Statistika dan Aplikasi Komputer Sesi 1: Pengantar
description
Transcript of Statistika dan Aplikasi Komputer Sesi 1: Pengantar
Statistika dan Aplikasi KomputerSesi 1: Pengantar
Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan
Semester Gasal 2012/2013
E. L. Pardede 2
Garis Besar
I - PENDAHULUAN• Statistika: Apa dan Mengapa• Statistika Deskriptif dan Inferens• Data Kuantitatif dan Data Kualitatif• Populasi dan Sampel
II - DISTRIBUSI FREKUENSI• Cara Menyusun Distribusi Frekuensi• Distribusi Frekuensi Relatif dan Kumulatif• Gambar dan Grafik Distribusi Frekuensi05/09/2012
E. L. Pardede 3
Statistika: Apa dan Mengapa
Keputusan sehari-hari dengan ‘statistika’• Belanja• Menentukan menu makan malam• Mencicipi masakan• Memilih pacar, suami/istri• Memilih bidang studi (contoh: Akuntansi FEUI)• Tujuan berlibur• MKJP vs kontrasepsi jangka pendek05/09/2012
E. L. Pardede 4
PENGAMBILAN KEPUTUSAN/PERUMUSANKEBIJAKAN
ANALISIS
HASIL/OUTPUTPROSESDATA
STATISTIKA
05/09/2012
E. L. Pardede 5
ILMU YANG MEMPELAJARI MENGENAI MENGUMPULKAN, MENATA,
MENYAJIKAN, MENGANALISIS, DAN MENGINTERPRETASI DATA UNTUK
MEMBANTU PENGAMBILAN KEPUTUSAN YANG LEBIH EFEKTIF
(Lind , Marchal, Waten, 2005)
Statistika: Apa itu?
05/09/2012
E. L. Pardede 605/09/2012
E. L. Pardede 7
Statistika: Mengapa?
• Informasi tersedia• Statistika digunakan untuk menganalisis
masalah dan menyiapkan informasi untuk pengambilan keputusan
• Dasar perumusan kebijakan• Prediksi kejadian (kecenderungan) di masa
depan• Kebutuhan bidang demografi: proyeksi
05/09/2012
E. L. Pardede 8
Statistika – Apa dan Mengapa
• Statistik – Mengacu pada kumpulan informasi numerik berbentuk angka-angka, gambar (grafik), dan tabel
• Statistik – Secara khusus digunakan untuk mengacu kepada karakteristik sampel seperti rata-rata, median, modus, standar deviasi, dan varians (Parameter: karakteristik populasi)
05/09/2012
E. L. Pardede 9
Fakta vs Opini
• Orang Batak galak• Kantin itu ramai• Tongseng di kantin FEUI memang enak• Aku sudah gagal sebagai suami/istri• Tas itu mahal • Dosen S2KK baik-baik• Bapak itu sangat saleh/soleh
05/09/2012
E. L. Pardede 10
Statistika: Deskriptif dan Inferens
• Deskriptif: metode untuk menata, meringkas, dan menyajikan data dengan cara yang informatif
• Inferens (statistika induktif) : metode yang digunakan untuk menyatakan sesuatu (keputusan, dugaan/estimasi, prediksi, dan/atau kesimpulan/generalisasi) mengenai populasi berdasarkan sampel
05/09/2012
E. L. Pardede 11
Populasi dan Sampel
• Populasi: sekumpulan seluruh individu/obyek/ukuran-ukuran yang lain yang mungkin menjadi obyek penelitian
• Sampel: bagian dari populasi ILUSTRASI
05/09/2012
E. L. Pardede 1205/09/2012
vs
Regina
Sean
E. L. Pardede 13
Populasi & Sampel
di mana: = proporsi populasi P = proporsi sampeln = besarnya sampel Untuk tingkat keyakinan 95%
E. L. Pardede 14
Hasil Pilkada Gubernur DKI Jakarta
05/09/2012
Sumber:(3) Diolah dari http://www.republika.co.id/berita/menuju-jakarta-1/news/12/07/19/m7ev7i-ini-hasil-resmi-jumlah-suara-pilkada-dki-putaran-satu
E. L. Pardede 15
Sampling
• RANDOM: setiap individu/obyek penelitian memiliki kesempatan yang sama untuk terpilih
• Simple random• Multistage random sampling
05/09/2012
Contoh: Survei Konsumsi Rokok di Jawa Tengah dan Jawa Timur, 2010 (LD FEUI)
E. L. Pardede 17
Data Kualitatif dan Kuantitatif
• Kualitatif: data berisi karakteristik non numerik (atribut); contoh: jenis kelamin, daerah tempat tinggal, status perkawinan
• Kuantitatif: data berisi variabel yang numerik; terdiri atas variabel:– Diskrit: penghitungan dan bilangan bulat; contoh:
jumlah anak, jumlah TV, jumlah sekolah– Kontinu: nilainya bisa berapa saja dalam range atau
interval tertentu; contoh: pendapatan, pengeluaran, berat badan, umur
05/09/2012
E. L. Pardede 18
Skala Pengukuran Data (1)
• Skala pengukuran: cara mengukur variabel• Dalam melakukan pengukuran data,
pengelompokan individu/obyek penelitian harus bersifat:– Mutually exclusive: kategori yang dibuat hanya
mengelompokkan SATU individu/obyek penelitian per kategori (tidak tumpang tindih)
– Exhaustive: setiap individu/obyek HARUS muncul dalam satu kagetori (tidak ada yang tertinggal)
• Contoh: data pendidikan di Susenas
05/09/2012
E. L. Pardede 1905/09/2012
Keterangan Pendidikandari Kuesioner
SUSENAS 2009 KOR
E. L. Pardede 20
Skala Pengukuran Data (1)
• Skala nominal: data yang kategorinya tidak ada tingkatan/urutan. Contoh: Jenis kelamin, daerah tempat tinggal
• Data ordinal: data yang diklasifikasikan berurut/bertingkat (orderly/ranked) berdasarkan karakteristik tertentu. Contoh: Rasa jus di kantin FEUI
05/09/2012
E. L. Pardede 21
Jumlah Mahasiswa Beberapa Program Studi di PPs UI (Data Rekaan)
No Program Studi/Kajian Jumlah Mahasiswa1 Ilmu Lingkungan 252 Kajian Ketahanan Nasional 803 Kajian Stratejik Intelijen 304 Kajian Kependudukan dan
Ketenagaan Kerja35
5 Kajian Ilmu Kepolisian 706 Kajian Gender 10
05/09/2012
E. L. Pardede 22
Program Studi di PPs UI berdasarkan Jumlah Mahasiswa (Data Rekaan)
No Program Studi/Kajian Jumlah Mahasiswa1 Kajian Ketahanan Nasional 802 Kajian Ilmu Kepolisian 703 Kajian Kependudukan dan
Ketenagaan Kerja35
4 Kajian Stratejik Intelijen 305 Ilmu Lingkungan 256 Kajian Gender 10
05/09/2012
E. L. Pardede 23
Jumlah Jenis Jus Kantin FEUI berdasarkan Rasa (Data Rekaan)
No Rasa Jus Jumlah Jus1 Sangat enak 52 Enak 33 Biasa/sedang/netral 14 Tidak enak 15 Sangat tidak enak 0
05/09/2012
E. L. Pardede 24
Skala Pengukuran Data (2)
• Data interval: berurutan seperti data ordinal, tetapi jarak antara karakteristik sama dengan jarak dalam pengukuran. Contoh: Temperatur, ukuran sepatu
• Data rasio: berurutan seperti data ordinal, jarak antara karakteristik sama dengan jarak dalam angka dalam pengukuran, dan angka 0 artinya adalah tanpa karakteristikContoh: Pendapatan, upah, penjualan, jarak
05/09/2012
E. L. Pardede 25
Ukuran Pakaian (Standar Belanda)Ukuran Interval
Small 36-38
Medium 40-42
Large 44-46
05/09/2012
E. L. Pardede 26
Predikat Lulusan UIUkuran Interval
Memuaskan 2,75-3,40
Sangat Memuaskan 3,41-3,70
Cum Laude 3,71-4,00
05/09/2012
Rata-rata Upah Menurut Pendidikan dan Jenis Kelamin, 2007
No Pendidikan Laki-laki (Rp) Perempuan (Rp) RASIO
UPAH (L/P)1 <=SD 1,421,217 1,078,925 1.32
2 SMP 1,549,586 1,059,262 1.46
3 SMA 2,342,967 1,806,685 1.30
4 Akademi/Dipl. 3,275,466 2,537,911 1.29
5 Universitas 2,496,516 1,664,763 1.50
Rata-rata 958,972 715,414 1.34Sumber: BPS, dikutip dari Fa’atin (2010), diolah
05/09/2012 E. L. Pardede 27
E. L. Pardede 28
Distribusi Frekuensi
• Definisi: pengelompokan data ke dalam kategori/kelompok/kelas yang mutually exclusive yang menyajikan jumlah observasi di dalam setiap kategori/kelompok/kelas
• Metode:1. Tentukan jumlah kelompok2. Tentukan interval/lebar tiap kelompok3. Tentukan batas atas dan bawah tiap kelompok4. Hitung jumlah observasi untuk tiap kelompok
05/09/2012
E. L. Pardede 29
Jumlah Kelompok dan Interval Kelas
05/09/2012
• Rumus penentuan jumlah kelompok(1) 2k n(2) k = 1 + 3,322 Log ndi mana k=jumlah kelompok dan n=jumlah observasi
• Rumus penentuan interval kelompok/kelasInterval Kelas = Nilai terbesar – Nilai terkecil
Jumlah kelas
E. L. Pardede 30
Distribusi Frekuensi Relatif
• Definisi: menyajikan persentase/proporsi berdasarkan jumlah observasi di dalam setiap kategori/kelompok/kelas
• Absolut vs Relatif: – Jumlah lulusan cum laude prodi S2 Ilmu Kepolisian
UI lebih besar daripada jumlah lulusan cum laude prodi S2 Kependudukan & Ketenagakerjaan UI
05/09/2012
E. L. Pardede
Absolut vs RelatifDistribusi Lulusan Program Studi Ilmu Kepolisian dan Kependudukan dan Ketenagakerjaan Pascasarjana UI
Berdasarkan Predikat Lulusan (Data Rekaan)
05/09/201231
PREDIKAT LULUSAN
Kajian Kepolisian
Kajian Kependudukan & Ketenagakerjaan
Cum Laude 12 7
Tidak Cum Laude 68 28
E. L. Pardede 32
Latihan 2: Bermain dengan Excel
50 lansia diseleksi random dari IFLS 2007Buat: • Distribusi: Frekuensi, Frekuensi Relatif, dan
Frekuensi Kumulatif dari usia lansia tersebut• Buat Histogram, Diagram Poligon, dan Kurva
Ogifnya• Buat Histogram distribusi kelompok umur
menurut jenis kelamin: 60-69, 70-79, dan 80+
05/09/2012
E. L. Pardede 33
Observational studies vs Randomized experiments
• Umumnya data untuk studi bidang ilmu sosial dan ekonomi adalah data hasil studi observasional (given) : tidak bisa memisahkan sampel secara random sampel yang kena ‘treatment’ dan sampel yang ‘dikontrol’
• Adanya asosiasi (hubungan) antar variabel berdasarkan data observasional (bersifat pengamatan) yang ditemukan berdasarkan perangkat statistika bersifat netral terhadap hubungan kausalitas (sebab-akibat)
05/09/2012
E. L. Pardede 34
PENTING!
• “We have to use observational studies that passively observe how treatment happened to be given, rather than actively assign it randomly and fairly when randomized experiments are not feasible. (Bias can be reduced in such cases by including as many as confounding factors possible in a regression) (Wonnacott & Wonnacott, 1990, p. 16).
05/09/2012
E. L. Pardede 3505/09/2012
"WE MUST BE CAREFUL NOT TO CONFUSE DATA
WITH THE ABSTRACTIONS WE USE TO ANALYZE THEM."
(WILLIAM JAMES)
Statistics are no substitute
for judgment. (Henry Clay)