 12). Hanya untuk normalitas data, jika jumlah data sangat besar (ratusan atau bahkan ribuan), maka distribusi data bisa dianggap normal tanpa perlu menguji lagi. Apa yang dimaksud dengan MANOVA?MANOVA adalah analisis ANOVA untuk data yang multivaroat.lihat bagan di halaman berikut ini.

MULAI Jumlah Variabel? Analisis Univariat Analisis Multivariat SATUDUA ATAU LEBIH ANOVA ONEWAY dan TWO WAY SATU variabel Dependent MANOVA DUA / LEBIH variabel Dependent

ONE SAMPLET T TEST (UJI T UNTUK SATU SAMPEL) Tujuan : Menguji apakah suatu nilai tertentu (yang diberikan sebagai pembandingan) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Data bertipe kuantitatif, dengan asumsi : - Data berdistribusi Normal- Data sampel berjumlah sedikit (dibawah 30)

INDEPENDENT SAMPLE T TEST (UJI UNTUK DUA SAMPEL INDEPENDENT/ BEBAS) Tujuan : Membandingkan rata-rata dua grup yang tidak berhubungan satu dengan yang lain, apakah kedua grup tersebut mempunyai rata-rata yang sama ataukah tidak secara signifikan. Data : Data kuantitatif, dengan asumsi data distribusi normal dan jumlah sampel sedikit (dibawah 30).

INDEPENDENT SAMPLE T TEST (UJI UNTUK DUA SAMPEL YANG BERPASANGAN)Tujuan : Menguji dua sampel yang bepasangan, apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak. Catatan : Sampel berpasangan (Paired Sample) adalah sebuah sampel dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Seperti seorang salesman yang bekerja dengan sebelumnya tanpa mendapat training, tersebut terhadap kemampuan menjualnya, apakah ada peningkatan atau tidak. Di sini sampelnya tetap salesman yang sama, tapi mendapat dua perlakuan berbeda, yaitu kondisi sebelum dan kondisi sesudah training. Data :Data jenis kuantitatif

ONE WAY ANOVA Tujuan : ANOVA bisa digunakan untuk : Menguji apakah rata-rata lebih dari dua sampel berbeda secara signifikan ataukah tidak.Menguji apakah dua buah sampel mempunyai varians populasi yang sama ataukah tidak. Asumsi : Populasi-populasi yang akan diuji berdistribusi normal.Varians dari populasi-populasi tersebut adalah sama.Sampel tidak berhubungan satu dengan yang lain. Data : Data kuantitatif dan kualitatif.

ANALISIS KORELASI DAN REGRESI Analisis korelasi dan regresi termasuk analisis univariat ataukah multivariat? Termasuk analisis Multivariat, karena menyangkut hubungan antar dua variabel atau lebih, di mana variabel-variabel tersebut dianalisis bersama-sama. Seperti apakah Iklan (variabel 1) mempengaruhi Penjualan sebuah barang (variabel 2), atau seberapa besar pengaruh Motivasi (variabel 1) dan Lingkungan Kerja (Variabel 2) mempengaruhi Kepuasan Kerja seseorang (variabel 3).Apa tujuan dari analisis korelasi dan regresi? Analisis korelasi mempelajari apakah ada hubungan antara dua variabel atau lebih, sedang analisis regresi memprediksi seberapa jauh pengaruh tersebut. Sehingga jika kuat dengan analisis korelasi menyatakan adanya hubungan yang positif dan kuat antara Iklan produk dengan Penjualan produk, maka analisis regresi akan memperkirakan jika Iklan ditingkatkan sekian Rupiah, berapa Rupiah Penjualan yang bisa dicapai.

Apa beda uji dan ANOVA dengan analisis korelasi/regresi?Jika uji t dan ANOVA (uji F) menguji ada tidaknya perbedaan dua sampel atau lebih, maka analisis korelasi dan regresi menguji ada tidaknya hubungan dua variabel atau lebih.Jelaskan bagan dan analisis korelasi!

Bagan : ANALISIS MULTIVARIAT KORELASI RANK SPEARMANKOEFISIEN KONTINGENSI KORELASI PEARSON JENIS DATA (2 Variabel) Semua data nominal Semua data ordinal Semua data rasio

5. Jelaskan bagan dari analisis regresi! Bagan : ANALISIS MULTIVARIAT Jumlah Variabel Dependen ANALISIS INTERDEPENDENSIANALISIS DEPENDENSIJenis Data Var,Dependen Jenis Data Variabel Independen REGRESI ORDINAL REGRESI BINARY REGRESI ORDINALREGRESI REGRESI DUMMYSATUTIDAK ADA NOMINAL ORDINAL INTERVAL RASIO NOMINAL ORDINAL INTERVAL / RASIO

REGRESI BERGANDA Tujuan Memprediksi besar Variavel Tergantung dengan menggunakan data Variabel Bebas yang sudah besarnya. Catatan : Pada dasarnya, tahapan penyusunan model regresi berganda meliputi : Menentukan mana variabel bebas (Independent) dan mana variabel tergantung (Dependent). Menentukan metode pembuatan model regresi (Enter, Stepwise, Forward, Backward). Melihat ada tidaknya data yang outlier (ekstrim) Menguji asumsi-asumsi pada regresi berganda, seperti Normalitas, LInteritas, Heteroskedastisitas dan lainnya. Menguji signifikansi model (uji t, uji F dan sebagainya).Interpretasi Model Regresi Berganda.

REGRESI BERGANDA BINARY Tujuan : Memprediksi besar Variabel Tergantung yang berupa sebuah Variabel Binary dengan menggunakan data Variabel Bebas yang sudah diketahui besarnya. Catatan: Variabel Binary adalah data jenis nominal dengan dua kriteria saja, seperti : 1 = Membeli0 = Tidak Membeli Atau contoh yang lainnya, seperti gagal-sukses, resiko-tidak resiko.Data : Data kuantitatif. Jika data adalah kualitatif (pada umumnya adalah data jenis kategori atau nominal), maka data tersebut akan diperlukan sebagai binary variable.

REGRESI BERGANDA VARIABEL DUMMYTujuan : Memprediksi besar Variabel Tergantung dengan menggunakan data Variabel Bebas, di mana satu atau lebih variabel bebas adalah Variabel Dummy.Catatan: Variabel Dummy adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif (nominal).Seperti Gender (Jenis Kelamin) yang terdiri atas Pria dan Wanita tersebut perlu diubah menjadi kode tertentu, seperti satu untuk pria dan 0 untuk wanita. Pria dan wanita inilah yang disebut variable dummy.

UJI ASUMSI REGRESI BERGANDAMULTIKOLINERITASTujuan :Menguji apakah pada model regresi di temukan adanya korelasi antar variable independent. Jika terjadi korelasi, maka dinamakan terdapat problem (multiko).Model regresi yang baik seharusnya tidak terjadi korelasi diantara variable independent.Data :Model regresi yang telah ada

UJI ASUMSI REGRESI BERGANDAHETEROSKEDASTISITASTujuan :Menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.Catatan : sebagai contoh, orang kaya akan bervariasi dalam membelanjakan uangnya,sedangkan orang miskin hanya bisa sedikit bervariasi dalam berbelanja. Hal ini menujukkan varians yang tidak sama antara kedua golongan tersebut, yang berarti timbul masalah heteroskedastisitas.Data :Model regresi yang telah ada.

UJI ASUMSI REGRESI BERGANDANORMALITASTujuan :Menguji apakah dalam sebagai model regresi, variable dependent, variable independent atau keduanya mempunyai distribusi normal atau mendekati normal.Data :Model regresi yang telah ada.

UJI ASUMSI REGRESI BERGANDAAUTOKORELAS

Tujuan :Menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi.Catatan : Autokorelasi pada sebagian besar kasus ditemukan pada regresi yang datanya adalah time series, atau berdasarkan waktu berkala, seperti bulanan, tahunan dan seterusnya.Data :Data kuantitatif, dengan case label adalah waktu.

CHISQUARE Termasuk analisis apakah Chi-Square? Analisis Chi-Square sebenarnya termasuk statistik Non Parametrik. Hal ini disebabkan data untuk analisis Chi-Square adalah data nominal (kategori).Apa beda Chi-Square dengan analisis korelasi/regresi?Analisis Chi Square hanya membahas apakah ada hubungan di antara dua variabel tertentu ataukah tidak (untuk uji independensi), dan tidak membahas seberapa jauh hubungan tersebut. Apa beda Chi-Square dengan uji t dan ANOVA?Perbedaan pada jenis data, di mana Chi-Square bisa digunakan untuk data nominal, sedangkan uji t dan ANOVA hanya bisa digunakan untuk data interval/rasio.4. Jelaskan bagan dari Chi Square.

CHI-SQUARE Dengan data nominal Uji GOODNESS OF FIT JUMLAH SAMPEL ?SATU

STATISTIK NON PARAMETRIK

DUA ATAU LEBIH CHI-SQUARE Dengan data nominal Uji INDEPENDENSI Uji HOMODENITAS

UJI CHI-SQUARE UJI KESELARASAN (GOODNESS OF FIT TEST) Tujuan :Uji Chi-Square untuk satu sampel bisa dipakai untuk menguji apakah data sebuah sampel yang diambil menunjang hipotesis yang menyatakan bahwa populasi asal sampel tersebut mengikuti suatu distribusi yang telah ditetapkan (distribusi normal, uniform, binomial dan lainnya).Data : Data bersifat kuantitatif (data kualitatif akan dilakukan proses pembobotan/weight case).

CHI-SQUARE TEST INDEPENDENSI Tujuan : Untuk menguji apakah ada hubungan antara baris dengan kolom pada sebuah tabel kontingensi. Data : Data kualitatif.