Kamis, 18 Agustus 2011 | By: Asril Arilaha

METODE ANALISIS DATA STATISTIK


Kualitas data yang digunakan sangat menentukan hasil atau kesimpulan yang diperoleh. Bila datanya berkualitas baik  maka informasi yang akan diperoleh juga baik dan sebaliknya. Kualitas data ditentukan oleh akurasinya. Data yang tidak akurat  ditunjukkan oleh adanya  data pencilan (outliers). Data ini harus dibuang agar tidak merusak hasil. Selain itu juga diperlukan  pemeriksaan normalitas data.
(1). Analisis Deskriptif
Analisis deskriptif  berhubungan  dengan pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut. Analisis data diskriptif sangat bermanfaat untuk menganalisis data populasi  atau untuk  menganalisis kajian  atau penelitian yang obyeknya berupa populasi. Kajian atau penelitian  demikian bisa jadi dalam bentuk studi kasus. Kaidah pemilihan metode analisis diskriptif dikaitkan dengan jenis data berdasarkan skala ukurnya disajikan pada tabel berikut :

JENIS DATA
PENATAAN
PERINGKASAN
PENGGAMBARAN
PEMUSATAN
PENYEBARAN
Nominal
Tabel  (distribusi frekuensi)
Modus
Banyaknya jenis data
Histogram
Diagram pastel
Ordinal
Tabel  (distribusi frekuensi)
Modus
Median
Rentang
Histogram
Diagram pastel
Interval dan Ratio
Tabel  (distribusi frekuensi)
Modus
Median
Mean
Rentang Varians
Histogram
Diagram pastel
Kurva

(2). Analisis Parametrik  Dan Nonparametrik
            Pada dasarnya data statistik terbagi menjadi dua macam, Yaitu :
(i)       Statisitik parametrik
Statistik parametrik dapat dilakukan  jika sampel yang akan dipakai berasal dari populasi yang berdistribusi normal. Jumlah data yang digunakan dalam analisis ini minimal 30 sampel dan menggunakan yang berupa data interval dan ratio
(ii)      Statisitik Non parametrik 
Statistik non parametrik digunakan untuk menganalisis data jumlahnya dibawah 30 (sangat sedikit) serta datanya berupa data ordinal dan nominal. Disamping itu  metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala  distribusi data dan lebih luas penggunaanya.

Gambar : Pengukuran dan Statistik untuk data parametrik dan non parametrik

(3). Analisis Hubungan
       Analisis hubungan  secara garis besar  dibedakan menjadi  analisis keeratan hubungan (korelasi), bentuk hubungan (regresi atau model aritmatika) dan analisis sebab akibat  (analisis jalur atau path analisis, LISREL). Pada tulisan ini akan diuraikan kesesuaian  setiap metode  dengan jenis data berdasarkan skala pengukurannya. Disamping itu juga akan kelihatan kesetaraan  berbagai metode analisis, misalnya parametrik dengan non parametrik. Selengkapnya lihat tabel berikut ini :
             

ANALISIS UNIVARIATE

DATA

KORELASI
REGRESI
X
Y
Nominal
Nominal
Kontigensi C
Odd Ratio
Realtive Risk
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik dummy variabel
Nominal
Ordinal
Kontigensi C
Odd Ratio
Realtive Risk
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik,  Dummy variabel
Regresi Theil
Regresi garis resisten
Nominal
Interval dan Ratio
Biserial
Regresi, dummy variabel
Ordinal
Nominal
Kontigensi C
Odd Ratio
Realtive Risk
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, dummy variabel
Ordinal
Ordinal
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik,  Dummy variabel
Regresi Theil
Regresi garis resisten
Ordinal
Interval dan Ratio
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall

Regresi, dummy variabel
Interval dan Ratio
Nominal
Biserial
Logit/logistik, Probit, LPM
Diskriminan
Interval dan Ratio
Ordinal
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik,  Dummy variabel
Regresi Theil
Regresi garis resisten
Interval dan Ratio
Interval dan Ratio
Product Moment Pearson
Kanonik
Regresi
 
ANALISIS KETERGANTUNGAN MULTIVARIATE
Nominal dan Ordinal
Analisis Korespondensi
Interval dan ratio
Path Analisis
Principle Component Analysis
Faktor Analisis
Byplot analisis
LISREL

ANALISIS  MULTIVARIATE
Nominal, Ordinal,
Interval dan ratio
Cluster Analysis
Conjoint Analysis
Multidimentional Scalling (MDS)

(4). Analisis Perbandingan (Komparatif)
Analisis perbandingan dapat dibedakan  menjadi pembandingan satu  populasi (terhadap nilai tertentu / standart yang dihipotesiskan), pembandingan dua populasi  dan pembandingan lebih dari dua populasi. Disamping itu juga dibedakan menjadi  parametrik dengan non parametrik, dan univariate dengan multivariate. Kaidah pemilihan perbandingan komparasi selengkapnya dapat dilihat pada tabel berikut :


(5). Analisis Peubah Tunggal (Univariate) dan peubah Ganda (multivariate)
Untuk mengukur keeratan hubungan dan pengaruh diantara hasil-hasil pengamatan dari populasi yang mempunyai dua atau lebih varian maka dilakukan dengan analisis peubah tunggal (univariate) akan tetapi apabila dalam suatu penelitian melibatkan banyak variabel  dan antar variabel tersebut  saling berkorelasi, maka analisis yang tepat adalah analisis peubah ganda (multivariate). 


0 komentar:

Poskan Komentar