Pengolahan data
This presentation is the property of its rightful owner.
Sponsored Links
1 / 21

Pengolahan Data PowerPoint PPT Presentation


  • 92 Views
  • Uploaded on
  • Presentation posted in: General

Pengolahan Data. S2 IPK FK UGM Januari 2014. M engola h Data. M enggunakan m etoda ilmu statistik diskripsi yang tepat (sesuai skala dan syarat2 rumus) untuk : a. menghitung besar korelasi (r) atau selisih (d) Mean atauProporsi

Download Presentation

Pengolahan Data

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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Pengolahan data

Pengolahan Data

S2 IPK FK UGM

Januari 2014


M engola h data

MengolahData

  • Menggunakanmetodailmustatistikdiskripsi yang tepat(sesuai skala dan syarat2 rumus) untuk:

    a. menghitungbesarkorelasi(r) atau selisih (d) Mean atauProporsi

    b.menjawabpertanyaanpenelitian (angka dan gambar peringkas)

  • Menggunakan metoda ilmu statistik inferensi untuk menghitungbesarkesalahan sampling bilar/ddan statistik2 peringkasdihitungberdasar data darisampel UA.


Pengolahan data

Contoh Hipotesis Penelitian:

  • Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pembelajarandi Skills Lab” dan“Kompetensiklinik” pada AkBid-AkBid di Indonesia.

  • Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pembelajarandi Skills Lab” dan “Kompetensiklinik” pada mahasiswa AkBid Husada Bakti.


Pengolahan data

Hipotesis 1: X = UA =AkBid; X= subyek (e.g., Mahasiswa) memiliki variabel2 (e.g.“Keterampilanmenolongpersalinan normal”)

SampelMhsAkBidBantul

Pop MhsAkBidBantul

XXXX

R

XXXXXXXXXXXX

XXXXXXXX

XXXXXXXXXXXXXXXX

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX

XXXXXX

XXXXXXXXXXXXXXXXXXXXX

R

SampelAkBid

Pop AkBid


Pengolahan data

Hipotesis 2: X = UA =subyek = Mahasiswa

Populasi

MahasiswaAkBid

Sampel

MahasiswaAkBid

XXXXXXXX

XXXXXXXXXXXXXXXX

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX

XXXXXX

XXXXXXXXXXXXXXXXXXXXX

R


Pengolahan data

Menghitungr

utkPrediktor & Kriterionskala interval /rasio

Hipotesispenelitiandidukungjika

r ≥ rmin


Pengolahan data

Menghitung

r bisatau d

utkVariabelBebasygdimanipulasi

HipotesisPenelitiandidukungjika

rbis ≥ rbis.min

atau

d ≥ dmin

(d = Mean1 - Mean0)


Pengolahan data

Menghiung

rho atautau utk

prediktor & kriterionskala ordinal

Hipotesispenelitiandidukungjika

ρ ≥ ρmin

Atau

τ ≥ τmin


Pengolahan data

Hipotesispenelitian

didukungjika

Φ ≥ φmin & C ≥ C min

MenghitungΦatau C utkPrediktor & Kriterionskala nominal


Hipotesis statistik

Hipotesis Statistik

  • Perlu diujijikar atau ddan statistik2 peringkasdihitungberdasar data darisampelUA.

  • Diujidengan metoda ilmu statistik inferensiyang sesusaidenganskala dan syarat2 rumus:

    a. ujistatistikparametrik jikadata numerik dan distribusi populasi normal.

    b. ujistatistik non-parametrikjika data numerik/ non-numerik (ordinal, nominal) dan tidak mempertimbangkan parameter2 populasi.

    Pelajari pustaka ilmu statistik parametrik & nonparametrik


Pengolahan data

  • Hipotesisstatistik(statistiksampelmewakiliparameterpopulasi) didukungjikakesalahan sampling ≤ batas (α):

    H0 = StatistiktidakmewakiliParameterkarena sampling error terlampaubesar H1 = StatistikmewakiliParameter.

  • Statistik = angka dan gambar peringkas pada sampel.

  • Parameter = angka peringkas pada populasi (huruf Yunani)


Menguji hipotesis statistik

Menguji Hipotesis Statistik

  • Tulis H0.

  • Pilih Uji Statistik (Parametrik atau Nonparametrik)

  • Tetapkan α dan n  diperkecil/diperbesar jika ...?

  • Gambar/bayangkan distribusi sampling dan daerah penolakan H0

  • Hitung nilai uji statistik (menggunakan data sampel).

  • Lihat Tabel Uji Statistik  Jika berada di daerah penolakan tolak H0 dan terima H1


Pengolahan data

  • Contoh Hipotesis Penelitian: Ada hubungan positif bermakna (r ≥ 0.80) antara skor “Skills Lab” dan skor “kompetensi menolong persalinan normal”.

  • H0: r tidak mewakili ρ;probabilitas r di bawah 0.80 sangat kecil (α = 0.05).

    α = probabilitas membuat Type 1 Error (Kesalahan menolak H0)

    β = probabilitas membuat Type 2 Error (Kesalahan menerima H0) = 1 – α = Power uji statistik.

    Kurangi membuat kedua jenis error ini dengan memperbesar n.


Pengolahan data

  • Buat distribusi r sampel  Mean dari dstribusi ini = estimasi ρ; SD dari distribusi ini diestimasi dengan rumus SE = SD sampel dibagi akar n.

  • Daerah penolakan H0 di ekor kanan karena Hipotesis penelitian menunjukkan arah positif dan besar daerah penolakan 0.05.


A 3 rancangan pentafsiran data

A.3. RancanganPentafsiran Data

Logikapentafsiran data yang valid:

Penelitimempertimbangkan

a. validitasdalam - sejauhmanakoefisienkorelasi (ataukoefisenselisih) yang bermaknabukankarenadimoderasioleh moderator2 dan variabel2 confounding yang diabaikan.

b. validitasluar– sejauhmanahasilpenelitianberlakuuntuk subyek2 diluarpopulasipenelitian.


Pengolahan data

Untukmeningkatkanvaliditasdalampenelitidapatmelakukan:

  • Analisismultivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterionataukeduanya.

    Nilaitambah: Validitas external tinggi

    Nilaikurang: Membutuhkanjumlah unit analisis yang besar


Pengolahan data

  • Mengontrol (membuatkonstan)

    a. moderator2 spesifikdenganKorelasiParsial, kriteriainklusidankelompokkontrolygdiMatch.

    Nilaikurang: Validitas external berkurang; matching cocokjikavariabelbebasdimanipulasi

    b. moderator2 tidakspesifik (variabel2 perancu) denganPenempatansecaraacakkekelompokkontroldan Pre-test.

    Nilaikurang: Cocokjikavariabelbebasdimanipulasi; Validitas external berkurang.


Variabel2 perancu

Variabel2 Perancu

  • History – variabel2 lingkungan

  • Maturasi – variabel2 intra subyek

  • Testing – variabel2 pengukuran

  • Instrumentasi – variabel2 alatukur

  • Seleksidiferensial – variabel2 inter-subyek

  • Tendensisentral – variabel2 subyekextrem

  • Mortalitas – variabel2 subyek yang drop-out

    Lihat: Campbell, D.T., & Stanley, J.C. (1963). Experimental and quasi-experimental designs for research. Chicago: Rand McNally College.


Pengolahan data

Denganpenempatanacak unit2 analisiske kelompok2 kontroldiharapkan data variabel2 perancusamadi kelompok2 tsb, kecualiMortalitas

X1

Populasi

R

Sampel

R

R

X0


Pengolahan data

  • Cara mengendalikanMortalitasdengan Pre-test (untukmelihatsiapa yang drop-out)

  • HipotesispenelitiandidukungjikaSelisih Mean Opostkeduakelompok ≥ Selisih Mean Minimum (yang dipatoksebelumpenelitiandimulai).

  • Oprejugadapatdigunakanuntukmelihatapakah unit2 analisiskeduakelompoksetaradalamhalvariabelterikatsebelum V bebasdimanipulasi.

R O X1 O

R O X0 O


Pengolahan data

Validitas external menurunkarenaadakemungkinan

  • interaksiantara Pre-test denganIntervensi

  • InteraksiantaraSeleksidenganIntervensi

  • Pengaturan2 khusus


  • Login