1 / 21

Pengolahan Data

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

tacy
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. 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. Pengolahan Data S2 IPK FK UGM Januari 2014

  2. 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.

  3. 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.

  4. 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

  5. Hipotesis 2: X = UA =subyek = Mahasiswa Populasi MahasiswaAkBid Sampel MahasiswaAkBid XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R

  6. Menghitungr utkPrediktor & Kriterionskala interval /rasio Hipotesispenelitiandidukungjika r ≥ rmin

  7. Menghitung r bisatau d utkVariabelBebasygdimanipulasi HipotesisPenelitiandidukungjika rbis ≥ rbis.min atau d ≥ dmin (d = Mean1 - Mean0)

  8. Menghiung rho atautau utk prediktor & kriterionskala ordinal Hipotesispenelitiandidukungjika ρ ≥ ρmin Atau τ ≥ τmin

  9. Hipotesispenelitian didukungjika Φ ≥ φmin & C ≥ C min MenghitungΦatau C utkPrediktor & Kriterionskala nominal

  10. 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

  11. 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)

  12. 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

  13. 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.

  14. 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.

  15. 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.

  16. Untukmeningkatkanvaliditasdalampenelitidapatmelakukan: • Analisismultivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterionataukeduanya. Nilaitambah: Validitas external tinggi Nilaikurang: Membutuhkanjumlah unit analisis yang besar

  17. 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.

  18. 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.

  19. Denganpenempatanacak unit2 analisiske kelompok2 kontroldiharapkan data variabel2 perancusamadi kelompok2 tsb, kecualiMortalitas X1 Populasi R Sampel R R X0

  20. 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

  21. Validitas external menurunkarenaadakemungkinan • interaksiantara Pre-test denganIntervensi • InteraksiantaraSeleksidenganIntervensi • Pengaturan2 khusus

More Related