Definisi Analisis Survival Menurut Para Ahli

Analisis survival adalah salah satu metode statistik yang dapat digunakan untuk menjawab pertanyaan apakah dan kapan suatu kejadian (event) menarik terjadi. (Guo, 2010)

Analisis survival adalah suatu metode yang berhubungan dengan waktu, mulai dari time origin atau start point sampai dengan terjadinya suatu kejadian khusus atau end point. Data yang diperoleh di bidang kesehatan merupakan pengamatan terhadap pasien yang diamati dan dicatat waktu terjadinya kegagalan dari setiap individu (Collet, 1994).

Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwa-peristiwa lainnya sampai pada periode waktu tertentu. Ada sejumlah model telah dicoba untuk menghubungkan antara faktor risiko, kelangsungan hidup dan jangka waktu penaksiran. Pemilihan model perlu memerhatikan hal-hal berikut : (1) Bentuk distribusi probabilitas kelangsungan hidup, apakah bersifat parametrik atau non-parametrik, sebab tiap penyakit dan keadaan-keadaan lainnya memiliki bentuk distribusi masing-masing; (2) Apakah faktor risiko yang mendapat perhatian hanya sebuah (univariat) ataukah majemuk (multivariat); (3) Ukuran sampel penelitian; dan (4) Apakah data mencakup pengamatan tersensor atau tak tersensor. (Murti, 1997)

Analisis survival adalah teknik statistik yang digunakan untuk menganalisis data yang bertujuan untuk mengetahui hasil dari variabel yang mempengaruhi suatu awal kejadian sampai akhir kejadian, contohnya waktu yang dicatat dalam hari, minggu, bulan, atau tahun. Untuk kejadian awal contohnya awal pasien terjangkit penyakit dan untuk kejadian akhir contohnya kematian pasien dan kesembuhan pasien (Kleinbaum & Klein, 2011: 4).

Menurut Jakperik dan Ozoje (2012) dalam analisis survival, ada istilah failure (meskipun peristiwa sebenarnya mungkin saja sukses) yaitu suatu kejadian dimana tercatatnya kejadian yang diinginkan. Dalam menentukan waktu survival, ada tiga faktor yang dibutuhkan yaitu :

loading...

1. Waktu awal pencatatan (start point).
Waktu awal pencatatan adalah waktu awal dimana dilakukannya pencatatan untuk menganalisis suatu kejadian.

2. Waktu akhir pencatatan (end point).
Waktu akhir pencatatan adalah waktu pencatatan berkahir. Waktu ini berguna untuk mengetahui status tersensor atau tidak tersensor seorang pasien untuk bisa melakukan analisis.

3. Dan skala pengukuran sebagai batas dari waktu kejadian dari awal sampai akhir kejadian. Skala diukur dalam hari, minggu, atau tahun.

Jika akhir pencatatan dari penelitian adalah kematian seorang pasien, maka hasil data tersebut dikatakan sebagai waktu survival. Namun, kejadian tidak selalu berujung pada kematian, bisa juga mengenai sembuhnya pasien dari penyakit, berkurangnya gejala penyakit, atau kambuhnya pasien dari kondisi tertentu.

Sebuah studi berkelanjutan (follow-up study) untuk kelompok individu sering kali tidak seluruh individu dapat diikuti sampai saat studi berakhir. Dengan kata lain, beberapa individu gagal mengikuti studi sebelum studi selesai dengan berbagai alasan, sehingga terjadilah observasi waktu yang terputus. Masalah tersebut juga dihadapi pada data kelangsungan hidup (survival data). (Agung, 2001)

Menurut Collet (1997), data survival tidak memenuhi syarat prosedur standar statistika yang digunakan pada analisis data. Alasan pertama karena data survival biasanya berdistribusi tidak simetris. Model histogram waktu survival pada sekelompok individu yang sama akan cenderung “positive skewed”, oleh karena itu histogram akan semakin miring ke kanan sesuai dengan interval waktu dengan jumlah pengamatan terbesar, sehingga tidak ada alasan untuk mengasumsikan bahwa data survival berdistribusi normal.

Menurut (Kleinbaum, 1997) ada beberapa tujuan analisis survival:

1. Mengestimasi/memperkirakan dan menginterpretasikan fungsi survival atau

hazard dari data survival.

2. Membandingkan fungsi survival dan fungsi hazard pada dua atau lebih kelompok.

3. Menilai hubungan variabel-variabel explanatory dengan survival waktu ketahanan.

Bagi yang membutuhkan Daftar Pustakanya Silahkan meninggalkan komentar dibawah ini.

Read more

Perbedaan Antara Statistika Parametrik dengan Nonparametrik

Berdasarkan jenisnya ilmu statistika dibagi menjadi 2 yaitu statistika parametrik dan statistika non-parametrik.

STATISTIK PARAMETRIK

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

Contoh metode statistik parametrik :

a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.


Ciri-ciri statistik parametrik : 

- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik

Keunggulan : 

1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

Kelemahan : 

1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

STATISTIK NON-PARAMETRIK

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial - Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik. 3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.

Read more

Free Download Makalah Organisasi Komputer

BAB I

PENDAHULUAN

1.1    Latar Belakang

Komputer merupakan alat modern yang tidak bisa dilepaskan  dari kehidupan sehari-hari. Mulai dari mengerjakan  pekerjaan  kantor, multimedia,bahkan  hiburan.  Dewasa ini perkembangan komputer semakin berkembang dan masih akan terus berkembang tanpa batas. Kita sebagai manusia mau  tidak  mau  harus  mengikuti  perkembangan kemajuan teknologi khususnya bidang komputerisasi agar kita tidak  termakan oleh alat yang kita buat sendiri.

Dalam sistem komputer terdapat beberapa sistem penulisan bilangan. Seperti sistem Bilangan Biner, Sistem Bilangan decimal, sistem bilangan oktal dan sistem bilangan hexadesimal. Bilangan adalah suatu konsep matematika yang digunakan untuk pencacahan dan pengukuran. Simbol ataupun lambang yang digunakan untuk mewakili suatu bilangan disebut sebagai angka atau lambang bilangan. Dalam matematika,  konsep bilangan selama bertahun-tahun lamanya telah diperluas untuk meliputi bilangan nol, bilangan negatif, bilangan rasional, bilangan irasional, dan bilangan kompleks. 

Prosedur-prosedur tertentu yang mengambil bilangan sebagai masukan dan menghasil bilangan lainnya sebagai keluran, disebut sebagai operasi  numeris. Operasi  uner mengambil satu masukan bilangan dan menghasilkan satu keluaran bilangan. Operasi yang lebih umumnya ditemukan adalah operasi biner, yang mengambil dua bilangan sebagai masukan dan menghasilkan satu bilangan sebagai keluaran. Contoh operasi biner adalah penjumlahan,

Buat teman-teman yang bingung mencari makalah mata kuliah ORGANISASI KOMPUTER,,nih ane kasi THE BEST SOLUTION,,klik link di bawah untuk mendownload filenya.

Download Mii

Read more

Download Makalah tentang RAL (Rancangan Acak Lengkap)

Buat sobat yang lagi mencari makalah tentang Rancangan Acak Lengkap (RAL) dan malas untuk membuatnya,,,silahkan download makalah dari saya (idham sevenfold). Tapi sebelumnya kita perlu membahas apa itu RAL..?...

Rancangan Acak Lengkap (RAL) merupakan rancangan dasar. Semua rancangan random berpangkal pada RAL dengan menempatkan pembatasan-pembatasan dalam alokasi perlakuan dalam lapangan percobaan. Apabila unit percobaan terlalu heterogen, salah satu cara untuk mengontrol variabilitas adalah dengan mengadakan stratifikasi kedalam kelompok -kelompok yang lebih homogen.

RAL dapat didefinisikan sebagai rancangan dengan beberapa perlakuan yang disusub secara random untuk seluruh unit percobaan. Tidak ada pembatasan yang dikenakan dalam menyusun perlakuan untuk tiap unit percobaan.

Kelebihan Rancangan Acak Lengkap :
1. Mudah Menyusun rancangannya.
2. Analisis statistik yang digunakan cukup sederhana.
3. Banyak unit percobaan untuk tiap perlakuan tidak harus sama.

Kekurangan RAL yang paling pokok adalah bahwa rancangan ini biasanya hanya cocok untuk digunakan dengan beberapa perlakuan (yang tidak banyak) serta untuk unit percobaan yang relatif homogen.

Menyusun Rancangan
yang dimaksud dengan menyusun rancangan adalah menempatkan perlakuan pada unit percobaan. Misalnya kita punya N Unit percobaan dan K perlakuan. kita pilih secara random n1 unit percobaan dari unit dan satu dari k erlakuan itu kita gunakan pada n1 unit tersebut. Selanjtnya kita pilih secara random n2 unit dari (N-n1) unit percobaan sisanya dan satu (sembarang) perlakuan dari sisa (K-1) perlakuan kita gunakan pada n2 unit percobaan tersebut. demikian seterusnya, sampai semua perlakuan didapat. Apabila tiap perlengkapan diulang sebanyak kali yang sama, maka n1=n2=...=nk=n, dan sum(ni) = kn = N unit percobaan.

Suatu contoh susunan Acak lengkap dengan lima perlakuan A, B, C, D, E masing-masing dengan empat replikasi adalah sebagai berikut :

 E     E    C   B       E
(1)  (8)  (9)  (16)  (17)

 A   D     D       B  A
(2) (7)   (10) (15) (15)

B     C   A     C    B
(3) (6) (11) (14) (19)

E      D   A    D    C
(4) (5) (12) (13) (20)

Silahkan download makalah tentang RAL (Rancangan Acak Lengkap) pada link di bawah ini.

Download Mii

Read more

Free Download Makalah Distribusi Binomial

Di sadari atau tidak, statistika telah banyak di gunakan dalam kehidupan sehari-hari. Mulai dari kehidupan rumah tangga, sampai pemerintah sering kita berhadapan dengan masalah statistika. 

Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan juga untuk membuat rencana masa yang mendatang. Dunia penelitian atau riset, di manapun dilakukan, bukan saja mendapat  manfaat yang baik dari statistika tetapi sering harus menggunakannya. Untuk mengetahui apakah cara yang baru di temukan lebih baik dari cara yang lama, melalui riset yang dilakukan di laboratorium, atau penelitian yang di lakukan dilapangan, perlu diadakan penilaian dengan statistika. Apakah model untuk sesuatu hal dapat kita anut atau  tidak, perlu di teliti dengan menggunakan teori statistika. Dalam undian juga terdapat ilmu statistika, misalnya ketika melakukan undian dengan pelemparan sebuah mata uang. Kita dapat menghitung peluang munculnya gambar atau angka.

Uraian singkat di atas, hendaknya dapat memberikan cukup gambaran bahwa statistika sebenarnya di perlukan, minimal penggunaan metodenya.     Mengingat ini semua, maka dalam makalah ini akan di bahas masalah distribusi peluang yaitu distribusi binomial.

Silahkan Download File Lengkapnya

Download Mii

Read more

Definisi Statistika untuk Distribusi Poisson

Distribusi poisson merupakan distribusi diskrit yang mengestimasi probabilitas munculnya suatu keluaran dalam suatu standar unit tertentu sebanyak x kali, dimana rata-rata kemunculan keluaran tersebut per unitnya konstan sebesar l.Standar unit ini dapat berupa interval waktu (menit, detik, hari, bulan,dll) atau luas daerah tertentu.

Variabel acak diskrit X dikatakan mempunyai distribusi poisson jika fungsi peluangnya berbentuk :

Dengan x = 0, 1, 2, 3,…, sedangkan  e  adalah sebuah bilangan konstan yang jika di hitung dengan empat desimal  e = 2,7183 dan  l adalah sebuah bilangan tetap.

Distribusi poisson mempunyai parameter :

Distribusi poisson sering digunakan untuk menentukan peluang sebuah peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya sengat jarang. Contoh penerapannya adalah:

· Jumlah deringan telepon per jam di suatu kantor.

· Jumlah goresan atau cacat dari suatu permukaan produk.

· Jumlah bakteri dalam suatu kultur

· Kesalahan Sambung pada nomor telepon

Karakteristik distribusi Poisson

1.  terdiri dari n buah percobaan yang saling bebas ,dimana ukuran n sangat besar.
2. Dalam setiap percobaan hanya satu hasil saja yang dijadikan titik pengamatan.
3. Probabilitas terjadinya suatu hasil sukses konstan untuk setiap percobaandan besarnya proposional              terhadap selang waktu atau luas daerahnya.
4. Probabilitas terjadinya keluaran lebih dari satu dalam suatu selang waktu atau interval yang sangat sempit dapat diabaikan.

Semoga Bermanfaat............!!!!!!!!!!!!

Read more

Perbandingan Definisi Statistika Deskriptif dan Statistika Inferensial

Secara garis besar, metode statistika dapat dibagi menjadi dua bagian kategori. Kategori pertama disebut sebagai stastistika deskriptif yang bertujuan untuk memperoleh gambaran tentang keadaan berdasarkan hasil pengamatan yang nyata. Misalnya dalam bidang kesehatan untuk statistik deskriptifnya yaitu jumlah kematian, banyaknya penderita yang membutuhkan rawat inap dalam satu tahun di suatu rumah sakit. Informasi demikian bersifat administratif.

Kegiatan yang dilakukan pada statistika deskriptif meliputi pengumpulan data, pengolahan, penyajian, dan analisis sederhana berupa penghitungan nilai tengah, variasi, rata-rata, rasio atau proporsi, dan persentase.

Sampai saat ini, sebagian klinisi masih menganggap bahwa statistika deskriptif kurang bermanfaat sehingga dapat dikatakan bahwa penelitian deskriptif mempunyai kualitas yang lebih rendah. Namun, statistika infenrensial akan menjadi sia-sia dan tidak ada gunanya bila tidak disertai dengan kegiatan statistik deskriptif. Oleh karena itu, antara statistika deskriptif dan inferensial merupakan kegiatan yang tak dapat dipisahkan.

Kategori kedua adalah statistika inferensial yang ditujukan untuk menarik kesimpulan ciri-ciri populasi yang dinyatakan dengan parameter populasi melalui perhitungan-perhitungan statistik sampel. Hal ini dilakukan untuk menguji hipotesis berdasarkan teori estimasi dan distribusi probabilitas (to extrapolate) atau untuk membandingkan khasiat obat, prosedur pengobatan, metode pengobatan, dan lain-lain (to contrast).

Sekian dulu sob,,Semoga artikel ini dapat membantu kalian yang membutuhkan informasi ini. Trima kasih....

Read more

Materi Analisis Statistik

ANALISIS DATA DALAM STATISTIK

1. Pengertian Analisis Data

Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian. Dengan demikian, teknik analisis data dapat diartikan sebagai cara melaksanakan analisis terhadap data, dengan tujuan mengolah data tersebut menjadi informasi, sehingga karakteristik atau sifat-sifat datanya dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian, baik berkaitan dengan deskripsi data maupun untuk membuat induksi, atau menarik kesimpulan tentang karakteristik populasi (parameter) berdasarkan data yang diperoleh dari sampel (statistik).

2. Tujuan Analisis Data

• Mendeskripsikan data, biasanya dalam bentuk frekuensi, ukuran tendensi sentral maupun ukuran dispersi, sehingga dapat dipahami karakteristik datanya. Dalam statistika, kegiatan mendeskripsikan data ini dibahas pada statistika deskriptif.

• Membuat induksi atau menarik kesimpulan tentang karakteristik populasi, atau karakteristik populasi berdasarkan data yang diperoleh dari sampel (statistik). Kesimpulan yang diambil ini bisanya dibuat berdasarkan pendugaan (estimasi) dan pengujian hipotesis. Dalam statistika, kegiatan membuat induksi atau menarik kesimpulan tentang karakteristik populasi atau sampel ini dibahas pada statistika inferensial.

3. Langkah dan Prosedur Analisis Data

• Tahap mengumpulkan data, dilakukan melalui instrumen pengumpulan data.
• Tahap editing, yaitu memeriksa kejelasan dan kelengkapan pengisian instrumen pengumpulan data.
• Tahap koding, yaitu proses identifikasi dan klasifikasi dari setiap pertanyaan yang terdapat dalam instrumen pengumpulan data menurut variabel-variabel yang diteliti.
• Tahap tabulasi data, yaitu mencatat atau entri data ke dalam tabel induk penelitian.
• Tahap pengujian kualitas data, yaitu menguji validitas dan realiabilitas instrumen pengumpulan data.
• Tahap mendeskripsikan data, yaitu tabel frekuensi dan diagram, serta berbagai ukuran tendensi sentral, maupun ukuran dispersi. tujuannya memahami karakteristik data sampel penelitian.
• Tahap pengujian hipotesis, yaitu tahap pengujian terhadap proposisi-proposisi yang dibuat apakah proposisi tersebut ditolak atau diterima, serta bermakna atau tidak. Atas dasar Pengujian hipotesis inilah selanjutnya keputusan dibuat.

Trims,,smoga bermanfaat...

Read more

Statistika : UJI ASUMSI KLASIK

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.

Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

1. Uji Normalitas

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.

Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.

2. Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).

Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi. 3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.



3. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.

Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.

Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.

Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1.

5. Uji Linearitas

Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.

Read more

Definisi Populasi dan Sampel Menurut Para Ahli

Definisi Populasi

Sugiyono (1997 : 57) memberikan pengertian bahwa : “Populasi adalah wilayah generalisasi yang terdiri dari obyek atau subyek yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk di pelajari dan kemudian ditarik kesimpulannya. Nazir (1983 : 372) mengatakan bahwa , “populasi adalah berkenaan dengan data, bukan orang atau bendanya.” Nawawi (1985 :141) menyebutkan bahwa, “ populasi adalah totalitas semua nilai yang mungkin, baik hasil menghitung ataupun pengukuran kuantitatif maupun kualitatif daripada karakteristik tertentu mengenai sekumpulan objek yang lengkap. “ sedangkan riduwan dan tita lestari (1997:3) mengatakan bahwa “populasi adalah keseluruhan dari karakteristik atau unit hasil pengukuran yang menjadi objek penelitian.”

          Dari beberapa pendapat diatas dapat ditarik kesimpulan bahwa : “populasi merupakan objek atau subjek yang berada pada suatu wilayah dan memenuhi syarat- syarat tertentu berkaitan dengan masalah penelitian.

          Terdapat dua jenis populasi, yaitu populasi terbatas dan populasi tak terbatas (tak terhingga). Populasi terbatas yaitu mempunyai sunber data yang jelas batasnya secara kuantitatif sehingga dapat dihitung jumlahnya. Sedangkan populasi tak terbatas yaitu sumber datanya tidak dapat di tentukan batasan-batasannya sehingga relatif tidak dapat dinyatakan dalam bentuk jumlah.

loading...

      Berdasarkan sifatnya populasi dapat dibedakan menjadi populasi homogen dan populasi heterogen. Populasi homogen adalah sumber data yang unsurnya memiliki sifat yang sama sehingga tidak perlu mempersoalkan jumlahnya secara kuantitatif.

            Sedangkan populasi heterogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya, baik secara kualitatif maupun kuantitatif.

Definisi Sampel

           Suharsimi Arikunto (1998 :117) mengatakan bahwa :’sampel adalah bagian dari populasi (sebagian atau wakil populasi yang diteliti). Sampel penelitian adalah sebagian populasi yang diambil sebagai sumber data dan dapat mewakili seluruh populasi.” Sugiyono (1997 :57)memberikan pengertian bahwa “sampel adalah sebagian dari jumlah dan karakteristik yang di miliki oleh populasi.

Di tulis dari buku “Dasar-dasar Statistika”
Bagi yang memerlukan daftar pustakanya silahkan tinggalkan komentar di bawah ini.

Read more

Program Studi D-III Statistika Unhalu

Bagi teman-teman yang ingin  tahu tentang Program studi D-III Statistikaa di Unhalu,,Silahkan Di Baca...!!!

1.      Latar Belakang            

Program studi D-III Statistika adalah program studi ke-6 di lingkungan FMIPA Unhalu. Rencana pembukuaan program studi Statistikaa sebenarnya sudah diawali sejak tahun 1992 yaitu dengan mengirim mahasiswa calon calon dosen Statistikaa kke beberapa perguruan tinggi sumber (unhas, ipb, dan ugm). Rencana ini juga ditindak lanjuti dengan pembentukan bidang Statistikaa pada upt mipa (sebagai embrio FMIPA) disamping empat bidang lainnya, dal hal ini matematika, fisika, kimia, dan biologi. Pengiriman mahasiswa dan pembentukan bidang Statistikaa adalah merupakan program studi Statistikaa belum dapat dilaksanakan bersamaan dengan keempat program studi lainnya di FMIPA unhalu. Hal ini disebabkan oleh jumlah tenaga pengajar Statistikaa pada tahun 1999 (awal berdirinya FMIPA) belum mendukung pembukaan program studi.

Program Studi D-III Statistikaa diselenggarakan berdasarkan surat izin dirjen dikti depdiknas no. 798/d/t/2006 tanggal 24 februari 2006. Pembukaan program studi ini merupakan langkah rintisan pembentukan program studi S1 Statistikaa, yang mana saat ini telah disusun proposal pembukaannya.

Penerimaan mahasiswa baru program studi D-III Statistikaa mulai dilaksanakan pada tahun akademik 2006/2011. dengan demikian, program studi D-III Statistika telah memiliki enam angkatan.  

2.      Tujuan program studi

Program Studi D-III Statistikaa unhalu bertujuan menyiapkan peserta didik menjadi tenaga professional dan memiliki kompetensi :

1. terampil dalam merencanakan dan mengumpulkan data;
2. andal dalam mengolah dan menganalisis data, serta menarik kesimpulan dengan valid;
3. terampil dalam komputasi Statistikaa dan cakap dalam teknologi informasi. 

3.      Visi program studi

Pada tahun 2012, program studi D-III Statistika unhalu menjadi salah satu pusat pendidikan professional Statistikaa dikawasan timur Indonesia.

4.      Misi program studi

Untuk mewujudkan visi yang dikemukakan diatas, program studi D-III Statistikaa mempunyai misi : menyelenggarakan pendidikan professional yang berkualitas untuk menghsilkan lulusan yang terampil dalam komputasi Statistikaa dan cakapn dalam teknologi informasi.

5.      Tenaga Pengajar

Dosen program studi D-III Statistikaa mempunyai kualitas s2 (magister)Kurikulum Kurikulum program studi D-III Statistikaa disusun berdasarkan sk mendiknas no. 232/u/2000 dan no. 045/u/2002 tentang kurikulum pendidikan tinggi. Kurikulum ini disusun sehingga dapat menghasilkan lulusan dengan kompetisi yang diharapkan. Kurikulum yang menjadi dasar penyelenggaraan program studi adalah (1) kurikulum inti dan (2) kurikulum institusional. Kurikulum inti merupakan kelompok bahan kajian dan pelajaran yang dirumuskan dalam kurikulumyang berlaku secara nasional. Sedangkan kurikulum institusional merupakan sejumlah bahan kajian dan pelajaran tambahan yang disusun dengan memperhatikan keadaan dan kebutuhan lingkungan serta ciri khas unhalu.

Mata kuliah program studi D-III Statistikaa terdiri atas 110 sks dan semuanya merupakan mata kuliah wajib. Mata kuliah ini dikelompokkan ke dalam 5 (lima) kelompok, yaitu matakuliah pengembangan kepribadian (MPK), matakuliah keilmuan dan keterampilan (MKK), matakuliah keahlian berkatya (MKB), matakuliah perilaku berkarya (MPB), dan matakuliah berkehidupan bersama (MBB). Beban studi tersebut dijadwalkan 6 (enam) semester dan dapat ditempuh dalam kurun waktu paling lama 10 (sepuluh) semester.

Salah satu kegiatan akademik yang wajib ditempuh oleh mahasiswa adalah kerja praktek. Tujuan kerja praktek adalah untuk melihat, mengetahui, dan memahami penerapan konsep-konsep yang diperoleh diperkuliahan secara langsung di lapangan. Matakuliah ini dapat diprogramkan apabila mahasiswa telah melulusi minimal 80 sks.

Salah satu syarat untuk menjadi lulusan program studi D-III Statistikaa unhalu adalah mahasiswa harus menyusun tugas akhir, dimana topic penulisannya dapat diambil dari hasil kerja praktek. Proposal tugas akhir dipresentasikan dan didiskusikan dalam kolokium. Tugas akhir yang telah disusun selanjutnya dipresentasikan dalam seminar. Lulusan program studi D-III Statistikaa akan mendapatkan sebutan professional ahli madya (A.Md).

Untuk Lebih Jelasnya Silahkan Kunjungi http://statistika-unhalu.org/media.php?module=home

Read more