1 / 139

ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI

ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI. Grafik dibawah ini disebut grafik Histogram. Menggambarkan perbedaan berat badan Ati, Bambang, serta Andi dari Tahun 1999 – 2002. TUJUAN INSTRUKSIONAL KHUSUS. Mampu menjelaskan arti statistik deskriptif Mampu menjelaskan arti tendency central

sylvie
Download Presentation

ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI • Grafik dibawah ini disebut grafik Histogram. • Menggambarkan perbedaan berat badan Ati, Bambang, serta Andi dari Tahun 1999 – 2002.

  2. TUJUAN INSTRUKSIONAL KHUSUS • Mampu menjelaskan arti statistik deskriptif • Mampu menjelaskan arti tendency central • Mampu menjelaskan arti MODUS, MEDIAN, MEAN, RANGE, VARIANS, SD, GRAFIK HISTOGRAM, GRAFIK POLIGON, GRAFIK PIE, TABEL DISTRIBUSI FREKUENSI.

  3. Mampu menghitung Mode, median, dan mean. (dengan manual dan SPSS) • Mampu menjelaskan arti Dispersi • Mampu menghitung range, SD, dan variance. ( dengan SPSS) • Mampu menyusun tabel distribusi frekuensi • Mampu membaca tabel-tabel distribusi frekuensi

  4. Mampu membuat grafik Histogram, Poligon, serta Pie dengan SPSS. • Mampu membaca grafik Histogram, Polygon, serta Pie. • Mampu menjelaskan macam-macam hubungan antara dua variabel dengan rumus yang sesuai • Mampu menganalisis tabel-abel asosiasi dari berbagai skala variabel

  5. Mampu menghitung hubungan dua variabel dengan rumus Rank Kendall, Spearman, Lambda, Gamma, Pearson dengan SPSS • Mampu menganalisis hubungan variabel terseut diatas

  6. ANALISIS DATA • Kategorisasi, pengurutan, peringkasan data untuk memperoleh jawaban atas permasalahan dalam penelitian. • Tujuan : untuk menyederhanakan data, dapat dipahami dengan mudah, dapat dinterpretasikan dengan mudah.

  7. TEKNIK-TEKNIK ANALISIS • Distribusi Frekuensi • Grafik • Tendensi sentral • Dispersi • Analisis Hubungan • Dls.

  8. DASAR PEMILIHAN TEKNIK ANALISIS • Rumusan masalah • Tujuan penelitian • Hipotesis • Metode penelitian

  9. Keterkaitan Rumusan Masalah, Tujuan Penelitian, Hipotesis, Metode Penelitian dan Analisis

  10. TEKNIK ANALISIS MENURUT TINGKAT PENGUKURAN

  11. ALUR ANALISIS DATA Instrumen Pengumpulan Data Data Empiris Pd Instrumen Coding Matrik Data Tabel-tabel Frekensi Silang Grafik-grafik Statistik Manual Komputer

  12. PENGERTIAN STATISTIK DESKRIPTIP • Statistik berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi, tanpa membuat kesimpulan yang berlaku umum.

  13. DALAM STATISTIK DESKRIPTIF • Penyajian data dengan : • Tabel distribusi frekuensi • Grafik polygon, histogram, pie. • Mean, median, modus • Range, SD, Varians

  14. RUMUS MEAN • MEAN =

  15. RUMUS MEDIAN • Harus diurutkan dari data kecil ke besar • Arti : • Suatu nilai yang membagi dua sama besar suatu deretan nilai atau distribusi frekuensi sehingga pengamatan di kedua bagian sama • Letak median = (n+1) : 2 • Nilai median

  16. MEDIAN D A T A MEDIAN

  17. DASAR MEDIAN MEDIAN DESIL KWARTIL PERSENTIL

  18. KWARTIL • Data Diurutkan • Rumus letak K1 = • Nilai (cari) • K2 dan K3 cara pembuatan rumus sama D A T A K1 K2 K3

  19. RUMUS UMUMKWARTIL • Ki =

  20. DESIL • D1 sampai dengan D9 • Letak D1 : • Nilai D1(cari) D1 D2 D3 D4 D5 D6 D7 D8 D9

  21. PERSENTIL • P1 sampai dengan P99 • Letak P1 : • Nilai D1(cari) P1 P2 P3 P4 P5 P6 P7 P99

  22. RUMUS MODUS • Merupakan suatu pengamatan dalam distribusi frekuensi yang memiliki jumlah pengamatan dimana jumlah frekuensinya paling besar/ paling banyak. • Untuk suatu distribusi frekuensi tertentu mungkin saja memiliki modus lebih dari satu

  23. Contoh Modus Modus = 125.000.000,00

  24. UKURAN KECENDERUNGAN TENGAH ( TENDENCY CENTRAL)

  25. CARA MEMBUAT GRAFIK

  26. GRAFIK POLIGON Condong kiri Neg Condong kanan (pos) SIMETRIS

  27. POLYGON SIMETRIS Mean MEAN = MEDIAN = MODUS

  28. POLYGON CONDONG KEKANAN (Juling Pos) + Mo Med Mean

  29. POLYGON CONDONG KEKIRI (Juling Neg) F R E K U E N S I + Mo Mean NILAI Med

  30. BEBERAPA BENTUK KURVE • KURVE YANG SIMETRIS • KURVE YANG A - SIMETRIS

  31. KURVE SIMETRIS • Apabila dilipat tepat di tengah-tengahnya maka setengah lipatan bagian kiri akan menutup tepat setengah lipatan bagian kanan

  32. KURVE-KURVE SIMETRIS

  33. BEL NORMAL/ NORMAL f Mean MEAN = MEDIAN = MODUS NILAI

  34. TRAPESIUM/ RECTANGULAR f NILAI

  35. BEL LANGSING/ LEPTOKURTIK f NILAI

  36. BEL GEMUK/ PLATKURTIK f NILAI

  37. KURVE “U” f NILAI

  38. SIMETRI DWI MODE f NILAI

  39. KURVE A - SIMETRI • Lebih dikenal dengan nama “KURVE JULING” • Kejulingan ditentukan oleh EKORNYA • Jika EKOR SEBELAH KANAN , maka JULING POSITIP KURVE G • JIKA EKOR SEBELAH KIRI , MAKA JULING NEGATIF ( KURVE H DAN I )

  40. GRAFIK POLIGON Condong kiri Neg/H/Cerdas Condong kanan (pos)/G/Kurang cerdas SIMETRIS

  41. KURVE JULING NEGATIF f I NILAI

  42. KURVE “L” f J NILAI BERBENTUK HURUF L

  43. KURTOSIS (KELANCIPAN) Fariasi Sangat rendah f Variasi Sangat besar SIMETRIS MEAN = MEDIAN = MODUS

  44. POSITIF CONDONG KEKANAN (Juling Pos) + Mo Med Mean

  45. NEGATIF CONDONG KEKIRI (Juling Neg) F R E K U E N S I + Mo Mean NILAI Med

  46. KEMENCENGAN (SKEWNESS)

  47. UKURAN DISPERSI MERUPAKAN SUATU METODE ANALISIS YANG DITUJUKAN UNTUK MENGUKUR BESARNYA PENYIMPANGAN / PENYEBARAN DARI DISTRIBUSI DATA YANG DIPEROLEH TERHADAP NILAI SENTRALNYA.

  48. ALASAN : “APAKAH NILAI RATA-RATA TERSEBUT MEMANG SUDAH DIANGGAP MAMPU MENJELASKAN KEADAAN POPULASI YANG SEBENARNYA.

  49. DISPERSI : DAPAT DIGUNAKAN SEBAGAI PENGUKUR KUALITAS (QUALITY CONTROL) DARI PRODUK YANG DIHASILKAN

More Related