slide 8 analisis statistik

ANALISIS STATISTIKIrni Yunita

SKEMA PENGOLAHANJenis Data

DATAKuantitatif

Kualitatif

Nominal

ordinal

Interval

rasio

Statistik Non Parametrik

Statistik Parametrik

Jumlah Variabel Satu Tiga

Dua Analisis Bivariat

Analisis Univariat

Analisis Multivariat

STATISTIK PARAMETRIK1.

2.

3. 4.

Selalu didahului dengan uji prasyarat analisis. Hal tersebut menyebabkan data yang digunakan dalam analisis statistik parametrik memiliki bias yang relatif kecil sehingga hasilnya dapat lebih dipertanggungjawabkan Data memiliki distribusi normal sehingga bebas dari data outlier Data memiliki skala interval dan rasio Tidak dapat digunakan untuk data yang bersifat non numerik yang masih memerlukan proses pemberian kode

ASUMSI DASAR STATISTIK PARAMETRIK1. Data memenuhi persyaratan distribusi normal (untuk semua jenis statistik parametrik) 2. Homogenitas : data sampel memiliki varians yang sama (untuk t-test, anova, uji multivariat lain) 3. Bebas dari autokorelasi; autokorelasi berarti jika diurutkan berdasarkan waktu, maka data pengamatan akan dipengaruhi data pengamatan sebelumnya (regresi linear) 4. Bebas dari multikoleniaritas : multikoleniaritas artinya : adanya korelasi antara variabel bebas satu dengan yang lainnya. (regresi linear) 5. Linearitas : setiap kenaikan skor variabel bebas, diikuti oleh kenaikan skor variabel terikat (regresi linear dan korelasi pearson)

ANALISIS STATISTIK1. 2. 3. 4. 5. 6. 7. 8.

Analisis Frekuensi Analisis Deskriptif Uji normalitas data (Prasyarat statistik parametrik) Uji Asumsi Klasik data (prasyarat regresi) Korelasi Spearman rank (NON parametris) Korelasi Pearson Produk Moment (Parametris) Chi Kuadrat (NON Parametris) Path Analysis

1. ANALISIS FREKUENSI

Cara menyajikan data dengan pendekatan tabel frekuensi dan distribusi frekuensi serta penggunaan diagram batang, lingkaran, histogram, poligon dan ogive.

Langkah: Data disusun dan dikelompokkan berdasarkan masing-masing variabel beserta jumlah frekuensi dari masing-masing variabel tsb. Pengelompokkan disajikan dalam bentuk tabel frekuensi.

1. ANALISIS FREKUENSIa.b.

Tabel frekuensiContoh : diketahui jumlah pelanggan telepon GSM sebagai berikut: Telkomsel(80.5 jt), Indosat (28jt), Xl(27 jt), Hutchinson (7.5 jt), Mobile-8 (Fren) (3 jt), Axix (3 jt) (sumber: Telkom 2009) Maka, tabel frekuensi adalah sebagai berikut:No1 2

operatorTelkomsel Indosat

Jml pelanggan (Jt org)80.5 28

34 5

XLHutchinson Mobile-8

277.5 3

6

AxixJumlah

3149

1. ANALISIS FREKUENSIb. Tabel Frekuensi Relatif Menunjukkan presentase dari total jumlah pengamatan masing-masing kelasNo operator Jml pelanggan (Jt org) Frekuensi relatif

12 3 4 5 6

TelkomselIndosat XL Hutchinson Mobile-8 Axix

80.528 27 7.5 3 3

54%19% 18% 5% 2% 2%

Jumlah

149

100%

1. ANALISIS FREKUENSIc. Presentasi Grafik Data Kualitatif Diagram yang umum digunakan untuk menyajikan data khususnya data kualitatif adalah diagram batang (bar chat dan lingkaran(pie chart)Jumlah pelanggan Operator Telekomunikasi GSM di Indonesia (dalam juta pelanggan)90 80 70 60 50 40 30 20 10 0

Frekuensi relatif

Telkomsel Indosat XL

HutchinsonJml pelanggan (Jt org) Mobile-8 Axis

1. ANALISIS FREKUENSId. Distribusi Frekuensi Untuk jenis data Kuantitatif

Nilai 60 64 65 - 69 70 - 74 75 - 79 80 - 84 85 - 89 90 - 94

Rincian II IIII I IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII I IIIII II IIII Jumlah

Frekuensi (f) 2 6 15 20 16 7 4 f = 70


5. Histogram dan PolygonHistogram Nilai Kinerja Pegawai Dinas Kominfo Jabar25

20

15Frekuensi (f)

10

5

0 60 64 65 - 69 70 - 74 75 - 79 80 - 84 85 - 89 90 - 94


PoligonPoligon Nilai Kinerja Pegawai Dinas Kominfo Jabar25

20

15 Frekuensi (f) 10

5

060 64 65 - 69 70 - 74 75 - 79 80 - 84 85 - 89 90 - 94

2. ANALISIS DESKRIPTIFMengetahui Pengukuran gejala Pusat Mengetahui dan menjelaskan rata-rata Mengetahui dan menjelaskan mode Mengetahui dan menjelaskan median

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF USING SPSS

Contoh Kasus:No1 2 3 4 5 6 7 8 9 10

Hasil Penjualan 45 65 48 92 53 64 87 84 45 65

GenderPria Wanita Pria Wanita Pria Pria Wanita Pria Pria Pria 11 12 13 14 15 16 17 59 86 67 49 75 95 85 Wanita Pria Wanita Wanita Wanita Pria Pria

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF USING SPSSMenu , File, Data, Variable View Definisi variabel Hasil Penjualan: 1. Name : ketikkan Hasil_Penjualan 2. Type : Numeric 3. Width : ketik 8 4. Decimals : Ketik 0 5. Label : Ketikkan Hasil Penjualan per Hari Definisi variabel Hasil Penjualan: 1. Name : ketikkan Gender 2. Type : Numeric 3. Width : ketik 1 4. Decimals : Ketik 0 5. Label : Ketikkan gender 6. Value : 1 ; Value Label : Wanita; Value : 2; Value Label : pria 7. Column : 8; Align : Right; Measure : Nominal

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF DATA KUANTITATIF (HASIL PENJUALAN)Analyze, descriptive statistic, frequencies Hasil Penjualan pindahkan ke sebelah kanan Klik Statistic : Dispertion atau penyebaran data: Klik std dev, variance, range, minimum, maximum, SE Mean. Central tendency : Klik Mean dan Median Distribution : Skewness dan Kurtosis Klik Continue Frekuency Klik Chart : histogram with Normal Curve

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF DATA KUANTITATIF (HASIL PENJUALAN)

Hasil Analisis Frekuensi:

N=17, jumlah data valid=17 Mean=68.47 = rata2 hasil penjualan tiap salesman. S.E Mean=4.175, maka hasil penjualan tiap salesman per hari = 68.47 +- (2x4.175) atau antara 60.12 dan 70.82 mainan per hari Median=65, arti 50% sampel menghasilkan penjualan rata2 per hari 65 mainan ke atas, dan 50% sampel penjualan rata2 65 ke bawah. StdeV = 17.212, maka rata2 hasil penjualan yang ada pada sampel = 68.47+- 92x17.212



Skewness= 0.076, std error of skewness= 0.550. Rasio skewness= 0.076/0.550 = 0.138182, maka rasio ini dikatakan memenuhi distribusi normal karena berada diantara 2 sampai +2.Kurtosis = -1.436, std error of kurtosis= 1.063. Rasio=1.436/1.063=-1.35089, maka rasio ini dikatakan memenuhi distribusi normal karena berada diantara -2 sampai +2.



Range = 50, jarak hasil penjualan terbesar dan terkecil=50 mainan per hari.


Histogram membentuk kemiripan dengan kurva normal. Interpretasi : data mendekati normal hingga normal.

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF DATA KUALITATIF (GENDER)Analyzed, descriptive statistic, frequencies Klik gender, pindahkan ke dalam kotak sebelah kanan Klik chart, pie chart, klik kiri format, frequecy format Order by : ascending values OK

ANALISIS FREKUENSI DAN STATISTIK DESKRIPTIF DATA KUALITATIF (GENDER)


Wanita berjumlah 7 orang (41.2%) Pria berjumlah 10 orang (58.8%)


Menunjukkan bahwa proporsi wanita lebih besar daripada pria

UJI NORMALITAS DATA (PRASYARAT STATISTIK PARAMETRIK)Uji dengan Kolmogorov Smirnov Analyzed, Non Parametric Test, 1-sample K-S Pindahkan hasil penjualan per Hari kedalam test variable list Pada test distribution klik pada pilihan normal Klik OK.

3. UJI NORMALITAS DATA (PRASYARAT STATISTIK PARAMETRIK)Nilai kolmogorov smirnov=0.699 dengan prob=0.713. Karena prob>5%, maka data memenuhi syarat uji normalitas data.

3. UJI NORMALITAS DATA (PRASYARAT STATISTIK PARAMETRIK)Uji dengan Saphiro Wilks Analyzed, descriptive statistic, explore Pindahkan variabel hasil penjualan per hari ke dalam dependent list Klik statistic : factor level togethet, histogram, dan normality plot with test Pada bagian display, pilih both Klik OK

3. UJI NORMALITAS DATA (PRASYARAT STATISTIK PARAMETRIK)

Uji Saphiro Wilk

Nilai kolmogorov smirnov=0.919 dengan prob=0.142 Karena prob>5%, maka data memenuhi syarat uji normalitas data.

Perbedaan hal 82

3. UJI NORMALITAS DATA (PRASYARAT STATISTIK PARAMETRIK)

Untuk N50, lakukan uji Kolmogornov Smirnov

Sumber: dosen statistik: Nurvita Trianasari

4. UJI ASUMSI KLASIK DATA (PRASYARAT REGRESI LINIER)

Contoh Kasus:

Pengalaman Kerja 2 3 1 4 1 3 2 2

Penjualan Barang 50 60 30 70 40 50 40 35


Ho : r=0 , tidak terdapat pengaruh yang signifikan Ha: r=0 , terdapat pengaruh yg signifikan Pengaruh Pengalaman Kerja Terhadap Penjualan HP di Bandung

Pengalaman Kerja (X) (Tahun) 2 3 1 4 1 3 2 2

Penjualan Barang (Y) (Unit) 50 60 30 70 40 50 40 35

4. UJI ASUMSI KLASIK DATA (PRASYARAT REGRESI LINIER)Masukkan data (seperti pada frekuensi) Klik Analyzed, Regression, Linear Masukkan data pengalaman kerja ke independent list dan hasil penjualan ke dependent list Statistic, durbin watson (uji autokorelasi) dan Colonearity diagnostics (uji ada/tidaknya multikoleniaritas) Klik Continue Klik Plot, masukkan ZRESID ke Y masukkan ZPRED ke x Klik Normal Probability Plot


Hasil Uji Normalitas

Titik-titik cenderung mengikuti garis lurus, sehingga dapat disimpulkan error terdistribusi normal, asumsi normalitas terpenuhi


Uji Multikoleniaritas (harus terbebas dari multikoleniaritas)

Nilai VIF < 10, maka tidak terjadi multikoleniaritas di antara variabel bebas, maka syarat terpenuhi.


Uji Heteroskedastisitas (harus bebas dari heteroskedastisitas)

Tidak terdapat suatu pola tertentu, maka disimpulkan bahwa data yang ada tidak terdapat heteroskedastisitas, berarti data homoskedastisitas.


Uji Autokorelasi (harus terbebas dari autokorelasi)

Jika nilai Durbin watson antara -2 dan +2, maka tidak terjadi autokorelasi antar variabel gangguan. 1.169 berada diantara -2 dan +2, maka terbebas dari autokorelasi.

4. PEMODELAN REGRESI LINIER

MODEL REGRESI

Dari tabel di atas, didapatkan model regresi taksirannya, yaitu; Y=21 + 11.5 X1.


Uji Keberartian Model

Jika p-Value < 5%, maka model regresi signifikan (berarti/dapat digunakan) atau Jika F-Hitung > F-Tabel, maka model signifikan.


Besarnya pengaruh pengalaman kerja adalah sebesar 0.795 atau 79.5% terhadap penjualan, Sisanya dipengaruhi oleh variabel lain.

5. KORELASI SPEARMAN RANKUntuk mengukur eratnya hubungan antara dua variabel (bebas dan terikat yang berskala ordinal), mengukur tingkat kesukaan, tingkat motivasi pegawai, tingkat moralitas pegawai. Populasi tidak harus berdistribusi normal. Populasi : 5 0,05; maka H0 diterima. Berarti tidak ada hubungan antara tempat tinggal dengan kegagalan ujianKesimpulan: Tidak terbukti ada hubungan antara tempat tinggal dengan kegagalan ujian dari sample mahasiswa pada taraf kepercayaan 95%.

8. PATH ANALYSISAsumsi yang harus dipenuhi: Hubungan antar variabel linier Data berdistribusi normal Minimal data berskala interval Harus ada multikoleniaritas antar variabel Tidak boleh ada autokorelasi.

8. PATH ANALYSISContoh Kasus; X1 = Pendidikan Sistem ganda X2 = Sarana prasarana Y = Kompetensi Guru (Variabel interfening: bisa dependen/independen) Z = Kompetensi Lulusan

1X1 rx1x2 X2

2

yx1Y

z yZ

yx2

8 ANALISIS JALUR1X1 rx1x2 X2

2 z y

yx1Y

Z

yx2

Substruktur 1 Model : Y = yx1 X1 + yx2 X2 + 1

Substruktur 2 Model : Z = zy Y + 2

8 ANALISIS JALURPengujian Substruktur 1 1. Pengaruh X1 dan X2 secara simultan terhadap Y 2. Pengaruh X1 secara parsial terhadap Y Pengaruh X2 secara parsial terhadap Y

1X1 rx1x2 X2

yx1Y

yx2

8 ANALISIS JALURPengujian Substruktur 1 Klik Analyzed, regression, linear, klik OK Hasil: Pengujian secara simultan (Point 1)

Dari tabel dapat dilihat niali signifikansi < 5%, maka secara keseluruhan, variabel pend. Sistem ganda(x1) dan Sarana Prasarana(x2) berpengaruh secara signifikan terhadap kompetensi guru (Y)

8 ANALISIS JALURPengujian Substruktur 1 Hasil: Pengujian secara simultan (Point 1)

Secara keseluruhan, variabel pend. Sistem ganda(x1) dan Sarana Prasarana(x2) memberikan pengaruh secara simultan sebesar 0.491 atau 49.1% terhadap kompetensi guru (Y) Ho ditolak

8 ANALISIS JALURPengujian Substruktur 1 Hasil: Pengujian secara Parsial (Point 2)

Secara parsial, variabel pend. Sistem ganda(x1) memberikan pengaruh yang tidak signifikan terhadap kompetensi guru (Y) karena nilai sig>5% atau 0.272 > 0.05. Ho diterimaSecara parsial, variabel sarana prasarana (x2) memberikan pengaruh yang signifikan terhadap kompetensi guru (Y) karena nilai sig < 5% atau 0.272 < 0.05. Ho ditolak

8 ANALISIS JALUR

Pengujian Substruktur 2 2

z yY Z

Hipotesis : Terdapat pengaruh kompetensi guru terhadap kompetensi lulusan Hipotesis statistik : H0 : z y = 0 Terdapat pengaruh kompetensi guru terhadap kompetensi lulusan H1 : z y = 0 , Tidak terdapat pengaruh kompetensi guru terhadap kompetensi lulusan

8 ANALISIS JALUR

Pengujian Substruktur 2

Klik Analyzed, regression, linear, klik OK Hasil :

variabel kompetensi guru (Y) memberikan pengaruh yang signifikan terhadap kompetensi lulusan (Z) karena nilai sig < 5% atau 0.002 < 0.05. Ho ditolak

8 ANALISIS JALUR

Pengujian Substruktur 2

Klik Analyzed, regression, linear, klik OK Hasil :

Variabel kompetensi guru (Y) memberikan pengaruh sebesar 0.233 atau 23.3 % terhadap kompetensi lulusan (Z) Ho ditolak

8 ANALISIS JALURUji Korelasi Keseluruhan Klik analyze, correlate, masukkan semua variabel untuk diuji korelasinya, klik pearson

Hasil :

8 ANALISIS JALUR

Uji Korelasi KeseluruhanHasil :

1-R2

1-R2

1=0.509X10.826 X2 0.497 0.232 0.489

2= 0.767

Y

Z

8 ANALISIS JALUR

Kerangka Hubungan Kausal X1, X2, Y terhadap Z dibuat model struktur sebagai berikut:

Y = 0.232 X1 + 0.497 X2 + 1 Z = 0.489 Y + 2 Pengaruh langsung X1 terhadap Y = (x1y)2 = (0.232)2

= 0.052

Pengaruh langsung X2 terhadap Y = 0.247 Pengaruh langsung Y terhadap Z = 0.2391 Pengaruh tidak langsung X1 melalui X2 terhadap Y = 0.232 x 0.826 x 0.497 = 0.09 Pengaruh tidak langsung X2melalui X1 terhadap Y = 0.497 x 0.826 x 0.232 = 0.09

slide 8 analisis statistik

Documents