Jumat, 24 Agustus 2012

KOMPUTERISASI STATISTIK (BAGIAN 3)


 Oleh : Ahmad  Kurnia*

STATISTIK PARAMETRIK

Suatu data disebut sebagai data parametrik bila memenuhi kriteria sbb (Field, 2000): 

1.    Normally distributed data.
Data yang mempunyai distribusi normal adalah data yang dapat mewakili populasi yang diteliti. Secara kasat mata kita bisa melihat histogram dari data yang dimaksud, apakah membentuk kurva normal atau tidak. Tentu saja cara ini sangat subyektif. Cara lainnya yaitu dengan melakukan uji normalitas pada data yang dimaksud –caranya akan dijelaskan lebih lanjut. 

2.    Homogenity of variance.
Variansi dari data yang dimaksud harus stabil tidak berubah atau homogen. Ada banyak tes yang bisa dilakukan untuk mengetahui homogenity of variance, bahkan untuk untuk jenis-jenis analisis tertentu SPSS secaraotomatis menyertakan hasiltes ini. 

3.    Interval data.
Data yang dimaksud minimal merupakan data interval. 

4.    Independence.
Data yang diperoleh merupakan data dari tiap individu yang independen, maksudnya respon dari 1 individu tidak mempengaruhi atau dipengaruhi respon individu lainnya. Karena keterbatasan, saya tidak bisa menjelaskan lebih mendalam, kalau dirasa kurang jelassilakan cari buku statistik yang membahas hal ini lebih lanjut.
           
 Selain itu, teknik statistic parametric data diperoleh dari random sampling harus memenuhi beberapa asumsi dasar.

Teknik Statistik

Normal

Linier

Homogen
Multi Kolinieritas
Auto Korelasi
Heteros Kedastisitas
Korelasi
v
v




Regresi
v
v

v
v
v
T test
v

v



Anava
v

v



Anakova
v
v
v
v
v
v

Uji normalitas data
Dilakukan untuk mengetahui apakah distribusi sebuah data yang didapatkan mengikuti atau mendekati hukum sebaran normal baku dari Gauss yang digambarkan dengan grafik polygon menyerupai bell, lonceng atau genta. Data tersebut tidak positively skewed (miring ke kiri) : memeliki frekuensi yang relative lebih bayak disebelah kiri dan ujung kurva cenderung meruncing kekanan. Negative skewed (miring kekanan), memiliki frekuensi yang relative lebih banyak disebelah kanan dan ujung kurva cendrung meruncing kekiri.

Langkah-langkah :
  • Menggunakan menu 1-samples K-S
a)    Buka file, klik AnalyzeàNonparametric Testà1-Samples K-S
b)    Klik dan masukan nilai_tugas ke Test variables list
c)    Klik Ok
Kriteria : Data normal bila nilai sig (p)>0.05 dan data tidak normal bila nilai sig (p) < 0.05.
  • Menggunakan menu explore.
a)    Buka file, klik AnalyzeàDescriptive StatisticsàExplore
b)  Klik dan masukan nilai_uts ke dependent list. Klik plot. Pada descriptive : non-aktifkan stem-and-leaf dan aktifkan : normality plots with test. Klik continue dan klik Ok.

Hasil uji normalitas data dengan menu explore dapat dilihat dari perbandingan nilai Rasio Skewness dan Rasio Kurtosis (sebaran normal bila : nilai berada antara nilai -2 sampai dengan +2), nilai sig (p) dari kolmogorov-smirnov dan Shapiro-wilk (sebaran normal bila : p>0.05 dan sebaran tidak normal bila p<0 .05.=".05." span="span">

Uji homogenitas data
Uji ini dilakukan untuk mengetahui apakah variansi antara kelompok yang diuji berbeda atau tidak, variansinya homogeny atau heterogen dan data yang diharapkan adalah homogen.

Langkah-langkah Menggunakan ANOVA.
  • Buka file
  • Klik analyzeàcompare meansàone-way ANOVA.
  • Klik nilai_uts dan pindahkan ke Dependent List, klik jenis_ kelamin dan pindahkan ke Factor.
  • Klik Option dan pilih Homogeneity Of Variance Test. Klik continue dan klik ok.
  • Data homogeny bila : p>0.05 dan tidak homogeny bila : p<0 .05=".05" span="span">
§  Uji lienieritas data
Uji ini dialkuakn untuk mengetahui apakah hubungan antara variable independen dengan variable dependen bersifat linier (garis lurus). Jika hubungannya tidak linier dan tetap dianalisis dengan statistic parametric, maka korelasi yang didapatkan bisa sangat rendah, meskipun sebenarnya korelasinya bisa tinggi kalau teknik parametriknya diganti dengan sttatistik non-parametrik.
Langkah-langkah
a)    Menu graphs: data linier.
  • Buka file,  klik GraphsàInteractiveàAcatterplot
  • Klik nilai_uas dan pindahkan
  • Klik nilai_uts dan pindahkan
  • Klik Fit. àMethod : pilih Regression.klik Ok.
b)    Menu graphs : data tidak linier.

* Mahasiswa program doktoral UNJ

Tidak ada komentar:

Related Posts Plugin for WordPress, Blogger...

Komentar Anda

Nama

Email *

Pesan *