stk511 analisis statistika - stat.ipb.ac.id · 6 analisis data perancangan percobaan 3 7 analisis...
TRANSCRIPT
STK511 Analisis Statistika
Pertemuan - 1
1. Dosen : Anang Kurnia ([email protected])
2. Asisten : Septian Rahardiantoro
3. Waktu : Rabu –> 08.00 – 09.40
Jumat –> 08.00 – 10.00
4. Office Hours : Rabu -> 11.00-12.00 (STK Darmaga) atau dengan
perjanjian
5. Berpakaian dan berperilaku sopan
5. Selama perkuliahan tidak terdengar bunyi HP
6. Penilaian : NA = UTS (40%) + UAS (40%) + Tugas/Kuis (20%)
PERKULIAHAN
anang kurnia : [email protected]
No. Pokok Bahasan #Pertemuan
1 Pendahuluan 1
2 Review Statistika Dasar 1
3 Sebaran Peluang 1
4 Sebaran Penarikan Contoh 1
5 Statistika Inferensia (Pendugaan dan Pengujian) 2
6 Analisis Data Perancangan Percobaan 3
7 Analisis Korelasi dan Regresi 2
8 Analisis Data Kategorik 1
9 Analisis Peubah Ganda 2
MATERI PERKULIAHAN
anang kurnia : [email protected]
– Statistika berasal dari kata statistik penduga parameter
– Ilmu yang mempelajari dan mengusahakan agar data menjadi informasi yang bermakna
– Ilmu yang mempelajari teknik-teknik yang diperlukan dalam pengumpulan data, analisis dan penarikan kesimpulan berdasarkan data contoh mencerminkan ciri populasi
– Statistics vs Statistic
1. Pendahuluan
Apa itu Statistika ?
anang kurnia : [email protected]
Statistika Populasi
Contoh
Sampling Pendugaan
Tingkat Keyakinan
Ilmu Peluang
Statistika Deskriptif vs
Statistika Inferensia
Deskriptif
1. Pendahuluan
anang kurnia : [email protected]
• Tata cara pengumpulan data baik melalui percobaan, survey, dan observasi
• Tata cara analisis data untuk menyarikan keterangan dari data yang terkumpul, numerik maupun grafik, untuk memudahkan pembahasan dan penarikan kesimpulan
Statistika deskriptif
• Tata cara pengukuran kepercayaan dalam penarikan kesimpulan untuk ruang lingkup yang lebih luas
Statistika inferensia
1. Pendahuluan
Cakupan Statistika ?
anang kurnia : [email protected]
1. Pendahuluan
Proses Analisis Statistika
Kesimpulan
Pengumpulan Data
Pengujian Hipotesis
Pembandingan Keterangan
Pendugaan
Penyarian Keterangan
anang kurnia : [email protected]
1. Pendahuluan
• Enumeratif
Menduga nilai agregat dari populasi.
• Analitik
Membahas perilaku hubungan antar berbagai faktor, menjelaskan hubungan sebab akibat.
Analisis vs Tujuan/Ruang Lingkup
Metode Pengumpulan Data
anang kurnia : [email protected]
1. Pendahuluan
Metode Pengumpulan Data
Metode Percobaan Metode observasi (pasif)
Metode survey
Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data
Tidak memiliki kendali dalam pengumpulan data (kecuali menentukan faktor yang diamati dan memeriksa ketelitian data)
Contoh data diambil dengan teknik tertentu dari populasi mewakili populasi
Dapat menciptakan jenis perlakuan yang diinginkan dan mengamati perubahan pada respon
Perubahan pada respon sulit diketahui penyebabnya
Nilai dugaan populasi dapat ditentukan dengan tingkat kepercayaan tertentu namun tidak cukup kuat menggambarkan hubungan sebab akibat
anang kurnia : [email protected]
1. Pendahuluan
Metode Pengumpulan Data
Metode Percobaan Metode Observasi Metode Survey
Kelebihan Kelemahan Kelebihan Kelemahan Kelebihan Kelemahan
Kuat dalam
pengendalian
keragaman
Represen-
tasi hasil
Mudah, murah,
mengamati
masalah dalam
kondisi yang
sebenarnya
Pengendalian
keragaman
dan
Representasi
Hasil
Represen-
tasi hasil
Pengendalian
keragaman
anang kurnia : [email protected]
1. Pendahuluan
Sumber Keragaman
• Dapat diidentifikasi dan diperkirakan pengaruhnya
=> Pengelompokan
• Dapat diidentifikasi tetapi tidak dapat diperkirakan pengaruhnya
=> Pengacakan
• Sulit diidentifikasi
=> Pengulangan
anang kurnia : [email protected]
1. Pendahuluan
Keterbatasan Hasil Analisis Statistika
• Permasalahan : – Model kuantitatif yang sempurna belum tentu diketahui
– Faktor penyebab bisa banyak sekali
– Adanya keragaman alami -> pengulangan tidak bisa persis
– Penelitian yang “sempurna” tidak mungkin dilakukan
• Hasil Penelitian Bersifat Kondisional, tergantung pada : – Kerangka contoh atau populasi percobaan yang diamati
– Metode pelaksanaannya (alat dan metode pengukuran, jenis dan definisi peubah yang diamati, dll)
– Pelaksana penelitian (enumerator, petugas lab, responden, dll)
anang kurnia : [email protected]
1. Pendahuluan
Keterbatasan Hasil Analisis Statistika
Statistika adalah tongkat ke daerah ketidaktahuan.
Semua model adalah salah, namun paling tidak ada satu yang bisa digunakan (mendekati kondisi
sebenarnya).
anang kurnia : [email protected]
1. Pendahuluan
Gambaran Analisis Statistika : Statistika Deskriptif
Diameter
20
15
10
807060
Height
80
70
60
201510
70
45
20
Volume
704520
Matrix Plot of Diameter, Height, VolumeStem-and-Leaf Display: Volume
Stem-and-leaf of Volume N = 31
Leaf Unit = 1.0
10 1 0005688999
(9) 2 111224457
12 3 13468
7 4 2
6 5 11558
1 6
1 7 7
4
6
8
10
12
14
0 5 10 15 20
M-GREG MKT-GREG
Data asal
Fre
qu
en
cy
28000002400000200000016000001200000800000400000
400
300
200
100
0
anang kurnia : [email protected]
1. Pendahuluan
Gambaran Analisis Statistika : Statistika Deskriptif
0.0
50.0
100.0
150.0
200.0
250.0
300.0
350.0
Negeri Swasta
33.2 30.1 51.6 44.1
237.5
198.1
322.3
272.3
Skor Evaluasi Diri Program Studi Skor Borang Unit Pengelola Skor Borang Program Studi Nilai Total
anang kurnia : [email protected]
Statistika Inferensia • Perbandingan Rataan Populasi
– Satu populasi Uji t atau uji z – Dua populasi Uji t atau uji z – Lebih dari dua populasi anova
• Hubungan antar variabel
– Hubungan dua arah Analisis Korelasi
– Hubungan satu arah (sebab akibat) Analisis Regresi
1. Pendahuluan
Gambaran Analisis Statistika : Statistika Inferensia
anang kurnia : [email protected]
• Suatu Penelitian dilakukan untuk mengetahui pengaruh kecepatan pengisian cat (X1) dan ketebalan cat (X2) terhadap kualitas hasil pengecatan (Y)
Duga Persamaan Regresi-nya !!!
0.3060
Y
80
0.25
100
X1
120
0.150.20 0.20
0.25X2
Surface Plot of Y vs X1, X2
1. Pendahuluan
Gambaran Analisis Statistika : Statistika Inferensia
anang kurnia : [email protected]
0.30
FITS3
80
0.25
90
100
X1
110
0.150.20 0.20
0.25X2
Surface Plot of FITS3 vs X1, X2
X2
X1
0.2500.2250.2000.1750.150
0.30
0.28
0.26
0.24
0.22
0.20
FITS3
85 - 90
90 - 95
95 - 100
100 - 105
105 - 110
<
> 110
80
80 - 85
Contour Plot of FITS3 vs X1, X2
Regression Analysis: Y versus X1, X2
The regression equation is
Y = 15.0 + 183 X1 + 171 X2
Predictor Coef SE Coef T P
Constant 15.02 10.24 1.47 0.155
X1 182.75 33.02 5.53 0.000
X2 170.65 35.38 4.82 0.000
S = 7.41471 R-Sq = 72.6% R-Sq(adj) = 70.4%
Analysis of Variance
Source DF SS MS F P
Regression 2 3503.9 1752.0 31.87 0.000
Residual Error 24 1319.5 55.0
Total 26 4823.4
1. Pendahuluan
Gambaran Analisis Statistika : Statistika Inferensia
anang kurnia : [email protected]
Binary Logistic Regression: Y2 versus x1, x2
Link Function: Logit
Response Information
Variable Value Count
Y2 1 12 (Event)
0 8
Total 20
Logistic Regression Table
Odds 95% CI
Predictor Coef SE Coef Z P Ratio Lower Upper
Constant 3.87448 3.38365 1.15 0.252
x1 -0.516801 0.357665 -1.44 0.148 0.60 0.30 1.20
x2 0.396576 0.211489 1.88 0.061 1.49 0.98 2.25
1. Pendahuluan
Analisis Lebih Lanjut : Regresi Logistik
anang kurnia : [email protected]
1. Pendahuluan
Analisis Lebih Lanjut : Peubah Ganda
• Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja
• Kasus pengamatan peubah ganda dijumpai di seluruh bidang terapan
• Perlu analisis lebih “canggih” dibandingkan analisis pada peubah tunggal (univariate)
• Peubah yang diamati tidak saling bebas (ada overlapping informasi antar peubah), sehingga diperlukan teknik-teknik penyusunan peubah baru seperti komponen utama dan peubah kanonik
anang kurnia : [email protected]
1. Pendahuluan
• Manova • Analisis Komponen Utama • Analisis Faktor • Analisis Cluster • Analisis Diskriminan • Analisis Korelasi Kanonik • Analisis Biplot
Ilustrasi : Biplot
Analisis Lebih Lanjut : Peubah Ganda
anang kurnia : [email protected]
• Data time series (deret waktu) merupakan data yang dikumpulkan secara sequensial menurut periode waktu tertentu.
• Peranan ramalan (forecasting) data ke depan memegang peranan penting dalam menyusun kebijakan strategis perusahaan/lembaga
• Metode Forecasting yang berkembang saat ini, antara lain: – Metode Rataan Kumulatif – Metode Pemulusan (Smoothing) – ARIMA (AutoRegressive Integrated Moving Average) – Fungsi Transfer (Bivariate ARIMA) – MARIMA (Multivariate ARIMA)
1. Pendahuluan
Analisis Lebih Lanjut : Time Series
anang kurnia : [email protected]
Index
x
454035302520151051
1400
1200
1000
800
600
400
200
0
Time Series Plot of x
Index
x
454035302520151051
1400
1200
1000
800
600
400
200
0
Smoothing Constants
Alpha (level) 0.2
Gamma (trend) 0.2
Delta (seasonal) 0.2
Accuracy Measures
MAPE 60
MAD 267
MSD 101122
Variable
Actual
Smoothed
Winters' Method Plot for xAdditive Method
1. Pendahuluan
Analisis Lebih Lanjut : Time Series
Ilustrasi Metode Winter (Kasus data musiman)
anang kurnia : [email protected]
perlu informasi yang lebih rinci, cepat, dan handal, tidak saja untuk lingkup superpopulasi tetapi pada lingkup yang lebih kecil
Pada level nasional, data tersedia baik melalui BPS
“DESAIN SURVEY PADA LEVEL NASIONAL”
Masalah : tingkat akurasi dan
presisi pendugaan langsung untuk
area kecil akan rendah karena
ukuran contoh sedikit atau bahkan
tidak terwakili dalam survey
Solusi Alternatif :
Small Area Estimation (SAE)
1. Pendahuluan
Analisis Lebih Lanjut : Small Area Estimation
anang kurnia : [email protected]
• Suatu metode untuk menduga parameter pada suatu area (sub-domain) yang relatif kecil dalam percontohan survey dengan memanfaatkan informasi dari luar area, dari dalam area itu sendiri dan dari luar survey.
• Menambah informasi pada data contoh tanpa menambah ukuran contoh.
• => Generalized Linear Mixed Model
1. Pendahuluan
Analisis Lebih Lanjut : Small Area Estimation
anang kurnia : [email protected]
Bersambung …….
anang kurnia : [email protected]