VALIDITAS INTERNAL DAN VALIDITAS EKSTERNAL

Pada dasarnya instrumen terbagi atas instrumen berbentuk tes misalnya untuk mengukur prestasi atau capaian atas pembelajaran dan instrumen berbentuk non tes untuk mengukur sikap. Tes merupakan prosedur sistematis untuk melakukan pengamatan terhadap perilaku seseorang dan mendeskripsikan perilaku tersebut dengan bantuan skala angka atau suatu sistem penggolongan (Cronbach, 1004). 

Instrumen berbentuk tes jawabannya ada benar atau salah, namun instumen sikap tidak demikian tetapi bersifat positif atau negatif. pada dasarnya instrumen yang baik adalah instrumen yang valid dan reliabel.
Seperti penjelasan pada postingan sebelumnya sudah dijelaskan mengenai validitas dan reliabilitas secara umum. Dikatakan bahwa instrumen yang valid harus memiliki validitas internal dan validitas eksternal. Instrumen yang memiliki validitas internal bila kriteria dalam instrumen secara teoritis telah mencerminkan apa yang hendak diukur. Sedangkan validitas eksternal bila kriteria dalam instrumen disusun berdasarkan fakta empiris yang ada. (Sugiyono, 2008).

Validitas internal instrumen berbentuk tes harus memenuhi validitas konstruk dan validitas isi. Sedangkan validitas internal untuk instrumen berbentuk non tes cukup memenuhi validitas konstruk saja.

Instrumen yang memiliki validitas konstruk disusun berdasarkan teori yang relevan. Instrumennya dapat mengukur gejala sesuai dengan yang didefinisikan. Misalnya mengukur motivasi kerja, maka perlu didefinisikan terlebih dahulu motivasi kerja berdasarkan teori yang relevan. Selanjutnya baru siapkan instrumen sesuai dengan definisi tersebut. Seperti yang dilakukan penelitian mahasiswa pada tugas akhir. Jika teori sudah benar maka hasil pengukuran dengan instrumen berdasarkan teori pun sudah dipandang sebagai hasil yang valid. (Sutrisno).

Instrumen yang memiliki validitas isi merupakan instrumen yang berbentuk tes yang dapat mengukur prestasi, capaian ataupun efektivitas pelaksanaan suatu program. Instrumen prestasi / capaian harus disusun berdasarkan materi yang diajarkan sedangkan instrumen untuk mengetahui efektivitas pelaksanaan program harus disusun berdasarkan program yang telah direncanakan.

Selanjutnya, menguji validitas eksternal yaitu dengan cara membandingkan / mencari kesamaan antara kriteria yang ada pada instrumen dengan fakta empiris yang ada di lapangan. Misalnya penelitian mengukur motivasi kerja, maka kriteria pada instrumen motivasi kerja dibandingkan dengan catatan-catatan yang ada dilapangan mengenai motivasi kerja. Jika terdapat kesamaan maka dapat dinyatakan instrumen tersebut memiliki validitas eksternal yang tinggi. Sehingga hasil penelitian akan memiliki validitas yang tinggi pula. Penelitian yang memiliki validitas eksternal, bila hasil penelitian dapat digeneralisasikan pada sampel lain dalam populasi yang diteliti. Untuk meningkatkannya dapat dialkukan dengan cara menambah ukuran sampel.

by MEYF.


Materi selanjutnya kita akan bahas mengenai uji Validitas dengan menggunakan analisis faktor.

Read More

~"CONTOH - INTERPRETASI HASIL ANALISIS FAKTOR "~

Dari hasil olahan data analisis faktor pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.00. Maka dapat kita interpretasikan hasil analisisnya sebagai berikut :

Dari hasil olahan data tersebut dengan rumusan masalah adalah untuk mengetahui faktor-faktor perilaku rumah tangga dan belanja. Dalam hal ini untuk mereduksi 7 variabel (X1, X2, X3, X4, X5, X6 dan X7) menjadi lebih sedikit atau kurang dari 7 variabel. Metode yang digunakan adalah Principal Component Analysis.

Uji analisis kelayakan data dengan menggunakan KMO Bartlett Tes't diperoleh bahwa nilai KMO sebesar 0,550 yaitu lebih besar dari 0,50 hal ini menunjukkan bahwa sampel cukup untuk dilakukan analisis faktor. Selanjutnya pada uji Bartlett's Test of Sphericity sebesar 0,000 artinya ada korelasi antar variabel atau ketujuh variabel tersebut atau dalam bentuk statistika bahwa matriks korelasi bukan matrik identitas. Hal ini dapat dilihat pada gambar 1 berikut :

Gambar 1. Hasil KMO dan Uji Bartlett

Selanjutnya metode yang dipilih adalah metode Principal Component Analysis yaitu dengan mempertimbangkan nilai variannya. Maka dilakukan penentuan jumlah faktor yaitu dengan menggunakan nilai eigen, atau scree plot atau persentase varians. Dalam hal ini akan dibahas ketiganya. 

1. Penentuan jumlah faktor dengan nilai eigen 

Banyaknya faktor ditentukan dengan nilai eigen yang lebih dari 1. Dari gambar 2 di bawah pada kolom Initial Eigenvalues - Total yang memiliki nilai eigen lebih dari 1 ada sebanyak 3 component. Artinya terdapat tiga faktor yang terbentuk. 

Gambar 2. Total Variance Explained

2. Penentuan jumlah faktor dengan persentase varians

Dari gambar 2 di atas, persentase varians terletak pada kolom Initial Eigenvalues - Cumulative %. Jika dilihat per tahapan, 1 faktor (component) besarnya persentase varians sebesar 35,505 persen artinya sekitar 35,505 persen variasi varian dari tujuh variabel dapat dijelaskan oleh 1 faktor, tentu nilai  ini masih kurang dari 60 persen. Untuk 2 faktor (component) besarnya persentase varians sebesar 51,518 persen artinya sekitar 51,518 persen variasi varian dari tujuh variabel  dapat dijelaskan oleh dua faktor. Nilai persentase ini masih kurang dari 60 persen. Selanjutnya jika diambil 3 faktor (component) besarnya persentase varians sebesar 80,649 persen artinya sekitar 80,649 persen variasi varian dari tujuh variabel dapat dijelaskan oleh tiga faktor. Nilai ini sudah lebih dari 60 persen. Dan jika dilihat dari nilai eigennya, sampai tiga faktor (component) nilai eigen sudah lebih dari 1. Jadi dapat disimpulkan bahwa faktor yang terbentuk adalah sebesar 3 faktor.

3. Penentuan jumlah faktor dengan scree plot

Scree plot atau plot patahan dapat menentukan jumlah faktor yang terbentuk. Jumlah patahan yang tajam menunjukkan banyaknya faktor yang terbentuk. Dari gambar di bawah terdapat tiga garis patahan yang tajam, sedangkan patahan ke empat sampai ke tujuh tidak terlalu tajam. Sehingga dapat disimpulkan bahwa faktor yang terbentuk adalah sebanyak 3 faktor.

Gambar 3. Scree Plot

Jadi terdapat tiga faktor yang mewakili tujuh item tersebut. Dan sekitar 80,649 persen variasi dari varians tujuh item dapat dijelaskan oleh tiga faktor.

Setelah banyaknya faktor ditentukan, selanjutnya adalah menentukan variabel mana yang masuk ke dalam ketiga faktor tersebut. Yaitu dengan menggunakan matrik rotasi dengan metode varimax yang dapat dilihat pada gambar 4 berikut :

Gambar 4. Matrik Faktor Rotasi

Dari gambar 4 di atas, variabel yang membentuk faktor tertentu adalah variabel yang memiliki nilai korelasi tertinggi. Variabel X1 memiliki nilai korelasi 0,897 pada faktor/component 1 artinya variabel X1 membentuk Faktor 1. Selanjutnya jika dilihat secara keseluruhan maka faktor 1 dapat dibentuk oleh variabel X1, X3, dan X5. Ketiga variabel ini saling berkorelasi sehingga membentuk faktor 1. Faktor 2 dibentuk oleh korelasi X4 dan X7 dan faktor 3 dibentuk oleh korelasi variabel X2 dan X6. 

Faktor yang terbentuk ini selanjutnya dapat diinterpretasikan dengan memberikan nama terhadap masing-masing faktor. Tentunya didasarkan pada teori dan variabel yang membentuk.

Sebagai contoh : 

Jika dilihat dari soal sebelumnya pada contoh penggunaan analisis faktor dimana tujuh variabel tersebut yang membentuk faktor adalah 

Faktor 1 :

X1 = saya lebih baik tinggal di rumah daripada pergi pesta

X3 = majalah lebih menarik daripada bioskop

X5 = saya termasuk homebody

Faktor 2 :

X4 = saya tidak mau membeli produk yang diiklankan di billboard

X7 = perusahaan banyak menghabiskan uang untuk membiayai iklan

Faktor 3 :

X2 = saya selalu mengecek harga walaupun pada barang murah

X6 = saya menyimpan dan membelanjakan kupon

selanjutnya penamaan ditentukan oleh teori dan variabel yang membentuk. Misalnya faktor 1 diberi nama faktor perilaku pribadi, faktor 2 diberi nama faktor penjualan dan faktor 3 diberi nama faktor pembelian. Atau lainnya dikaitkan dengan teori yang ada.

Untuk menghitung faktor skor dalam hal ini menggunakan Anderson-Rubin dalam IBM SPSS 21.00 sudah langsung diperoleh nilai faktor 1, faktor 2 dan faktor 3. Dan setiap faktor memiliki model faktor yang dapat digunakan untuk menghitung skor faktor tersebut. Membentuk skor faktor dapat didasarkan pada gambar 5 berikut ini :

Gambar 5. Matrik Koefisien Skor Faktor

Berikut model faktor tersebut :

Faktor 1 = 0,391X1 + 0,10X2 + 0,302X3 + 0,170X4 + 0,405X5 - 0,008X6 - 0,086X7

Faktor 2 = 0,020X1 - 0,048X2 - 0,189X3 + 0,542X4 + 0,211X5 + 0,145X6 + 0,461X7

Faktor 3 = -0,048X1 + 0,530X2 + 0,043X3 + 0,059X4 + 0,021X5 + 0,595X6 + 0,035X7

Dan hasil skor faktor yang terbentuk di data view IBM SPSS 21.00 dapat digunakan untuk analisis lebih lanjut.

Gambar 6. Hasil Skor Faktor Anderson-Rubin

by MEYF

Read More

INTERPRETASI HASIL ANALISIS FAKTOR DENGAN IBM SPSS

Ini adalah lanjutan dari artikel yang sudah pernah di posting beberapa tahun yang lalu yaitu Analisis Faktor dan Langkah-Langkah Analisis Faktor dengan IBM SPSS 21. Dalam materi kali ini yang dibahas adalah langkah-langkah analisis faktor langsung menggunakan IBM SPSS 21.00 dan interpretasi hasilnya. Data yang digunakan dapat dilihat pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.
Untuk lebih singkatnya dapat dilihat video berikut :

Read More

CARA MEMBUAT DIAGRAM LINGKARAN

Kali ini kita membahas cara membentuk diagram lingkaran secara manual. Sangat mudah tapi sering terlupakan. Silahkan tonotn penjelasan lengkapnya melalui video berikut ini :

Read More

HOW TO LEARN MATHEMATIC?

Mathematic is the door and the key of science, every we run then we meet mathematic, although we learn about social science we never far away from it. Since kid we have been taught about mathematic, we knew numbers and add numbers by using fingers. Do you realize that you always right using mathematic when you count your money. And, you always right using mathematic when you count your mark test.

Somepeople thinks “Math is Mental Abuse To Humans” because they don't find the beauty on it. Math is like horror and ghost that make them scare to learn it. They try to far away and don't want to know more about mathematic. But don't you realize that mathematic is look like art and poetry with more beautiful number and symbol. The piano and other instruments can be played if we can play with the numbers that can give nice melody. The algebra, calculus, geometry, statistic, etc. are kind of instrument in our mind that can play the numbers and give the beautiful result when we use it properly. When we proof some formula, mathematic is look like poetry, it is full with symbol and mathematics statement that it has the meaning on it.

How beautiful mathematics, first time you know mathematics make you are curious and you want to solve it properly. When you curious and you learn it, you curious again then you learn it again, you will do continue like this, then it makes you know how beautiful mathematics is. Mathematic will come to close with you if you are not afraid or far from it. For the first time you should try to solve mathematic problems, and you can do it then make you want to try to solve new mathematic problem, and you do it again and again.

The point of to love math is practice..practice..practice... and practice. Never boring with that activity. Then, when you can solve mathematic problem then make you want to know your next ability to solve it again. You will continue and this makes your mind will always remember about math. Like you love someone, when you love her/him, you always remember her/him, then you always want to know about her/him. You want to know her/his feeling and you want to try to keep contact and give more attention to her/him. It is the same with math, when you give full attention on it, you will know mathematic well, then mathematic will give good feedback to you then you love it.

How lucky you are when you find the beauty on mathematic, you will do like mathematicians that always think positive to solve their problems, think creative, think simplicity, do honest, think positive and never give up about their dream and their life. When you love mathematic, you will know that God is so great that has create mathematic for us. Then you try to find and solve a riddle or fun of mathematic because most people love fun and happy condition. So when you find it on mathematic, you will like it.

This is the simple steps how to learn mathematic, do more practice, Love mathematic and know riddle or fun mathematic. And, you will find the change on your mind.

For me, first time I know mathematic since kid, and in elementary school, my teacher always taught me mathematic every day in a class. Then, she gave me more homework so I always practiced on it. Then, my teacher gave me more riddle and fun story about mathematic. Bside thay my parents knew my ability in this subject. They asked me to learn mathematic in university. I did it with feeling love on mathematic.

And for you that still learn mathematic, don’t be scare if you cannot solve mathematic problem, it mean that God gives you a chance to be  creative people, because you will think creative to solve it. God gives you a chance to be a people who never give up because you will try to solve it properly. God give you a chance to be a simple human to think and face problems because you will try simple solution to solve it. God give you chance to think positive because you will be positive that you are abble to solve it. God give you chance to be honest, because mathematic is an exact science and it has certainty result that could not be annoyed. God give you chance to know Him, because from mathematic we know one of knowledge that God give to us. This is a foundation and this is a base or key of other science. Only one subject that act like this, it is mathematic.

How beautiful mathematic is. And we should proud to learn and to know more about mathematic. Let’s change your mind to love mathematic.

By : MEYF

^_^

Read More

PENGENALAN SOFTWARE STATISTIKA

Dalam memudahkan kita mengolah data dengan analisa statistika, kita dapat menggunakan berbagai macam alat bantu atau software. Adapun software statistika yang dapat digunakan sangatlah banyak namun tidak semuanya memiliki keakuratan yang baik. Ada beberapa software statistika yang sering digunakan baik dalam dunia pendidikan atau pun pekerjaan. 

1. SPSS

Tentu Anda sering mendengar program statistika satu ini, di perkuliahan atau pun di beberapa perusahaan besar pun menggunakan software statistika ini. SPSS singkatan dari Statistical Package for the Social Software. Pertama kali dirilis pada tahun 1968 yang dikembangkan oleh Norman H. Nie dan C. Hadlai Hull. 

SPSS pertama kalo muncul dengan versi PC dengan nama SPSS/PC+ (versi DOS). Setelah mulai populernya sistem WINDOWS maka SPSS berkembang mulai dari versi 6.0 hingga sekarang. SPSS pada awalnya dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu sosial (sesuai dengan singkatan dari SPSS itu sendiri).

SPSS pada tanggal 28 Juli 2009 disebut sebagai PASW (Predictive Analytics SoftWare), karena perusahaan ini telah dibeli oleh perusahaan IBM dengan harga US$ 1,2 milyar. Dan pada Januari 2010 menjadi SPSS : Sebuah Perusahaan IBM", dan menjadi nama IBM SPSS yang sepenuhnya diintegrasikan ke dalam IBM Corporation dan merupakan salah satu merk dibawah IBM Software Group Portofolio Bisnis Analytics bersama dengan IBM Cognos.

Adapun IBM SPSS dapat mengolah data :

1. Statistika Dasar: Descriptives Statistics : Cross tabulation, Frequencies, Descriptives, Explore, Descriptive Ratio Statistics.

2. Bivariate Statistics : Means, t-test, ANOVA, Correlation (bivariate, partial, distances), Nonparametric tests

3. Prediction for numerical outcomes : Linear Regression

4. Prediction for identifying groups : Factor analysis, cluster analysis, Discriminant analysis.

Ada beberapa keunggulan diantaranya, yaitu :

1. SPSS dapat membaca dan menulis data dari ASCII file teks, paket statistik lainnya, spreadsheet dan database. 

2. SPSS dapat membaca dan menulis ke eksternal tabel database relasional melalui ODBC dan SQL.

3. Output statistiknya adalah sebuah format file proprietary (*.SPV file, mendukung tabel pivot). Output dapat diekspor ke teks, atau microsoft word.

4. Memberikan informasi yang lebih akurat dengan memperlakukan missing data secara tepat

(Sumber : http://en.wikipedia.org/wiki/SPSS).

2. MINITAB

Software statistika berikutnya adalah MINITAB yaitu program komputer yang dirancang untuk melakukan pengolahan statistik. Minitab menggabungkan kemudahan penggunaan layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks. 

Minitab dikembangkan di Pennsylvania State University oleh periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun 1972. Minitab didistribusikan oleh Minitab Inc, sebuah perusahaan swasta yang bermarkas di State College, Pensylvania dengan kantor cabang Coventry, Inggris (Minitab Ltd) Paris, Perancis (Minitab SARL) dan Sydney, Australia (Minitab Pty.).

Minitab seringkali digunakan dalam perusahaan industri sebagai implementasi Six Sigma - TQM, CMMI serta metode perbaikan proses yang berbasis statistik lainnya dikenal dengan Design of Experiment (DOE). Minitab Inc, juga membuat perangkat lunak sebagai pelengkap Minitab 16, Quality Trainer dan Quality Companion 3.

Adapun analisis data yang dapat dilakukan oleh Minitab diantaranya :

1. Mengelola data dan file - spreadsheet untuk analisis data yang lebih baik.

2. Analisis Regresi.

3. Power dan ukuran sampel.

4. Tabel dan grafik.

5. Analisis Multivariate : Factor analysis, Cluster analysis, Correspondence analysis, dll.

6. Nonparametric Test : Sign Test, Run Test, Friedmann Test, dll.

7. Time Series dan Forecasting : Time series plot, exponential smoothing, trend analysis.

8. Statistical Process Control (SPC)

9. Analisis sistem pengukuran (measurement).

10. ANOVA, dll

Adapun keunggulan MINITAB dari segi aplikasi adalah 

1. Menyediakan StatGuide sebagai panduan dalam mengolah dan interpretasi data 

2. Ukuran worksheet yang dapat memuat kolom sampai 4000 kolom.

3. Memiliki dua layar primer yaitu Worksheet dan Sesi Command. 

4. Tampilan Menu di Minitab lebih lengkap disertai toolbar yang lebih memudahkan dalam menjalankannya.

5. Mempunyai file Minitab Worksheet (MTW) dan Minitab Project (MPJ) yang digunakan untuk membedakan file worksheet dan file project.

6. Minitab menyediakan ReportPad agar mudah membuat laporan project yang telah dibuat.

7. Menyediakan fasilitas makro untuk membuat program yang berulangkali dipakai, memperluas fungsi Minitab, dan mendesain perintah sendiri, dan bahasa pemograman makro yang lebih mudah.

8. File dapat disimpan dalam nama yang panjang.

Read More

TALK A BIT ABOUT STATISTIC

Statistic is a study about data, how to collection, organization, analysis, interpretation and presentation data. Statistic is a branch of mathematic and may we will meet more formula and do analysis about data. We should know what is data, variable, sample, population, hypothesis, significance level, etc.

Statistic is divided by two methods, there are descriptives statistic and inference statistic. In here, descriptive statistic, we learn about how to describe or display collection data by using table, graphic and diagram. We make pie chart, frequency table, stem and leave diagram, histogram, ogive, etc. Descriptive statistic is statistical methods that summarize and describe a collection of data without general conclusion about population. And, inference statistic is statistical methods that give conclusion about population, in here we use hypothesis statistic, alpha (significance level), degree of freedom, etc.

In thesis or journal or research for quantitative, we often use this two methods, descriptive to describe our collection data, may about respondent like gender, education, or some specific of respondent. And, for inference method we want to make conclusion about population from sample that we are taken. 

Inference methods, it divides by parametric and nonparametric statistic.

What are they difference?

The difference between parametric and nonparametric are data characteristic. Parametric, data collection must have the normal distribution, it has interval or ratio scale. But for Nonparametric is not like that. Nonparametric statistic methods, collection data has free distribution (not the normal distribution) and it has nominal or ordinal scale. Parametric method is more complicated than nonparametric .

Parametric method, we need to fulfil the assumption of data for the main test, such as regression, correlation, difference mean test (t-test), etc. There are classical assumption such as normality data, heterocesdastisity, independence error,etc. If we cannot fulfil this assumption, we can do more alternative method such as transformation of collection data or we must change to use nonparametric method.

In research, we focus to want to know about description, association, and comparison of one, two or more variables. And we have more statistical test to know about it.

For example of description are Binomial test, Run Test, t-test, etc. And, the association are Regression Linear, Regression Non Linear, Pearson Correlation, Spearman Correlation, Structural Equation Model, Path analysis, etc. The comparison : ANOVA (one way or two way), Kolmogorov Smirnov, Median Test, t-test independent, t-test paired sample, etc.

And to do that analyze we can do manual by using formula of statistic or use statistical software. For efficient and accurate result, we use statistical software. If we have more data,  we need more time and more analyze to do it. And, maybe our analyze will not correct or bias or more error if we use manual analyze.

We can get data from observation, interview or surveys. We can get quantitative and qualitative data. Quantitative data is numeric data, but qualitative is nonnumeric data.

When I choose statistic in bachelor degree as my subject, the reason was not because I like statistic, but I hated statistic. When I was in Mathematical Department to study, I like pure mathematic that study more about Calculus, Algebraa, Analysis, etc. Statistic made me curious and I want to know why I didn't like it. But Alhamdulillah, I can pass it with good grade. 

My last thesis in bachelor degree was about Customer Satisfaction in Government Company. I used combine of three analyses, there was factors analysis to know what factor influence customer satisfaction, discriminant analysis to know how was different of customer satisfaction in each area and the last is Parasuraman theory about Gap Analysis to know what percent of customer satisfaction about its service.

To know more you can download in here.

Read More

PENGENALAN BEBERAPA SOFTWARE STATISTIKA

Dalam memudahkan kita mengolah data dengan analisa statistika, kita dapat menggunakan berbagai macam alat bantu atau software. Adapun software statistika yang dapat digunakan sangatlah banyak namun tidak semuanya memiliki keakuratan yang baik. Ada beberapa software statistika yang sering digunakan baik dalam dunia pendidikan atau pun pekerjaan. 

1. SPSS

Tentu Anda sering mendengar program statistika satu ini, di perkuliahan atau pun di beberapa perusahaan besar pun menggunakan software statistika ini. SPSS singkatan dari Statistical Package for the Social Software. Pertama kali dirilis pada tahun 1968 yang dikembangkan oleh Norman H. Nie dan C. Hadlai Hull. 

SPSS pertama kalo muncul dengan versi PC dengan nama SPSS/PC+ (versi DOS). Setelah mulai populernya sistem WINDOWS maka SPSS berkembang mulai dari versi 6.0 hingga sekarang. SPSS pada awalnya dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu sosial (sesuai dengan singkatan dari SPSS itu sendiri).

SPSS pada tanggal 28 Juli 2009 disebut sebagai PASW (Predictive Analytics SoftWare), karena perusahaan ini telah dibeli oleh perusahaan IBM dengan harga US$ 1,2 milyar. Dan pada Januari 2010 menjadi SPSS : Sebuah Perusahaan IBM", dan menjadi nama IBM SPSS yang sepenuhnya diintegrasikan ke dalam IBM Corporation dan merupakan salah satu merk dibawah IBM Software Group Portofolio Bisnis Analytics bersama dengan IBM Cognos.
Untuk mengetahui banyak mengenai IBM SPSS silahkan kunjungi disini.

(Sumber : http://en.wikipedia.org/wiki/SPSS).

2. MINITAB

Software statistika berikutnya adalah MINITAB yaitu program komputer yang dirancang untuk melakukan pengolahan statistik. Minitab menggabungkan kemudahan penggunaan layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks. 

Minitab dikembangkan di Pennsylvania State University oleh periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun 1972. Minitab didistribusikan oleh Minitab Inc, sebuah perusahaan swasta yang bermarkas di State College, Pensylvania dengan kantor cabang Coventry, Inggris (Minitab Ltd) Paris, Perancis (Minitab SARL) dan Sydney, Australia (Minitab Pty.).

Minitab seringkali digunakan dalam perusahaan industri sebagai implementasi Six Sigma - TQM, CMMI serta metode perbaikan proses yang berbasis statistik lainnya dikenal dengan Design of Experiment (DOE). Minitab Inc, juga membuat perangkat lunak sebagai pelengkap Minitab 16, Quality Trainer dan Quality Companion 3.

Jika ingin tahu lebih banyak mengenai MINITAB silahkan klik di sini.

3. SAS

SAS adalah singkatan dari Statistical Analysis System yang disediakan oleh SAS Institute Inc. SAS pertama kali dikembangkan oleh Anthony J. Barr pada tahun 1966. Seorang mahasiswa lulusan dari North Carolina State University lulus 1962-1964.
SAS menggunakan bahasa pemograman, dan memungkinkan programmer melakukan entri data, analisis statistik, peramalan untuk mendukung keputusan riset operasi, peningkatan kualitas pengembangan aplikasi data dan lain sebagainya. Pemograman dalam SAS dikategorikan dalam 2 jenis, yaitu data step untuk membuat, membaca atau pun memanipulasi data, dan proc step (procedure step) digunakan untuk menganalisa, meringkas atau pun membuat tabulasi dari sebuah data. SAS dibangun sejak versi 6.0 hingga versi 9.2. 

Adapun analisa yang dapat dilakukan dengan menggunakan SAS adalah :
1. Base SAS - Basic Procedure and Data Management
2. SAS/STAT - Statistical Analysis
3. SAS/GRAPH - Graphic and presentation
4. SAS/OR - Operation research
5. SAS/ETS - Econometric and Time Series
6. SAS/IML - Interactive matrix language
7. SAS/AF - Aplication facility
8. SAS/QC - Quality control
9. SAS/INSIGHT - Data mining
10. SAS/PH - Clinical trial analysis
11. Enterprise Miner - Data mining

Untuk mengetahui banyak mengenai SAS silahkan kunjungi http://en.wikipedia.org/wiki/SAS_(software)

4. LISREL
LISREL adalah software statistik yang ketiga dan paling sering digunakan dalam dunia pendidikan. Singkatan dari LISREL adalah Linear Structural Relationship. Pada awalnya dikembangkan oleh Karl Joreskog (1973) yang merupakan sebuah nama model persamaan struktural. Dan selanjutnya dikembangkan software komputer yang mendukungnya oleh Joreskog dan Sorbom. Pertama kali software yang tersedia untuk umum adalah LISREL versi 3 tahun 1975. Dan sekarang sudah mencapai LISREL 8.8.
LISREL salah satu software yang digunakan untuk program SEM (Structural Equation Model) yang saat ini masih tercanggih dan dapat mengestimasi berbagai masalah SEM yang bahkan mungkin tidak dapat dilakukan oleh software lainnya. 
Pada edisi terakhir for windows, LISREL memiliki aplikasi statistik sebagai berikut :
1. LISREL untuk SEM
2. PRELIS untuk manipulasi data dan Analisis statistika dasar
3. MULTILEV untuk hierarchical Linear dan Model nonlinear.
4. SURVEYGLIM untuk  GLM (Generalized Linear Modelling).
5. CATFIRM untuk formative inference based recursive modelling for categorical response variables.
6. CONFIRM untuk formative inference based recursive modelling for continuous response variables.
7. MAPGLIM untuk GLM for multilevel data. 

Jika ingin mengetahui LISREL dan mendownload LISREL versi student silahkan kunjungi di sini.

5. AMOS

AMOS adalah singkatan dari Analysis of Moment Structure merupakan salah satu software yang digunakan untuk mengestimasi model pada model SEM. AMOS mengimplementasikan pendekatan yang umum untuk analisa data pada model persamaan struktural yang menjelaskan analisa struktur kovarians, atau causal modelling. Pendekatan ini meliputi kasus khusus banyak teknik konvensional terkenal mencakup model linier yang umum dan analisis faktor umum. 

AMOS memberikan kemudahan dalam proses perhitungan dan analisis menjadi lebih sederhana bahkan orang-orang awam bukan ahli statistik akan dapat menggunakan dan memahami dengan mudah. AMOS diambil alih oleh Microsoft untuk disesuaikan dengan versi SPSS saat ini.

Metode-metode dalam AMOS saat ini diantaranya :
1. Maximum Likelihood
2. Unweighted Least Square
3. Generalized Least Square
4. Browne's Asymptotically Distribution - Free Criterion
5. Scale Free Least Square

Jika ingin mengetahui mengenai AMOS lebih banyak silahkan kunjungi di sini atau di sini.. 

6. EVIEWS
EVIEWS singkatan dari Economic Views merupakan perangkat lunak (software) yang banyak digunakan untuk kepentingan analisis data ekonomi dan keuangan. Pada awalnya dikembangkan dan didistribusikan oleh Quantitative Micro Software (QMS). EVIEWS menyajikan perangkat analisis data, regresi dan peramalan (regression and forecasting). EVIEWS dapat memanipulasi data time series. EVIEWS memanfaatkan lingkungan WINDOWS user-friendly dan kegunaan lainnya antara lain analisis data dan evaluasinya, analisis keuangan, peramalan ekonomi makro, simulasi, peramalan penjualan dan analisis biaya.

Untuk mengetahui lebih banyak mengenai EVIEW silahkan kunjungi di sini.

7. R - Software

R adalah software statistik yang bebas (free software) dibawah lisensi GNU (GNU is not unix) General is Public Licence yang menjamin selalu agar R selalu bebas. Lebih tepatnya R bukanlah suatu program statistika, namun sebuah lingkungan pemograman yang banyak digunakan statistisi. R menyediakan penanganan dan penyimpanan data, mendukung banyak operator perhitungan, menyediakan banyak alat untuk analisis data, menampilkan kemampuan graphical yang baik dan merupakan bahasa pemograman langsung yang didasarkan pada bahasa pemograman S yang ditulis oleh Rick Becker, John Chambers, dan Allan Wilks dari AT&T Bell Laboratories. Nama R diambil dari nama depan penulisnya yaitu Ross Ihaka dan Robert Gentlement di Departemen Statistika Universitas Auckland Selandia Baru.
Untuk mengetahui mengenai bahasa pemograman R silahkan kunjungi di sini.

8. STATA

STATA adalah singkatan dari Statistika dan Data yaitu program komputer yang digunakan untuk analisa statistika dan dibuat oleh StataCorp tahun 1985. Dirancang untuk keperluan ekonomi, sosiologi dan epidemiologi dengan berbagai fitur manajemen data, analisis statistika, grafik, simulasi dan pemograman.

Untuk mengetahui lebih banyak mengenai STATA silahkan kunjungi di sini.

Masih banyak software statistika lainnya yang biasa digunakan dalam analisis data. Untuk software bisa didownload versi trialnya. Analisis data yang pernah saya gunakan adalah SPSS, MINITAB, AMOS, EVIEWS dan yang paling sering digunakan adalah SPSS dan MINITAB. 

Read More

BAGAIMANA JIKA DATA KITA TIDAK BERDISTRIBUSI NORMAL ???

Sebelumnya kita sudah membahas mengenai distribusi normal. Untuk uji statistik parametrik sangat dibutuhkan persyaratan bahwa data sampel yang diambil berasal dari populasi yang menyebar atau memiliki distribusi normal. (See this Distribusi Normal ). Distribusi normal jika dilihat dari gambarnya merupakan distribusi yang simetri dimana nilai modus, median dan rata-rata memiliki nilai yang sama, dan juga tidak terdapatnya nilai ekstrim (outlier).

Coba kita hubungkan dengan sebuah cerita. Seorang penjual buah-buahan membeli sekarung buah jeruk kepada seorang petani. Setiap jeruk diharapkan memiliki ukuran yang sedang. Namun kenyataannya ukuran jeruk tidak lah sama, ada yang besar dan ada yang kecil. Jika petani mendapati ukuran jeruk lebih cenderung besar atau lebih cenderung kecil tentulah tidak sesuai dengan yang diharapkan oleh si petani.

Jika kita hubungkan dengan distribusi normal, berarti ukuran jeruk yang kecil memberikan nilai ekstrim rendah dan untuk ukuran jeruk besar memberikan nilai ekstrim tinggi. Jika hampir semua ukuran jeruk berukuran sedang bisa kita katakan rata-rata jeruk memiliki ukuran sedang atau paling banyak jeruk memiliki ukuran sedang. Inilah yang diharapkan oleh si penjual memiliki buah jeruk hampir semuanya berukuran sedang. Dalam distribusi normal, hal ini menunjukkan bahwa rata-rata, modus dan median hampir memiliki nilai yang sama. 

Dalam hal lain, berdasarkan Teorema Nilai Pusat (Central Limit Theorem) menyatakan bahwa semakin banyak data yang kita ambil dari populasi, maka data tersebut akan mendekati distribusi normal. 

Asumsi kenormalitasan suatu data harus dipenuhi oleh uji parametrik. Jika tidak memenuhi asumsi, ada beberapa hal yang dpat kita lakukan. Yaitu :

1. Menambah ukuran sampel n dari data, hal ini didasarkan pada Teorema imit Pusat, semakin banyak data semakin mendekati distribusi normal.
2. Membuang outlier dari data yaitu nilai pencilan atau ekstrim, yang sangat mempengaruhi kondisi data baik ukuran pemusatan atau pun penyebaran dari data.
3. Melakukan transformasi dari data yang tidak normal.
4. Menggunakan alternatif lainnya yaitu metode statistik nonparametrik yang tidak memerlukan asumsi normal data.(see this Statistik Nonparametric).

Reference:

- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.

- Sugiyono, 2008. Statistik Nonparametris untuk Penelitian. Alfabeta. Bandung.

- Mendenhall, Sincinch. 1996. A Second Course In Statistics. Regression Analysis. Fifth Edition. Prentice Hall Internatiomal Edition. 

Read More

STATISTIK PARAMETRIS DAN NON PARAMETRIS

Dalam statistik inferensial terdapat statistik parametris dan statistik nonparametris. Saat kita akan melakukan analisa data, seringkali kita terbentur untuk memilih statistik apa yang cocok untuk digunakan. Apakah statistik parametris atau statistik nonparametris. Namun seringkali kita menggunakan statistik parametris, padahal hal tersebut belum tentu bisa sepenuhnya. Banyak hal yang harus kita ketahui kapan menggunakan statistik parametris dan kapan menggunakan statistik nonparametris. 

Salah satu hal yang membedakan statistik parametris dan nonparametris adalah distribusi dari data. Statistik parametris syarat utamanya adalah memenuhi asumsi kenormalan dalam artian data harus berdistribusi normal sedangkan statistik nonparametris tidak demikian, bebas distribusi.

Berikut akan dijelaskan sedikit mengenai statistik parametris dan statistik nonparametris.

1. Statistik parametris. 

Statistik parametris digunakan untuk menguji parameter populasi melalui statistik data sampel. Penggunaannya harus memenuhi banyak asumsi. Asumsi utama adalah data yang akan dianalisis harus berdistribusi normal. Jika tidak berdistribusi normal, maka data seharusnya dikerjakan dengan metode statistik nonparametris atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa menggunakan analisis data dengan statistik parametris.

Ciri-ciri statistik parametris, sebagai berikut :

1. Data yang digunakan berskala interval atau rasio.
2. Data berdistribusi normal.
3. Harus memenuhi asumsi-asumsi yang ditentukan, seperti normalitas, liniearitas, multikolinearitas, homogenitas, heteroskedasitas, autokorelasi, dll.

Contoh metode statistik parametris sebagai berikut:

1. Uji satu sampel atau dua sampel dengan uji-Z
2. Uji satu sampel atau dua sampel dengan uji-t
3. Korelasi Pearson Product Moments
4. Korelasi Ganda
5. Analisis Regresi
6. Analisis of Varians (ANOVA) - parametrik
7. dll

Keunggulan statistik parametris, diantaranya :

1. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
2. Biasanya tidak menguji syarat parameter dari suatu populasi dan dianggap sudah memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

Kelemahan statistik parametris, diantaranya:

1. Populasi harus memiliki varian yang sama.
2. Variabel yang diteliti harus dapat diukur minimal skala interval.
3. Dalam ANOVA harus ditambahkan persyaratan rata-rata populasi harus normal dan bervarian sama Harus merupakan kombinasi linier dari efek-efek yang ditimbulkan.

2. Statistik Nonparametris

Statistik nonparametris tidak menuntut terpenuhi banyaknya asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal (distribution free). Sering digunakan untuk data berskala nominal dan ordinal. 

Ciri-ciri statistik nonparametris, diantaranya :

1. Data tidak berdistribusi normal.
2. Data berskala nominal atau ordinal.
3. Umumnya jumlah sampel sedikit (n kecil).
4. Umumnya dilakukan pada penelitian sosial.

Contoh uji statistik non parametris, diantaranya :

1. Uji Binomial
2. Uji Mc Nemar
3. Run Test
4. Wilcoxon 
5. Mann-Whitney
6. dll

Keunggulan statistik nonparametris, diantaranya:

1. Tidak membutuhkan banyak asumsi, seperti normalitas.
2. Tidak terikat pada data berdistribusi normal, namun dapat digunakan pada populasi berdistribusi normal.
3. Dapat digunakan untuk data yang tidak diketahui distribusinya.
4. Lebih mudah dikerjakan dan lebih mudah dimengerti.
5. Dapat dilakukan secara langsung pada pengamatan yang nyata.
6. Dapat digunakan untuk data yang berskala nominal atau ordinal.

Kelemahan statistik nonparametris, diantaranya:

1. Hasil pengujian statistik nonparametris tidak setajam atau sekuat analisis statistik parametris. Seperti dinyatakan oleh beberapa ahli :Emory (1985): "The parametric test are more powerful are generally the tests of choisce if their use assumptions are reasonably met". dan Phopan (1973) : " ...parametric procedures are often markedly more powerful than their nonparametric counterparts.
2. Hasil statistik nonparametris tidak dapat digeneralisasi ke populasi, karena hasil statistik nonparametris mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua sampel.

Dalam melakukan penelitian kuantitatif yang menggunakan statistik, ada dua hal utama yang harus diperhatikan yaitu :

1. Macam data, yaitu berskala nominal, ordinal, rasio atau interval.
2. Bentuk hipotesis, yaitu hipotesis komparatif (membandingkan), hipotesis asosiatif (hubungan) dan hipotesis deskriptif.

Reference:

- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.

- Sugiyono, 2008. Statistik Nonparametris untuk Penelitian. Alfabeta. Bandung.

Read More