Analisis Statistik

Diterjemahkan dari judul aslinya “ Measuring Behaviour”
Part 9: Statistical Analysis
Oleh:
RJD
Rian Juanda Djamani
www.rianjuanda.blogspot.com
rianjuanda@gmail.com
ANALISIS
STATISTIK

Pengantar Umum Statistik
Kami sangat mengharapkan bahwa kebanyakan orang yang
membaca buku ini akan belajar banyak tentang statistik
ketika mulai menganalisis data mereka. Secara umum, kami
menyarankan agar informasi yang kurang dapat dipelajari
dari berbagai buku tentang analisa statistik. Tujuan kami
pada bagian ini adalah untuk menghasilkan beberapa
pertimbangan singkat dari isu utama yang muncul dalam
analisis statistik data tingkah laku. Bagaimanapun ini bukan
buku statistik, jadi untuk sebuah hitungan dari metode
statistik Anda harus mempelajari dari banyak buku bagus
yang bisa Anda dapat, sebaiknya salah satunya adalah buku
dengan tema biologi atau psikologi (contoh: Zar, 1999;
sprinthall, 2003). Pada lampiran 3 kami telah memberikan
daftar list buku yang kami dapat.

Lembar Kerja dan Basis Data
Segera setelah pengamatan atau penelitian selesai
dilakukan, langkah selanjutnya adalah mengubahnya ke
dalam sebuah form yang dapat segera diperiksa. Kami
tidak bisa menekankan secara berlebihan betapa
pentingnya hal ini dilakukan dengan hati-hati dalam
pekerjaan Anda. Jika Anda melakukannya dengan
benar, maka Anda dapat menghemat waktu pada tahap
berikutnya. Lembar kerja sangat bagus untuk
menyimpan/menulis semua data Anda. Anda harus
memasukkan informasi yang diperoleh untuk membuat
perbaikan-perbaikan pada tahap-tahap selanjutnya

Contoh lembar kerja yang harus dibuat
atau diisi, seperti:
• Kolom waktu pengamatan
• Kolom lamanya pengamatan
• Kolom identifikasi subjek
• Kolom tipe perlakuan
• Kolom jenis kelamin
• Kolom waktu pengujian
• Kolom tanggal pengujian, dan
• Kolom-kolom terpisah lainnya yang digunakan
untuk mengukur bagian-bagian tingkah laku

• Jangan lupa untuk memasukkan semua kategori
data yang ada atau informasi yang mungkin
digunakan dalam proses analisis
• Rancangan penelitian yang lebih komplek dapat
ditampung dengan membuat kolom-kolom untuk
setiap blok atau setiap kombinasi dari faktor-
faktor
• Data dari lembaran kerja diperiksa secara visual
dan subjektif untuk penyelidikan analisa statistik
• Data bisa juga dengan mudah disisipkan ke dalam
perangkat statistik, seperti Minitab, SPSS atau SAS

Penyelidikan Vs Analisis Konfirmasi
• Teknik statistik digunakan untuk dua tujuan yang berbeda yaitu:
1. Analisis data penyelidikan, dan
2. Analisis data konfirmasi
• Sebagian besar buku teksbook statistik membahas tentang analisis
konfirmasi
• Data analisis penyelidikan (statistik deskriptif) termasuk yang paling
penting-tapi sering diabaikan-proses penyusunan, peringkasan dan
penyajian hasil, dan pencarian melalui data-data yang diekstrak dari
informasi total maksimum
• Hal ini sangat penting ketika hasilnya kompleks atau hipotesisnya
samar-samar
• Analisis Penyelidikan memberikan pemahaman dari hasil-hasil
yang didapat dan menimbulkan pertanyaan baru atau hipotesis dari
analisi tersebut

• Analisis data konfirmasi (hipotesis-pengujian atau statistik
inferensial ) meliputi pengujian konvensional data empiris, yang
berarti hasil perhitungan probabilitas yang diamati tetap dengan
hipotesis nol seperti tidak ada perbedaan antara nilai rata-rata dari
dua grup atau tidak ada hubungan antara 2 kumpulan nilai. Jika
probabilitasnya rendah daripada tingkat yang telah ditentukan
(biasanya 0.05) maka hipotesis nol ditolak.
• Tujuan utama pengujian hipotesis adalah untuk memberikan
pemahaman yang spesifik bagaimana kepercayaan bisa diterapkan
dalam efek nyata seperti sebuah perbedaan atau hubungan
korelasi. Analisis data konfirmasi merupakan pusat studi dari variasi-
variasi dasar yang baik dalam percobaan-percobaan, karena
mencakup uji hipotesis tentang korelasi

Uji statistik apa yang harus
digunakan?
• Terdapat dua kelas dasar dari pengujian yaitu
1. Parametrik, dan
2. Non-parametrik
• Uji Parametrik mengandalkan sejumlah asumsi-asumsi yang sering
dilanggar dalam penelitian tingkah laku.
• Uji Non-parametrik sering digunakan pada masa terdahulu karena tidak
begitu menuntut banyak data dan lebih kuat dan realistis.
• Uji parametrik umumnya berdasarkan asumsi-asumsi dasar dari populasi
yang berasal dari data sampel yang diambil, yaitu:
– Normality (Data mengikuti normal)
– Homogeneity of variance (sampel yang berbeda-beda atau subkelompok
bervariasi pada tingkat yang sama)
– Scale of measurement (Data yang diukur pada skala interval atau skala rasio
– Additivity (Efek dari perlakuan berbeda atau kondisi tambahan dan hubungan
antara variabel bebas dan tidak yang linear. Asumsi ini dibuat tidak dalam
kasus Model Linear Umum (GLM)

Gambar 9.1 Distribusi data yang diambil sebelum dan sesudah
ditransformasikan, dalam kasus ini logaritma dasar. Nilai asli lebih condong daripada
nilai yang ditransformasikan, dengan perkiraan distribusi normal (Gaussian)

Uji STATISTIK yang digunakan:
1. ANOVA (analysis of variance).Uji ANOVA dibutuhkan ketika menganalis
efek dari variabel bebas dalam variabel tidak bebas
2. Korelasi (Correlation).Koefisien korelasi mendeskripsikan sejauh mana
dua pengukuran atau variabel saling berhubungan atau berubah
bersama-sama
3. Regresi Sederhana (Simple Regression). Merupakan teknik yang bagus
untuk menjelaskan dan menganalisis hubungan antara variabel bebas (X)
dan Variabel tidak bebas (Y)
4. Model Linear Umum (General Linear Models-GLMs). Merupakan
kombinasi dari Korelasi, Regresi dan Anova.
5. Statistik Multivariasi (Multivariate Statistics). Digunakan untuk
menganalisa data lebih dari dua variabel yang terlibat yang dikenal
secara kolektif
6. Statistik Bundar (Circular Statistics). Beberapa penelitian yang
mengumpulkan data yang penyebaran dua ujungnya saling bertemu
karena penyebarannya bundar.

Gambar 9.2 Empat scater plot, yang menggambarkan hubungan antara dua variabel
diwakili oleh berbagai korelasi

Gambar 9.3 Penyebaran pergerakan hewan dari titik pusat dalam hipotesis ini. Jumlah
terbesar dari hewan-hewan ini di-indikasikan dengan ketinggian bar hitam, bergerak
ke arah utara-barat. Dua ujung penyebaran bertemu di titik kompas selatan-
timur, itulah sebabnya jumlah yang bergerak ke arah ini lebih sedikit dari sisi lain

Apakah Anda mengambil data yang
cukup?
Ketika merencanakan sebuah studi, Anda harus
mempunyai ide tentang berapa banyak subjek
yang akan dibutuhkan, seperti telah dijelaskan
pada bagian 8, beberapa aturan praktis untuk
membuat beberapa perkiraan. Namun
demikian, Anda mungkin tidak dapat menjelaskan
terlebih dahulu tentang bagaimana variabel
subjek, berapa banyak yang akan dibutuhkan
untuk memutuskan apakah mempengaruhi
kondisi studi atau tidak

Sambungan...
Apakah Anda mengambil data yang cukup?
• Cara mudah untuk mengetahui apakah data yang
diambil telah mencukupi adalah dengan membagi
data secara acak ke dalam 2 bagian dan
menganalisa setengah dari setiap bagian secara
terpisah. Jika kumpulan 2 data tersebut
menghasilkan kesimpulan umum yang jelas
seperti yang dimaksud, maka data yang diambil
telah mencukupi untuk diamati. Namun demikian
kumpulan 2 data tersebut bisa saja menghasilkan
perbedaan kesimpulan atau tidak cukup untuk
menghasilkan beberapa kesimpulan yang
pasti, sehingga banyak data yang dibutuhkan lagi.

Sambungan...
Sebuah pendekatan yang lebih canggih, yang
dikenal dengan Split-Half Analysis merupakan
pembagian data untuk kategori tertentu pada
perilaku acak ke dalam 2 bagian dan
memperhitungkan hubungan korelasi antara 2
kumpulan data. Jika koefisien korelasi cukup
tinggi (terbilang, r > 0.7) maka kumpulan data
tersebut dapat diandalkan (digunakan).

Sambungan...
Jika sebuah studi menghasilkan batasan secara statistik (contoh:
0.05 < p <0.10), maka mungkin lebih baik untuk menaikkan ukuran
sampel dalam rangka mendapatkan banyak kesimpulan yang jelas
tentang apakah efeknya nyata atau tidak. Seharusnya ini dilakukan
di awal keputusan pada berapa banyak ukuran sampel yang harus
ditambah/dinaikkan. Penambahan ukuran sampel dapat dilakukan
sedikit demi sedikit hingga menghasilkan hasil yang signifikan dari
yang diragukan sebelumnya. Setelah peningkatan, kemungkinan
pengamatan akan mendapatkan efek positif spuriously. Ketika
sebuah studi gagal untuk mengungkapkan efek-efek yang
signifikan, daya analisis Post-Hoc dapat dilakukan untuk membantu
mengetahui apakah ukuran sampel yang digunakan telah memadai
(Bausell & Li, 2002). Bagaimanapun, seperti yang telah tertulis di
Bab 8, asumsi-asumsi dari beberapa analisis sering terjadi pada data
tingkah laku.

Kesimpulan
• Jika informasi yang diperoleh dari sebuah studi langsung dimasukkan ke dalam
lembar kerja, maka langkah selanjutnya akan lebih mudah. Teknik statistik
merupakan alat bantu yang berharga, jadi secara umum Anda harus bijaksana
dengan menjaganya agar mudah digunakan.
• Sebuah perbedaan dapat diambil di antara analisis penyelidikan dan uji konfirmasi
yang digunakan untuk menguji hipotesis spesifik. Sedangkan variabel yang
bergantung pada nominal atau peringkat harus dites dengan tes non-parameter
yang menghasilkan beberapa asumsi, teknik parameter telah dikembangkan secara
umum sekarang ini di berbagai studi tingkah laku. Penggunaannya mungkin
mengharuskan data harus diubah terlebih dahulu sehingga uji asumsi tersebut
tidak saling bertentangan.
• Analisis varian (ANOVA), korelasi dan regresi sederhana biasanya sering
digunakan.
• Model linear umum (GLMs) menggabungkan semua teknik-teknik ini dengan
langkah-langkah berulang mengikuti perkembangan biasa dari model statistik
sederhana dan paling tepat dengan memperhitungkan interaksi-interaksi antara
variabel-variabel tersendiri.
• Multivariasi dan statistik bundar memungkinkan untuk analisis lengkap dan lebih
rumit atau pembagian kumpulan data yang tidak biasa

Ada yang hendak berlayar dan ada yang menikmati Ombak...
TERIMA KASIH

Analisis Statistik

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (7)

Semelhante a Analisis Statistik

Semelhante a Analisis Statistik (20)

Último

Último (20)

Analisis Statistik