Modul 1 - Konsep Dasar Statistika

Pengantar Statistik Sosial

(Komunikasi - ISIP42153)

Tutor: M. Harist Murdani

Pertemuan 1: Minggu, 9 September 2012

UT Korea Wilayah II

Tinjauan Mata KuliahTinjauan Mata Kuliah

• Tujuan Umum– diharapkan mampu menerapkan statistika deskriptif dan inferensia

2


• Tujuan Khusus1. Mampu menerapkan konsep-konsep dasar statistika2. Mampu menerapkan penyajian data3. Mampu menghitung ukuran pemusatan dan ukuran penyebaran4. Mampu menghitung probabilita5. Mampu menerapkan metode penarikan sampel6. Mampu melakukan estimasi dan uji hipotesis7. Mampu melakukan pengujian hipotesis satu sampel8. Mampu melakukan pengujian hipotesis dua sampel9. Mampu melakukan pengujian hipotesis lebih dari dua sampel10. Mampu melakukan pengujian hipotesis dua rata-rata populasi

3


• Modul Pengantar Statistik Sosial (3 sks): Modul 1: Konsep-konsep Dasar Statistika Modul 2: Penyajian Data Modul 3: Ukuran Pemusatan dan Ukuran Penyebaran Modul 4: Probabilita Modul 5: Metode Penarikan Sampel Modul 6: Estimasi dan Uji Hipotesis Modul 7: Pengujian Hipotesis Satu Sampel Modul 8: Pengujian Hipotesis Dua Sampel Modul 9: Pengujian Hipotesis Lebih dari Dua Sampel & Dua Rata-rata

Populasi

4


Buku Pegangan Pengantar Statistika Sosial, Bambang Prasetyo dkk, Universitas Terbuka 2011

Penilaian Partisipasi (kehadiran dan keaktifan): 30% Tugas (Tugas 1, 2, dan 3): 70%

Metode Pembelajaran Tatap Muka (8x pertemuan)

Tutor Nama: Muhammad Harist Murdani, Status: Graduate Student of Computer Engineering dari Pusan National

University Email/Phone: [email protected] / 010-5811-4472

5

KONSEP DASAR STATISTIKA

(Komunikasi - ISIP42153 - Modul 1)

6

Jenis StatistikaJenis Statistika

Pokok BahasanPokok Bahasan

PendahuluanPendahuluan

Pengertian & Pemanfaatan StatistikaPengertian & Pemanfaatan Statistika

Pengukuran, Perbandingan Data, Validitas dan ReliabilitasPengukuran, Perbandingan Data, Validitas dan Reliabilitas

11

22

33

44

7


• Kompetensi Umum: – dapat menjelaskan konsep dasar statistika

8


• Kompetensi Khusus:1. Definisi Statistika

2. Pemanfaatan Statistika

3. Pengertian Statistika Deskriptif

4. Pengertian Statistika Inferensia

5. Pengertian Statistika Parametrik

6. Pengertian Statistika NonParametrik

7. Pengertian Pengukuran

8. Konsep Dasar dalam Proses Pengukuran

9. Skala Pengukuran

10. Perbandingan Data

11. Tingkat Ketelitian

12. Validitas dan Reliabilitas

9



Kegiatan Belajar 1Pengertian dan Pemanfaatan

Statistika

10

Sejarah StatistikaSejarah Statistika

Sebelum Masehi

Abad Perteng-

ahan

Saat Ini

Bangsa-bangsa di Mesopotamia, Mesir dan Cina telah mengumpulkan data statistik. (Ex. pajak, hasil pertanian, dll)

Lembaga gereja menggunakan statistik untuk: mencatat jumlah kelahiran, kematian dan perkawinan.

Statistika telah memasuki ranah pengambilan keputusan melalui proses generalisasi dan peramalan.

11

Statistik & StatistikaStatistik & Statistika

• Statistik: – suatu kumpulan angka yang tersusun lebih dari satu angka

• Statistika: – Ilmu mengumpulkan, menata, menyajikan, menganalisis dan

menginterpretasikan data menjadi informasi.– Dapat pula diartikan sebagai metode untuk mengumpulkan, mengolah,

menyajikan, menganalisis, dan menginterpretasikan data dalam bentuk angka.

12

Kegunaan StatistikaKegunaan Statistika

• Penelitian Sosial: – Menyusun, meringkas, dan menyederhanakan data.– Merencanakan kegiatan survei atau eksperimen– Menetapkan metode terbaik dalam penarikan kesimpulan (inferensi)– Melakukan evaluasi terhadap kualitas suatu inferensi

13



Kegiatan Belajar 2Jenis Statistika

14


• Berdasarkan aktivitas: – Statistika Deskriptif,

• Cara pengumpulan data, penyederhanaan angka, dan pengukuran pemusatan demi informasi yang lebih mudah dipahami.

– Statistika Inferensia,• Cara menganalisis data serta mengambil kesimpulan.• 4 Karakteristik: pengamatan secara acak (random observation), teknik

penarikan sampel (sampling method), data dalam bentuk angka (numerical data), dan tujuan umum inferensia (common inferential objective).

15


• Berdasarkan metode:– Statistika Parametrik

• Bagian dari statistika inferensia yang mempertimbangkan parameter populasi

• Membutuhkan data yang berskala pengukuran minimal interval

– Statistika NonParametrik• Bagian dari statistika inferensia yang tidak memperhatikan parameter

populasi• Validitas tidak tergantung pada model peluang • Data yang dibutuhkan berskala ukur nominal atau ordinal

16



Kegiatan Belajar 3Pengukuran, Perbandingan Data,

Validitas dan Reliabilitas

17

PengukuranPengukuran

• Definisi:– Suatu proses deduktif yang berangkat dari suatu ide.

• Tahapan:– Konseptualisasi, proses pemilihan konsep dan pemberian batasan secara

teoretis.– Operasionalisasi, proses penyusunan definisi operasional dari konsep.

18

PengukuranPengukuran

• Prinsip Pengukuran:– Prinsip Eksklusif (mutually exclusive)

• Suatu kasus (case) tidak dapat memiliki nilai kategori lebih dari satu untuk variabel yang sama.

• Contoh: Jenis Kelamin

– Prinsip Ekshaustif (exhaustive)• Bahwa nilai kategori yang tersedia untuk suatu variabel harus dapat

mencakup nilai dari semua jenis kasus (case).• Contoh: Variabel media transportasi

19

Konsep Dasar PengukuranKonsep Dasar Pengukuran

• Konstanta dan Variabel:– Konstanta, konsep yang mewakili gejala yang tidak bervariasi (tetap).

• Contoh: tipe keluarga ideal, tipe birokrasi ideal, dll.– Variabel, konsep yang memiliki serangkaian nilai, ukuran, atau jumlah.

• Contoh: kepadatan penduduk, status gizi, dll.

20


• Variabel Kuantitatif & Kualitatif:– V. Kuantitatif, variabel yang hasil pengamatannya bervariasi dalam hal jumlah

pada setiap penelitian yang dilakukan.• Contoh: umur, tinggi, berat badan, kepadatan penduduk, angka kematian

bayi, dll.– V. Kualitatif, variabel yang hasil pengamatannya bervariasi dalam jenis bukan

dalam tingkatan.• Contoh: metode kontrasepsi, jenis kelamin, status perkawinan, dll.

21


• Variabel Diskrit & Kontinu (Kuantitatif):– Variabel Diskrit (discrete variable)

• Variabel kuantitatif dengan jumlah nilai (kategori) yang dapat dihitung (bilangan bulat).

• Contoh: jumlah anak dalam sebuah keluarga, jumlah mahasiswa UT, dll.

– Variabel Kontinu (continuous variable)• Variabel kuantitatif di mana hasil pengamatannya merupakan salah satu

dari sejumlah (yang tidak terhingga) dari suatu garis interval (bilangan pecah/bulat).

• Contoh: umur

22

Skala PengukuranSkala Pengukuran

• Kuantifikasi:– Kuantifikasi melalui kategori, untuk data nominal.– Kuantifikasi melalui pengukuran, untuk data ordinal, interval, dan rasio.

• Skala Pengukuran:– Skala Nominal– Skala Ordinal– Skala Interval– Skala Rasio

23


• Skala Nominal:– Setiap kategori diberikan identifikasi berupa simbol (angka atau huruf) yang

tidak memiliki makna dan besaran tertentu– Contoh: Status Pernikahan = 1. Sudah Menikah, 2. Belum Menikah, 3. Tidak

Menikah

• Skala Ordinal:– Memiliki sifat yang sama dengan skala nominal, namun ada tambahan

informasi sehingga identifikasi yang diberikan bisa disusun berdasarkan peringkat.

– Contoh: Jenjang Pendidikan = SD -> SMP -> SMA -> PT

24


• Skala Interval:– Memiliki keseluruhan sifat dari skala nominal dan ordinal, dengan sifat

tambahan. Dapat menentukan jarak dan perbandingan antarkategori yang tersedia.

– Contoh: Variabel Suhu Udara = suhu hari ini 32°C, sedangkan kemarin 29°C.

• Skala Rasio:– Memiliki seluruh sifat ketiga skala sebelumnya dan kemampuan untuk

membandingkan skala pengukuran yang disusun. Ada angka 0.– Contoh: Perbandingan Berat Badan 1:2 = 45:30.

25

Perbandingan DataPerbandingan Data

• Rasio:– Digunakan dalam perbandingan antara dua kelompok data.– Contoh: tahun 2006 SD di Kab. Sambas memiliki 71.595 murid dan 4.215 guru

(rasio murid dan guru adl. 16.99, 1 guru untuk 17 murid).

• Proporsi:– Bentuk khusus dari rasio, pembagi dalam perhitungan adalah jumlah elemen

kedua data.– Contoh: proporsi pekerja anak perempuan (usia 10-14 thn) di perkotaan

adalah 0.53 (diperoleh dengan membagi jml pekerja anak perempuan dengan seluruh pekerja usia 10-14 tahun).

26

Perbandingan DataPerbandingan Data

• Persentase:– Memiliki rentang antara 0-100. Perhitungan sama dengan proporsi, namun

hasilnya harus dikalikan 100.– Contoh: persentase pekerja anak perempuan (usia 10-14 tahun) di perkotaan

pada tahun 2007 sebanyak 39,41%.

• Rates (tingkat/angka):– Perhitungan dilakukan dengan membagi jumlah munculnya kejadian dengan

jumlah keseluruhan.– Contoh: angka kelahiran menurut umur (age specific fertility rate) menunjukkan

banyaknya kelahiran per 1000 wanita dari golongan umur tertentu.

27

Tingkat KetelitianTingkat Ketelitian

• Terdapat perbedaan antara data dari variabel yang diukur dengan data hasil pengukuran instrumen, dikarenakan:– Keterbatasan instrumen pengukuran– Instrumen kurang akurat

• Perbedaan ini disebut sebagai kesalahan akibat pembulatan (rounded error)– Contoh: hasil pengukuran jarak dalam km antar 2 tempat atau berat badan

seseorang dalam satuan kg.

28

Tingkat KetelitianTingkat Ketelitian

• Prinsip pembulatan:– Jika angka terkiri kurang dari 5 maka angka terkanan yang mendahuluinya

tetap.Contoh: 70,15 70; 40,45 40;

– Jika angka terkiri lebih dari atau sama dengan 5 dan diikuti angka selain 0 maka angka terkanan yang mendahuluinya ditambah 1.Contoh: 40,2501 40,3

– Jika angka terkiri sama dengan 5 dan diikuti oleh angka 0, maka angka terkanan tetap jika genap dan ditambah 1 jika ganjil.Contoh: 34,5000 34; 33,5000 33;

29

Validitas & ReliabilitasValiditas & Reliabilitas

• Validitas suatu pengukuran menjawab:– “Apakah variabel yang diteliti benar-benar mengukur (mewakili) variabel yang

akan diukur?”

• Reliabilitas suatu pengukuran menjawab:– “Apakah (hasil) pengukuran dari variabel (indikator) yang diteliti konsisten atau

dapat diandalkan?”

30

UT Korea - Berkarya dan Berpendidikan

Modul 1 - Konsep Dasar Statistika

Documents

Transcript of Modul 1 - Konsep Dasar Statistika