Pengolahan Data

21
Pengolahan Data S2 IPK FK UGM Januari 2014

description

Pengolahan Data. S2 IPK FK UGM Januari 2014. M engola h Data. M enggunakan m etoda ilmu statistik diskripsi yang tepat (sesuai skala dan syarat2 rumus) untuk : a. menghitung besar korelasi (r) atau selisih (d) Mean atauProporsi - PowerPoint PPT Presentation

Transcript of Pengolahan Data

Page 1: Pengolahan Data

Pengolahan Data

S2 IPK FK UGMJanuari 2014

Page 2: Pengolahan Data

Mengolah Data1. Menggunakan metoda ilmu statistik diskripsi

yang tepat (sesuai skala dan syarat2 rumus) untuk: a. menghitung besar korelasi (r) atau selisih (d) Mean atauProporsib. menjawab pertanyaan penelitian (angka dan gambar peringkas)

2. Menggunakan metoda ilmu statistik inferensi untuk menghitung besar kesalahan sampling bila r/d dan statistik2 peringkas dihitung berdasar data dari sampel UA.

Page 3: Pengolahan Data

Contoh Hipotesis Penelitian:1. Ada hubungan positif yg bermakna (r ≥ 0.80)

antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada AkBid-AkBid di Indonesia.

2. Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa AkBid Husada Bakti.

Page 4: Pengolahan Data

Hipotesis 1: X = UA = AkBid; X = subyek (e.g., Mahasiswa) memiliki variabel2 (e.g.“Keterampilan menolong persalinan normal”)

XXXXXX

XXXXXXXXXXXXXXXXXXXXX

XXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX

XXXXXXXXXXXX

Pop AkBid

Sampel AkBid

Pop Mhs AkBid Bantul

R

RXXXX

Sampel Mhs AkBid

Bantul

Page 5: Pengolahan Data

Hipotesis 2: X = UA = subyek = Mahasiswa

XXXXXX

XXXXXXXXXXXXXXXXXXXXX

XXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX

Populasi Mahasiswa AkBid

R

Sampel Mahasiswa AkBid

Page 6: Pengolahan Data

Unit Ana-lisis

Score Variabel

Prediktor

Score Variabel Kriterion

123...kn Total Total

Menghitung r utk Prediktor & Kriterion

skala interval /rasio

Hipotesis penelitian

didukung jika

r ≥ rmin

Page 7: Pengolahan Data

Kelompok X1 Kelompok X0

Unit Ana-lisis

Score Variabel Terikat

Unit Ana-lisis

Score Variabel Terikat

1 12 23 3...k kn Total Total

Mean1 Mean0

Menghitung r bis atau d

utk Variabel Bebas yg

dimanipulasi

Hipotesis Penelitian didukung jika

rbis ≥ rbis.min

atau

d ≥ dmin (d = Mean1 - Mean0)

Page 8: Pengolahan Data

Unit Ana-lisis

Prediktor KriterionScore Order Score Order

123...kn

Hipotesis penelitian

didukung jika

ρ ≥ ρmin

Atau

τ ≥ τmin

Menghiung rho atau tau utk

prediktor & kriterion skala ordinal

Page 9: Pengolahan Data

Kriterion Total subyek

+ -

Prediktor+ a b a + b

- c d c + d

Total subyek a + c b + d n = a+b+c+d

Menghitung Φ atau C utk Prediktor &

Kriterion skala nominal

Hipotesis penelitian didukung jika

Φ ≥ φmin & C ≥ C min

Page 10: Pengolahan Data

Hipotesis Statistik• Perlu diuji jika r atau d dan statistik2 peringkas

dihitung berdasar data dari sampel UA.

• Diuji dengan metoda ilmu statistik inferensi yang sesusai dengan skala dan syarat2 rumus:a. uji statistik parametrik jika data numerik dan distribusi populasi normal.b. uji statistik non-parametrik jika data numerik/ non-numerik (ordinal, nominal) dan tidak mempertimbangkan parameter2 populasi.

Pelajari pustaka ilmu statistik parametrik & nonparametrik

Page 11: Pengolahan Data

• Hipotesis statistik (statistik sampel mewakili parameter populasi) didukung jika kesalahan sampling ≤ batas (α):

H0 = Statistik tidak mewakili Parameter karena sampling error terlampau besar

H1 = Statistik mewakili Parameter.

• Statistik = angka dan gambar peringkas pada sampel.

• Parameter = angka peringkas pada populasi (huruf Yunani)

Page 12: Pengolahan Data

Menguji Hipotesis Statistik1. Tulis H0.

2. Pilih Uji Statistik (Parametrik atau Nonparametrik)3. Tetapkan α dan n diperkecil/diperbesar jika ...?4. Gambar/bayangkan distribusi sampling dan daerah

penolakan H0

5. Hitung nilai uji statistik (menggunakan data sampel).6. Lihat Tabel Uji Statistik Jika berada di daerah

penolakan tolak H0 dan terima H1

Page 13: Pengolahan Data

• Contoh Hipotesis Penelitian: Ada hubungan positif bermakna (r ≥ 0.80) antara skor “Skills Lab” dan skor “kompetensi menolong persalinan normal”.

• H0: r tidak mewakili ρ; probabilitas r di bawah 0.80 sangat kecil (α = 0.05).

α = probabilitas membuat Type 1 Error (Kesalahan menolak H0)

β = probabilitas membuat Type 2 Error (Kesalahan menerima H0) = 1 – α = Power uji statistik.Kurangi membuat kedua jenis error ini dengan memperbesar n.

Page 14: Pengolahan Data

• Buat distribusi r sampel Mean dari dstribusi ini = estimasi ρ; SD dari distribusi ini diestimasi dengan rumus SE = SD sampel dibagi akar n.

• Daerah penolakan H0 di ekor kanan karena Hipotesis penelitian menunjukkan arah positif dan besar daerah penolakan 0.05.

Page 15: Pengolahan Data

A.3. Rancangan Pentafsiran DataLogika pentafsiran data yang valid:

Peneliti mempertimbangkan a. validitas dalam - sejauh mana koefisien korelasi (atau koefisen selisih) yang bermakna

bukan karena dimoderasi oleh moderator2 dan variabel2 confounding yang diabaikan.b. validitas luar – sejauh mana hasil penelitian

berlaku untuk subyek2 di luar populasi penelitian.

Page 16: Pengolahan Data

Untuk meningkatkan validitas dalam peneliti dapat melakukan:

1. Analisis multivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterion atau keduanya. Nilai tambah: Validitas external tinggiNilai kurang: Membutuhkan jumlah unit analisis yang besar

Page 17: Pengolahan Data

2. Mengontrol (membuat konstan)a. moderator2 spesifik dengan Korelasi Parsial, kriteria inklusi dan kelompok kontrol yg diMatch.

Nilai kurang: Validitas external berkurang; matching cocok jika variabel bebas dimanipulasib. moderator2 tidak spesifik (variabel2 perancu) dengan Penempatan secara acak ke kelompok kontrol dan Pre-test.

Nilai kurang: Cocok jika variabel bebas dimanipulasi; Validitas external berkurang.

Page 18: Pengolahan Data

Variabel2 Perancu

a) History – variabel2 lingkunganb) Maturasi – variabel2 intra subyekc) Testing – variabel2 pengukurand) Instrumentasi – variabel2 alat ukure) Seleksi diferensial – variabel2 inter-subyekf) Tendensi sentral – variabel2 subyek extremg) Mortalitas – variabel2 subyek yang drop-out

Lihat: Campbell, D.T., & Stanley, J.C. (1963). Experimental and quasi-experimental designs for research. Chicago: Rand McNally College.

Page 19: Pengolahan Data

Dengan penempatan acak unit2 analisis ke kelompok2 kontrol diharapkan data variabel2 perancu sama di kelompok2 tsb, kecuali Mortalitas

Populasi Sampel

X1

X0

RR

R

Page 20: Pengolahan Data

• Cara mengendalikan Mortalitas dengan Pre-test (untuk melihat siapa yang drop-out)

• Hipotesis penelitian didukung jika Selisih Mean Opost kedua kelompok ≥ Selisih Mean Minimum (yang dipatok sebelum penelitian dimulai).

• Opre juga dapat digunakan untuk melihat apakah unit2 analisis kedua kelompok setara dalam hal variabel terikat sebelum V bebas dimanipulasi.

R O X1 OR O X0 O

Page 21: Pengolahan Data

Validitas external menurun karena ada kemungkinan

• interaksi antara Pre-test dengan Intervensi• Interaksi antara Seleksi dengan Intervensi• Pengaturan2 khusus