ALAT - ALAT Statistika
Sejarah Ilmu Statistika
1.
Statistika
Secara etimologis
kata “statistik” berasal dari kata status (bahasa latin) yang
mempunyai persamaan arti dengan kata state (bahasa Inggris) atau kata staat
(bahasa Belanda), dan yang dalam bahasa Indonesia diterjemahkan menjadi negara.
Pada mulanya, kata “statistik” diartika sebagai “kumpulan bahan keterangan
(data), baik yang berwujud angka (data kuantitatif) maupun yang tidak berwujud
angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar
bagi suatu negara. Namun, pada perkembangan selanjutnya, arti kata
statistik hanya dibatasi pada “kumpulan bahan keterangan yang berwujud angka
(data kuantitatif)” saja; bahan keterangan yang tidak berwujud angka (data
kualitatif) tidak lagi disebut statistik.
Dalam kamus
bahasa Inggris akan kita jumpai kata statistics dan kata statistic.
Kedua kata itu mempunyai arti yang berbeda. Kata statistics artinya
“ilmu statistik”, sedang kata statistic diartika sebagai “ukuran yang
diperoleh atau berasal dari sampel,” yaitu sebagai lawan dari kata “parameter”
yang berarti “ukuran yang diperoleh atau berasal dari populasi”.
Dalam kamus ilmiah popular, kata
statistic berarti table, grafik, daftar informasi, angka-angka, dan informasi.
Sedangkan kata statistika berarti ilmu pengumpulan, analisis dan klasifikasi data,
angka sebagai dasar untuk induksi. Statistik dapat juga diartikan sebagai
information science yang telah teruji keunggulannya. Melalui pengertian inilah
statistic telah diterima oleh ilmuan dari semua bidang, mulai dari ilmuan yang
bekerja pada the very hard sciences seperti astronomi yang objek
penelitiannya berada sangat jauh di luar angkasa, dan fisika teoritis yang
objek penelitiannya amat dekat namun tidak tampak seperti atom, hingga ilmuan
yang menekuni the very soft sciences seperti seni yang bergulat dengan
forma-forma.
Statistik ini merupakan sekumpulan
metode untuk membuat keputusan dalam bidang keilmuan yang melalui
pengujian-pengujian yang berdasarkan kaidah-kaidah statistic. Bagi masyarakat
awam yang kurang terbiasa dengan istilah statistika maka istilah statistic
biasanya akan berkonotasi dengan deretan angka-angka yang menyulitkan, tidak
mengenakan dan bahkan merasa bingung untuk membedakan antara statistika dan
matematika. Berkenaan dengan itu statistika ini merupakan diskripsi dalam
bentuk angka-angk dari aspek kuantitatif suatu masalah, suatu benda yang
menampilkan fakta-fakta dalam bentuk hitungan atau pengukuran.
2. Sejarah Awal Statistika
Asal Statistika
Sekitar
tahun 1675 seorang ahli matematika amatir bernama Chavalier de Mere mengajukan
sebuah permasalahan mengenai mengenai judi kepada seorang jenius matematika
bernama Prancais Blaise Pascal. Pascal tertarik dengan permasalahan ini, dan
kemudian mengadakan korespondensi dengan seorang ahli matematika Prancis
lainnya yaitu Pierre de Fermat (1601 – 1665), dan keduanya mengembangkan cikal
bakal teori peluang.
Peluang
merupakan dasar dari teori statistika, sebagai konsep baru yang tidak dikenal
dalam pemikiran Yunani Kuno, Romawi, dan bahkan Erop[a dalam abad pertengahan.
Teori mengenai kombinasi bilangan sudah terdapat dalam aljabar yang
dikembangkan oleh sarjana Muslim namun bukan dalam lingkup teori peluang.
Asal Teori Peluang
Teori
probabilitas kemungkinan berakar pada upaya untuk menganalisis permainan
kesempatan oleh Gerolamo Cardano pada abad keenam belas, dan Pierre de Fermat
dan Blaise Pascal pada abad ketujuh belas (misalnya “masalah poin”). Christiaan
Huygens menerbitkan sebuah buku tentang subjek di 1657.
Awalnya,
teori probabilitas terutama dianggap peristiwa diskrit, dan metode terutama
kombinatorial. Akhirnya, pertimbangan analitis memaksa penggabungan variabel
kontinyu ke dalam teori.
Dalam teori
probabilitas modern, pondasi yang diletakkan oleh Andrey Nikolaevich
Kolmogorov. Kolmogorov dikombinasikan pengertian ruang sampel, yang
diperkenalkan oleh Richard von Mises, dan mengukur teori dan disajikan sistem
aksioma nya untuk teori probabilitas pada tahun 1933.
3.
Perkembangan
Ilmu Statistik
Beberapa perkembangan ilmu statistik
yang saya bagi dalam tiga tahap yaitu tahap I (awal), tahap II (pengembangan),
dan tahap III (sekarang) :
TAHAP AWAL
1. Braham Demoivre (1667-1754)
mengembangkan teori galat atau kekeliruan (theory of error).
2. Tahun 1757, Thomas Simpson
menyimpulkan bahwa terdapat suatu distribusi yang berlanjut (continues
distribution) dari suatu variabel dalam suatu frekuensi yang banyak.
3. Pierre Simon de Lacplace (1749-1827)
mengembangkan konsep demoire dan Simpson ini lebih lanjut, dan menemukan
distribusi normal.
4. Distribusi lain, yang tidak berupa
kurva normal kemudian ditemukan oleh Francis Galton (1822-1911) dan Karl
Pearson (1857-1936).
5. Karl Friedrich Gauss (1777-1855)
kemudian mengembangkan teknik kuadrat terkecil (least square) simpangan baku,
galat baku untuk rata-rata (the standard error of mean).
TAHAP II
1. Pearson (1857-1936) melanjutkan
konsep-kosnep Galton dan mengembangkan konsep regresi, korelasi, distribusi chi
square dan analisis statistika kualitatif.
2. Charles Spearman (1863-1945) murid
dari Galton dan Leipzig mengembangkan konsep one factor model, yang selanjutnya
beliau dijuluki sebagai “the father of factor analysis).
3. Godfrey Thompson (1881-1955), Cyril
Burt (1883-1971), Raymond Cattell (1905-1998), dan Karl Holzinger (1892-1954)
memberi kontribusi pada perluasan konsep analisis faktor dari Spearman.
4. Harold Hotelling (1895-1955)
memperluas konsep one faktor model dari Spearman menjadi multiple factor model.
5. Louis Guttman (1916-1987)
mengembangkan Skala yang dikenal dengan skala Guttman dan banyak memberikan
kontribusi pada analisis faktor.
6. Ronald Alylmer Fisher (1890-1962)
mengembangkan desain eksperimen, disamping analisis varian dan kovarian,
distribusi z, t, uji signifikansi dan teori tentang perkiraan (theory of
estimation)
7. Rensis Likert (1932) mengembangkan
Skala yang kemudian dikenal dengan skala Likert.
SEKARANG
1. Andrey Kolmogorov (1903 – 1987)
dan Smirnov (1900-1966) yang hasil karyanya sekarang dikenal dengan kolmogorov
smirnov test
2. Neyman, J (1938) yang berkontribusi
dengan “Theory Of Sampling Human Populations”.
3. Hansen, M. H., and Hurwitz, W. N
(1950) pada “Theory Of Sampling From Finite Populations”
4. Cochran, W. G. (1953-1963) dan Taro
Yamane (1967) yang mengembangkan Sampling Techniques
5. Joreskog (1973), Kessling (1973),
dan Wiley (1973) membentuk kesatuan model yang dikenal dengngan persamaan
struktural. Joreskog sendiri memberikan kontribusi pada metode maximum likehood
dan para pakar lainnya yang banyak berkontribusi dalam pengembangan ilmu
statistik modern.
ALAT STATISTIKA
Data dan Tabel/Grafik/DiagramSampel & Populasi
Tabel Krejcie
Nomogram Harry King
Uji Validitas Dan Reliabilitas
Central Tendensi
atau
Product Moment
atau
Koefisien Spearman Rank
Koef. Determinasi (KD)
Koef. Regresi
Chi kuadrat
Uji Signifikansi
t - test atau z-test
One-sample t-test
Equal sample sizes, equal variance
Equal or unequal sample sizes, equal variance
Equal or unequal sample sizes, unequal variances
Dependent t-test for paired samples
Diagram Normal
Gambaran Korelasi/ Paradigma korelasi
Tabel Nilai-Nilai "r" Product moment
Tabel Nilai-Nilai Dalam Distribusi "t"
Tabel Nilai-Nilai Chi Kuadrat
Tabel Nilai-Nilai RHO
Tabel Harga kritis z
URAIAN ALAT STATISTIKA
Dalam suatu
penelitian, bagaimana data yang diperoleh akurat dan objektif adalah sesuatu
yang sangat esensi. Agar data yang dikumpulkan benar-benar berguna, maka alat
ukur yang digunakan harus valid dan reliabel.
Validitas
(Validity) yaitu sejauhmana suatu alat ukur tepat dalam mengukur suatu data,
dengan kata lain apakah alat ukur yang dipakai memang mengukur sesuatu yang
ingin diukur. Misalnya bila kita ingin mengukur cincin, maka kita gunakan
timbangan emas. Bila ingin menimbang berat badan, maka kita gunakan timbangan
berat badan. Jadi dapat disimpulkan bahwa timbangan emas valid untuk mengukur
berat cincin, tapi timbangan berat badan tidak valid untuk mengukur cincin.
Untuk mengetahui validitas kuesioner dilakukan dengan membandingkan r tabel
dengan r hitung.
Nilai r tabel
dilihat pada tabel r dengan df= n-2 (n= jumlah responden/sampel) . Pada tingkat
kemaknaan 5%, maka akan didapatkan angka r tabel. Nilai r hasil/output SPSS
dapat dilihat pada kolom”Corrected
item-Total Correlation”.
Keputusan: “Masing-masing
pertanyaan/pernyataan dibandingkan nilai
r hasil/output dengan nilai r
tabel, bila r hasil > r tabel,
maka pertanyaan tersebut valid”.
IB. Reliabilitas
Reliabilitas
adalah suatu ukuran yang menunjukkan sejauh mana hasil pengukuran tetap
konsisten bila diukur beberapa kali dengan alat ukur yang sama. Misalnya kita
ingin mengukur jarak. Alat ukur pertama yang kita gunakan adalah meteran logam,
dan alat ukur lainnya adalah dengan menghitung langkah kaki. Pengukuran dengan
meteran logam akan mendapatkan hasil yang sama kalau pengukurannya diulang dua
kali atau lebih. Namun sebaliknya jika pengukuran dengan tapak kaki, besar
kemungkinan akan didapatkan hasil yang berbeda kalau pengukurannya diulang dua
kali atau lebih. Jadi dapat disimpulkan bahwa pengukuran dengan meteran logam
lebih reliabel dibandingkan dengan kaki.
Setelah semua
pertanyaan valid semua, analisis dilanjutkan dengan uji reliabilitas. Untuk mengetahui
reliabilitas adalah dengan membandingkan nilai r hasil dengan r tabel. Dalam
uji reliabilitas sebagai nilai r hasil adalah nilai “Cronbach’s Alpha”. Ketentuannya :
bila r Alpha > r tabel, maka
pertanyaan tersebut reliabel.
II. Perbedaan Statistika Parametrik dan Statistika Nonparametrik
Berdasarkan jenisnya, secara umum statistik dibagi menjadi statistik parametrik dan statistik non-parametrik:
A. Statistik
Parametrik
Statistik
Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan
kata lain, data yang akan dianalisis menggunakan statistik parametrik harus
memenuhi asumsi normalitas.
Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Beberapa jenis statistic parametric:
- Uji dua Fihak
- Uji satu Fihak
- Sampel berkorelasi: t -test
- Sampel Independen; t-test,
- Korelasi Product Moment
- Korelasi Ganda
- Korelasi Parsial
Ciri-ciri
statistik parametrik :
·
Data
dengan skala interval dan rasio
·
Data
menyebar/berdistribusi normal
Keunggulan
statistik parametrik;
- Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
- Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan statistik parametrik;
- Populasi harus memiliki varian yang sama.
- Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
- Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.
B. Statistik
Non-Parametrik
Statistik
Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik
non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan
ordinal yang umumnya tidak berdistribusi normal.
Contoh metode statistik non-parametrik :
Beberapa jenis statistik non parametrik antara lain:
- Test Binomial
- Chi Kudrat
- Run Test
- sampel berkorelasi: Mc Nemar Test, Sign Test, Wilcoxon Match Pairs Test
- Sampel Independen; Chi kuadrat, Fisher Exact Probability Test, Test Median, Mann-Whitney U-test, .......
- Koefisien Kontingensi
- Koefisien Spearman Rank
- Koefisian Kendal Tau
Ciri-ciri
statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil
Keunggulan statistik non-parametrik :
- Tidak membutuhkan asumsi normalitas.
- Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena statistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
- Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
- Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
- Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
- Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan statistik non-parametrik :
- Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
- Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
- Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
III. Koefisien dalam statistik
- Koefisien/Indeks Korelasi (r)
- Koefisien/Indeks Determinasi (KD)
- Koefisien/Indeks Regresi
IV. CARA MENGUJI HIPOTESA )2
1. Dengan asumsi bahwa populasi tergambar dalam kurva normal
statistic dibagi dua, yaitu:
statistic dibagi dua, yaitu:
- Statistik deskriptif, yang merupakan pengantar menuju statistic inferensi. Statistic deskriptif menjelaskan bagaimana data dikumpulkan dan diringkas pada hal-hal yang penting.
- Statistik inferensi, yang mengambil peran menganalisis data dan kemudianmenginterpretasikan hasil-hasil analisis tersebut. Statistic inferensi mempunyai dua tujuan utama yaitu, mengestimasi dan menguji hipotesis.
Dengan demikian apabila tujuan penelitian kita adalah mengestimasi dan atau menguji hipotesis,maka penggunaan statistik inferensi nyaris tak dapat dihindari.
Metode Statistik inferensi dibagi dua, yaitu statistik parametrik dan statistik non parametrik .
Pertanyaan yang pasti muncul kemudian adalah kapan kiuta menggunakan alat statistik parametrikdan kapan kita menggunakan alat statistik non parametrik?
Perhatikan type data, distribusi data dan jumlah data!
- Bila type data adalah nominal atau ordinal, distribusi data tidak normal, jumlah data kecil (N < 30), gunakan statistik non parametrik.
- Bila type data adalah interval/rasio, distribusi datanya normal, jumlah data besar (N > 30), gunakan statistik parametrik.
sumber : sylviastrid.blogspot.co.id/2013/09/alat-ukur-statistika.html
)2 Arikunto, Suharsimi "Prosedur Penelitian" Rineka Cipt, edisi revisi 2010 hal. 116
DAN blogger-yenniwulandari.blogspot.co.id/2013/05/makalah-filsafat-dan-sejarah.html Dan Sugiyono, Prof., Dr. "Statistik umuk Penelitian" Alfabet 2003
DAN blogger-yenniwulandari.blogspot.co.id/2013/05/makalah-filsafat-dan-sejarah.html Dan Sugiyono, Prof., Dr. "Statistik umuk Penelitian" Alfabet 2003
0 komentar:
Post a Comment