Sebaran Penarikan Contoh data pada rancangan percobaan

Sebaran penarikan contoh ialah sebaran peluang suatu statistik. Sebagaimana dijelaskan pada bagian pendahuluan bahwa ilmu statistik adalah ilmu yang berhubungan dengan pengambilan contoh sebagai dasar penarikan kesimpulan. Karena definisi tersebut maka kita perlu untuk menentukan sebaran bagi penarikan contoh.

Penarikan atau pengambilan contoh dibagi-bagi kedalam pembagian sebagai berikut :

Acak dengan tidak Acak

Dengan Pemulihan (WR) dengan Tanpa Pemulihan (WOR)

Probability Sampling dengan Non Probability Sampling

Probability Sampling contohnya ialah :

Simple Random

Stratified

Cluster

Non Probability Sampling contohnya ialah :

Quota

Convenience

Judgement

Snowball

Nilai Tengah dan Ragam bagi x rata-rata

Panduan Dasar penentuan pengujian Analisis data Statistik

Seringkali seorang yang akan melakukan analisis data statistik kebingungan, analisis apa yang akan dipakai ? Apakah regresi, korelasi, manova, nonparametrik, cluster, dlsb ? …Sekarang anda tidak perlu bingung lagi, karena berikut ini kami sajikan panduan dasar untuk pemilihan analisis statistik. Dengan mengikuti beberapa langkah sederhana, voila :) anda dapat menentukan analisis statistik yang tepat dan sesuai dengan kebutuhan anda. Untuk memulai, jawablah pertanyaan / pernyataan di bawah ini :

1. Apakah ingin melakukan pengujian hipotesis (menguji perbedaan antara dua peubah) ? Jika Ya maka lanjutkan ke Panduan Dasar Pengujian Hipotesis. Jika Tidak maka lanjutkan ke nomor 2

2. Apakah akan dicari hubungan antara peubah yang akan dianalisis ? Jika Tidak maka : Gunakan statistik deskriptif berupa nilai (mean, median, modus, kuartil, ragam, simpangan baku, koefisien keragaman) maupun berupa grafik (poligon, histogram, boxplot, diagram batang dan daun). Jika Ya maka lanjutkan ke nomor 3.

3. Apakah dalam satu analisis akan diuji hubungan antara lebih dari 2 peubah ? Jika Tidak maka lanjutkan ke nomor 4, Jika Ya maka lanjutkan ke nomor 5

4. Apa skala peubah yang akan diuji ? Jika Metrik maka : Gunakan analisis korelasi sederhana, analisis regresi linier sederhana. Jika Nonmetrik maka : Gunakan Analisis Nonparametrik.

5. Tipe hubungan apakah yang akan diteliti ? Jika ketergantungan satu arah maka lanjutkan ke nomor 6, jika ketergantungan dua arah (saling ketergantungan) maka lanjutkan ke nomor 10

6. Berapa banyak peubah yang diduga ? Jika banyak hubungan antara peubah bebas dan peubah terikat maka : Gunakan SEM (Structural Equation Modeling), jika beberapa peubah terikat dalam satu hubungan maka lanjutkan ke nomor 7, jika satu peubah terikat dalam satu hubungan maka lanjutkan ke nomor 9

7. Apa skala pengukuran peubah terikatnya ? Jika skalanya non metrik maka : Gunakan Analisis Korelasi Kanonik dengan peubah dummy, jika skalanya metrik maka lanjutkan ke nomor 8

8. Apa skala pengukuran peubah bebasnya ? Jika skalanya metrik maka : Gunakan Analisis Korelasi Kanonik, jika skalanya nonmetrik gunakan MANOVA (Multivariate Analysis of Variance).

9. Apa skala pengukuran peubah terikatnya ? Jika skalanya non metrik maka : Gunakan Analisis Diskriminan Berganda, Model Peluang Linier; jika skalanya metrik maka : Gunakan Regresi Berganda, Analisis Conjoint.

10. Bagaimana struktur dari hubungannya ? Jika struktur hubungannya antara peubah maka : Gunakan Analisis Faktor, jika struktur hubungannya antara kasus/responden maka : Gunakan Analisis Cluster, jika struktur hubungannya antara objek maka lanjutkan ke nomor 11

11. Bagaimana atribut dari objek tersebut diukur ? Jika nonmetrik maka : Gunakan Analisis Korespondensi, jika metrik dan atau nonmetrik maka : Gunakan Multidimensional Scaling.

Pendugaan Parameter Populasi Sampel Data

Untuk mengetahui ukuran populasi atau disebut dengan Parameter biasanya seorang peneliti mengukurnya tidak secara langsung melainkan dengan cara mengambil sebagian kecil dari populasi (disebut dengan sample) kemudian mengukurnya. Selanjutnya hasil pengukuran sample tersebut digunakan untuk “menduga” ukuran sebenarnya (ukuran populasinya atau parameternya). Dari sinilah berasal istilah “Pendugaan Parameter”. Secara umum parameter yang diduga ialah nilai tengah (mean), proporsi, atau ragam, masing-masing :

- satu nilai tengah

- beda dua nilai tengah populasi

- beda lebih dari dua nilai tengah populasi

- satu proporsi

- beda dua nilai proporsi

- beda lebih dari dua nilai proporsi

- satu ragam

- beda dua nilai ragam

- beda lebih dari dua nilai ragam

Karena nilai parameter tidak bisa ditentukan kepastiannya 100% maka dikenal istilah Selang Kepercayaan (Confidence Interval) yaitu ukuran yang menunjukan nilai parameter yang asli mungkin berada. Selang Kepercayaan 95% artinya kita percaya bahwa 95% sample yang kita ambil akan memuat nilai parameter aslinya. Selang Kepercayaan 99% artinya kita percaya bahwa 99% sample yang kita ambil akan memuat nilai parameter aslinya.

Selang Kepercayaan (SK) 1 Nilai Tengah

Ragam Diketahui :

Ragam tidak diketahui n<30 :

SK Beda 2 Nilai Tengah

Ragam 1 dan Ragam 2 diketahui :

Ragam 1 = Ragam 2 tetapi tidak diketahui :

Ragam 1 tidak sama dengan ragam 2 tetapi tidak diketahui :

SK 1 Proporsi :

SK Beda 2 Proporsi :

Ukuran Contoh

Bagi Pendugaan Nilai Tengah :

Bagi Pendugaan Proporsi :