BERKENALAN DENGAN SKALA DATA

Sebelum melakukan analisis data, interpretasi data dan pengujian hipotesis, kita perlu berkenalan dengan jenis data-data yang akan atau telah diambil. 

Secara umum, ada 2 macam data yaitu: 

• Data kualitatif merupakan data  yang tidak berupa angka nominal atau sering disebut data kategorikal. 

•  Data Kuantitatif merupakan data berupa angka nominal dalam arti sebenarnya.

 Ada 2 jenis skala data untuk data kualitatif, yaitu:

• Skala Nominal ciri-cirinya hanya bisa dibedakan. Contohnya: Jenis Kelamin (laki-laki atau perempuan), Tingkat Pendidikan (SD, SMP, SMA, DIPLOMA, SARJANA, PASCASARJANA),

• Skala Ordinal ciri-cirinya bisa dibedakan dan memiliki tingkatan. Contohnya: Tingkat Kepuasan Pelanggan (Sangat Puas, Puas, Tidak Puas, Biasa saja, Sangat Tidak Puas).

 Ada 2 jenis skala data untuk data kuantitatif, yaitu:

• Skala Interval ciri-cirinya bisa dibedakan, memiliki tingkatan dan memiliki nilai tidak mutlak. Contohnya: Suhu udara.

• Skala Rasio ciri-cirinya bisa dibedakan, memiliki tingkatan dan memiliki nilai nol mutlak. Contohnya: Jumlah Komponen yang di Produksi.

 Agar lebih mudah membedakan nya coba perhatikan skema keempat skala data berikut:

Kenapa kita harus berkenalan dengan jenis data???

Karena membantu untuk menentukan metode statistika yang tepat untuk tipe data. Sebab beberapa metode statistika mensyaratkan tipe data tertentu.

Apabila ada kesalahan dalam menentukan metode analisis data, output yang dihasilkan tidak bererti apa-apa atau bahkan jika dipaksakan dapat menghasilkan kesimpulan yang menyesatkan. Sebab itu kita harus memperhatikan tipe dan jenis data sebelum melakukan analisis. Contoh sederhana berikut:

Suatu hari, ciput mengamati jenis cacat pakaian sablon pada rumah produksi pakaian yang dia miliki untuk mengetahui jumlah cacat yang terjadi dalam proses sablon. Ada 2 jenis cacat yang diamati. Jenis pertama adalah cat tidak rata, diberikan kode 1. Jenis kedua adalah warna tidak terang dan diberikan kode 2. Maka ciput memperoleh data seperti tabel di bawah ini: 

Perhatikan hal berikut ini:

Untuk pengujian statistika diatas mana yang lebih cocok untuk kasus diatas dengan data bersifat kategori atau bisa digolongkan dalam skala data ordinal?

• Penggunaan Rata-rata : rata-rata dari hasil analisis diatas adalah 1,3333 dari nilai yang dihasil proses perhitungan analisis diatas nilai rata-rata tidak menunjukan pada jenis cacat 1 atau 2. Jadi penggunaan rata-rata untuk kasus diatas sangat tidak realistis.

• Penggunaan Median atau Modus : Median dari hasil analisis diatas adalah 1 yang berarti nilai tengah tengah adalah jenis cacat 1. Dan Modus dari hasil analisis diatas adalah 1 yang berarti nilai yang paling sering muncul adalah jenis cacat 1.

Dari penggunaan 3 uji statistika diatas yang paling tepat adalah menggunakan nilai Modus untuk mengetahui jenis cacat apa yang paling banyak terjadi dalam suatu pengamatan yang dilakukan ciput. 

SILAHKAN PEMBACA UNTUK SEKEDAR BERTANYA ATAU KOMENTAR YANG SIFAT NYA MEMBANGUN.

MARI KITA BERBAGI ILMU UNTUK KEMAJUAN INDONESIA 

REFERENSI: 

NUR IRIAWAN, Ph.D., SEPTIN PUJI ASTUTI, S.Si., MT, 2006. MENGOLAH DATA DATA STATISTIK DENGAN MUDAH MENGGUNAKAN MINITAB 14

ANALISIS STATISTIKA DESKRIPTIF MENGGUNAKAN SPSS

Statistika merupakan sekumpulan konsep dan metode untuk mengumpulkan data, menyajikan dalam bentuk yang mudah dipahami, menganalisi data dan mengambil suatu kesimpulan berdasarkan hasil analisis data dalam situasi yang memiliki ketidakpastian dan variasi.

Pada kali ini kita akan berbagi tentang "Statistika Deskriptif"

Statistika Deskriptif adalah suatu metode untuk meringkas, menyajikan dan mendeskripsikan data dalam bentuk yang mudah dibaca sehingga memberikan kemudahan dalam memberikan informasi.

Tujuan Statistika Deskriptif adalah memaparkan data untuk memberikan gambaran dan penjelasan data secara umum. 

Tujuan mengetahui nilai-nilai statistik deskriptif:

• Range  digunakan untuk mengetahui seberapa bervariasi data tersebut. Semakin besar nilai range maka semakin bervariasi.

• Standar Error Of Mean digunakan untuk memperkirakan besar rata-rata populasi yang diperkirakan dari sampel.

• Skewness digunakan untuk mengukur kemencengan distribusi data.

• Kortusis digunakan untuk mengukur puncak/keruncingan dari distribusi data. 

• Untuk merepresentasikan nilai skewness dan kortusis bisa menggunakan nilai rasio (skewness/kortusis) = (skewness/kortusis) dibagi dengan standar error (skewness/kortusis). Jika nilai rasio diantara -2<nilai rasio<2, maka dikatakan data terdistribusi normal. atau dengan mengasumsikan jika nilai skewness/kortusis semakin mendekati nol maka data terdistribusi normal.

 LANGKAH-LANGKAH NYA:

• Buka file dan entri data dengan klik "file/new/data

• Pilih Menu "Analyze" kemudian pilih "Descriptive Statistic" 
  
•  Setelah itu akan tampak tampilan windows Descriptive

• Isikan variabel yang ingin dianalisis kedalam kotak "Variable"
• Untuk menganalisis statistika deskriptif apa saja yang ingin dipilih maka klik "Options" (Means, Standar deviasi, Variance, minimum, maximum, sum, range, SE mean, kurtosis dan skewness) seperti tampilan berikut:

• Setelah itu Klik "Continue" dan Klik "ok" pada tampilan kotak Descriptive dan didapatkan hasil analisis seperti dibawah ini:

Interprestasi Hasil dari analisis diatas adalah sebagai berikut:

Output diatas menunjukan bahwa jumlah sampel responden (N) ada 6, dari 6 responden ini biaya promsi terkecil (minimum) adalah 12.000 rupiah dan biaya promosi tertinggi (maximum) adalah 15.200 rupiah. Nilai Range merupakan selisih nilai maksimum dengan nilai minimum yaitu sebesar 3.200 rupiah. Rata-rata (Mean(Statistic)) biaya promosi dari 6 sampel adalah 13.483 rupiah dengan Standar error (std. error) 527.04628 dan standar deviasi sebesar 1290.99445.  Nilai skewness sebesar 0,455 dan nilai kortusis 0,845. Data terdistribusi normal jika nilai skewness dan kortusis mendekati nol. Maka, dari hasil nilai skewness dan kortusis diatas dapat disimpulkan bahwa data biaya promosi terdistribusi secara normal.

SELAMAT MENCOBA 

JIKA ADA YANG KELIRU MENURUT PEMBACA SILAHKAN UNTUK KOMENTAR SEHINGGA BISA KITA SAMA-SAMA PERBAIKI, OK

SEMOGA KITA SEMUA BISA SAMA-SAMA MEMBANGUN NEGERI TERCINTA INI DENGAN BERBAGI ILMU. 

CARA MUDAH TRANSFORMASI DATA NOMINAL MENJADI DATA INTERVAL

Maaf, tak pandai aku berbasa-basi tetapi keinginan ku berbagi dan sharing sangatlah besar. Maka oleh sebab itu ku harapakan saran dari para pembaca:

ok, hari ini kita akan bahas bagaimana cara mudah untuk melakukan transformasi data nominal ke interval. Adapun langkah-langkahnya seperti berikut: 

Donwload file .xls berikut ini terlebih dahulu: 

https://drive.google.com/file/d/0B-LOA-2DULTFRERqaTBjMFRUWVk/view?usp=sharing 

Setelah itu buka file .xls yang data nya mau ditransformasikan.

Kemudian buka file excel yang sudah di donwload tadi,

jika sudah dibuka maka akan ada tambahan menu di toolbar excel mu dengan nama "ADD-INS". Dan berikutnya adalah tahapan untuk melakukan transformasi data klik "Statistics"~"Succesive Interval" akan muncul kotak kerja Succesive Interval:

Untuk langkah selanjutnya adalah:

• Masukan data yang ingin ditransformasikan ke kolom "Data Range",
• Pilihlah kolom di excel yang kosong sebagai tempat untuk hasil transformasi data di "Cell Output". ~ klik "Next" maka akan lanjut ke "Select Variabels" klik "Select All" ~ "Next".

•  Berikut nya adalah masukan nilai data minimum dan maximum. Klik "Finish"
  

 Maka akan didapatkan hasil akhir dari proses transformasi data seperti berikut:

SILAHKAN BAGI SAHABAT PEMCABA UNTUK BERKOMENTAR YANG SIFAT NYA MEMBANGUN UNTUK PERBAIKAN DARI TULISAN INI AGAR BERMANFAAT BAGI SEMUA.

MARI BERBAGI ILMU UNTUK PEMBANGUNAN INSAN MUDA CERDAS INDONESIA.

ANALISIS KORELASI DENGAN SPSS

Hello...
how are u all ?
today we are going to share about correlation analysis,..
sok inggris gitu hahahaa
ok langsung lah.. malas banget basa basi, inti nya hari ini dari pagi sampai dengan malam ini nyari inspirasi buat nulis terkait korelasi.

Analisis Korelasi

Koefisien korelasi pearson berguna untuk mengukur tingkat keeratan hubungan linear antara dua variabel. Nilai korelasi berkisar antara -1 sampai +1.

Nilai korelasi negatif berarti hubungan antara 2 variabel negatif. Artinya, apabila salah satu variabel menurun, maka variabel lain meningkat.

Nilai korelasi positif berarti hubungan antara 2 variabel positif. Artinya, apabila salah satu variabel meningkat, maka variabel lain meningkat pula.

Suatu hubungan antara 2 variabel dikatakan berkorelasi kuat apabila mendekati 1 atau |-1|. Sebaliknya suatu hubungan antara 2 variabel dikatakan lemah apabila mendekati 0.

langkah-langkah dalam komputasi nya adalah sebagai berikut:

• Buka work sheet SPSS dan masukan data

• Pilih menu ""Analyze" kemudian pilih "Correlate" ~ pilih "Bivariate"

•  Setelah itu akan tampak tampilan windows correlate bivariate seoerti berikut:

• Masukan variabel yang ingin di analisis korelasi kedalam kotak "Variabel" setelah itu klik "OK" maka akan di dapat hasil output seperti dibawah ini:

Interprestasi hasil output diatas adalah sebagai berikut:

Hipotesis

H0 = Tidak ada korelasi antara ukuran rumah dengan biaya listrik per bulan

H1 = Ada korelasi antara ukuran rumah dengan biaya listrik per bulan

Statistika Uji 

Tingkat signifikansi 

Alpha = 5 % atau 0,05

Daerah Penolakan

Gagal Tolak H0 jika P-value > Alpha

Tolak H0 jika P-value < Alpha 

Keputusan

Tolak H0 karena nilai P-value = 0,018 < nilai Alpha = 0,05

Kesimpulan

Adanya hubungan erat antara Ukuran Rumah dengan Biaya Listrik Per Bulan nya yaitu sekitar 88,8 %. 

BERKOMENTAR KAWAN JIKA ADA YANG KELIRU DENGAN APA YANG SAYA TULISKAN AGAR KITA BISA BERBAGI UNTUK INSAN STATISTIKA LEBIH BAIK DARI HARI INI.

UJI RELIABILITAS MENGGUNAKAN SPSS

Uji Realibilitas

Reliabilitas adalah alat untuk mengukur suatu kuisioner yang merupakan indikator dari variabel atau konstruk.

Oiiyaa hampir lupa untuk menjelaskan apa itu yang disebut dengan "Konstruk" 

Konstruk adalah variabel latent atau un-observed yaitu variabel yang tidak dapat diukur secara langsung, tetapi dibentuk melalui indikator-indikator yang diamati.   

Ok, kembali ke topik tentang Reabilitas.

Suatu kuisioner dikatakan handal jika jawaban responden terhadap pertanyaan-pertanyaan konsisten atau stabil dari waktu ke waktu. Jadi secara sederhana Reliabilitas digunakan untuk mengukur tingkat kekonsistenan tanggapan responden terhadap item pernyataan berdasarkan pemahaman responden terhadap pertanyaan-pertanyaan dalam kuesioner yang diajukan.

Misalnya kita ingin mengukur Tingkat Kesejahteraan Masyarakat Penerima Dana Corporate Social Responsibility CSR)yang diukur dengan 5 indikator yaitu, Sejahtera1, Sejahtera2, Sejahtera3, Sejahtera4, Sejahtera5 yang masing-masing merupakan butir pertanyaan yang mengukur Tingkat Kesahteraan Seorang warga Masyarakat. Jawaban responden terhadap pertanyaan dikatakan reliabel jika masing-masing pertanyaan dijawab secara konsisten atau jawaban tidak acak.

Cara untuk mengukur Reliabilitas dapat dilakukan dengan dua cara:

• Repeated Measure atau pengukuran ulang. Misalkan Seorang responden akan diberikan pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah akan tetap konsisten dengan jawaban sebelumnya.

• One shot atau pengukuran sekali saja. Yaitu pengukuran dilakukan sekali saja dan dibandingkan dengan pertanyaan lain atau mengukur korelasi antara jawaban pertanyaan.

Uji statistik Cronbach Alpha digunakan untuk mengukur reliabilitas. Suatu variabel dikatakan reliabel jika memberikan nilai cronbach alpha > 0.07 (Nunnally, 1994).

Adapun langkah-langkah nya adalah sebagai berikut:

• Buka file data di SPSS

•  Setalah file data terbuka di worksheet lakukan hal berikut: Klik pada toolbar "Analyze" ~ "Scale" ~ "Reliability Analysis" Klik OK

• Maka akan muncul jendela kerja Reliability Analysis seperti berikut. 

• Masukan Indikator (butir pertanyaan) kedalam kotak item dan pilih model alpha. Klik "Statistics" maka akan muncul jendela kerja Reliability Analysis: Statistics seperti berikut: serta centang "item", "scale", "Scale if item deleted", " Correlations" setelah itu Klik "Continue".

•  Hasil output SPSS dari langkah-langkah diatas adalah seperti dibawah ini:

• Pembahasan : Tampilan output diatas menunjukan nilai Cronbach Aplha 95,9 %  yang menurut kriteria Nunnally (1994) bisa dikatakan RELIABEL

DENGAN KAU KOMENTARI APA YANG KU TULIS KITA AKAN SAMA-SAMA BERKEMBANG JADI LEBIH BAIK. MAKA LAKUKAN KAN LAH. 

UJI VALIDITAS MENGGUNAKAN SPSS

A. Uji Validitas

 Uji validitas digunakan untuk sah atau tidaknya suatu kuisioner. Instrumen penelitian dikatakan valid apabila mampu mengukur apa yang diinginkan dan mengungkap data dari variabel yang telah diteliti secara tepat. 

 Misalnya kita ingin mengukur Tingkat Kesejahteraan Masyarakat Penerima Dana Corporate Social Responsibility (CSR)dan seorang warga diberikan 5 pertanyaan, maka pertanyaan tersebut harus dapat secara tepat mengungkapkan Tingkat Kesejahteraan Masyarakat tersebut. 
 Jadi sederhananya validitas adalah suatu keinginan untuk mengukur apakah pertanyaan dalam kuisioner yang sudah kita buat betul-betul dapat mengukur apa yang hendak kita ukur.

cara untuk mengukur validitas dapat dilakukan dengan 3 cara, yaitu:

1. Melakukan korelasi antara skor butir pertanyaan dengan total skor variabel.
2. Melakukan korelasi bivariate antara masing-masing skor indikator dengan skor variabel.
3. Melakukan uji Confirmatory Factor Analysis (CFA).

pada tulisan ini akan di bahas tentang bagaimana cara melakukan validitas dengan korelasi bivariate antara masing-masing skor indikator dengan skor variabel.

Adapun langkah-langkahnya adalah sebagai berikut:

• Masukan data ke worksheet SPSS, serta tambahkan variabel Total skor dengan menjumlah skor per butir pertanyaan terlebih dahulu di MS EXCEL.

• klik toolbar "Analize" ~ "Correlate" ~ "Bevariate" 

• Setelah langkah diatas maka akan muncul Worksheet "Bevariate Correlate" masukan semua variabel (butir pertanyaan) dan variabel total skor kedalam kolom variabel, klik "OK"        

• Berikut adalah hasil output SPSS uji validitas, seperti pada ilustrasi dibawah ini:

• Cara untuk menentuan butir pertanyaan mana saja yang memenuhi persyaratan validitas dari output diatas adalah sebagai berikut:

Agar lebih memudahkan dalam melihat mana saja butir pertanyaan yang valid maka lihatlah nilai Pearson Correlation atau tanda bintang pada kolom Total skor. jika ada tanda bintang maka butir pertanyaan valid. 

atau dengan menyusun pengujian hipotesis seperti berikut:

Bandingkan antara nilai r hitung pada kolom Total skor dengan r tabel setiap butir pertanyaan. 

Hipotesis

H₀ : butir pertanyaan dalam kuesioner yang dibuat belum valid

H₁ : butir pertanyaan dalam kuesioner yang dibuat sudah valid 

Tingkat Signifikansi

Alpha = 5% atau 0,05

Statistik Uji

Nilai korelasi pearson (r_xy)

Daerah Kritis

Tolak H₀ jika, r hitung > r tabel

Gagal Tolak H₀ jika, r hitung < r tabel 

r tabel (0.05, 38) = 0.312 *baca tabel nilai Korelasi pearson

Kesimpulan

Dengan tingkat signifikansi 5% dapat disimpulkan bahwa semua butir pertanyaan dalam kuesioner yang dibuat sudah valid. 

BERBAGI TIDAK AKAN MENJADIKAN SESEORANG MISKIN APALAGI YANG DIBAGIKAN ADALAH ILMU. DENGAN BERBAGI ILMU MAKA KITA SUDAH IKUT SERTA DALAM MEMAJUKAN BANGSA INI SESUAI DENGAN KEMAMPUAN YANG KITA PUNYA.