---

Course Modules

---

Course Modules

---

Course Modules

---

Course Modules

---

Course Modules

---

Course Modules

Statistik Inferinsial Salah satu tugas dari Statistik Inferensial adalah mengambil kesimpulan tentang suatu penyelidikan dari sejumlah individu yang terbatas (Sample). Kesimpulan yang diperoleh tersebut selanjutnya digeneralisasikan pada sejumlah individu yang lebih besar jumlahnya (Populasi)Mengapa sebuah penelitian dilakukan pada jumlah subyek / lingkup terbatas ?1. Agar waktu lebih singkat dan efektif2. Agar lebih efisien dari segi biaya3. Agar tenaga lebih dapat dikerahkan untuk hal yang lebih pentingBagaimana proses generalisasi dapat dilakukan secara tepat jika lingkup penelitian hanya terbatas ?Proses generalisasi dari hasil penelitian dapat lakukan apabila penentuan sample dari sejumlah populasi dilakukan dengan teknik sampling yang tepat, sehingga sample (subyek yang menjadi bagian dari penelitian) dapat benar-benar representatif (menggambatkan populasinya secara nyata).Syarat utamanya adalah sample yang dipergunakan harus mencerminkan populasi, sehingga kesimpulan yang diperoleh dari sample dapat menggambarkan kondisi pada populasi POPULASI - Seluruh subyek yang memiliki sifat / karakteristik yang sama dan akan dikenai generalisasi hasil penelitian SAMPLE - Sebagian dari populasi yang memiliki karakteristik sama dengan populasi Jumlah sample yang proporsional merupakan perimbangan antara jumlah sample dan populasi yang besar kecilnya ditentukan oleh homogen / tidaknya populasi dan teknik sampling yang diterapkan TEKNIK SAMPLING 1. Random Sampling : a. Cara Undian - seperti mengundi arisan b. Cara Ordinal - membuat daftar lalu dipilih berdasar kriteria tertentu c. Menggunakan Tabel Bilangan Random / Random by Computer 2. Non Random3. Stratified Sampling 4. Purposive Sampling 5. Quota Sampling 6. Incidental Sampling 7. Proportional Sampling 8. Area Sampling 9. Cluster Sampling 10. Double SamplingSampling kembar umumnya digunakan pada riset pendidikan, dimana data dari sample kedua merupakan cross validation / untuk pengecekan. Hal ini mengurangi kekurangan dari Incidental Sampling. Misalnya : Sample pertama anak, sample kedua orang tuanya. Data diambil bersamaan tetapi pertanyaan yang diajukan / angket / skala yang diberikan bisa berbeda / sama tergantung kebutuhan. Kedua sample saling melengkapi 11. Combined SamplingYaitu kombinasi penggunaan 2 atau lebih teknik sampling. Misalnya : Proportional Stratified Sampling. KESALAHAN SAMPLING Ketika suatu sample ditetapkan dari suatu populasi (sample 1), maka ada kemungkinan ketika diambil lagi sample dari populasi yang sama (sample 2), bisa jadi mean dari sample 1 tidak sama besarnya dengan mean dari sample kedua (meski keduanya berasal dari populasi yang sama). Bahkan ketika suatu penyelidikan terhadap sample dibandingkan dengan penyelidikan terhadap populasi secara langsung, maka mean kedua hasil penelitian tersebut tidaklah akan sama (tetap ada perbedaan). Demikian pula ketika dilakukan terus menerus pengambilan sample pada populasi yang sama, bisa jadi juga akan ada perbedaan mean diantara sample-sample tersebut. Mengapa hal tersebut terjadi ? Karena sebuah sample tidak akan menjadi cermin yang sempurna bagi populasinya. Hal inilah yang disebut SAMPLING ERROR / kesalahan sample KESALAHAN SAMPLING - akan selalu dihadapi dalam setiap penelitian Namun demikian, ada batas toleransi kesalahan sampling yang diperkenankan dalam penelitian. Di bidang ilmu Sosial, batasan toleransi kesalahan sampling yang diijinkan adalah 5% (p atau alpha = 0,05) atau 1% (p atau alpha = 0,01). Artinya, jika dilakukan penelitian terhadap 100 subyek, peluang kesalahan sampling tidak boleh melebihi 5% (5 subyek) atau 1% (1 subyek). Penetapan batas mana yang akan dijadikan acuan adalah tergantung pada peneliti, apakah akan menggunakan 5% atau menggunakan 1% Jika kondisi batas toleransi ini dilanggar / tidak terpenuhi, maka sama artinya dengan hasil penelitian yang diperoleh / datanya, dianggap tidak SIGNIFIKAN

---

Course Modules

Mari kita simak satu persatu teknik korelasi ini Bila diperhatikan dengan seksama, pada dasarnya rumus kedua merupakan salinan / turunan dari rumus pertama PROSES MENYELESAIKAN SOAL diatas adalah sebagai berikut : Untuk mencari Mean X (Mx) dan Mean Y (My), maka diperlukan total X dan total Y dan membagi masing-masingnya dengan N sehingga Mx = ?X / N = 2331/ 30 = 77,7 dan My = ?Y / N = 2378/ 30 = 79,27Kemudian dilanjutkan dengan mencari selisih nilai tiap X terhadap Mx dan selisih setiap nilai Y terhadap My Hasil dari selisih tersebut menjadi isi dari kolom x dan ySelanjutnya setiap nilai dalam kolom x dan y tersebut dikuadratkan dan menjadi bagian dari kolom x2 dan y2 . Mengapa hal ini perlu dilakukan ? Karena kita membutuhkan SDx dan SDy sesuai dengan rumus dari rxy -> RUMUS DEVIASI ASLI : atau menggunakan -> RUMUS DEVIASI SINGKAT : Ingat rumus SD sendiri adalah : ?(?x2/N) atau ?(?y2 /N) Suby X Y x y x2 y2 xy 1 70 100 -7.7 20.73 59.29 429.87 -159.65 2 80 72 2.3 -7.27 5.29 52.80 -16.71 3 75 79 -2.7 -0.27 7.29 0.07 0.72 4 67 95 -10.7 15.73 114.49 247.54 -168.35 5 82 67 4.3 -12.27 18.49 150.47 -52.75 6 83 68 5.3 -11.27 28.09 126.94 -59.71 7 77 80 -0.7 0.73 0.49 0.54 -0.51 8 78 85 0.3 5.73 0.09 32.87 1.72 9 89 65 11.3 -14.27 127.69 203.54 -161.21 10 90 63 12.3 -16.27 151.29 264.60 -200.08 11 91 62 13.3 -17.27 176.89 298.14 -229.65 12 82 69 4.3 -10.27 18.49 105.40 -44.15 13 70 92 -7.7 12.73 59.29 162.14 -98.05 14 75 79 -2.7 -0.27 7.29 0.07 0.72 15 78 79 0.3 -0.27 0.09 0.07 -0.08 16 68 95 -9.7 15.73 94.09 247.54 -152.61 17 69 100 -8.7 20.73 75.69 429.87 -180.38 18 82 67 4.3 -12.27 18.49 150.47 -52.75 19 83 68 5.3 -11.27 28.09 126.94 -59.71 20 67 95 -10.7 15.73 114.49 247.54 -168.35 21 68 97 -9.7 17.73 94.09 314.47 -172.01 22 70 90 -7.7 10.73 59.29 115.20 -82.65 23 75 80 -2.7 0.73 7.29 0.54 -1.98 24 89 67 11.3 -12.27 127.69 150.47 -138.61 25 90 62 12.3 -17.27 151.29 298.14 -212.38 26 92 60 14.3 -19.27 204.49 371.20 -275.51 27 78 75 0.3 -4.27 0.09 18.20 -1.28 28 70 90 -7.7 10.73 59.29 115.20 -82.65 29 70 89 -7.7 9.73 59.29 94.74 -74.95 30 73 88 -4.7 8.73 22.09 76.27 -41.05 ? 2331 2378 0 0 1890.3 4,831.87 -2,884.60 Berdasarkan rumus rxy tersebut, maka diperoleh hasil : rxy = - 0,95 (korelasi negatif)Maknanya : variabel X berkorelasi negatif dengan Y (kenaikan score X diikuti dengan penurunan score Y dan sebaliknya, penurunan score X diikuti kenaikan score Y) Apakah hasil tersebut signifikan ?? Perlu dibandingkan lebih dulu dengan tabel rxy product moment :

---

Course Modules

---

Course Modules

TEKNIK KOMPARASI Teknik komparasi adalah salah satu cara yang ditempuh peneliti untuk mengolah data penelitiannya Tujuan dari teknik ini adalah membandingkan 1 atau 2 atau lebih dari 2 variabel bebas terhadap variabel tergantung Contoh judul penelitian yang menggunakan teknik komparasi : 1. Komparasi Prestasi Belajar antara Mahasiswa Bekerja dan Mahasiswa Tidak Bekerja2. Perbandingan Resiliensi dan Motivasi Belajar antara Siswa yang Orang Tuanya Bercerai dan yang Orang Tuanya Tidak Bercerai3. Motivasi Bekerja Ditinjau dari Status Sosial Ekonomi 4. Perbedaan Agresivitas Penggemar OR Sepak Bola Ditinjau dari Latar Belakang Budaya 5. Kecenderungan Turn Over dan Kepuasan Kerja Karyawan Ditinjau dari Jenis Kelamin MACAM TEKNIK KOMPARASI 1. Uji t / t-Test / t-ScoreTeknik ini hanya dapat digunakan bila variabel X (variabel bebas) nya 1 dan variabel terikatnya (Y) juga 1. Syarat utamanya, kategori dari variabel X nya adalah maksimal 2 saja. Contoh : Komparasi Prestasi Belajar antara Mahasiswa Bekerja dan Mahasiswa Tidak Bekerjadari contoh tersebut, variabel X nya adalah Status mahasiswa (terdiri dari 2 kelompok : bekerja dan tidak bekerja) dan variabel Y nya adalah Prestasi Belajar 2. Analisa Varians / ANAVATeknik Analisa Varians khusus untuk membandingkan 1-2 hingga lebih variabel X (variabel bebas) dengan variabel terikat (Y). Kategori variabel X nya tersebut dapat lebih dari 2. Contoh : Perbedaan Agresivitas Penggemar OR Sepak Bola Ditinjau dari Latar Belakang BudayaDalam hal ini, kategori dari Latar Belakang Budaya bisa lebih dari 2. Misalnya : Budaya Jawa, Sumatera, MaduraTeknik Analisa Varians juga dapat diterapkan untuk menganalisa data 2 variabel Y dan 1 variabel X. Contoh : Kecenderungan Turn Over dan Kepuasan Kerja Karyawan Ditinjau dari Jenis KelaminPada contoh tersebut, variabel Y nya ada 2 yaitu Kecenderungan Turn Over (Y1) dan Kepuasan Kerja (Y2) sedangkan variabel bebasnya 1 yaitu jenis kelamin (yg terdiri dari 2 kategori yaitu Laki-laki dan Wanita)

---

Course Modules

Masih ingat dengan bagan pembagian statistik ini ? Benar, dalam statistik inferensial, kita mempelajari 2 teknik analisis data. Yang pertama Parametrik dan kedua Non Parametrik Apa perbedaan diantara keduanya ? VS Baik parametrik maupun non parametrik penggunaannya tergantung pada jenis data yang dihasilkan / diperoleh dalam sebuah penelitian. Keduanya juga memiliki beberapa teknik korelasional dan beberapa teknik komparasional. Meskipun, pada kenyataannya, non parametrik lebih banyak rumus yang dapat difungsikan untuk komparasi.Teknik korelasional parametrik sudah kita pelajari sebagian, yaitu korelasional sederhana menggunakan product moment. Sementara korelasional yang variabel X nya lebih dari 1 yaitu menggunakan Analisa Regresi belum kita bahas. Demikian juga untuk teknik komparasi parametrik, yaitu menggunakan Uji t (komparasi sederhana) dan ANOVA (komparasi untuk X yang lebih dari 1) Apa yang membuat Non Parametrik lebih unggul dibandingkan Parametrik ? Adakah Non Parametrik memeiliki kelemahan ? Jadi, kalau begitu, kapan kita dapat menggunakan teknik non parametrik ? Apa sajakah analisis non para metrik yang akan kita pelajari ? Nah, masi kita simak satu persatu dan pelajari supaya anda mahir dan terampil menggunakannya

---

Course Modules

---

Course Modules

Anda masih ingat dengan salah satu teknik non parametrik Chi Square ? Ya, Chi Square cukup instimewa, teknik ini termasuk non parametrik yang dapat digunakan untuk menganalisis data korelasi maupun komparasi. Sayangnya teknik tersebut belum memuat derajat hubungannya sebagaimana teknik korelasi Product Moment atau Analisa Regresi dalam Statistik Parametrik. Statistik Non Parametrik menyediakan teknik analisis lain yang melengkapi Chi Square untuk dapat mengetahui derajat hubungan yang diperoleh dari Chi Square. Ada 2 cara, yaitu :1. Koefisien Kontingensi C 2. Koefisien Cramer CMari kita simak Selain kedua teknik diatas yang melengkapi Chi Square, Statistik Non Parametrik juga menyediakan beberapa teknik analisis komparasi. Berikut akan kita simak satu Persatu. 1. Uji Wilcoxon Uji komparasi Non Parametrik Wilcoxon terdiri dari 3 jenia : a. Uji Jenjang Bertanda b. Uji Jumlah Jenjang Wilcoxon c. Uji Jumlah Jenjang Berstrata Wilcoxon

---

Course Modules

Simak Baik-Baik Soal REMIDI UTS INI sebelum anda mengerjakanJangan Lupa Periksa Kembali setiap Jawaban anda, Apakah Sudah SESUAI dengan PERMINTAAN dalam SOAL

---

Course Modules

---

Course Modules