Tugas Statistika 2
Tugas Statistika
ini adalah tugas statistika saya yang kedua. tugasnya yaitu menyelesaikan tugas - tugas berikut
SOAL
1. Definisi statistika
2. Jenis - jenis pengambilan sampel
3. Jenis - jenis pengukuran skala
4. Notasi sigma dengan variable Y
5. Definisi distribusi frekuensi dan cara pembuatannya
6. Mencari distribusi frekuensi dan histogram dengan MS Excel
JAWABAN
1. Statistika adalah ilmu pengetahuan yang mempelajari metode yang paling efisien tentang cara‑cara pengumpulan, pengolahan, penyajian serta analisis data, penarikan kesimpulan serta pembuatan keputusan yang cukup beralasan berdasarkan data dan analisa yang dilakukan.
2.
• Teknik sampling secara probabilitas
• Teknik sampling secara probabilitas
Teknik sampling probabilitas atau random sampling merupakan teknik sampling yang dilakukan dengan memberikan peluang atau kesempatan kepada seluruh anggota populasi untuk menjadi sampel. Dengan demikian sampel yang diperoleh diharapkan merupakan sampel yang representatif.
Teknik sampling semacam ini dapat dilakukan dengan cara-cara sebagai berikut.
a) Teknik sampling secara rambang sederhana atau random sampling. Cara paling populer yang dipakai dalam proses penarikan sampel rambang sederhana adalah dengan undian.
b) Teknik sampling secara sistematis (systematic sampling). Prosedur ini berupa penarikan sample dengan cara mengambil setiap kasus (nomor urut) yang kesekian dari daftar populasi.
c) Teknik sampling secara rambang proporsional (proporsional random sampling). Jika populasi terdiri dari subpopulasi-subpopulasi maka sample penelitian diambil dari setiap subpopulasi. Adapun cara peng-ambilannya dapat dilakukan secara undian maupun sistematis.
d) Teknik sampling secara rambang bertingkat. Bila subpoplulasi-subpopulasi sifatnya bertingkat, cara pengambilan sampel sama seperti pada teknik sampling secara proportional.
e) Teknik sampling secara kluster (cluster sampling) Ada kalanya peneliti tidak tahu persis karakteristik populasi yang ingin dijadikan subjek penelitian karena populasi tersebar di wilayah yang amat luas. Untuk itu peneliti hanya dapat menentukan sampel wilayah, berupa kelompok klaster yang ditentukan secara bertahap. Teknik pengambilan sample semacam ini disebut cluster sampling atau multi-stage sampling.
• Teknik sampling secara non-probabilitas
Teknik non-probability sampling bahwa setiap anggota populasi memiliki peluang nol. Artinya, pengambilan sampel didasarkan kriteria tertentu seperti judgment, status, kuantitas, kesukarelaan dan sebagainya.
Ada bermacam-macam metode non-probability sampling dengan turunan dan variasinya, tapi paling populer sebagai berikut:
Teknik non-probability sampling bahwa setiap anggota populasi memiliki peluang nol. Artinya, pengambilan sampel didasarkan kriteria tertentu seperti judgment, status, kuantitas, kesukarelaan dan sebagainya.
Ada bermacam-macam metode non-probability sampling dengan turunan dan variasinya, tapi paling populer sebagai berikut:
a) Sampling Kuota (Quota Sampling). Mirip stratified sampling yaitu berdasarkan proporsi ciri-ciri tertentu untuk menghindari bias. Misalnya, jumlah sampel laki-laki 50 orang maka sampel perempuan juga 50 orang.
b) Sampling Kebetulan (Accidental Sampling). Pengambilan sampel didasarkan pada kenyataan bahwa mereka kebetulan muncul. Misalnya, populasi adalah setiap pegguna jalan tol, maka peneliti mengambil sampel dari orang-orang yang kebetulan melintas di jalan tersebut pada waktu pengamatan.
c) Sampling Purposive (Purposive or Judgemental Sampling). Pengambilan sampel berdasarkan seleksi khusus. Peneliti membuat kriteria tertentu siapa yang dijadikan sebagai informan. Misalnya, Anda meneliti kriminalitas di Kota Semarang, maka Anda mengambil informan yaitu Kapolresta Semarang, seorang pelaku kriminal dan seorang korban kriminal.
d) Sampling Sukarela (Voluntary Sampling). Pengambilan sampel berdasarkan kerelaan untuk berpartisipasi dalam penelitian. Metode ini paling umum digunakan dalam jajak pendapat.
e) Sampling Snowball (Snowball Sampling). Pengambilan sampel berdasarkan penelusuran sampel sebelumnya. Misalnya, penelitian tentang korupsi bahwa sumber informan pertama mengarah kepada informan kedua lalu informan ke tiga dan seterusnya.
3.
Skala Nominal (Skala Label)
Skala ini menempatkan angka sebagai atribut objek. Tidak memiliki efek evaluatif karena hanya menempatkan angka ke dalam kategori tanpa struktur, tidak memiliki peringkat dan tidak ada jarak.
Contoh Data Variable :
- Ya = 1 dan Tidak = 0
- Pria = 1 dan Wanita = 0
- Hitam = 1, Abu-abu = 2, Putih = 2
Analisis Statistik :
Angka tidak bermakna matematika. Analisis statistik yang dapat digunakan berada dalam kelompok non-parametrik yaitu frekuensi dan tabulasi silang dengan Chi-square.
Skala Ordinal (Skala Peringkat)
Skala ordinal memiliki peringkat, tapi tidak ada jarak posisional objektif antar angka karena angka yang tercipta bersifat relatif subjektif. Skala ini menjadi dasar dalam Skala Likert.
Contoh Data Variable :
• Sangat Tidak Setuju = 1
Tidak Setuju = 2
Tidak Tahu = 3
Setuju = 4
Sangat Setuju = 5
• Pendek = 1
Sedang = 2
Tinggi = 3
• Sangat Tidak Setuju = 1
Tidak Setuju = 2
Tidak Tahu = 3
Setuju = 4
Sangat Setuju = 5
• Pendek = 1
Sedang = 2
Tinggi = 3
Analisis Statistik :
Angka 1 lebih rendah dari angka 2 dalam peringkat, tapi tidak bisa dilakukan operasi matematika. Data ordinal menggunakan statistik non-parametrik mencakup frekuensi, median dan modus, Spearman rank-order correlation dan analisis varian.
Skala Interval (Skala Jarak)
Skala interval adalah skala ordinal yang memiliki poin jarak objektif dalam keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masing-masing angka.
Contoh Data Variable :
• Umur 20-30 tahun = 1
Umur 31-40 tahun = 2
Umur 41-50 tahun = 3
• Suhu 0-50 Celsius = 1
Suhu 51-100 Celsius = 2
Suhu 101-150 Celsius = 3
• Umur 20-30 tahun = 1
Umur 31-40 tahun = 2
Umur 41-50 tahun = 3
• Suhu 0-50 Celsius = 1
Suhu 51-100 Celsius = 2
Suhu 101-150 Celsius = 3
Analisis Statistik :
Angka 3 berarti lebih tua atau lebih panas dari angka 2 setara dengan angka 2 terhadap angka 1, bisa operasi penjumlahan dan pengurangan. Statistik parametrik yaitu deviasi mean dan standar, korelasi r, regresi, analisis varian dan analisis faktor ditambah berbagai multivariat.
Skala Rasio (Skala Mutlak)
Skala rasio adalah skala interval yang memiliki nol mutlak.
Contoh Data Variable :
• 0 tahun, 1 tahun, 2 tahun, 3 tahun, ..... dst.
• ..... -3C, -2C, -1C, 0C, 1C, 2C, 3C, ..... dst.
• ..... 0,71m ..... 5,38m ..... 12,42m ..... dst.
• 0 tahun, 1 tahun, 2 tahun, 3 tahun, ..... dst.
• ..... -3C, -2C, -1C, 0C, 1C, 2C, 3C, ..... dst.
• ..... 0,71m ..... 5,38m ..... 12,42m ..... dst.
Analisis Statistik :
Berlaku semua operasi matematika. Analisis statistik sama dengan skala interval.
4.
Dan jawabannya adalah ...
Atau kalian bisa download contoh soalnya dengan format Ms Word di Link Ini
5. Definisi Distribusi Frekuensi
Distribusi ( distribusi
bahasa inggris ) berarti “ penyaluran” pembagian atau pencaran jadi
distribusi frekuensi dapat diberi arti “ penyaluran fekuensi “ pembagian
frekuensi atau pencaran frekuensi “ dalam statistik, “ distribusi frekuensi”
kurang lebih mengandung pengertian suatu keadaan yang menggambarkan bagaimana
frekuensi dari gejala atau variabel yang dilambangkan dengan angka itu, telah
tersalur, terbagi, atau terpencar.
Data
yang telah diperoleh dari suatu penelitian yang masih berupa data acak yang
dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke
dalam kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut
distribusi frekuensi atau tabel frekuensi. Distribusi frekuensi adalah susunan
data menurut kelas interval tertentu atau menurut kategori tertentu dalam
sebuah daftar (Hasan, 2001).
Langkah-langkah dalam menyusun tabel distribusi frekuensi:
1) Urutkan data, biasanya diurutkan dari nilai yang paling kecil. Tujuannya agar range data diketahui dan mempermudah penghitungan frekuensi tiap kelas
2) Tentukan range (rentang atau jangkauan). Range = nilai maksimum – nilai minimum.
3) Tentukan banyak kelas yang diinginkan. Jangan terlalu banyak/sedikit, berkisar antara 5 dan 20, tergantung dari banyak dan sebaran datanya.
Aturan Sturges:
Banyak kelas = 1 + 3.3 log n, dimana n = banyaknya data
4) Tentukan panjang/lebar kelas interval (p). Panjang kelas (p) = [rentang]/[banyak kelas]
5) Tentukan nilai ujung bawah kelas interval pertama
6. Distribusi Frekuensi Dan Histogram
ini adalah contoh data mentah yang akan saya gunakan dalam pembuatan distribusi frekuensi dan histogram.
Bin Range nya sudah saya tentukan dari awal agar nanti tabel distribusi frekuensinya rapih. dalam pembuatan distribusi frekuensi dan histogram, kita menggunakan data analysis yang disediakan MS Excel hingga hasilnya seperti gambar di bawah ini.
SUMBER :
Komentar
Posting Komentar