Kamis, 29 Juli 2010

Statistika; sebuah pengantar


well, next post is about statistics statistika. Sebelum kita mengenal lebih jauh tentang statistika terlebih dahulu kita mengenal pengertian statistika dan pengantar singkat tentang statistika.
Menurut Wikipedia ; Penggunaan istilah statistika berasal dari istilah istilah dalam bahasa latin modern statisticum collegium (“dewan negara”) dan bahasa Italia statista (“negarawan” atau “politikus”). Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan

Senin, 26 Juli 2010

Mengapa Menggunakan SEM ?

Metode Struktural Equational Modelling telah dijelaskan pada bagian terdahulu memiliki banyak kelebihan.

Beberapa alasan menggunakan analisis SEM adalah sebagai berikut:
1. Model yang dianalisis bertingkat dan relatif rumit, sehingga akan sangat sulit untuk diselesaikan dengan metode jalur analisis pada regresi linear.
2. Mampu menguji hipotesis-hipotesis yang rumit dan bertingkat secara serempak.
3. Kesalahan (error) pada masing-masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM lebih akurat untuk menganalisis data kuesioner yang melibatkan persepsi.
4. Mampu menganalisis model hubungan timbal balik (recursive) secara serempak, di mana model ini tidak dapat diselesaikan dengan analisis regresi linear secara serempak.
5. Terdapat fasilitas bootstrapping, di mana hal tersebut tidak dapat dilakukan dengan analisis regresi linear.
6. Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode asymtot distribution free (ADF) yang tidak memerlukan asumsi normalitas pada data.
7. Peneliti dapat dengan mudah memodifikasi model dengan second order untuk memperbaiki model yang telah disusun agar lebih layak secara statistik.

Structural Equational Modelling (SEM)

Strucutral Equation Modelling atau SEM adalah istilah metode dalam Statistika yang sering terdengar oleh kita, baik praktisi atau Statistisi tidak meragukan kehandalan dari metode ini.
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.

Jumat, 23 Juli 2010

Wawancara

Metode pengumpulan data dengan wawancara lebih banyak dilakukan pada penelitian kualitatif dari pada penelitian kuantitatif. Kelebihan metode wawancara adalah peneliti bisa menggali informasi tentang topik penelitian secara mendalam, bahkan bisa mengungkap hal-hal yang mungkin tidak terpikirkan oleh peneliti itu sendiri. Akan tetapi, metode wawancara memerlukan kecakapan peneliti yang lebih dari pada pengumpulan data dengan metode yang lain. Pada penelitian kuantitatif, metode wawancara digunakan untuk melengkapi atau mendukung hasil penelitian, di mana penelitian kuantitatif lebih menekankan pengumpulan data dengan menggunakan metode kuesioner, observasi atau dokumentasi.

Terdapat metode wawancara secara terbuka, yaitu di mana peneliti tidak menggunakan guidance tertentu dalam melakukan wawancara. Jenis ini sering disebut dengan metode tidak terstruktur. Peneliti menanyakan topik awal pada responden, lalu menggali secara mendalam informasi yang ada pada responden tanpa terlalu terikat dengan topik penelitian. Metode ini sering digunakan untuk menentukan judul penelitian, atau pada penelitian kualitatif, di mana peneliti merupakan bagian dari penelitian itu sendiri. Dibutuhkan skill yang tinggi untuk melaksanakan wawancara tidak terstruktur.

Jenis kedua adalah metode semi terstruktur, di mana peneliti mempunyai guidance tentang item apa saja yang akan ditanyakan. Topik yang digali tetap bisa berkembang, akan tetapi peneliti tetap harus memfokuskan pada item yang telah ditentukan sebelumnya.

Jenis ketiga adalah metode terstruktur. Metode ini bisa saja merupakan metode kuesioner, di mana responden mempunyai keterbatasan sehingga tidak mampu melakukan pengisian kuesioner s

Statistik Deskriptif

Statistik deskriptif (descriptive statistic) secara umum merupakan ilmu statistik yang mempelajari tata cara pengumpulan, pencatatan, penyusunan dan penyajian data penelitian dalam bentuk distribusi frekuensi atau grafik dan selanjutnya dilakukan pengukuran nilai-nilai statistiknya seperti rata-rata (mean), median, modus, deviasi standar, varians dan sebagainya.
Data tentang jumlah siswa, mahasiswa, guru, dosen, pegawai, jumlah kelulusan tiap tahun, usia dan lain-lain merupakan contoh data yang dapat kita temui di berbagai tempat. Data tersebut umumnya disajikan dalam bentuk tertentu, misalnya tabel, baik dengan distribusi frekuensi tunggal maupun berkelompok, histogram, poligon, diagram lingkaran dan berbagai bentuk lain. Penyajian berbagai bentuk data tersebut sering dibuat sedemikian rupa sehingga menarik dan komunikatif. Demikian juga penempatannya di dinding kantor atau lembaga yang lain.

Statistik deskriptif juga mencakup perhitungan-perhitungan sederhana, yang biasanya merupakan

Kamis, 22 Juli 2010

story :Statistik

Dalam kehidupan sehari-hari, kita sering sekali berhadapan dengan rangkaian angka-angka di mana kita harus membuat suatu keputusan berdasarkan angka-angka tersebut. Seorang ibu rumah tangga, secara tidak sengaja atau sengaja, akan membuat perkiraan tentang berapa kilo beras yang harus disediakan untuk makan keluarganya; juga seorang ayah akan memperkirakan berapa pendapatan minimal yang harus dikeluarkan untuk menghidupi keluarganya. Seorang bujangan akan menghitung berapa kemampuan mencicil sepeda motor yang akan dibelinya secara kredit, dan masih banyak kasus yang lain. Lebih lanjut, seorang manajer akan membuat perkiraan berapa penjualan yang akan diperoleh di bulan mendatang dengan adanya produk baru yang akan diluncurkan.

Contoh-contoh di atas sebenarnya merupakan dasar dari munculnya ilmu statistik. Seorang ibu akan mengingat-ingat berapa kapasitas perut dari suami dan anak-anaknya, lalu membuat kisaran berapa kilo beras yang

Data Outliers

Outliers adalah data yang menyimpang terlalu jauh dari data yang lainnya dalam suatu rangkaian data. Adanya data outliers ini akan membuat analisis terhadap serangkaian data menjadi bias, atau tidak mencerminkan fenomena yang sebenarnya. Istilah outliers juga sering dikaitkan dengan nilai esktrem, baik ekstrem besar maupun ekstrem kecil. Sebagai ilustrasi, jika ada empat mahasiswa, mahasiswa pertama mempunyai uang saku per bulan Rp. 500 ribu, mahasiswa kedua Rp. 600 ribu, mahasiswa ketiga Rp. 700 ribu, dan mahasiswa keempat karena merupakan anak orang kaya, mempunyai uang saku per bulan sampai dengan Rp. 5 juta. Secara sekilas tampak bahwa nilai 5 juta relatif jauh dibandingkan uang saku ketiga mahasiswa yang lain.
Kalau kita rata-ratakan uang saku keempat mahasiswa tersebut, maka rata-ratanya adalah sebesar (500 ribu + 600 ribu + 700 ribu + 5 juta)/4= 6,8 juta/4 = 1,7 juta. Tiga mahasiswa yang lain tentunya keberatan jika dinyatakan bahwa rata-rata uang saku mereka adalah Rp. 1,7 juta per bulan karena jauh sekali dari nilai yang sebenarnya. Contoh lain misalnya kita ingin merata-ratakan kekayaan seorang PNS usia 30 tahunan, dengan memasukkan seorang PNS yang kebetulan mempunyai kekayaan sekitar Rp. 25 Milliar…he he he he

Penangangan Data Outliers
Harus kita apakah data outliers? Apakah harus kita keluarkan? Atau ada treatment yang lain.

Rabu, 21 Juli 2010

Varians

Varian merupakan konsep yang cukup penting dalam statistik, karena merupakan dasar dari banyak metode statistik inferensial. Varian adalah jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok. atau secara ringkasnya, varians adalah penyimpangan atau keragaman dalam suatu data. Sebagai contoh, berikut adalah tampilan data:
10, 12, 15, 16 dan 12

Maka dapat dengan mudah dihitung rata-rata dari lima data di atas adalah (10 + 12 + 15 + 16 + 12)/5 = 65/5 = 13. Varian dihitung berdasarkan kuadrat selisih dari masing-masing data terhadap nilai rata-ratanya, sehingga:
10-13)^2 + (12-13)^2 + (15-13)^2 +  (16-13)^2 + (12-13)^2 =  (-3)^2 + (-1)^2 + 2^2 + 3^2 + (-1)^2 = 9 + 1 + 4 + 9 + 1  = 24.

Jadi besarnya varian adalah 24 dibagi 5 (jumlah data (n) jika merupakan populasi) atau dibagi (n-1) 5-1 = 4 jika merupakan sampel. Sehingga nilai Varians adalah 24/4 = 6 (dianggap merupakan sampel). Dan jika akan dihitung standar deviasi maka akar kuadrat dari 6 yaitu sebesar 2,449. Deviasi standart adalah akar dari varians.

Varian merupakan ukuran variabilitas data, yang berarti semakin besar nilai varian berarti semakin tinggi fluktuasi data antara satu data dengan data yang lain. Untuk jelasnya, perhatikan data gaji pada dua kelompok masyarakat di bawah:

Skala Pengukuran Statistik

Dalam mengukur suatu alat, diperlukan suatu ukuran yang pasti. Ukuran yang umumnya disebut Skala Pengukuran. 
Ada 4 macam skala pengukuran yaitu: skala nominal, skala ordinal, skala interval dan skala rasio.

1. Skala nominal
Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain. Contoh:
Data
Kode (a)
Kode (b)
Yuni
1
4
Desi
2
2
Ika
3
3
Astuti
4
1
Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.

2. Skala ordinal
Adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak. Contoh:
Data
Skala Kecantikan (a)
Skala Kecantikan (b)
Yuni
4
10
Desi
3
6
Ika
2
5
Astuti
1
1
Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.
Skala nominal dan skala ordinal biasanya