Saturday, 15 Dec 2018

Statistika

Kumpulan artikel Statistika deksriptif dan inferensial: Dasar-dasar Statistika (Pengertian Statistika, Populasi dan Sampel, Variabel dan Data, Skala Pengukuran Variabel); Statistik Deskriptif (Pengertian Statistika Deskriptif, Ukuran Pemusatan Data, Ukuran Penyebaran, Contoh Perhitungan Skewness dan Kurtosis, Distribusi Frekuensi); Eksplorasi Data (Analisis data eksploratif, Stemplot, Mengenal Box-Plot); Korelasi dan Regresi; Uji t Student (Uji t-student, Uji-t 2 Populasi dengan Ragam Homogen, Uji t-student 2 populasi dengan Ragam Heterogen, Uji t Berpasangan); dan beberapa uji Non-Parametrik (Uji McNemar, Uji Wilcoxon Untuk Data Berpasangan)

Stemplot (Stem-and-Leaf Plot)

Stem and Leaf PlotPenyajian lain yang mirip dengan histogram adalah Stemplot. Stemplot juga dikenal sebagai stem-and-leaf plot atau apabila diterjemahkan ke dalam bahasa indonesia berarti plot batang dan daun. Di dalam statistik, stemplot merupakan alat untuk menyajikan data kuantitatif dalam format grafis, mirip dengan histogram, yaitu untuk membantu dalam memvisualisasikan bentuk distribusi data yang sering digunakan dalam analisis eksplorasi.

Stemplot diperkenalkan oleh Arthur Bowley di awal tahun 1900-an. Namun penggunaannya secara umum baru dimulai pada tahun 1980 setelah John Tukey's mempublikasikan Exploratory Data Analysis pada tahun 1977. Stem-and-leaf plot memberikan informasi lebih banyak tentang nilai yang sebenarnya dibanding histogram. Seperti dalam histogram, panjang setiap batang sesuai dengan jumlah kejadian yang jatuh ke dalam interval tertentu. Pada Histogram. kita hanya bisa melihat nilai frekuensi dari data namun kita tidak tahu berapa nilai angka sebenarnya. Berbeda dengan histogram, pada Stem-and-leaf plot selain kita bisa mengetahui nilai frekuensinya, kita pun bisa tau berapa nilai data sebenarnya. Hal ini dilakukan dengan membagi nilai-nilai yang diamati menjadi dua komponen, stem dan leaf.

Read more: Stemplot (Stem-and-Leaf Plot)

Mengenal Box-Plot (Box and Whisker Plots)

gambar box-plotBaik histogram dan stem-and-leaf plots berguna untuk memberikan gambaran ukuran tendensi sentral dan kesimetrisan data pengamatan. Penyajian grafis lainnya yang bisa merangkum informasi lebih detail mengenai distribusi nilai-nilai data pengamatan adalah Box and Whisker Plots atau lebih sering disebut dengan BoxPlot atau Box-Plot (kotak-plot) saja. Seperti namanya, Box and Whisker, bentuknya terdiri dari Box (kotak) dan whisker.

Box-Plot merupakan ringkasan distribusi sampel yang disajikan secara grafis yang bisa menggambarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran penyebaran (keragaman) data pengamatan.
Pada artikel Mengenal Box-Plot (Box and Whisker Plots) ini akan diuraikan secara rinci mengenai manfaat Box-Plot dalam menjelaskan ukuran tendensi sentral serta rincian detail bagian-bagian dari Box-Plot.

Read more: Mengenal Box-Plot (Box and Whisker Plots)

Korelasi Pearson

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan salah satu variabel disertai dengan perubahan variabel lainnya, baik dalam arah yang sama ataupun arah yang sebaliknya. Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan. Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien korelasinya mendekati nol, misalnya pada kasus hubungan non linier.

Dengan demikian, koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada hubungan non linier. Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-akibat.

Read more: Korelasi Pearson

Uji t-student

Untuk membandingkan nilai tengah populasi dengan nilai tertentu antau dengan nilai tengah populasi lainnya bisa dilakukan dengan uji z. Namun uji z hanya bisa digunakan apabila data berdistribusi normal serta ragam populasi diketahui.
Pada kenyataannya, jarang sekali kita bisa mengetahui nilai parameter suatu populasi dengan pasti, sehingga kita hanya bisa menduga parameter populasi tersebut dari sampel yang kita ambil. Karena kita tidak mengetahui berapa simpangan baku populasi, σ, maka nilai ini ditaksir dengan simpangan baku sampel, s, yang dihitung dari sampel. Hanya saja, untuk sampel berukuran kecil, s bukanlah nilai taksiran yang akurat untuk σ sehingga tidak valid lagi apabila kita menggunakannya untuk uji z. Untuk ukuran sampel yang kecil, kita bisa mendekatinya dengan menggunakan uji t-student.

Read more: Uji t-student

Uji-t 2 Populasi dengan Ragam Homogen

Uji-t 2 Populasi dengan Ragam Homogen (Menguji Kesamaan dua rata-rata). Pada uji-t satu sampel kita hanya membandingkan suatu populasi dengan suatu nilai tertentu, namun pada kenyataannya kasus yang menggunakan jenis uji ini sangat jarang terjadi. Para peneliti, khususnya di bidang pertanian, lebih banyak meneliti kasus-kasus yang memerlukan perbandingan antara dua keadaan atau dua rata-rata populasi.

Sebelum kita melakukan analisis, harus diperhatikan terlebih dahulu apakah kedua populasi tersebut berasal dari distribusi normal, apakah kedua ragam populasi tersebut sama? Hal ini akan memandu kita dalam memilih metode dan rumus yang tepat dalam melakukan analisis uji-t untuk membandingkan kedua nilai rata-rata populasi.

Read more: Uji-t 2 Populasi dengan Ragam Homogen



Please share...!



Komentar Anda?