ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI

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
NO Rumusan Masalah Tujuan Penel. Hipote-sis Pen Metode Penel Analisis
1 Apa Meng-gam-barkan - Kasus, deskrip-tip Distribusi frekuen-i
2 Mengapa Analisis Hubung-an korelasi
10
TEKNIK ANALISIS MENURUT TINGKAT PENGUKURAN
NO TINGKAT SKALA PENGUKURAN TEKNIK ANALISIS STATISTIK
1 Nominal Modus, Chi Square Koef. Korelasi, Lamda
2 Ordinal Modus, Median, Spearman, Kendall, Gamma
3 Interval Modus, Median, Mean, Range, Kuartil SD, Variance, Korelasi Pearso, Regresi.
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 (n1) 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)

D A T A
D1
D2
D3
D4
D5
D6
D7
D8
D9
21
PERSENTIL

• P1 sampai dengan P99
• Letak P1
• Nilai D1(cari)

D A T A
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
Toko Keuntungan (Rp)
X1 1.000.000,00
X2 8.000.000,00
X3 120.000.000,00
X4 125.000.000,00
X5 75.000.000,00
X6 150.000.000,00
X7 125.000.000,00
Modus 125.000.000,00
24
UKURAN KECENDERUNGAN TENGAH ( TENDENCY CENTRAL)
Tingkat Ukuran Mode Median Mean
Interval X X X
Ordinal X X
Nominal X
Median Hanya dapat diperoleh dari data yang bersifat Interval dan Ordinal
Mean Hanya dapat diperoleh dari data yang bersifat Interval/ Ratio
25
CARA MEMBUAT GRAFIK
Grafik Sumbu x
Histogram Batas nyata, titik tengah
Polygon Titik Tengah
Ogive (cf) Batas nyata
Pie
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
(No Transcript)
48
UKURAN DISPERSI

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

49
ALASAN

• APAKAH NILAI RATA-RATA TERSEBUT MEMANG SUDAH
  DIANGGAP MAMPU MENJELASKAN KEADAAN POPULASI YANG
  SEBENARNYA.

50
DISPERSI

• DAPAT DIGUNAKAN SEBAGAI PENGUKUR KUALITAS
  (QUALITY CONTROL) DARI PRODUK YANG DIHASILKAN

51
CONTOH

• PT INDOCEMENT YANG SETIAP HARINYA MENGHASILKAN
  RATA RATA 500.000 ZAK SEMEN _at_ 40 KG TIAP ZAKNYA
• UNTUK MELIHAT PENYIMPANGAN MAKA DENGAN RANDOM
  MISALNYA 500 SAMPEL ZAK

52
SAMPEL BERAT/KG KETERANGAN
1 40 KG TIDAK TERJADI PENYIMPANGAN
2 40 KG TIDAK TERJADI PENYIMPANGAN
3 40 KG TIDAK TERJADI PENYIMPANGAN
5 40 KG TIDAK TERJADI PENYIMPANGAN
- 40 KG TIDAK TERJADI PENYIMPANGAN
- 40 KG TIDAK TERJADI PENYIMPANGAN
500 40 KG TIDAK TERJADI PENYIMPANGAN
53
KESIMPULAN

• MESIN MASIH BEKERJA DENGAN BAIK.
• KARENA RATA-RATA BERAT ZAKNYA SESUAI DENGAN
  KETENTUAN YANG DIKEHENDAKI

54
contoh
SAMPEL BERAT/KG KETERANGAN
1 42,1 TERJADI PENYIMPANGAN
2 36,8 TERJADI PENYIMPANGAN
3 40,2 TERJADI PENYIMPANGAN
5 42 TERJADI PENYIMPANGAN
- - TERJADI PENYIMPANGAN
- - TERJADI PENYIMPANGAN
500 39,2 TERJADI PENYIMPANGAN
55
KESIMPULAN

1. ADA MESIN YANG BEKERJA TIDAK BAIK.
2. ARTINYA PERLU MENGECEK KEMBALI MESIN-MESIN YANG
   DIGUNAKAN PADA PROSES PRODUKSI TERSEBUT.

56
MACAM-MACAM UKURAN DISPERSI

1. RANGE (JANGKAUAN)/ RENTANGAN
2. DEVIASI RATA-RATA (AVERATE DEVIATION) DAN MEAN
   DEVIATION
3. DEVIASI STANDARD (STANDARD DEVIATION) DAN
   VARIANCE
4. DEVIASI KUARTIL (QUARTILE DEVIATION)

57
RANGE

• RELATIF KASAR
• RANGE KECIL, BERARTI BAHWA SUATU DISTRIBUSI
  MEMILIKI RANGKAIAN DATA YANG LEBIH HOMOGEN

58
CONTOH (1)KEUNTUNGAN YANG DIPEROLEH 8 TOKO
KELONTONG DI JALAN SOLO
TOKO KEUNTUNGAN (Rp)
A 4000
B 5000
C 6000
D 5000
E 4000
F 6000
G 5500
H 4500
59
VARIASI RELATIF KECIL (HOMOGEN)
TOKO KEUNTUNGAN (Rp)
A 4000
B 5000
C 6000
D 5000
E 4000
F 6000
G 5500
H 4500
60
VARIASI RELATIF KECIL (HOMOGEN)
61
DARI DATA DIATAS RATA-RATA KEUNTUNGAN
62
CONTOH (2)KEUNTUNGAN YANG DIPEROLEH 8 TOKO
KELONTONG DI JALAN SEMARANG
TOKO KEUNTUNGAN (Rp)
A 1.000
B 9.000
C 5.000
D 4.000
E 6.000
F 5.000
G 9.500
H 5.000
63
DARI DATA DIATAS RATA-RATA KEUNTUNGAN
64
VARIASI RELATIF BESAR (HETEROGEN)
Frek
65
RATA-RATA
66
PERBANDINGAN

• KEDUA CONTOH TERSEBUT DIATAS RATA-RATA SAMA
  5.000
• TETAPI KEDUA TOKO TERSEBUT MEMILIKI PERBEDAAN
  DALAM PENYEBARANNYA
• CONTOH (1) RANGE KECIL 6.000-4.000 2.000
  (HOMOGEN)
• CONTOH (2) RANGE BESAR 9.500 500 9.000
  (HETEROGEN)

67
KESIMPULAN

• RANGE SEMAKIN RENDAH SEMAKIN HOMOGEN

68
MEAN DEVIATION(DISEBUT DEVIASI RATA-RATA/AVERAGE
DEVIATION)

• MERUPAKAN PENYEBARAN DATA ATAU ANGKA-ANGKA ATAS
  DASAR JARAK (DEVIASI) DARI PELBAGAI ANGKA-ANGKA
  DARI RATA-RATA NYA

69
RUMUS DATA TIDAK BERKELOMPOK
atau
70

• Keterangan

MD MEAN DEVIATION
TANDA NILAI ABSOLUT (HARGA MUTLAK)
Xi NILAI DARI DATA PENELITIAN
MENUNJUKKAN NILAI DARI X1 SAMPAI DENGAN Xn
N JUMLAH DATA
µ/ X bar NILAI RATA-RATA (MEAN)
71
CONTOH KEUNTUNGAN YANG DIPEROLEH 5 TOKO
KELONTONG DI JALAN Soo
TOKO KEUNTUNGAN (Rp)
A 4.000
B 5.000
C 6.000
D 5.000
E 5.000
RATA-RATA 5.000
72
Xi X bar
4.000 5.000 1.000
5.000 5.000 0
6.000 5.000 1.000
5.000 5.000 0
5.000 5.000 0
TOTAL TOTAL 2.000
73
2.000
2000/5 400
74
MD DATA BERKELOMPOK
ATAU
75
DATA BERKELOMPOK

• Keterangan

MD MEAN DEVIATION
TANDA NILAI ABSOLUT (HARGA MUTLAK)
F FREKUENSI PADA MASING-MASING KELAS
M MID POINT/ TITIK TENGAH/ CLASS MARK
N JUMLAH DATA
µ/ X bar NILAI RATA-RATA (MEAN)
76
CONTOH
NILAI F(f) M(Titik Tengah) FM X bar
50 - 55 1 52,5 52,5 75,52 23,02 23,02
56 61 2 58,5 117 75,52 17,02 34,04
62 67 17 64,5 1.096,5 75,52 11,02 187,34
68 73 13 70,5 916,5 75,52 5,02 65,26
74 79 24 76,5 1.836 75,52 0,98 23,52
80 85 9 82,5 742,5 75,52 6,98 62,82
86 - 91 7 88,5 619,5 75,52 12,98 90,86
92 - 97 7 94,5 661,5 75,52 18,98 132,86
80 6042 619,82
77
Contoh
NILAI F(f) M(Titik Tengah) FM X bar
80 6042 619,82
MD 619,82/80 7,14
78
CARA MENGHITUNG MD

1. CARILAH NILAI MID POINT (M)/ TITIK TENGAH PADA
   MASING-MASING KELAS (M)
2. CARILAH DEVIASI MUTLAK (ABSOLUT) YAITU SELISIH
   ANTARA MID POINT DENGAN NILAI RATA-RATA ( X BAR)
   / M ATAU

79

• KALIKAN HASIL NO.2 DENGAN MASING-MASING FREKUENSI
  KELASNYA
• JUMLAHKAN MASING-MASING HASIL NO.3
• BAGILAH HASIL NO.4 DENGAN N MAKA AKAN DIPEROLEH
  MD

MD
80
KERJAKAN SOAL BERIKUT
Cari MD ?
81
CARI MD?
NILAI F(f) M(Titik Tengah) FM X bar
1-5 1
6-10 2
10-15 16
16-20 13
21-25 12
26-30 3
82
DISPERSI/ VARIABILITAS

• UNTUK MENGETAHUI PENYEBARANNYA YANG BANYAK
  DIGUNAKAN
• RANGE
• MD
• SD
• VARIANCE SD DIKUADRATKAN
• INTERQUARTILE RANGE (Q3-Q1)
• SEMI INTERQUARTILE RANGE (Q3-Q1) 2

83
STANDAR DEVIASI

• RUMUS II

1. TIDAK PERLU MENCARI MEAN
2. X TITIK TENGAH
3. F frekuensi
4. N Jumlah Sampel

84
STANDAR DEVIASI
Diketahui nilai mahasiswa yang sudah
dikelompokkan sebagai berikut
NO NILAI x(titik tengah) f (f) x (tt.t) (fx) (f)x(tt.t)2 (fx2)
(1) (2) (3) (4) (5) (6)
1 12 - 18 15 6 90 1350
2 19 - 25 22 9 198 4356
3 26 - 32 29 18 522 15138
4 33 - 39 36 37 1332 47952
5 40 - 46 43 65 2795 120185
6 47 - 53 50 83 4150 207500
7 54 - 60 57 66 3762 214434
8 61 - 67 64 52 3328 212992
9 68 - 74 71 30 2130 151230
10 75 - 81 78 23 1794 139932
11 82 - 88 85 11 935 79475
    400 21036 1194544
85
STANDAR DEVIASI
Diketahui nilai mahasiswa yang sudah
dikelompokkan sebagai berikut
NO NILAI x(titik tengah) f (f) x (tt.t) (fx) (f)x(tt.t)2 (fx2)
    400 21036 1194544
86
Jumlah fx2 1194544
Jumlah fx 21036
N 400
87
SD 14,854
88
SD RUMUS I
89

• Keterangan
• CARI MEAN TERLEBIH DULU DENGAN RUMUS YANG SUDAH
  ADA
• x DEVIASI MEAN (TITIK TENGAH MEAN) UNTUK
  DATA BERKELOMPOK. DAN NILAI VARIABEL MEAN UNTUK
  DATA TIDK BERKELOMPOK
• MASUKKAN KE DALAM RUMUS

90
NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO NILAI TITIK TENGAH (X) F MEAN X (DEVIASI MEAN) F(x)2
(1) (2) (3) (4) (5) (6) (7)
1 12 18 15 6 52.59 - 37.5 8478.0486
2 19 25 22 9 52.59 - 30.59 8421.7329
3 26 32 29 18 52.59 - 23.59 10016.785
4 33 39 36 37 52.59 - 16.59 10183.439
5 40 46 43 65 52.59 - 9.59 5977.9265
6 47 53 50 83 52.59 - 2.59 556.7723
7 54 60 57 66 52.59 4.41 1283.5746
8 61 67 64 52 52.59 11.41 6769.7812
9 68 74 71 30 52.59 18.41 10167.843
10 75 81 78 23 52.59 25.41 14850.366
11 82 - 88 85 11 52.59 32.41 11554.489
TOTAL 400 TTK.TENGAH - MEAN 88260.76
91
NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006
NO NILAI TITIK TENGAH (X) F MEAN X (DEVIASI MEAN) F(x)2
TOTAL 400 88260.76
SD 14,854
92
RUMUS SD III

• MENGGUNAKAN DEVIASI BERKODE (X)

93
STANDAR DEVIASI
Diketahui nilai mahasiswa yang sudah
dikelompokkan sebagai berikut
NO NILAI x(titik tengah) f X Fx F(x)2
(1) (2) (3) (4) (5) (6) (7)
1 12 - 18 15 6 -4 -24 96
2 19 - 25 22 9 -3 -27 81
3 26 - 32 29 18 -2 -36 72
4 33 - 39 36 37 -1 -37 37
5 40 - 46 43 65 0 0 0
6 47 - 53 50 83 1 83 83
7 54 - 60 57 66 2 132 264
8 61 - 67 64 52 3 156 468
9 68 - 74 71 30 4 120 480
10 75 - 81 78 23 5 115 575
11 82 - 88 85 11 6 66 396
    400 11 548 2552
94
STANDAR DEVIASI
NO NILAI x(titik tengah) f X Fx F(x)2
(1) (2) (3) (4) (5) (6) (7)
    400 11 548 2552
95
DEVIASI KUARTIL

• MERUPAKAN UKURAN PENYEBARAN YANG BERADA DI
  SEKITAR MEDIANNYA

96
RUMUS SD

• Cari Mean terlebih dahulu
• X deviasi dari mean ( Titik tengah mean )
• Rumus
• SD

97

• SD
• 14,845
• Jd. SD nilai kemampuan SPSS dari 100 peserta
  pelatihan Balitbang 14,854

98
PENYAJIAN DATA

• Komunikatif dan lengkap
• Menarik perhatian
• Mudah dipahami isinya
• Mis. Berwarna, bentuk grafik, bentuk tabel

99
Tabel interval TK Kepuasan Kerja PegawaiPada
Dipenda Juni 2004 Di Semarang

• Tingkat kepuasan yang tertinggi dalam
  meningkatkan kinerja pada Dipenda keadaan Juni
  2004 adalah pada pemberian uang transprtasi
  (68.60), dan gaji termasuk tingkat kepuasan yang
  terendah (37.58) dalam meningkatkan kinerja pada
  Dipenda keadaan Juni 2004.

NO ASPEK KEPUASAN KERJA TK KEPUAS-AN ()
1 Gaji 37.58
2 Insentif 57.18
3 Transportasi 68.60
4 Perumahan 48.12
5 Hubungan Kerja 54.00
100
TABEL DISTRIBUSI FREKUENSI

• Disusun jika jumlah raw data cukup banyak dan
  sulit dibaca
• Jumlah kelas min 6 dan max 15
• Batas kelas bawah
• Batas kelas atas
• Interval kelas
• Batas nyata
• Titik tengah
• Frekuesi

101
TabelDistribusi frekuensi nilai pelatihan
SPSSPeserta Balitbang Di MAP UNDIP Juni 2004
NO KELAS KLAS INTERVAL FREKUENSI
1 10 19 1 0.67
2 20 29 6 4.00
3 30 39 9 6.00
4 40 49 31 20.67
5 50 59 42 28.00
6 60 69 32 21.33
7 70 79 17 11.33
8 80 89 10 6.67
9 90 99 2 1.33
J u m l a h 150 100

• Frekuensi angka absolut dirubah dalam bentuk
  persen ()
• Analisis nilai yang tertinggi dan terendah

102
GRAFIK
HISTO-GRAM
Pie
Polygon
103
HISTOGRAM

• Merupakan suatu set data yang sudah tersusun
  berdasarkan intervalnya, sehingga merupakan suatu
  rangkaian/ hubungan antara jumlah frekuensi yang
  ada pada masing-masing kelasnya.

104
POLIGON

• Merupakan garis yang menghubungkan jumlah
  frekuensi pada masing-masing kelasnya dimana
  poligon menunjukkan titik tengah pada
  masing-masing nilai tengah ( classmarknya)

105
Pie

• Adalah diagram lingkaran atau pie chart.
  Digunakan untuk membandingkan data dari berbagai
  kelompok. Biasanya dalam bentuk .

106
GRAFIK HISTOGRAM

• Melihat harga gula, kopi dan beras dari tahun
  2000 hingga 2003
• Sumbu Y (Rp),
• Sumbu X Th
• 2000 2001 2002 2003
• gula 1000 1500 2000 1000
• kopi 5000 4000 8000 6000
• beras 3000 3400 4000 3500

107
GRAFIK POLYGON

• Melihat harga gula, kopi dan beras dari tahun
  2000 hingga 2003
• Sumbu Y (Rp),
• Sumbu X Th
• 2000 2001 2002 2003
• gula 1000 1500 2000 1000
• kopi 5000 4000 8000 6000
• beras 3000 3400 4000 3500

108
GRAFIK HISTOGRAM

• Melihat harga gula, kopi dan beras dari tahun
  2000 hingga 2003
• Sumbu Y (Rp),
• Sumbu X Th
• 2000 2001 2002 2003
• gula 1000 1500 2000 1000
• kopi 5000 4000 8000 6000
• beras 3000 3400 4000 3500

109
ANALISIS ASOSIASI POSITIF
Dependent Var (Y) Independent Variabel (X) Independent Variabel (X) Independent Variabel (X) Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n
Categori 1 100 0 0
Categori 2 0 100 0
Categori n 0 100
Total 100 100 100
110
ANALISIS ASOSIASI NEGATIF
Dependent Var (Y) Independent Variabel (X) Independent Variabel (X) Independent Variabel (X) Independent Variabel (X)
Categori 1 Categori 2 ----- Categori n
Categori 1 0 0 100
Categori 2 0 100 0
Categori n 100 0 0
Total 100 100 100
111
UKURAN ASOSIASI

• Korelasi sempurna antara dua var 1 dan -1 (
  sempurna positip dan sempurna negatif)
• Korelasi 0 ( tidak ada korelasi)
• Korelasi antara 0 dan 1 ----? positip
• Korelasi antara 0 dan -1 ----? negatif

112
GAMBAR KORELASI
-1 0
1
113
KORELASI ANTAR VARIABEL

• Korelasi menunjukkan arah dan kuatnya hubungan
  antara dua variabel
• Arah dinyatakan dalam hubungan positif dan
  negatif
• Kuatnya hubungan dinyatakan dalam besarnya koeff
  korelasi
• Hubungan positif, bila X meningkat Y juga
  meningkat atau sebaliknya.

114

• Hubungan negatif, bila suatu variabel X
  meningkat justru variabel Y menurun atau
  sebaliknya.
• Contoh

TINGGI BADAN
KECEPATAN LARI
Pos
Semakin tinggi badan orang, maka semakin cepat
larinya, dan semakin pendek badan orang semakin
lambat larinya
115

• Contoh
• Semakin tinggi curah hujan, maka akan semakin
  sedikit es yang terjual, dan semakin sedikit
  curah hujan, maka akan semakin banyak es yang
  terjual

CURAH HUJAN
ES YANG TERJUAL
NEG
116
PEDOMAN PEBENTUAN TEKNIK STATISTIK YANG DIGUNAKAN
NO Tingkatan Data Teknik korelasi
1 Nominal Koeff kontingensi, Lamda
2 Ordinal Spearman Rank, Kendall Tau, Gamma
3 Interval Pearson
117
Hubungan antara kompetensi dan hirarkhi pada
Kantor Pemda Di Semarang Th 2004

• Perbed tk kompetensi kecil dan besar dibawah
  hirarkhi low 74-3034
• Perbed tk kompetensi kecil dan besar dibawah
  hirarkhi high 27-522
• Kesimpulan kehadiran variabel independent (tk
  kompetensi) telah membuat hirarkhi meningkat
  lebih tinggi sebanyak 34 (diambil dr tingkat
  perbedaan terbesar)

Hierarchi Competence ) Competence ) Competence )
Low Medium High
Low 74 38 30
Medium 21 57 43
High 5 5 27
Total 100 (N152) 100 (N159) 100 (N89)
118
Persentase DistributionDari kedua Perencana
Transportasi
Mengiklankan Mengiklankan Mengiklankan Mengiklankan Kemudahan Kemudahan Kemudahan Kemudahan
Ride Bus No Yes Total Ride Bus No Yes Total
No 225 (75) 134 (67) 359 No 269 (77) 90 (60) 359
Yes 75 (25) 66 (33) 141 Yes 81 (23) 60 (40) 141
Total 300 (100) 200 (100) 500 Total 350 (100) 150 (100) 500
119
Kesimpulan

• Bahwa mendengarkan iklan telah mengakibatkan
  peningkatan PENUMPANG BIS sebesar 33-25 8
• Kemudahan mendapatkan bis akan meningkatkan
  PENUMPANG BIS sebesar 40-23 17.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG
  LEBIH KUAT dibandingkan mengiklankan dalam hal
  jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih
  besar adalah lebih kuat dari hubungan dua
  variabel.

120
Persentase DistributionDari kedua Perencana
Transportasi
Mengiklankan Mengiklankan Mengiklankan Mengiklankan Kemudahan Kemudahan Kemudahan Kemudahan
Ride Bus No Yes Total Ride Bus No Yes Total
No 225 (75) 134 (67) 359 No 269 (77) 90 (60) 359
Yes 75 (25) 66 (33) 141 Yes 81 (23) 60 (40) 141
Total 300 (100) 200 (100) 500 Total 350 (100) 150 (100) 500

• KESIMPULAN
• Bahwa mendengarkan iklan telah mengakibatkan
  peningkatan PENUMPANG BIS sebesar 33-25 8
• Kemudahan mendapatkan bis akan meningkatkan
  PENUMPANG BIS sebesar 40-23 17.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG
  LEBIH KUAT dibandingkan mengiklankan dalam hal
  jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih
  besar adalah lebih kuat dari hubungan dua
  variabel.

121
Kesimpulan

• Bahwa mendengarkan iklan telah mengakibatkan
  peningkatan PENUMPANG BIS sebesar 33-25 8
• Kemudahan mendapatkan bis akan meningkatkan
  PENUMPANG BIS sebesar 40-23 17.
• Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG
  LEBIH KUAT dibandingkan mengiklankan dalam hal
  jumlah penumpang yang naik bis
• Secara umum perbedaan persentase yang lebih
  besar adalah lebih kuat dari hubungan dua
  variabel.

122
SPEARMAN DAN KENDALL TAU

• Telah dibahas pada Pelatihan Pertama

123
LAMBDA
NOMINAL
NOMINAL
124
LAMBDA

• Menunjukkan reduksi proporsional data error yang
  diperoleh dalam memprediksi kategori dari
  dependent variabel ketika nilai independent
  variabel diperhitungkan.
• Atau
• Mengevaluasi sampai seberapa jauh prediksi
  terhadap dependent membaik bila dimasukkan
  kategori dari variabel dependent

125
Distribusi responden menurut daerah asal dan
partisipasi terhadap program KB
Partisipasi Daerah Asal Daerah Asal Jumlah
Tidak Ikut 100 125 225
Ikut 200 75 275
Total 300 200 500
126
ANALISIS

• Pertama kita tentukan bahwa prediksi terbaik
  adalah ikut KB. Yang seharusnya 500 orang tapi
  dalam kenyataan hanya 275. Jd error yang terjadi
  500 275 225. Proporsi error 225500
  0,45. Angka yang diperoleh disini belum
  dipengaruhi oleh kehadiran variabel independent
  yaitu asal daerah. Ketika daerah asal
  diperhitungkan, kita mengharapkan atau menduga
  bahwa mereka yang dari kota lebih banyak yang
  ikut KB daripada dari desa.

127

• Kita lihat bahwa hanya ada 175 orang saja
  (10075) yang sesuai dengan harapan atau dugaan
  kita.
• Atau 175 500 0,35.
• Jd tanpa variabel independent proporsi errornya
  0,45. Tetapi kalau dengan variabel independent
  errornya menurun jadi 0,35.
• Hal ini berarti masuknya variabel independent
  telah mengurangi proporsi error sebesar (0,45
  0,35) 0,45 0,22.
• Kesimpulan Ada hubungan prediktif yang cukup
  lemah antara asal responden dengan keikutsertaan
  dalam program KB

128
GAMMA

• FUNGSI
• Untuk melihat kekuatan hubungan antara dua
  variabel ORDINAL
• Pasangan concordant (selaras)
• Pasangan Disconcordant ( tidak selaras)
• Angka absolut

ORDINAL
ORDINAL
129
Hubungan antara Education dan Seniority
Seniority (dependent/ Y Education (independent / X) Education (independent / X)
Seniority (dependent/ Y Low High
Low 20 Concordant (selaras) 10 Disconcordant (tak selaras)
High 5 Disconcordant (tak selaras) 15 Concordant (selaras
Total 25 25
130
PERHITUNGAN

• Pasangan yang concordant (selaras) 15 X 20
  300 ( adalah pada tingka pendidikan yang rendah
  dan seniorit yang redah 20 dan pada tingkat
  pendidikan yang tinggi dan seniority yang tinggi
  15)
• Pasangan yang Disconcordant ( tidak selaras) 5
  X 10 50 (pada tingkat pendidikan yang rendah
  dan seniority yang tinggi 5 dan pada tingkat
  pendidikan yang tinggi serta seniority yang
  rendah 10 )

131
RUMUS GAMMA

• GAMMA diperoleh dari jumlah pasangan concordant
  (300) jumlah pasangan disconcordant (50) dibagi
  dengan jumlah pasangan concordan (300) ditambah
  jumlah pasangan disconcordant (50)
• Atau

132
Hasil perhitungan
0,75 (hubungan antara X dan Y positip dan
kuat) Cari berapa contribusi X thp Y ?
133
Cara menghitung Gamma secara manual
CONCORDANT PAIRS
X



X

X



X

d
c
b
a
134
Cara menghitung Gamma secara manual
DISCONCORDANT PAIRS
X



X

X



X

h
g
f
e
135
PRODUCT MOMENT

• RUMUS

INTERVAL
INTERVAL
136
PRODUCT MOMENT

• Untuk menghitung korelasi antara variabel
  interval ( dikembangkan KARL PEARSON)
• FUNGSI
• Untuk mengetahui koef korelasi antara gejala
  interval dengan interval lainnya

137
Keterangan Rumus
(rxy) koeff. korelasi Product Moment Total xy
jumlah hasil kali (product) dari x dan y X
X- Mx Y Y - My
138
Tabel Kecakapan membaca dan menulis murid TK
Tadika Puri Semarang Juni 2004
Subyek X Y x y x2 y2 xy
(1) (2) (3) (4) (5) (6) (7) (8)

1 136 130 -21,3 -25,5 453,69 650,25 453,15
2 130 120 -27,3 -35,5 745,29 1.260,25 969,15
3 190 195 32,7 39,5 1.069,29 1.460,25 1.291,65
4 170 175 12,7 19,5 161,29 380,25 247,65
5 164 160 6,7 4,5 44,89 20,25 30,15
6 152 150 -5,3 -5,5 28,09 30,25 29,15
7 184 180 26,7 24,5 712,89 600,25 654,15
8 164 170 6,7 14,5 44,89 210,25 97,15
9 136 130 -21,3 -25,5 453,69 650,25 543,15
10 147 145 -10,3 -10,5 106,09 110,25 108,15
Total 1.573 1.555 0 0 3.820,10 5.372,50 4.513,50
139

• Ada tidak korelasi antara kecakapan membaca
  dengan kecakapan menulis?
• Cari MeanMx dan My dari X dan Y
• Cari SDx dan SDy
• Mx SX/ N 1573/10 157,3
• My SY/ N 1555/10 155,5
• x1 X1 Mx 136- 157,3 - 21,3
• x2 X2 Mx 130- 157,3 - 27,3
• Dst
• y1 y1 Mx 130- 155,5 - 25,5
• y1 y2 Mx 120- 155,5 - 35,5
• Dst.
• Masukkan dalam rumus.
• Misalnya hasil 0,79. artinya ada korelasi positip
  dan kuat antara kecakapan dalam membaca dengan
  kecakapan menulis. Semakin anak cakap dalam
  membaca menulisnyapun juga lancar, atau
  sebaliknya.