STK511 Analisis Statistika. Pertemuan 12 Nonparametrik-Kategorik-Logistik
|
|
- Leony Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STK511 Analisis Statistika Pertemuan 12 Nonparametrik-Kategorik-Logistik
2 12. Pengantar Skala Pengukuran Data/Variabel Peubah Kategorik Categorical Numerik Numeric Nominal Ordinal Interval Ratio Hanya nama/lambang Ordered: A>B>C>D>E Hanya mengukur selisih tidak mampu mengukur Nisbah/rasio Mampu Mengukur Nisbah/rasio anang kurnia 2
3 12. Pengantar Peubah dan Metode Analisis Ditentukan oleh: 1. Skala pengukuran data/peubah 2. Jenis hubungan antar peubah Causal relationship Y X Numerik Kategorik Numerik Regresi Linier ANOVA Kategorik Regresi Logistik, Diskriminan, Classification and Regression Tree, Neural Network Regresi Logistik Classification and Regression Tree Neural Network anang kurnia (anangk@apps.ipb.ac.id) 3
4 12. Pengantar Parametrik vs Nonparametrik Dalam analisis statistika (misal: uji hipotesis) tersedia pilihan prosedur : parametrik dan nonparametrik Prosedur parametrik mengasumsikan data memiliki sebaran teoritik tertentu dan nilai data itu sendiri yang digunakan dalam analisis (uji hipotesis) Prosedur nonparametrik tidak mengasumsikan data memiliki sebaran teoritik tertentu dan biasanya bukan nilai data itu sendiri (biasanya rangking) yang digunakan dalam analisis. anang kurnia (anangk@apps.ipb.ac.id) 4
5 12. Pengantar Parametrik vs Nonparametrik Keuntungan uji nonparametrik adalah mudah dan tidak perlu untuk memeriksa sebaran data. Namun, kuasa uji (kemampuan memdeteksi hipotesis H 1 atau 1- ) nonparametrik lebih rendah dibandingkan uji parametrik padanannya. Kelemahan lain uji nonparametrik adalah uji parametrik ternyata masih dapat digunakan pada data yang asumsi sebarannya tidak dipenuhi (selama tidak jauh melenceng dari sebaran semula). Uji - t dan ANOVA contohnya, masih dapat digunakan untuk data yang tidak normal asalkan ia masih simetrik. anang kurnia (anangk@apps.ipb.ac.id) 5
6 12. Pengantar Parametrik vs Nonparametrik Pengujian hipotesis mengenai nilai tengah populasi Banyaknya populasi Parametrik Nonparametrik Satu Uji Z, Uji - t Uji Tanda, Wilcoxon Dua Uji Z, Uji - t Mann-Whitney Lebih ANOVA Kruskal-Wallis, Friedman anang kurnia (anangk@apps.ipb.ac.id) 6
7 12. Uji Tanda untuk Contoh Tunggal Prosedur ini disebut uji tanda karena data yang akan dianalisis diubah menjadi serangkaian tanda plus dan minus, sehingga statistik uji yang digunakan adalah jumlah tanda plus atau jumlah tanda minus. Asumsi: Contoh yang tersedia merupakan contoh acak dari suatu populasi dengan median M yang belum diketahui. Peubah yang akan diamati sekurang-kurangnya ber-skala ordinal. Hipotesis: H 0 : M = M 0 H1 : M M 0 H 0 : M M 0 H1 : M M 0 H 0 : M M 0 H1 : M M 0 anang kurnia (anangk@apps.ipb.ac.id) 7
8 12. Uji Tanda untuk Contoh Tunggal Statistik uji Pencatatan tanda dari n buah selisih, artinya mencatat (X i - M 0 ) dengan i = 1,2,..., n. Jika H 0 benar kita berharap contoh acak memiliki tanda plus sama banyaknya dengan tanda minus. Jika kita mendapatkan suatu jumlah tanda (baik plus atau minus) yang cukup kecil maka H 0 ditolak. Kaidah Keputusan Tolaklah H 0 pada taraf nyata jika peluang untuk mendapatkan suatu tanda yang lebih sedikit dari pada tanda yang lainnya dalam suatu conoth acak berukuran n adalah kurang dari atau sama dengan /2 ( ), jika H 0 benar. anang kurnia (anangk@apps.ipb.ac.id) 8
9 12. Uji Tanda untuk Contoh Tunggal Ilustrasi : Data1 : Sign Test for Median: Data1 Sign test of median = versus not = N Below Equal Above P Median Data anang kurnia (anangk@apps.ipb.ac.id) 9
10 12. Uji Peringkat Bertanda Wilcoxon Dalam uji Wilcoxon, kita menggunakan peringkat bertanda nilainilai selisih (X i - M). Kita akan menghitung jumlah peringkat bertanda negatif maupun jumlah peringkat bertanda positif. Asumsi: Contoh yang tersedia merupakan contoh acak dari suatu populasi dengan median M yang belum diketahui. Peubah yang akan diamati sekurang-kurangnya ber-skala interval. Populasi simetrik dan antar pengamatan saling bebas. Hipotesis: H 0 : M = M 0 H1 : M M 0 H 0 : M M 0 H1 : M M 0 H 0 : M M 0 H1 : M M 0 anang kurnia (anangk@apps.ipb.ac.id) 10
11 12. Uji Peringkat Bertanda Wilcoxon Statistik uji 1. Hitung : D i = X i M 0 2. Beri peringkat dari selisih terkecil hingga terbesar tanpa memperhatikan tandanya. 3. Tandai setiap peringkat dari tanda selisih (D i ) 4. Tentukan jumlah peringkat bertanda positif, misalkan dinotasikan dengan T+ dan jumlah peringkat bertanda negatif, T-. Kaidah Keputusan Terima H 0 jika T+ = T-. Aproksimasi untuk contoh besar T n(n 1)/4 T* ~ N 0,1 n(n 1)(2n 1)/24 anang kurnia (anangk@apps.ipb.ac.id) 11
12 12. Uji Peringkat Bertanda Wilcoxon Ilustrasi : Data1 : Wilcoxon Signed Rank Test: Data1 Test of median = versus median not = N for Wilcoxon Estimated N Test Statistic P Median Data anang kurnia (anangk@apps.ipb.ac.id) 12
13 12. Uji Mann-Whitney dua populasi Asumsi: Data terdiri atas dua gugus contoh acak yang saling bebas : X1, X2 Xn dan Y1, Y2 Yn. Contoh pertama ditarik dari suatu populasi dengan median M x dan contoh kedua dari populasi dengan median M y. Skala pengukuran paling sedikit adalah ordinal. Kedua populasi memiliki bentuk sebaran yang sama. Fungsi sebaran dari kedua populasi hanya berbeda pada lokasinya (mean). Hipotesis: H 0 : Mx = My H 1 : Mx My (H 1 : Mx > My, H 1 : Mx < My) anang kurnia (anangk@apps.ipb.ac.id) 13
14 12. Uji Mann-Whitney dua populasi Statistik Uji Gabungkan kedua contoh, kemudian beri peringkat dari yang terkecil hingga yang terbesar. Jumlahkan peringkat-peringkat dari populasi 1. Jika parameter lokasi dari populasi 1 lebih kecil, kita mengharapkan jumlah peringkat contoh yang ditarik dari popuasi 1 akan lebih kecil dari jumlah peringkat contoh yang ditarik dari populasi 2. Begitu juga sebaliknya. Statistik uji didasarkan pada jumlah peringkat yang cukup kecil atau cukup besar dari amatan-amatan contoh yang berasal dari populasi 1. n (n 1) 1 1 T S, dengan S adalah jumlah peringkat untuk 2 contoh dari populasi 1 anang kurnia (anangk@apps.ipb.ac.id) 14
15 12. Uji Mann-Whitney dua populasi Kaidah Keputusan H 1 : Mx My Tolak H0 jika T hitung < w /2 atau T hitung w 1- /2. H 1 : Mx < My Tolak H0 jika T hitung < w H 1 : Mx > My Tolak H0 jika T hitung > w 1-. Catatan : w 1- = n 1 n 2 - w Aproksimasi untuk n besar T n n /2 1 2 z ~ N 0,1 n n (n n 1)/ anang kurnia (anangk@apps.ipb.ac.id) 15
16 12. Uji Mann-Whitney dua populasi Ilustrasi : Data1 : Data2 : Mann-Whitney Test and CI: Data1, Data2 N Median Data Data Point estimate for ETA1-ETA2 is Percent CI for ETA1-ETA2 is (-3.000,-1.000) W = Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at anang kurnia (anangk@apps.ipb.ac.id) 16
17 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) Uji nilai tengah beberapa populasi berdasarkan data contoh yang saling bebas Pengujian dilakukan dengan memberi peringkat pada data gabungan contoh Idenya, bila tidak ada perbedaan antar populasi, peringkat data masing-masing contoh akan memiliki kecenderungan yang sama anang kurnia 17
18 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) Ilustrasi: pengujian kesamaan tingkat konsumsi rumah tangga antara tiga wilayah Langkah-langkah: 1. Penyusunan hipotesis: H 0 : Tidak ada perbedaan konsumsi antar ketiga populasi H 1 : Ada perbedaan konsumsi antar ketiga populasi anang kurnia (anangk@apps.ipb.ac.id) 18
19 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) 2. Pemberian peringkat pada data gabungan No Wil 1 Rank 1 Wil 2 Rank 2 Wil 3 Rank anang kurnia (anangk@apps.ipb.ac.id) 19
20 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) 3. Penghitungan jumlah peringkat untuk masing-masing contoh R1 = R2 = R3 = Penghitungan statistik uji H 12 N(N 1) k i 1 2 R i 3(N n 1) i k = banyaknya populasi H = anang kurnia (anangk@apps.ipb.ac.id) 20
21 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) 5. Evaluasi Uji Tolak H 0 bila H > 2 (db = k-1; ) atau nilai-p < Untuk data ilustrasi, dengan menggunakan Minitab diperoleh nilai-p = untuk = 0.05 H 0 ditolak ada perbedaan konsumsi antar ketiga wilayah anang kurnia (anangk@apps.ipb.ac.id) 21
22 12. Uji Kruskal-Wallis dua populasi atau lebih (RAL) Ilustrasi lain: Kruskal-Wallis Test: Data versus Populasi Kruskal-Wallis Test on Data Populasi N Median Ave Rank Z Overall H = DF = 2 P = H = DF = 2 P = (adjusted for ties) anang kurnia (anangk@apps.ipb.ac.id) 22
23 12. Uji Friedman RAK Uji nilai tengah beberapa populasi berdasarkan data contoh yang saling terkait (kelompok) Pengujian dilakukan dengan memberi peringkat data pada masing-masing objek Idenya, bila tidak ada perbedaan antar populasi, peringkat data pada masing-masing contoh akan memiliki kecenderungan yang sama anang kurnia 23
24 12. Uji Friedman RAK Ilustrasi: Suatu penelitian dilakukan untuk mengetahui pengaruh warna kertas (biru, hijau, oranye) terhadap tingkat respons bagi kuesioner-kuesioner yang disebarkan dengan cara ditempelkan di kaca depan mobil yang diparkir di tempat parkir toko swalayan. Lima tempat parkir toko swalayan dipilih dan ketiga warna kuesioner tersebut ditempelkan secara acak pada mobil-mobil yang diparkir di lima tempat parkir anang kurnia 24
25 12. Uji Friedman RAK 1. Penyusunan hipotesis Langkah-langkah: H 0 : Tidak ada perbedaan respon pengembalian kuesioner untuk ketiga warna H 1 : Ada perbedaan respon pengembalian kuesioner untuk ketiga warna 2. Pemberian peringkat pada data respon pengembalian kuesioner untuk masing-masing toko swalayan 3. Penghitungan jumlah peringkat untuk masing-masing warna kuesioner anang kurnia (anangk@apps.ipb.ac.id) 25
26 12. Uji Friedman RAK Tempat Parkir Warna Kuesioner Biru Hijau Oranye 1 28 (2) 34 (3) 27 (1) 2 26 (2) 29 (3) 25 (1) 3 31 (2) 35 (3) 29 (1) 4 29 (2) 31 (3) 27 (1) 5 30 (3) 29 (2) 28 (1) R biru =11 R hijau =14 R oranye =5 anang kurnia (anangk@apps.ipb.ac.id) 26
27 12. Uji Friedman RAK Langkah-langkah: 4. Penghitungan statistik uji k χ r R j 3b(k 1) bk(k 1) j 1 b = banyaknya objek = 5 k = banyaknya populasi = 3 2 = anang kurnia (anangk@apps.ipb.ac.id) 27
28 12. Uji Friedman RAK Langkah-langkah: 5. Evaluasi Uji Tolak H0 bila H > 2 (db = k-1; ) atau nilai-p < Untuk data ilustrasi, dengan menggunakan Minitab diperoleh nilai-p = untuk = 0.05 H0 ditolak ada perbedaan respon pengembalian kuesioner untuk ketiga warna anang kurnia (anangk@apps.ipb.ac.id) 28
29 12. Uji Friedman RAK Minitab Friedman Test: Respon versus Warna blocked by Parkir S = 8.40 DF = 2 P = Sum of Warna N Est Median Ranks Biru Hijau Oranye Grand median = anang kurnia (anangk@apps.ipb.ac.id) 29
30 Uji Khi-Kuadrat pada Tabel Kontingensi
31 12. Hubungan Antar Peubah Dari data yang dimiliki, seringkali diinginkan untuk dievaluasi adakah keterkaitan atau hubungan antar peubah-peubah yang ada. Peubah numerik korelasi Peubah kategorik asosiasi anang kurnia 31
32 12. Hubungan Antar Peubah Asosiasi Beberapa ilustrasi asosiasi antar peubah Hubungan antara pendapatan yang diterima dengan kepuasan kerja yang dirasakan Hubungan antara keputusan pembelian suatu produk tertentu dikaitkan dengan jenis kelamin atau tingkat pendapatan konsumen Hubungan antara status kredit nasabah (lancar atau macet) dengan status rumah (sendiri atau kontrak) dan lokasi tinggal (desa atau kota) anang kurnia 32
33 12. Hubungan Antar Peubah Tabulasi Silang Eksplorasi asosiasi antar peubah biasa diawali dengan tabulasi silang antar kedua peubah Peubah A Peubah B Kategori 1 Kategori 2... Kategori q Total Kategori 1 O 11 O O 1q B 1 Kategori 2 O 21 O O 2q B Kategori p O p1 O p2... O pq B p Total K 1 K 2... K q N anang kurnia (anangk@apps.ipb.ac.id) 33
34 12. Hubungan Antar Peubah Hipotesis Pada evaluasi ada tidaknya asosiasi antar peubah, hipotesis yang diuji adalah: H0: Tidak ada asosiasi antar peubah H1: Ada asosiasi antar peubah Apabila H 0 benar, maka semestinya frekuensi masing-masing sel (frekuensi harapan) pada tabulasi silang adalah E ij B i x K N j anang kurnia (anangk@apps.ipb.ac.id) 34
35 12. Hubungan Antar Peubah Statistik Uji Semakin jauh nilai frekuensi sebenarnya (O ij ) dengan frekuensi harapan (E ij ), maka semakin besar kemungkinan hipotesis H 0 salah atau tidak didukung data Dari ide ini disusun statistik uji untuk pengujian asosiasi sebagai berikut 2 hitung p q i 1 j 1 ( O E ) ij E ij ij 2 anang kurnia (anangk@apps.ipb.ac.id) 35
36 12. Hubungan Antar Peubah Kriteria Penolakan H 0 Jika H 0 benar, maka 2 hitung menyebar 2 dengan db = (p-1)(q-1) H0 ditolak bila: 2 hitung > 2 [db=(p-1)(q-1); ] nilai-p < anang kurnia (anangk@apps.ipb.ac.id) 36
37 12. Hubungan Antar Peubah Ilustrasi Ilustrasi: asosiasi antara pendapatan yang diterima dengan kepuasan kerja yang dirasakan Pendapatan Kepuasan kerja Total Total anang kurnia (anangk@apps.ipb.ac.id) 37
38 12. Hubungan Antar Peubah Ilustrasi Nilai Harapan E11 = (22)x(18)/(104) = 3.81 E21 = (58)x(18)/(104) = E33 = (24)x(23)/(104) = 5.31 Statistik uji (6 3.81) ( ) (8 5.31) χ =4.094 anang kurnia (anangk@apps.ipb.ac.id) 38 2
39 12. Hubungan Antar Peubah Ilustrasi Evaluasi uji Tolak H 0 bila 2 > 2 [db = (B-1)(K-1); ] atau bila nilai-p < dengan menggunakan Minitab diperoleh nilai-p = untuk = 0.05 H 0 diterima Tidak ada asosiasi antara pendapatan yang diterima dengan kepuasan kerja yang dirasakan anang kurnia (anangk@apps.ipb.ac.id) 39
40 12. Hubungan Antar Peubah Minitab Tabulated statistics: Pendapatan, Kepuasan Kerja Rows: Pendapatan Columns: Kepuasan Kerja All All Cell Contents: Count Expected count Pearson Chi-Square = 4.094, DF = 4, P-Value = Likelihood Ratio Chi-Square = 3.877, DF = 4, P-Value = * NOTE * 3 cells with expected counts less than 5 anang kurnia (anangk@apps.ipb.ac.id) 40
41 Regresi Logistik
42 12. Regresi Logistik Overview Peubah Respons Metode C o n t i n u o u s L i n e a r R e g r e s s i o n A n a l y s i s C a t e g o r i c a l anang kurnia (anangk@apps.ipb.ac.id) 42
43 12. Regresi Logistik Modeling Data Biner Y i ~ Binomial (n i, i ) E(Y i ) = n i i, Var(Y i ) = n i i (1 - i ) Model : E(Y i /n i ) = i = X MKT Masalah : Var(Y i /n i ) = i (1 - i ) /n i (tidak konstan) MKT terboboti Masih memungkinan - < i < padahal 0 < i < 1 Solusi : menggunakan canonical parameter / link function log [ i /(1 - i )] = X anang kurnia (anangk@apps.ipb.ac.id) 43
44 12. Regresi Logistik GLM: Pengembangan Model Linear Model Linear: y i ~ N( i, 2 ) dengan i = 1 x 1i + 2 x 2i + 3 x 3i + + p x pi Komponen dalam GLM: (tidak harus normal, asal keluarga eksponensial) 1. Komponen acak y 1, y 2,, y n contoh acak dimana y i ~ ( i, 2 ) 2. Komponen sistematik merupakan fungsi dari peubah penjelas : i = i x 1i + i x 2i + i x 3i + + i x pi 3. Fungsi hubung menghubungkan antara fungsi dari nilai tengah komponen acak dengan komponen sistematik : g( i ) = i anang kurnia (anangk@apps.ipb.ac.id) 44
45 12. Regresi Logistik GLM: Sebaran Keluarga Eksponensial Suatu peubah acak Y termasuk dalam keluarga eksponensial jika fkp/fmp dapat dibentuk sbb Y ~ E(, ) dengan = E(Y) = b ( ), 2 = Var(Y) = b ( ) a( ). Untuk tetap, Score function dan Fisher information function : dan anang kurnia (anangk@apps.ipb.ac.id) 45
46 12. Regresi Logistik Jenis Regresi Logistik Peubah Respon Jenis Regresi Logistik T w o C a t e g o r i e s T h r e e o r M o r e C a t e g o r i e s B i n a r y Y e s N o Binary N o m i n a l O r d i n a l anang kurnia (anangk@apps.ipb.ac.id) 46
47 12. Regresi Logistik Kurva Regresi Logistik Menggambarkan hubungan antara peluang beli vs tidak beli berdasarkan harga anang kurnia 47
48 12. Regresi Logistik Asumsi P i L o g i t T r a n s f o r m P r e d i c t o r P r e d i c t o r anang kurnia (anangk@apps.ipb.ac.id) 48
49 12. Regresi Logistik Transformasi dan Model Regresi Logistik Transformasi fungsi peluang Model: p logit i pi log 1 pi logit (p i ) = X 1 P 0 e 1 e x Y x anang kurnia (anangk@apps.ipb.ac.id) 49
50 12. Regresi Logistik Transformasi dan Model Regresi Logistik 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1 > 0 1 < 0 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 anang kurnia (anangk@apps.ipb.ac.id) 50
51 12. Regresi Logistik Uji Hipotesis: Simultan Statistik uji-g adalah uji rasio kemungkinan (likelihood ratio test) yang digunakan untuk menguji peranan peubah penjelas di dalam model secara bersama-sama (Hosmer & Lemeshow, 1989). Rumus umum uji-g untuk menguji hipotesis : H0 : 1 = 2 = = k = 0 H1 : minimal ada satu yang tidak sama dengan 0 adalah G likelihood 2ln likelihood dengan peubah peubah bebas bebas Statistik G ini, secara teoritis mengikuti sebaran 2 dengan derajat bebas k. tan pa anang kurnia (anangk@apps.ipb.ac.id) 51
52 12. Regresi Logistik Uji Hipotesis: Parsial Sementara itu, uji Wald digunakan untuk menguji parameter i secara parsial. Hipotesis yang diuji adalah: H0 : i = 0 H1 : i 0 Formula statistik Wald adalah: ˆ i W SE( ˆ ) Secara teori, statistik W ini mengikuti sebaran normal baku jika H0 benar. i anang kurnia (anangk@apps.ipb.ac.id) 52
53 12. Regresi Logistik Odd dan Rasio Odd Odd (ukuran asosiasi pada regresi logistik) rasio peluang kejadian sukses dengan kejadian tidak sukses dari peubah respon. Adapun rasio odd mengindikasikan seberapa lebih mungkin, dalam kaitannya dengan nilai odd, munculnya kejadian sukses pada suatu kelompok dibandingkan dengan kelompok lainnya. Sebagai contoh, seberapa lebih besar peluang wanita untuk membeli produk dengan harga tertentu dibandingkan dengan pria. anang kurnia 53
54 12. Regresi Logistik Odd dan Rasio Odd Jenis kelamin Membeli produk Ya Tidak Total Pria Wanita Total Odd pria Odd wanita P(membeli) P(tidak membeli) P(membeli) P(tidak membeli) Rasio odd antara pria dengan wanita adalah: Rasio Odd Odd Odd pria wanita anang kurnia 54
55 12. Regresi Logistik Ilustrasi Tabulated statistics: JK, purchase Rows: JK Columns: purchase 0 1 All All Binary Logistic Regression: purchase versus JK Link Function: Logit Response Information Variable Value Count purchase (Event) Total 431 Logistic Regression Table Odds 95% CI Predictor Coef SE Coef Z P Ratio Lower Upper Constant JK Log-Likelihood = Test that all slopes are zero: G = 4.698, DF = 1, P-Value = anang kurnia (anangk@apps.ipb.ac.id) 55
56 Bersambung. anang kurnia 56
STK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinci2 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Dua Populasi Uji Mann-Whitney Uji beda proporsi contoh besar
Lebih terperinciANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK HUBUNGAN ANTAR PEUBAH DALAM ANALISIS INGIN DIKETAHUI ATAU DIEVALUASI HUBUNGAN ATAU KETERKAITAN ANTAR PEUBAH Hubungan Antar Peubah Besarnya gaji Lama bekerja Hubungan Antar Peubah
Lebih terperinciLampiran 1. Kuisioner Survei Konsumen Ritel Modern. Kuisioner Survei Konsumen Ritel Modern. A. Karakteristik Konsumen. 1. Nama :...
LAMPIRAN 80 Lampiran 1. Kuisioner Survei Konsumen Ritel Modern Kuisioner Survei Konsumen Ritel Modern Responden Yth, Saya, Firdaus Sinulingga (A 14104671), Mahasiswa Program Sarjana Ekstensi, Fakultas
Lebih terperinciStatistika Non-Parametrik
Statistika Non-Parametrik STK 511 Analisis Statistika Depertemen Statistika IPB 1 Statistika Non-Parametrik Ciri statistika non-parametrik : o Prosedur non-parametrik -> fokus hanya pada beberapa karakteristik
Lebih terperinciParametrik. Memerlukan asumsi sebaran (Normal) Non parametrik. Tidak memerlukan asumsi sebaran (Normal)
Video Parametrik Memerlukan asumsi sebaran (Normal) Pendekatannya adalah langsung menggunakan statistik penduga yang berkait langsung dengan parameter yang dimaksud Non parametrik Tidak memerlukan asumsi
Lebih terperinciUtriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015
Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Prosedur Uji Hipotesis Uji Z Parametrik Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi distribusi normal Uji Tanda Uji Rang Tanda
Lebih terperinciSTK511 Analisis Statistika. Pertemuan - 1
STK511 Analisis Statistika Pertemuan - 1 PERKULIAHAN 1. Dosen : Anang Kurnia (anangk@apps.ipb.ac.id) 2. Asisten : Septian Rahardiantoro 3. Waktu : Rabu > 08.00 09.40 Jumat > 08.00 10.00 4. Office Hours
Lebih terperinciSTATISTIK NON PARAMTERIK
STATISTIK NON PARAMTERIK PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameterparameter
Lebih terperinciUji Z atau t Uji Z Chi- square
UJI FRIEDMAN SEBAGAI PENDEKATAN ANALISIS NONPARAMETRIK UNTUK MENGUJI HOMOGENITAS RATA-RATA retnosubekti@uny.ac.id Pendahuluan Uji parametrik memerlukan pemenuhan asumsi-asumsi tentang distribusi populasi
Lebih terperinciBAB 5 ANALISIS HASIL PENELITIAN. Pengumpulan data dilakukan pada 130 karyawan bagian produksi, di
BAB 5 ANALISIS HASIL PENELITIAN 5.1. Karakteristik Responden Pengumpulan data dilakukan pada 13 karyawan bagian produksi, di PT Indo C. Data yang diperoleh menunjukkan adanya karakteristik responden sebagai
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciUJI CHI SQUARE. (Uji data kategorik)
UJI CHI SQUAR (Uji data kategorik) A. Pendahuluan Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran
Lebih terperinci10 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan
Lebih terperinciCandi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. :
PEDOMAN ANALISIS DATA DENGAN SPSS Oleh : Stanislaus S. Uyanto, Ph.D. Edisi Pertama, 2006 Edisi Kedua, 2006 Edisi Ketiga Cetakan Pertama, 2009 Hak Cipta 2006, 2009 pada penulis, Hak Cipta dilindungi undang-undang.
Lebih terperinciRegresi Logistik Nominal dengan Fungsi Hubung CLOGLOG
Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciGambaran Duplikasi Penomoran Rekam Medis. Gambaran Kualifikasi Pendidikan. Gambaran Pengetahuan. Statistics pemberian nomor. N Valid 60.
Gambaran Duplikasi Penomoran Rekam Medis Statistics N Valid 60 Missing 0 Frequency Percent Valid Percent Cumulative Percent Valid duplikasi 24 40.0 40.0 40.0 tidak duplikat 36 60.0 60.0 100.0 Total 60
Lebih terperinciUji Statistik yang Digunakan Untuk ANALISA BIVARIAT
1 Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT Variabel I Variabel II Jenis uji statistik yang digunakan Katagorik Katagorik - Kai kuadrat - Fisher Exact Katagorik Numerik - Uji T - ANOVA Numerik
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciANALISIS DATA KUANTITATIF
1 ANALISIS DATA KUANTITATIF Analisis data merupakan proses pengolahan, penyajian, dan interpretasi yang diperoleh dari lapangan agar data yang disajikan mempunyai makna. A. Tujuan Analisis Data 1. Menjawab
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciLAMPIRAN. Universitas Sumatera Utara
LAMPIRAN Lampiran 1: Analisis Logit Iteration Step 1 1-2 Log likelihoo d Coefficients Iteration History(a,b,c,d) Constant X1 X2 X3 X4 X5 X6 X7 X8 X9 31.228-2.194.035 -.231 -.080 -.014.819 -.660.443.559
Lebih terperinciPenggolongan Uji Hipotesis
Penggolongan Uji Hipotesis Macam Data Deskriptif (1 sampel) Komparatif (2 sampel) Macam Hipotesis Komparatif (k sampel) Asosiatif Berpasangan Independen Berpasangan Independen Berpasangan Independen Nominal
Lebih terperinciInferensia Statistik parametrik VALID?? darimana sampel diambil
Inferensia Statistik parametrik VALID?? Tergantung dari bentuk populasi Tergantung dari bentuk populasi darimana sampel diambil Uji kesesuaian (goodness of fit) ) untuk tabel frekuensi Goodness-of-fit
Lebih terperinciUji OR dan Regresi Logistik Sederhana
Uji OR dan Regresi Logistik Sederhana Pada kesempatan ini, kita akan mencoba melakukan analisa data pada penelitian case control study dimana analisis univariat menggunakan nilai odds ratio dan analisis
Lebih terperinciPIKA SILVIANTI, M.SI
PIKA SILVIANTI, M.SI No. Materi Pokok (Materi Ajar) Alokasi Waktu (menit) 1 Pengenalan analisis regresi 2 x 50 2: Bab 1 2 Model regresi linier sederhana 2 x 50 Bahan / Sumber Belajar 2: Bab 2 3: Bab 1
Lebih terperinciKULIAH 2 : UJI NON PARAMETRIK 1 SAMPEL. Tim Pengajar STATSOS Lanjutan
KULIAH : UJI NON PARAMETRIK 1 SAMPEL Tim Pengajar STATSOS Lanjutan What is Statistics Science of gathering, analyzing, interpreting, and presenting data Branch of mathematics Facts and figures Measurement
Lebih terperinciHIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ-
HIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ- PENGERTIAN Hipotesis asosiatif adalah hipotesis yang menunjukkan dugaan adanya hubungan atau pengaruh antara dua variabel atau lebih. Contoh: Rumusan masalah:
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X
ANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X Erna Hayati Fakultas Ekonomi Universitas Islam Lamongan ABSTRAKSI Kepuasan
Lebih terperinciperembesan zat pencemar dari limbah yang berasal dari aktivitas domestik.
VIII. IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN PENDUDUK UNTUK MELAKUKAN TINDAKAN PENCEGAHAN AKIBAT PENCEMARAN AIR TANAH Pertambahan jumlah penduduk yang semakin tinggi di Kota Bekasi mengakibatkan
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik STATISTIK PARAMETRIK DAN NON PARAMETRIK Statistik parametrik, didasarkan asumsi : - sampel random diambil dari populasi normal atau - ukuran sampel besar atau - sampel berasal
Lebih terperinciMateri KBK sem 7 Prinsip data Prinsip statistik dalam penelitian Statistik deskriptif Statistik inferensial
Dr. Arlinda Sari Wahyuni, MKes Materi KBK sem 7 Prinsip data Prinsip statistik dalam penelitian Statistik deskriptif Statistik inferensial Apa statistik??? Statistik Disiplin ilmu yang mempelajari metode
Lebih terperinciA. Metode Statistik Deskriptif. B. Metode Statistik Inferensia STATISTIK DESKRIPTIF STATISTIK INFERENSIAL. Penyajian Data Statistik Deskriptif
MG V KERANGKA ANALISIS DATA PENELITIAN KUANTITATIF Dr. Ir. Bambang Sulistyantara, MAgr. Dr. Ir. Tati Budiarti, MS Dr. Kaswanto, SP, MSi Materi Kuliah MK Metode Penelitian Arsitektur Lanskap [ARL 30] TA
Lebih terperinciLAMPIRAN KUESIONER PENELITIAN. No. Responden :
LAMPIRAN Lampiran 1. Kuesioner Penelitian KUESIONER PENELITIAN No. Responden : A. Data umum : 1. Nama : 2. Tempat, tanggal lahir: 3. Umur : Tahun 4. Jenis kelamin : 5. Alamat : 6. Nomor Hp : 7. Pendidikan
Lebih terperinciLAMPIRAN 1 KONVERSI DOSIS
LAMPIRAN KONVERSI DOSIS Perhitungan dosis jamu ekstrak daun salam produksi pabrik jamu B dalam bentuk kapsul Berat J kapsul = 550 mg Konversi dosis dari manusia 70 kg ke mencit 0 gram = 0,006 Maka, dosis
Lebih terperinciKUESIONER PENELITIAN
92 KUESIONER PENELITIAN HUBUNGAN FAKTOR PREDISPOSISI, PENDUKUNG DAN PENGUAT DENGAN TINDAKAN PENGGUNAAN KONDOM PADA WPS UNTUK PENCEGAHAN HIV/AIDS DI KABUPATEN SERDANG BEDAGAI TAHUN 2012 I. IDENTITAS RESPONDEN
Lebih terperinciSTATISTIKA UJI NON-PARAMETRIK
STATISTIKA UJI NON-PARAMETRIK DISUSUN OLEH : Jayanti Syahfitri DOSEN PENGAMPU : Dr. Risnanosanti, M.Pd PROGRAM PASCASARJANA MAGISTER PENDIDIKAN BIOLOGI (S-2) FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciIII. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam
Lebih terperinciStatistik Non Parameter
Statistik Non Parameter A. Pengertian Non Parametrik Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah lain yang sering digunakan antara lain distribution-free statistics
Lebih terperinciSTATISTIK NON PARAMETRIK (1)
11 STATISTIK NON PARAMETRIK (1) Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Metode Statistik : Parametrik
Lebih terperinciLampiran 1. Surat Keterangan Hasil Determinasi Tanaman Sirih Merah (Piper crocatum Ruiz and Pav.)
Lampiran 1. Surat Keterangan Hasil Determinasi Tanaman Sirih Merah (Piper crocatum Ruiz and Pav.) 38 Lampiran 1. Lanjutan... 39 Lampiran 1. Lanjutan... 40 Lampiran 2. Surat Keterangan Telah Melakukan Penelitian
Lebih terperinci10+ Departemen Statistika FMIPA IPB
Suplemen Praktikum Pertemuan ANALISIS DATA KATEGORIK (STK351) 10+ Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Analisis Nonparameterik dan Data Kategorik dengan dan Menggunakan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan pada obyek wisata pemandian air panas alam CV Alam Sibayak yang berlokasi di Desa Semangat Gunung Berastagi, Kabupaten Karo Sumatera
Lebih terperinciBAB 3 METODE PENELITIAN
1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciKUESIONER PENELITIAN PENGARUH PENGETAHUAN DAN MOTIF EKONOMI TERHADAP PENGGUNAAN FORMALIN DAN BORAKS OLEH PEDAGANG
Lampiran 1. Kuesioner Penelitian KUESIONER PENELITIAN PENGARUH PENGETAHUAN DAN MOTIF EKONOMI TERHADAP PENGGUNAAN FORMALIN DAN BORAKS OLEH PEDAGANG DALAM PANGAN SIAP SAJI (BAKSO) DI MEDAN DENAI DAN MEDAN
Lebih terperinciANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK 7.1 Uji Independensi Khi Kuadrat Adakalanya kita menjumpai data yang bersifat kategorikal. Yang dimaksud dengan kategorikal di sini adalah data terkelompokkan berdasarkan kategori
Lebih terperinciLampiran 2. Berat badan patokan untuk perhitungan kecukupan gizi
Lampiran 1. Kurva standar kafein Absorbansi 1.2 1 0.8 0.6 0.4 0.2 y = 0.0502x + 0.0146 R 2 = 0.9971 Absorbansi Linear (Absorbansi) 0 0 5 10 15 20 25 Konsentrasi (ppm) Lampiran 2. Berat badan patokan untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciLampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y
1 Lampiran Hasil Output SPSS A. Analisis Univariat 1. Kepuasan Pasien Statistics Skor Kepuasan Pasien Rawat Jalan 200 Missing 0 Mean 46.73 Skor Kepuasan Pasien Rawat Jalan Frequenc y Cumulative 39 4 2.0
Lebih terperinciRegresi Logistik Binomial, Model untuk Toksisitas Logam Berat Timbal Pb terhadap Larva Udang Vannamae
Regresi Logistik Binomial, Model untuk Toksisitas Logam Berat Timbal Pb terhadap Larva Udang Vannamae Dwi Haryo Ismunarti Jurusan Ilmu Kelautan Fakultas Perikanan dan Ilmu Kelautan UNDIP email : dwiharyois@gmail.com
Lebih terperinciSTATISTIKA NON PARAMETRIK
STATISTIKA NON PARAMETRIK Utriweni Mukhaiyar BI5106 Analisis Biostatistik 4 Desember 2012 Prosedur Uji Hipotesis Prosedur Uji Hipotesis Parametrik Uji Z Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi
Lebih terperinciKUESIONER ORANG TUA HUBUNGAN FAKTOR PERILAKU IBU TERHADAP KEJADIAN KARIES
KUESIONER ORANG TUA HUBUNGAN FAKTOR PERILAKU IBU TERHADAP KEJADIAN KARIES Tanggal pemeriksaan: (tanggal, bulan) Nama lengkap anak:.. Jenis Kelamin: LK/PR Tanggal lahir/ usia anak:... (tgl-bln-thn) /. Tahun
Lebih terperinciAnalisis Korelasi dan Regresi. Dr. Kusman Sadik, M.Si Dept. Statistika IPB
Analisis Korelasi dan Regresi Dr. Kusman Sadik, M.Si Dept. Statistika IPB - 015 1 Hubungan Dua Peubah atau Lebih PEUBAH KASUS PENGUMPULAN DATA JENIS HUBUNGANNYA 1.Dosis pupuk.banyaknya padi yg dihasilkan
Lebih terperinciKORELASI DAN REGRESI. dr. Hadi Sarosa, M.Kes Bagian Fisiologi F.K Unissula Semarang
KORELASI DAN REGRESI dr. Hadi Sarosa, M.Kes Bagian Fisiologi F.K Unissula Semarang Korelasi Hipotesis asosiatif merupakan dugaan adanya hubungan antar variabel dalam populasi Korelasi merupakan angka yang
Lebih terperinciANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION
ANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION Syamsul Rizal 1, Imaroh Izzatun Nisa 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi S1 Statistika
Lebih terperinciUmur kelompok. Valid < 45 tahun tahun >65 tahun Total
80 Frequency Table Umur kelompok Valid < 45 tahun 9 7.7 7.7 7.7 45-65 tahun 77 65.8 65.8 73.5 >65 tahun 31 26.5 26.5 100.0 Jenis Kelamin Valid laki-laki 67 57.3 57.3 57.3 perempuan 50 42.7 42.7 100.0 Agama
Lebih terperinci67 Lampiran 2. Kuesioner kepatuhan Eight Items Morisky Scale yang telah dimodifikasi (pretest / posttest) yang ditujukan pada pasien dewasa 68 Lampiran 3. Kuesioner kepatuhan Eight Items Morisky Scale
Lebih terperinciDua sampel independen, tidak terikat, tidak
76 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 77 Jadi dari analisis keputusannya : p value < 0,05 Ho ditolak berarti Distribusi
Lebih terperinciI. Identitas Responden
81 Lampiran 1 KUESIONER PENELITIAN PENGARUH KARAKTERISTIK, AKTIFITAS FISIK DAN PENAMBAHAN BERAT BADAN IBU HAMIL TERHADAP KEJADIAN PREEKLAMSIA DI RSUD RANTAU PRAPAT Kasus Kontrol I. Identitas Responden
Lebih terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
Lebih terperinciPENGARUH GAYA HIDUP TERHADAP KEJADIAN HIPERTENSI DI RSUD Dr. H. KUMPULAN PANE TEBING TINGGI
Lampiran 1 KUESIONER PENELITIAN PENGARUH GAYA HIDUP TERHADAP KEJADIAN HIPERTENSI DI RSUD Dr. H. KUMPULAN PANE TEBING TINGGI I. Identitas Responden 1. Nomor : 2. Nama : 3. Umur : 4. Jenis Kelamin : 5. Pendidikan
Lebih terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
Lebih terperinciJUDUL PENELITIAN DAN STATISTIK YANG DIGUNAKAN UNTUK ANALISIS
JUDUL PENELITIAN DAN STATISTIK YANG DIGUNAKAN UNTUK ANALISIS 1. CONTOH 1 a. Judul Penelitian PENGARUH KECERDASAN INTELEKTUAL TERHADAP HASIL BELAJAR SISWA DALAM PEMBELAJARAN FISIKA KELAS X SMA N 1 BUKITTINGGI
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data primer dan data sekunder. Data primer merupakan
III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data primer dan data sekunder. Data primer merupakan data yang diperoleh langsung dari sumber asli (tidak melalui perantara).
Lebih terperinciNET SALES SAMPEL PENELITIAN. Perusahaan Manufaktur Sektor Aneka Industri ( Di nyatakan dalam jutaan rupiah ) Net Sales (2008)
L LAMPIRAN NET SALES SAMPEL PENELITIAN Perusahaan Manufaktur Sektor Aneka Industri ( Di nyatakan dalam jutaan rupiah ) No. Nama perusahaan Net Sales (2008) Net Sales (2009) Net Sales (200) Astra International
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA
FAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA 18 Hayatul Rahmi 1, Fadli 2 email: fadli@unimal.ac.id ABSTRAK Pengambilan
Lebih terperinciApakah ada perbedaan rasa????
Uji 2 Populasi Apakah ada perbedaan rasa???? Survey Ingin mengetahui apakah resep baru lebih enak dari resep sebelumnya?? Tertarik pada tingkat perbaikan rasa/kenikmatan Beri nilai untuk masing-masing
Lebih terperinciAnalisis Korelasi & Regresi
Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap
Lebih terperinciKUESIONER. a. Nama Responden : b. AlamatResponden : c. Jenis kelamin : d. Umur Responden : e. Pekerjaan : 1. Bekerja 2.
Lampiran 1. KUESIONER HUBUNGAN KUALITAS UDARA AMBIEN DENGAN KELUHAN GANGGUAN PERNAFASAN PADA MASYARAKAT SEKITAR PABRIK GULA SEI SEMAYANG (PGSS) KABUPATEN DELI SERDANG TAHUN 2014 No. Responden : Tanggal
Lebih terperinciOthers Institution Credit Job Code
4. Residence status (status kepemilikan rumah) yang dinotasikan dengan RS. Peubah ini dibagi menjadi enam kelompok. 5. Job code (kode pekerjaan) yang dinotasikan dengan JC. Peubah ini dibagi menjadi lima
Lebih terperinciAnalisis Data kategorik tidak berpasangan skala pengukuran numerik
Analisis Data kategorik tidak berpasangan skala pengukuran numerik Uji t dengan 2 kelompok Uji t Tidak Berpasangan Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
Lebih terperinciKUESIONER TINGKAT KEPUASAN PASIEN RAWAT JALAN PESERTA
Lampiran 1. Kuesioner Penelitian KUESIONER TINGKAT KEPUASAN PASIEN RAWAT JALAN PESERTA BPJS KESEHATAN TERHADAP PELAYANAN KEFARMASIAN DI DUA PUSKESMAS DI KOTA MEDAN PADA BULAN AGUSTUS 2015 Kuesioner ini
Lebih terperinciPERBANDINGAN BERGANDA SESUDAH UJI KRUSKAL-WALLIS
PERBANDINGAN BERGANDA SESUDAH UJI KRUSKAL-WALLIS S - 30 Tanti Nawangsari Prodi Pendidikan Matematika FKIP UNIROW Tuban Jl. Manunggal 61 Tuban Email: nawangsarit@yahoo.com Abstrak Salah satu metode statistika
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciBAB 7 ANALISIS DATA. Analisis data merupakan tahapan yang kritis dalam proses penelitian
BAB 7 ANALISIS DATA Analisis data merupakan tahapan yang kritis dalam proses penelitian bisnis dan ekonomi. Tujuan utamanya adalah menyediakan informasi untuk memecahkan masalah. Oleh karena itu setiap
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciPENGOLAHAN DATA BERSKALA ORDINAL ORDINAL DATA SCALE ANALYSIS
60 PENGOLAHAN DATA BERSKALA ORDINAL ORDINAL DATA SCALE ANALYSIS Euis Sartika (Staf Pengajar UP MKU Politeknik Negeri Bandung) ABSTRAK Dalam analisis Multivariat, pengolahan data terkadang mengharuskan
Lebih terperinciBerilah jawaban Ya atau Tidak sesuai dengan apa yang Saudara ketahui tentang penggunaan Kondom dalam ber KB No. Jawaban Pertanyaan.
PENGETAHUAN Berilah jawaban Ya atau Tidak sesuai dengan apa yang Saudara ketahui tentang penggunaan Kondom dalam ber KB No Jawaban Pertanyaan. Ya Tidak 1. Alat kontrasepsi merupakan upaya untuk mencegah
Lebih terperinciBAB II TINJAUAN PUSTAKA. nonparametrik, pengujian hipotesis, One-Way Layout, dan pengujian untuk lebih dari
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Untuk melakukan pembahasan mengenai materi di skripsi ini, diperlukan teoriteori yang mendukung. Pada bab ini akan diuraikan beberapa teori yang mendukung penulisan
Lebih terperinciLAMPIRAN 1. Hasil Tabulasi Kuesioner Harga (X 1 ) Butir Soal/item No. Responden. Skor Total. Universitas Sumatera Utara
LAMPIRAN 1 Hasil Tabulasi Kuesioner Harga (X 1 ) No. Responden Butir Soal/item 1 2 3 1 5 5 5 15 2 4 5 5 14 3 3 2 2 7 4 5 5 5 15 5 5 5 5 15 6 5 5 5 15 7 5 5 4 14 8 5 5 5 15 9 5 5 3 13 10 5 4 4 13 11 5 5
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciStatistika Penelitian. dengan SPSS 24
Statistika Penelitian dengan SPSS 24 Statistika Penelitian dengan SPSS 24 Getut Pramesti PENERBIT PT ELEX MEDIA KOMPUTINDO Statistika Penelitian dengan SPSS 24 Getut Pramesti 2017, PT Elex Media Komputindo,
Lebih terperinciANALISIS NON-PARAMETRIK UJI KOEFESIEN KONTINGENSI. Oleh: M. Rondhi, SP, MP, Ph.D
ANALISIS NON-PARAMETRIK UJI KOEFESIEN KONTINGENSI Oleh: M. Rondhi, SP, MP, Ph.D Analisis non-parametrik merupakan alat analisis yang digunakan jika data yang digunakan memiliki distribusi nominal atau
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciDr. I Gusti Bagus Rai Utama, SE., M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Hipotesis statistik Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi (bukan sampel). Statistik Angka yang dihitung dari sekumpulan sampel.
Lebih terperinciKUESIONER PENGARUH KARAKTERISTIK KADER TERHADAP PELAKSANAAN PENIMBANGAN BALITA DI POSYANDU KABUPATEN PIDIE NANGGRO ACEH DARUSSALAM TAHUN 2010
Lampiran 3 KUESIONER PENGARUH KARAKTERISTIK KADER TERHADAP PELAKSANAAN PENIMBANGAN BALITA DI POSYANDU KABUPATEN PIDIE NANGGRO ACEH DARUSSALAM TAHUN 2010 A. Karakteristik Responden No. Responden :.. - Umur
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner
Analisis Faktor-Faktor yang Mempengaruhi di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Roni Guntara 1), Safa at Yulianto 2) 1,2 Akademi Statistika (AIS) Muhammadiyah Semarang roniguntara@gmail.com
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh
43 BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Data Jumlah responden yang diambil dalam penelitian ini ada sebanyak 72 mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh karena
Lebih terperinciKurang Setuju Tidak Setuju Sangat Tidak Setuju
Lampiran 1 Kuesioner Penelitian PENGARUH CITRA MEREK TERHADAP KESEDIAAN MEMBAYAR MAHAL DONUT KEMASAN PAKET J.CO DONUTS & COFFEE CABANG PLAZA MEDAN FAIR PADA MAHASISWA FAKULTAS EKONOMI&BISNIS UNIVERSITAS
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinci(2) Jenis Kelamin : 1. Laki-laki Perempuan. (3) Kelompok Usia : tahun tahun B. Pemeriksaan Kategori Massa Tubuh
1 Lampiran 1 No.Kartu : Tanggal :,2016 DEPARTEMEN ILMU KEDOKTERAN GIGI ANAK FAKULTAS KEDOKTERAN GIGI UNIVERSITAS SUMATERA UTARA HUBUNGAN SKOR PUFA/pufa DENGAN INDEKS MASSA TUBUH PADA ANAK USIA 6-12 TAHUN
Lebih terperinciKUESIONER. Karakteristik Responden
KUESIONER A. Data Responden Bagian ini berisikan data umum dan untuk itu berikan jawaban atas pertanyaanpertanyaan yang tersedia dengan memberi tanda tanda checklist ( ) pada salah satu jawaban yang anda
Lebih terperinci