Postingan

Analisis Korelasi Sederhana

Gambar
Analisis korelasi sederhana ( Bivariate Correlation ) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana ( bivariate correlation ) diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation . Pearson Correlation digunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih cocok untuk data berskala ordinal. Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nil

Metode Analisis Regresi Berganda

Gambar
Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan istilah multiple regression. Kata multiple berarti jamak atau lebih dari satu variabel. Banyak para mahasiswa yang salah kaprah dalam memahami istilah tersebut. Dimana tidak bisa membedakan antara multiple regression dengan multivariat regression. Perbedaannya adalah jika multiple regression atau regresi berganda adalah adanya lebih dari satu variabel prediktor (variabel bebas/variabel independen. Sedangkan multivariat regression atau regresi multivariat adalah analisis regresi dimana melibatkan lebih dari satu variabel response (variabel terikat/variabel dependen). Jenis regresi Berganda Regresi berganda sebagai salah satu jenis analisis statistik, banyak sekali macamnya, tergantung pada skala data per variabel. Berikut saya jelaskan satu persatu: Regresi Linear Berganda Regresi Linear B

Metode Beda Hingga

Gambar
Salah satu cara utk menyelesaikan persamaan differential adalah dengan menggunakan metode beda hingga atau yg lbh dikenal dgn finite difference method. Metode ini menggunakan pendekatan ekspansi Taylor di titik acuannya (x). Ada tiga jenis beda (difference) yg bisa kita gunakan utk mencari nilai f(x+∆x). Ketiga jenis beda ini disebut forward difference, backward difference, dan central difference. Supaya gak lupa, penurunannya saya berikan di sini. Forward difference Utk forward difference, kita ingin mencari nilai suatu fungsi jika independent variablenya digeser ke depan (makanya namanya forward difference) sebesar ∆x. Sederhananya, jika kita tahu f(x), maka berapakah f(x+∆x)? Ekspansi Taylor dituliskan sbb: Secara umum, symbol ∂f/∂x*∆x menunjukkan kemiringan (gradient) nilai fungsi f pada f(x) jika x digeser sebesar ∆x. Sementara symbol ∂ 2 f/∂x 2 menunjukkan lengkungan (curvature) dari titik f(x) tsb jika x digeser sebesar ∆x. Oleh k

Analisis Regresi Sederhana

Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dan satu variabel independen. Dalam model regresi, variabel independen menerangkan variabel dependennya. Dalam analisis regresi sederhana, hubungan antara variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara tetap. Sementara pada hubungan non linier, perubahaan variabel X tidak diikuti dengan perubahaan variabel y secara proporsional. seperti pada model kuadratik, perubahan x diikuti oleh kuadrat dari variabel x. Hubungan demikian tidak bersifat linier. Secara matematis model analisis regresi linier sederhana dapat digambarkan sebagai berikut: Y = A + BX + e Y adalah variabel dependen atau respon A adalah intercept atau konstanta B adalah koefisien regresi atau slope e adalah residual atau error Secara praktis analisis regresi linier sederhana memiliki kegunaan sebagai berikut: 1. Model regresi sederh

Uji Chi Kuadrat

Gambar
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah). Berikut akan kita bahas tentang rumus chi square. Syarat Uji Chi Square Uji chi square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa syarat di mana chi square dapat digunakan yaitu: Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0 (Nol). Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5. Apabila bentuk tabel lebih dari 2 x 2,

Uji Anova

Gambar
UJI  ANOVA Pengertian UJI ANOVA Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan oleh seorang ahli statistik bernama Ronald Fisher. Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari dua kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji perbedaan rerata dari dua kelompok saja. Dalam kesempatan bahasan kali ini, statistikian akan menjelaskannya secara singkat namun dengan penuh harapan agar para pembaca mudah memahami dan mempraktekkannya dalam penelitian di lapangan nantinya. Kegunaan Anova Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F test atau F hitun