analisis statistik

Diterjemahkan dari judul aslinya “ Measuring Behaviour”Part 9: Statistical Analysis

Oleh:

RJDRian Juanda Djamani

www.rianjuanda.blogspot.com [email protected]

ANALISIS STATISTIK


Pengantar Umum Statistik

Kami sangat mengharapkan bahwa kebanyakan orang yang membaca buku ini akan belajar banyak tentang statistik ketika mulai menganalisis data mereka. Secara umum, kami menyarankan agar informasi yang kurang dapat dipelajari dari berbagai buku tentang analisa statistik. Tujuan kami pada bagian ini adalah untuk menghasilkan beberapa pertimbangan singkat dari isu utama yang muncul dalam analisis statistik data tingkah laku. Bagaimanapun ini bukan buku statistik, jadi untuk sebuah hitungan dari metode statistik Anda harus mempelajari dari banyak buku bagus yang bisa Anda dapat, sebaiknya salah satunya adalah buku dengan tema biologi atau psikologi (contoh: Zar, 1999; sprinthall, 2003). Pada lampiran 3 kami telah memberikan daftar list buku yang kami dapat.


Lembar Kerja dan Basis Data

Segera setelah pengamatan atau penelitian selesai dilakukan, langkah selanjutnya adalah mengubahnya ke dalam sebuah form yang dapat segera diperiksa. Kami tidak bisa menekankan secara berlebihan betapa pentingnya hal ini dilakukan dengan hati-hati dalam pekerjaan Anda. Jika Anda melakukannya dengan benar, maka Anda dapat menghemat waktu pada tahap berikutnya. Lembar kerja sangat bagus untuk menyimpan/menulis semua data Anda. Anda harus memasukkan informasi yang diperoleh untuk membuat perbaikan-perbaikan pada tahap-tahap selanjutnya


Contoh lembar kerja yang harus dibuat atau diisi, seperti:

• Kolom waktu pengamatan• Kolom lamanya pengamatan• Kolom identifikasi subjek• Kolom tipe perlakuan• Kolom jenis kelamin• Kolom waktu pengujian• Kolom tanggal pengujian, dan• Kolom-kolom terpisah lainnya yang digunakan

untuk mengukur bagian-bagian tingkah laku


• Jangan lupa untuk memasukkan semua kategori data yang ada atau informasi yang mungkin digunakan dalam proses analisis

• Rancangan penelitian yang lebih komplek dapat ditampung dengan membuat kolom-kolom untuk setiap blok atau setiap kombinasi dari faktor-faktor

• Data dari lembaran kerja diperiksa secara visual dan subjektif untuk penyelidikan analisa statistik

• Data bisa juga dengan mudah disisipkan ke dalam perangkat statistik, seperti Minitab, SPSS atau SAS


Penyelidikan Vs Analisis Konfirmasi

• Teknik statistik digunakan untuk dua tujuan yang berbeda yaitu:1. Analisis data penyelidikan, dan2. Analisis data konfirmasi

• Sebagian besar buku teksbook statistik membahas tentang analisis konfirmasi

• Data analisis penyelidikan (statistik deskriptif) termasuk yang paling penting-tapi sering diabaikan-proses penyusunan, peringkasan dan penyajian hasil, dan pencarian melalui data-data yang diekstrak dari informasi total maksimum

• Hal ini sangat penting ketika hasilnya kompleks atau hipotesisnya samar-samar

• Analisis Penyelidikan memberikan pemahaman dari hasil-hasil yang didapat dan menimbulkan pertanyaan baru atau hipotesis dari analisi tersebut


• Analisis data konfirmasi (hipotesis-pengujian atau statistik inferensial ) meliputi pengujian konvensional data empiris, yang berarti hasil perhitungan probabilitas yang diamati tetap dengan hipotesis nol seperti tidak ada perbedaan antara nilai rata-rata dari dua grup atau tidak ada hubungan antara 2 kumpulan nilai. Jika probabilitasnya rendah daripada tingkat yang telah ditentukan (biasanya 0.05) maka hipotesis nol ditolak.

• Tujuan utama pengujian hipotesis adalah untuk memberikan pemahaman yang spesifik bagaimana kepercayaan bisa diterapkan dalam efek nyata seperti sebuah perbedaan atau hubungan korelasi. Analisis data konfirmasi merupakan pusat studi dari variasi-variasi dasar yang baik dalam percobaan-percobaan, karena mencakup uji hipotesis tentang korelasi


Uji statistik apa yang harus digunakan?

• Terdapat dua kelas dasar dari pengujian yaitu1. Parametrik, dan 2. Non-parametrik

• Uji Parametrik mengandalkan sejumlah asumsi-asumsi yang sering dilanggar dalam penelitian tingkah laku.

• Uji Non-parametrik sering digunakan pada masa terdahulu karena tidak begitu menuntut banyak data dan lebih kuat dan realistis.

• Uji parametrik umumnya berdasarkan asumsi-asumsi dasar dari populasi yang berasal dari data sampel yang diambil, yaitu:– Normality (Data mengikuti normal)– Homogeneity of variance (sampel yang berbeda-beda atau subkelompok bervariasi pada

tingkat yang sama)– Scale of measurement (Data yang diukur pada skala interval atau skala rasio– Additivity (Efek dari perlakuan berbeda atau kondisi tambahan dan hubungan antara

variabel bebas dan tidak yang linear. Asumsi ini dibuat tidak dalam kasus Model Linear Umum (GLM)


Gambar 9.1 Distribusi data yang diambil sebelum dan sesudah ditransformasikan, dalam kasus ini logaritma dasar. Nilai asli lebih condong daripada nilai yang

ditransformasikan, dengan perkiraan distribusi normal (Gaussian)


Uji STATISTIK yang digunakan:1. ANOVA (analysis of variance).Uji ANOVA dibutuhkan ketika menganalis efek

dari variabel bebas dalam variabel tidak bebas 2. Korelasi (Correlation).Koefisien korelasi mendeskripsikan sejauh mana dua

pengukuran atau variabel saling berhubungan atau berubah bersama-sama3. Regresi Sederhana (Simple Regression). Merupakan teknik yang bagus

untuk menjelaskan dan menganalisis hubungan antara variabel bebas (X) dan Variabel tidak bebas (Y)

4. Model Linear Umum (General Linear Models-GLMs). Merupakan kombinasi dari Korelasi, Regresi dan Anova.

5. Statistik Multivariasi (Multivariate Statistics). Digunakan untuk menganalisa data lebih dari dua variabel yang terlibat yang dikenal secara kolektif

6. Statistik Bundar (Circular Statistics). Beberapa penelitian yang mengumpulkan data yang penyebaran dua ujungnya saling bertemu karena penyebarannya bundar.


Gambar 9.2 Empat scater plot, yang menggambarkan hubungan antara dua variabel diwakili oleh berbagai korelasi


Gambar 9.3 Penyebaran pergerakan hewan dari titik pusat dalam hipotesis ini. Jumlah terbesar dari hewan-hewan ini di-indikasikan dengan ketinggian bar hitam, bergerak ke arah utara-barat. Dua ujung penyebaran bertemu di titik kompas selatan-timur, itulah

sebabnya jumlah yang bergerak ke arah ini lebih sedikit dari sisi lain


Apakah Anda mengambil data yang cukup?

Ketika merencanakan sebuah studi, Anda harus mempunyai ide tentang berapa banyak subjek yang akan dibutuhkan, seperti telah dijelaskan pada bagian 8, beberapa aturan praktis untuk membuat beberapa perkiraan. Namun demikian, Anda mungkin tidak dapat menjelaskan terlebih dahulu tentang bagaimana variabel subjek, berapa banyak yang akan dibutuhkan untuk memutuskan apakah mempengaruhi kondisi studi atau tidak


Sambungan...Apakah Anda mengambil data yang cukup?

• Cara mudah untuk mengetahui apakah data yang diambil telah mencukupi adalah dengan membagi data secara acak ke dalam 2 bagian dan menganalisa setengah dari setiap bagian secara terpisah. Jika kumpulan 2 data tersebut menghasilkan kesimpulan umum yang jelas seperti yang dimaksud, maka data yang diambil telah mencukupi untuk diamati. Namun demikian kumpulan 2 data tersebut bisa saja menghasilkan perbedaan kesimpulan atau tidak cukup untuk menghasilkan beberapa kesimpulan yang pasti, sehingga banyak data yang dibutuhkan lagi.



Sebuah pendekatan yang lebih canggih, yang dikenal dengan Split-Half Analysis merupakan pembagian data untuk kategori tertentu pada perilaku acak ke dalam 2 bagian dan memperhitungkan hubungan korelasi antara 2 kumpulan data. Jika koefisien korelasi cukup tinggi (terbilang, r > 0.7) maka kumpulan data tersebut dapat diandalkan (digunakan).



Jika sebuah studi menghasilkan batasan secara statistik (contoh: 0.05 < p <0.10), maka mungkin lebih baik untuk menaikkan ukuran sampel dalam rangka mendapatkan banyak kesimpulan yang jelas tentang apakah efeknya nyata atau tidak. Seharusnya ini dilakukan di awal keputusan pada berapa banyak ukuran sampel yang harus ditambah/dinaikkan. Penambahan ukuran sampel dapat dilakukan sedikit demi sedikit hingga menghasilkan hasil yang signifikan dari yang diragukan sebelumnya. Setelah peningkatan, kemungkinan pengamatan akan mendapatkan efek positif spuriously. Ketika sebuah studi gagal untuk mengungkapkan efek-efek yang signifikan, daya analisis Post-Hoc dapat dilakukan untuk membantu mengetahui apakah ukuran sampel yang digunakan telah memadai (Bausell & Li, 2002). Bagaimanapun, seperti yang telah tertulis di Bab 8, asumsi-asumsi dari beberapa analisis sering terjadi pada data tingkah laku.


Kesimpulan• Jika informasi yang diperoleh dari sebuah studi langsung dimasukkan ke dalam lembar

kerja, maka langkah selanjutnya akan lebih mudah. Teknik statistik merupakan alat bantu yang berharga, jadi secara umum Anda harus bijaksana dengan menjaganya agar mudah digunakan.

• Sebuah perbedaan dapat diambil di antara analisis penyelidikan dan uji konfirmasi yang digunakan untuk menguji hipotesis spesifik. Sedangkan variabel yang bergantung pada nominal atau peringkat harus dites dengan tes non-parameter yang menghasilkan beberapa asumsi, teknik parameter telah dikembangkan secara umum sekarang ini di berbagai studi tingkah laku. Penggunaannya mungkin mengharuskan data harus diubah terlebih dahulu sehingga uji asumsi tersebut tidak saling bertentangan.

• Analisis varian (ANOVA), korelasi dan regresi sederhana biasanya sering digunakan. • Model linear umum (GLMs) menggabungkan semua teknik-teknik ini dengan langkah-

langkah berulang mengikuti perkembangan biasa dari model statistik sederhana dan paling tepat dengan memperhitungkan interaksi-interaksi antara variabel-variabel tersendiri.

• Multivariasi dan statistik bundar memungkinkan untuk analisis lengkap dan lebih rumit atau pembagian kumpulan data yang tidak biasa


Ada yang hendak berlayar dan ada yang menikmati Ombak...

TERIMA KASIH

analisis statistik

Education