Pertemuan 1 : Minggu, 4 Maret 2012 UT Korea Wilayah Selatan
Tutor : Damisih, S.T., M.S. in Eng.
Tujuan umum diharapkan mampu menerapkan statistika deskriptif dan inferensia Tujuan khusus :
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
Menerapkan konsep-konsep dasar statistika Menerapkan penyajian data Menghitung ukuran pemusatan dan ukuran penyebaran Menghitung probabilita Menerapkan metode penarikan sampel Melakukan estimasi dan uji hipotesis Melakukan pengujian hipotesis satu sampel Melakukan pengujian hipotesis dua sampel Melakukan pengujian hipotesis lebih dari dua sampel Melakukan pengujian hipotesis dua rata-rata populasi
Mata kuliah Pengantar Statistik Statistik Sosial (3 ( 3 sks) terdiri dari 9 buah Modul : 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 dan Pengujian Hipotesis Dua Rata-Rata Populasi
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
Tutorial online (minimal 6 kali pertemuan) Tatap muka (minimal (mi nimal 2 kali pertemuan) pertem uan)
Tutor Damisih (Idham), freshgraduate Master of Materials Science and Engineering Engine ering dari Yeungnam University U niversity,, Gyeongsan Email :
[email protected]
Modul 1
Kompetensi umum dapat menjelaskan konsep-konsep dasar statistika 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-konsep dasar dalam proses pengukuran 9. Skala pengukuran 10. Perbandingan data 11. Tingkat Tingkat ketelitian 12. Validitas dan reliabilitas
Kegiatan Belajar 1
Sejarah
Sebelum Masehi Bangsa-bangsa di Mesopotamia, Mesir dan Cina telah mengumpulkan data statistik
berapa pajak, hasil pertanian, kecepatan atlet lari, dsb
Abad Pertengahan Lembaga gereja menggunakan statistik utk
mencatat jumlah kelahiran, kematian, perkawinan
Statistika yang dimulai dengan pengumpulan dan penyajian data, kemudian semakin berkembang dengan ditemukannya teori probabilitas dan teori pengambilan keputusan untuk efisiensi
H.G. Wells (1800-an) (1800-an) mengemukakan “berpikir secara statistika suatu saat akan menjadi kemampuan atau keahlian yang sangat diperlukan dalam masyarakat yang efisien, seperti halnya kebutuhan manusia untuk membaca dan menulis”
Contoh pentingnya mempelajari statistika :
Pemasaran berbagai macam produk dipengaruhi oleh faktor tempat, memindahkan produk dari tempat produsen ke konsumen. Perpindahan tersebut dapat mengakibatkan kerusakan, dan biaya. Produsen seringkali harus memberikan garansi terhadap barang yang diproduksi. Berapa lama barang harus digaransi? Statistika mengajarkan tentang probabilitas dan distribusi probabilitas dan yang yang memungkinkan untuk mengetahui umur dan kualitas barang, sehingga memperkecil resiko untuk garansi. Misalnya, pembelian barang elektronik. elektro nik.
Statistik : suatu kumpulan angka yang tersusun lebih dari satu angka "Tingkat "Tingkat pengangguran terbuka pada Februari 2011 mencapai 6,8% dari total angkatan kerja. Jumlah ini turun dibandingkan Februari 2010 yang sebesar 7,41% 7,41%” ” Angka-angka
6.8 % dan 7.41% adalah contoh dari
statistik
Statistika : ilmu mengumpulkan, menata, menyajikan, menganalisis dan menginterpretasikan menginterpretasikan data menjadi informasi
Statistika : ilmu mengumpulkan, menata, menyajikan, menganalisis dan menginterpretasikan menginterpret asikan data menjadi informasi untuk membantu pengambilan keputusan yang efektif
Istilah statistika dapat pula diartikan sebagai metode untuk mengumpulkan, mengolah, menyajikan, menganalisis, dan menginterpretasikan menginterpretas ikan data dalam bentuk angka-angka
Mengapa statistika perlu dipelajari? Statistika Statistika memberik membe rikan an pengetahuan p engetahuan dan kemampuan kepada seseorang untuk melakukan me lakukan evaluasi terhadap data Contoh : hasil jajak pendapat Valid dan tidak valid
Statistika Statistika sangat bermanfaat bagi dunia kerja kelak Membuat interpretasi hasil survey atau data statistik, menerapkan metode-metode analisis statistik, dsb
Penelitian sosial
Untuk memahami kehidupan sosial dari manusia dan berusaha mengembangkan pengetahuan (ilmu) tentang hal tsb.
Proses dalam penelitian sosial : I.
II.
Tahap Persi P ersiapan apan Peneliti memiliki hipotesis/dugaan yang bersifat ilmiah mengenai suatu kecenderungan kecenderungan Identifikasi populasi dan penetapan jenis instrumen pengumpulan data Tahap Pengolahan Data Klasifikasi/pengelompokkan data Analisis data statistika akan memegang peranan penting
Pemanfaatan statistika oleh peneliti sosial dalam kegiatan penelitian dapat digunakan untuk 4 keperluan :
1)
Menyusun, meringkas atau menyederhanakan data Membantu dalam merancang (merencanakan) kegiatan survey atau eksperimen yang dapat memperkecil biaya Menetapkan metode yang terbaik dalam penarikan kesimpulan (inferensi) sesuai dengan teknik penarikan sampel tertentu Mengukur baik tidaknya ( goodness) goodness) sebuah inferensi
2)
3)
4)
Kegiatan Belajar 2
Penggolongan berdasarkan aktivitas yang dilakukan
Statistika Deskriptif : membahas cara-cara pengumpulan data, penyederhanaan angkaangka, serta melakukan pengukuran pemusatan dan penyebaran untuk
memperoleh informasi yang lebih menarik, berguna dan mudah dipahami
Kegunaan statistika statistika deskriptif dalam ilmu sosial :
1)
Kumpulan Kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta memberikan informasi inti
2)
Memungkinkan peneliti menyajikan atau menggambarkan data dengan teknik grafik maupun numerik
3)
Memungkinkan peneliti mengukur dua karakteristik dari setiap respondennya dan meneliti hubungan di antara keduanya
4)
Memegang peranan penting dalam persiapan analisis data
Penyajian data statistik deskriptif membuat tabulasi penyajian dalam bentuk grafik, diagram, atau menyajikan karakteristik-karakteristik dari ukuran pemusatan dan penyebaran
Contoh aplikasi statistika statistika deskriptif : Pada 2009 jumlah TKI yang ditempatkan ke Korsel sebanyak 2.024 orang, pada 2010 sebanyak 3.962 orang, dan pada 2011 sebanyak 3.359 orang. Penempatan TKI ke Korsel sejak tahun 2007 dilakukan oleh BNP2TKI. Sebelumnya, penempatan TKI ini dilakukan oleh Kementerian Tenaga Kerja dan Transmigrasi
hanya penguraian, tanpa penarikan kesimpulan
Statistika Inferensia : membahas cara menganalisis data serta mengambil kesimpulan
yang pada dasarnya berkaitan dengan estimasi parameter dan pengujian hipotesis
Metode yang digunakan berkaitan dengan analisis sebagian data sampai ke penarikan kesimpulan keseluruhan data
Sebagian data dikenal dengan sampel sampel,, keseluruhan data disebut populasi
Karakteristik Statistika Inferensia
Pengamatan secara acak
Teknik penar penarikan ikan sampel (sampling)
Data dalam bentuk angka (numerical data)
Tujuan umum inferensia (common inferential objective)
Contoh Statistika Statistika Inferensia :
Contoh Kasus : Pada tahun 1990, diperoleh data di Jawa Barat terdapat 291.664 pencari kerja yang memuat informasi cukup lengkap mengenai karateristik pencari kerja tersebut, namun data mengenai asal sekolah tersebut tidak tercantum didalammnya.
Bagaimana cara mendapatkannya ? Apakah dilakukan survey pada 291.664 pencari pekerja tersebut? Dengan statistika inferensia, sampel dipilih secara random, misalnya 2500 pencari kerja. Sampel tersebut digunakan sebagai bahan dugaan terhadap keseluruhan pencari kerja
Keduanya merupakan bagian dari statistika inferensia Statistika ika Parametrik Parametrik : mempertimbangkan Statist nilai dari satu atau lebih parameter populasi
membutuhkan data yang berskala pengukuran minimal interval berpijak
pada asumsi spesifik mengenai bentuk distribusi populasi yang diasumsikan normal dalam penurunan prosedur dan penetapan teorinya
Statistika Nonparametrik : tidak memperhatikan nilai dari satu atau lebih parameter populasi validitas
tidak tergantung pada model peluang
yang spesifik dari populasi untuk
menganalisis data yang distribusinya tidak
dapat diasumsikan normal data
yang dibutuhkan lebih banyak yang
berskala ukur nominal atau ordinal
Statistika merupakan alat bantu yang tidak dapat diabaikan dalam ilmu-ilmu sosial untuk
membantu menggambarkan data dan menganalisisnya
Untuk analisis data, dapat memanfaatkan program atau sistem program komputer
Komputer Komputer membantu peneliti untuk melakukan perhitungan-perhitungan perhitungan-perhitungan yang rumit dan sulit dalam analisis datanya
Program komputer memungkinkan melakukan komputasi dan bahkan interpretasi data
Beberapa program program komputer k omputer untuk statistik : SPSS
(Statistical Package for the Social Science)
Microsoft Data-Text SAS BMD
Excel
Kegiatan Belajar 3
Merupakan suatu proses deduktif , yang berangkat dari suatu konstruk, konsep atau ide
Tahapan dalam proses pengukuran :
I.
Konseptualisasi proses
pemilihan konsep dan pemberian batasan secara teoritis terhadap konsep tersebut
Konseptual : batasan (definisi) dalam tingkat abstrak (teoretis) II.
Operasionalisasi proses
penyusunan definisi operasional dari konsep yang dimaksud Operasional : batasan/definisi atas makna suatu konsep dalam bentuk cara, prosedur ataupun instrumen pengukuran tertentu
1.
Prinsip dalam pengukuran, ada 2 : Prinsip eksklusif (mutually exclusive) Bahwa suatu kasus (case) tidak dapat memiliki nilai (kategori) lebih dari satu untuk variabel yang sama Contoh : seorang (kasus) yang memiliki jenis kelamin laki-laki (variabel dan kategori) tidak dapat pada saat yang sama memiliki jenis kelamin perempuan
2.
Prinsip ekshaustif (exhaustive) Bahwa nilai (kategori) yang tersedia untuk suatu
variabel harus dapat mencakup nilai dari setiap jenis kasus Contoh : kategori untuk alat transportasi yang digunakan untuk berangkat kerja harus dapat mencakup seluruh kemungkinan jawaban
1.
Konstanta dan Variabel Variabel Contoh konstanta : tipe ideal birokrasi, keluarga, revolusi Contoh variabel : pengukuran, status gizi, kepadatan penduduk Dalam penelitian sosial, perhatian lebih diarahkan pada variabel, yaitu pemahaman terhadap perubahan dan atau perbedaan
2.
Variable Kuantitatif & Variable Kualitatif
Variabel Kuantitatif : variabel yang hasil pengamatannya bervariasi dalam hal jumlah atau dapat dinyatakan dengan angka Contoh : kepadatan penduduk, angka kematian bayi, angka melek huruf, variabel umur, tinggi dan berat badan
Variabel Kualitatif : variabel yang hasil pengamatannya bervariasi dalam jenis bukan derajat (tingkat), tidak dapat ‘di-angka-kan’ Contoh : variabel metode kontrasepsi, cara pengelolaan
sampah, status pekerjaan utama, jenis kelamin, status perkawinan dan agama Pemberian Pemberian simbol angka pada variabel kualitatif hanya untuk keperluan identifikasi, contoh angka 1 pada kategori perumahan dan angka 2 pada kategori perkampungan
3.
Variabel Diskrit dan Variabel Kontinu
merupakan bagian dari variabel kuantitatif
Variabel Diskrit (Discrete Variable) Adalah variabel dengan jumlah nilai yang dapat dihitung Merupakan bilangan bulat Contoh : jumlah anak dalam satu rumah tangga, jumlah kendaraan bermotor, bermotor, jumlah kecelakaan lalu lintas
Variabel Kontinu (Continuous Variable) Adalah variabel dimana hasil pengamatannya merupakan salah satu dari sejumlah suatu garis interval Dapat berupa bilangan pecahan atau bulat Contoh : umur dan beban tanggungan, angka melek huruf
Pengukuran erat kaitannya dengan kuantifikasi
Kuantifikasi Kuantifikasi dibedakan menjadi 2 :
kuantifikasi melalui kategori (untuk data nominal) kuantifikasi melalui pengukuran (untuk data ordinal, interval, dan rasio)
Ada 4 jenis skala pengukuran, pengukuran, yaitu :
1.
Skala Nominal
2.
Skala Ordinal
3.
Skala Interval
4.
Skala Rasio
1.
Skala Nominal
Setiap kategori dapat diberikan simbol dalam bentuk angka atau huruf untuk identifikasi
Namun simbol/angka tersebut tidak memiliki makna apa-apa dan tidak menunjukkan besaran tertentu
Contoh Alasan pindah rumah = 1. pekerjaan, 2. pendidikan, 3. perkawinan perkawinan
Skala Ordinal
2.
Pengelompokkan data dengan tambahan informasi
Penyusunan kelompok kategori yang ada berdasarkan peringkat
Contoh
Jenjang
pendidikan :
SD – SMP – SMP – SMA – Perguruan Tinggi
Skala Interval
3.
Pembandingan suatu kasus lebih atau kurang dari kasus lain, dan penetapan jarak perbedaannya Penentuan jarak antarkategori yang terdapat pada alternatif tambahan Contoh variabel suhu udara : suhu hari ini 32 oC, sedangkan kemarin 29 oC berarti hari ini lebih panas 3 oC dari kemarin
Skala Rasio
4.
Memiliki seluruh sifat ketiga skala sebelumnya dan kemampuan untuk membandingkan skala pengukuran yang disusun Terdapat nilai nol yang menunjukkan tidak adanya jumlah yang dapat diamati Contoh berat badan orang 1 : 2 = 45 kg : 30 kg berarti orang 1, 15 kg & 1.5 kali lebih berat dari orang 2
1.
Rasio
2.
Sering kali digunakan dalam perbandingan antara dua kelompok data Contoh tahun 2006 jumlah murid SD di Kabupaten Sambas 71.595 murid dan jumlah guru sebanyak 4.215 orang berarti rasio murid dan guru 16.99, dimana tiap guru mendidik rata-rata 16 s/d 17 murid
Proporsi
Bentuk khusus dari rasio, dimana pembagi dalam perhitungan adalah jumlah elemen pada data A & B Contoh proporsi pekerja anak perempuan (usia 1014 tahun) diperkotaan adalah 0.53 hasil ini diperoleh dengan membagi jumlah pekerja anak perempuan dengan jumlah seluruh pekerja anak usia 10-14 tahun (baik laki-laki dan perempuan)
3.
4.
Persentase Memiliki rentang antara 0-100 Sama dengan cara perhitungan proporsi, tapi hasil perhitungannya perhitungannya harus dikalikan 100 Contoh persentasi pekerja anak perempuan (usia 10-14 tahun) di pedesaan pada tahun 2007 sebanyak 39.41%
Rates (Tingkat/Angka) Dilakukan dengan membagi jumlah munculnya kejadian yang dimaksud dengan jumlah keseluruhan yang mungkin muncul Contoh angka kelahiran menurut umur (age umur (age specific fertility rate) menunjukkan banyaknya kelahiran per 1000 wanita dari golongan umur tertentu
Terdapat perbedaan antara data sebenarnya dari variabel yang ingin diukur dengan data yang dihasilkan oleh instrumen pengukuran, dikarenakan :
Keterbatasan instrumen pengukuran
Ketidakakuratan instrumen
Perbedaan di antara kedua jenis data ini disebut sebagai kesalahan akibat pembulatan (rounded error)
Misalnya, hasil pengukuran jarak antardua tempat yang dinyatakan dengan kilometer atau berat badan seseorang dalam satuan berat kilogram
dengan pembulatan
Prinsip-prinsip pembulatan : Jika
angka terkiri dari angka yang harus dihilangkan kurang dari 5 maka angka terkanan dari angka yang mendahuluinya tetap. Contoh : 70,15 70; 40,45 40 Jika angka terkiri dari angka yang harus dihilangkan lebih dari atau sama dengan 5 diikuti angka-angka angka-angka bukan nol semua maka terkanan dari angka yang mendahuluinya bertambah dengan satu. Contoh : 40,2501 40,3 Jika angka terkiri dari angka yang harus dihilangkan sama dengan 5 atau angka 5 diikuti oleh angkaangka nol semua maka angka terkanan dari angka yang mendahuluinya tetap jika angka tersebut genap dan bertambah satu jika angka tersebut ganjil. Contoh : 34,5000 34; 33,5000 34
Merupakan dua hal penting dalam proses pengukuran
Validitas suatu pengukuran, akan menjawab : “Apakah variabel-variabel variabel-variabel (indikator) yang diteliti benar-benar benar-benar mengukur (mewakili) variabel-variabel variabel-variabel yang akan diukur?”
Reliabilitas, menjawab pertanyaan : “Apakah (hasil) pengukuran dari variabel (indikator) yang diteliti konsisten atau dapat diandalkan?”
Evaluasi terhadap validitas :
Memeriksa instrumen pengumpulan data (misalnya daftar pertanyaan/kuesioner), pertanyaan/kuesioner), apakah pertanyaanpertanyaan yang diajukan sudah dirumuskan dengan baik dan difokuskan pada variabel yang diteliti Meminta peneliti yang ahli dalam bidang kajian yang diteliti untuk melakukan evaluasi terhadap instrumen yang digunakan
Evaluasi terhadap reliabilitas : Melakukan evalusi terhadap konsistensi konsistensi,, apakah instrumen pengukuran akan memberikan hasil pengamatan yang sama jika diterapkan pada sampel yang sama pada sama pada waktu yang berbeda Prosedur test-retest instrumen pengukuran yang diuji diterapkan setidaknya dua kali pada sampel yang sama
