ANALISIS DESKRIPTIF DAN ANALISIS ASOSIASI Grafik dibawah ini disebut grafik Histogram. Menggambarkan perbedaan berat badan Ati, Bambang, serta Andi dari Tahun 1999 – 2002.

TUJUAN INSTRUKSIONAL KHUSUS Mampu menjelaskan arti statistik deskriptif Mampu menjelaskan arti tendency central Mampu menjelaskan arti MODUS, MEDIAN, MEAN, RANGE, VARIANS, SD, GRAFIK HISTOGRAM, GRAFIK POLIGON, GRAFIK PIE, TABEL DISTRIBUSI FREKUENSI.

Mampu menghitung Mode, median, dan mean. (dengan manual dan SPSS) Mampu menjelaskan arti Dispersi Mampu menghitung range, SD, dan variance. ( dengan SPSS) Mampu menyusun tabel distribusi frekuensi Mampu membaca tabel-tabel distribusi frekuensi

Mampu membuat grafik Histogram, Poligon, serta Pie dengan SPSS. Mampu membaca grafik Histogram, Polygon, serta Pie. Mampu menjelaskan macam-macam hubungan antara dua variabel dengan rumus yang sesuai Mampu menganalisis tabel-abel asosiasi dari berbagai skala variabel

Mampu menghitung hubungan dua variabel dengan rumus Rank Kendall, Spearman, Lambda, Gamma, Pearson dengan SPSS Mampu menganalisis hubungan variabel terseut diatas

ANALISIS DATA Kategorisasi, pengurutan, peringkasan data untuk memperoleh jawaban atas permasalahan dalam penelitian. Tujuan : untuk menyederhanakan data, dapat dipahami dengan mudah, dapat dinterpretasikan dengan mudah.

TEKNIK-TEKNIK ANALISIS Distribusi Frekuensi Grafik Tendensi sentral Dispersi Analisis Hubungan Dls.

DASAR PEMILIHAN TEKNIK ANALISIS Rumusan masalah Tujuan penelitian Hipotesis Metode penelitian

Keterkaitan Rumusan Masalah, Tujuan Penelitian, Hipotesis, Metode Penelitian dan Analisis NORumusan Masalah Tujuan Penel. Hipote- sis Pen Metode Penel Analisis 1ApaMeng- gam- barkan -Kasus, deskrip- tip Distribu si frekuen- i 2MengapaAnalisisHubung- an korelasi

TEKNIK ANALISIS MENURUT TINGKAT PENGUKURAN NOTINGKAT SKALA PENGUKURANTEKNIK ANALISIS STATISTIK 1NominalModus, Chi Square Koef. Korelasi, Lamda 2OrdinalModus, Median, Spearman, Kendall, Gamma 3IntervalModus, Median, Mean, Range, Kuartil SD, Variance, Korelasi Pearso, Regresi.

ALUR ANALISIS DATA Instrumen Pengumpulan Data Coding Data Empiris Pd Instrumen Matrik Data Tabel-tabel Frekensi Silang Grafik-grafik Statistik Manual Komputer

PENGERTIAN STATISTIK DESKRIPTIP Statistik berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi, tanpa membuat kesimpulan yang berlaku umum.

DALAM STATISTIK DESKRIPTIF Penyajian data dengan : Tabel distribusi frekuensi Grafik polygon, histogram, pie. Mean, median, modus Range, SD, Varians

RUMUS MEAN MEAN =

RUMUS MEDIAN Harus diurutkan dari data kecil ke besar Arti : Suatu nilai yang membagi dua sama besar suatu deretan nilai atau distribusi frekuensi sehingga pengamatan di kedua bagian sama Letak median = (n+1) : 2 Nilai median

MEDIAN D A T A MEDIAN

DASAR MEDIAN MEDIAN KWARTIL DESIL PERSENTIL

KWARTIL Data Diurutkan Rumus letak K1 = Nilai (cari) K2 dan K3 cara pembuatan rumus sama D A T A K1K2K3

RUMUS UMUM KWARTIL Ki =

DESIL D1 sampai dengan D9 Letak D1 : Nilai D1(cari) DATA D1D2D3D4D5D6D7D8D9

PERSENTIL P1 sampai dengan P99 Letak P1 : Nilai D1(cari) DATA P1P2P3P4P5P6P7P99

RUMUS MODUS Merupakan suatu pengamatan dalam distribusi frekuensi yang memiliki jumlah pengamatan dimana jumlah frekuensinya paling besar/ paling banyak. Untuk suatu distribusi frekuensi tertentu mungkin saja memiliki modus lebih dari satu

Contoh Modus TokoKeuntungan (Rp) X ,00 X ,00 X ,00 X ,00 X ,00 X ,00 X ,00 Modus = ,00

UKURAN KECENDERUNGAN TENGAH ( TENDENCY CENTRAL) Tingkat Ukuran ModeMedianMean IntervalXXX OrdinalXX NominalX MedianHanya dapat diperoleh dari data yang bersifat Interval dan Ordinal MeanHanya dapat diperoleh dari data yang bersifat Interval/ Ratio

CARA MEMBUAT GRAFIK GrafikSumbu x HistogramBatas nyata, titik tengah PolygonTitik Tengah Ogive (cf)Batas nyata Pie%

GRAFIK POLIGON SIMETRIS Condong kanan (pos) Condong kiri Neg

POLYGON SIMETRIS MEAN = MEDIAN = MODUS Mean

POLYGON CONDONG KEKANAN (Juling Pos) MoMed Mean +

POLYGON CONDONG KEKIRI (Juling Neg) Mo Med Mean + FREKUENSIFREKUENSI NILAI

BEBERAPA BENTUK KURVE KURVE YANG SIMETRIS KURVE YANG A - SIMETRIS

KURVE SIMETRIS Apabila dilipat tepat di tengah-tengahnya maka setengah lipatan bagian kiri akan menutup tepat setengah lipatan bagian kanan

KURVE-KURVE SIMETRIS

BEL NORMAL/ NORMAL MEAN = MEDIAN = MODUS Mean NILAI f

TRAPESIUM/ RECTANGULAR NILAI f

BEL LANGSING/ LEPTOKURTIK NILAI f

BEL GEMUK/ PLATKURTIK NILAI f

KURVE U NILAI f

SIMETRI DWI MODE NILAI f

KURVE A - SIMETRI Lebih dikenal dengan nama KURVE JULING Kejulingan ditentukan oleh EKORNYA Jika EKOR SEBELAH KANAN, maka JULING POSITIP KURVE G JIKA EKOR SEBELAH KIRI, MAKA JULING NEGATIF ( KURVE H DAN I )

GRAFIK POLIGON SIMETRIS Condong kanan (pos)/G/Kurang cerdas Condong kiri Neg/H/Cerdas

KURVE JULING NEGATIF NILAI f I

KURVE L NILAI f BERBENTUK HURUF L J

KURTOSIS (KELANCIPAN) f Fariasi Sangat rendah Variasi Sangat besar SIMETRIS MEAN = MEDIAN = MODUS

POSITIF CONDONG KEKANAN (Juling Pos) MoMed Mean +

NEGATIF CONDONG KEKIRI (Juling Neg) Mo Med Mean + FREKUENSIFREKUENSI NILAI

KEMENCENGAN (SKEWNESS)

UKURAN DISPERSI MERUPAKAN SUATU METODE ANALISIS YANG DITUJUKAN UNTUK MENGUKUR BESARNYA PENYIMPANGAN / PENYEBARAN DARI DISTRIBUSI DATA YANG DIPEROLEH TERHADAP NILAI SENTRALNYA.

ALASAN : APAKAH NILAI RATA- RATA TERSEBUT MEMANG SUDAH DIANGGAP MAMPU MENJELASKAN KEADAAN POPULASI YANG SEBENARNYA.

DISPERSI : DAPAT DIGUNAKAN SEBAGAI PENGUKUR KUALITAS (QUALITY CONTROL) DARI PRODUK YANG DIHASILKAN

CONTOH : PT INDOCEMENT YANG SETIAP HARINYA MENGHASILKAN RATA – RATA ZAK 40 KG TIAP ZAKNYA UNTUK MELIHAT PENYIMPANGAN MAKA DENGAN RANDOM MISALNYA 500 SAMPEL ZAK :

SAMPELBERAT/KGKETERANGAN 140 KG TIDAK TERJADI PENYIMPANG AN 240 KG KG

KESIMPULAN MESIN MASIH BEKERJA DENGAN BAIK. KARENA RATA- RATA BERAT ZAKNYA SESUAI DENGAN KETENTUAN YANG DIKEHENDAKI

SAMPELBERAT/KGKETERANGA N 142,1 TERJADI PENYIMPANG AN 236,8 340, ,2 contoh

KESIMPULAN 1.ADA MESIN YANG BEKERJA TIDAK BAIK. 2.ARTINYA PERLU MENGECEK KEMBALI MESIN- MESIN YANG DIGUNAKAN PADA PROSES PRODUKSI TERSEBUT.

MACAM-MACAM UKURAN DISPERSI : 1.RANGE (JANGKAUAN)/ RENTANGAN 2.DEVIASI RATA-RATA (AVERATE DEVIATION) DAN MEAN DEVIATION 3.DEVIASI STANDARD (STANDARD DEVIATION) DAN VARIANCE 4.DEVIASI KUARTIL (QUARTILE DEVIATION)

RANGE RELATIF KASAR RANGE KECIL, BERARTI BAHWA SUATU DISTRIBUSI MEMILIKI RANGKAIAN DATA YANG LEBIH HOMOGEN

CONTOH : (1) KEUNTUNGAN YANG DIPEROLEH 8 TOKO KELONTONG DI JALAN SOLO TOKOKEUNTUNGAN (Rp) A4000 B5000 C6000 D5000 E4000 F6000 G5500 H4500

VARIASI RELATIF KECIL (HOMOGEN) TOKOKEUNTUN GAN (Rp) A4000 B5000 C6000 D5000 E4000 F6000 G5500 H4500

VARIASI RELATIF KECIL (HOMOGEN)

DARI DATA DIATAS RATA-RATA KEUNTUNGAN :

CONTOH : (2) KEUNTUNGAN YANG DIPEROLEH 8 TOKO KELONTONG DI JALAN SEMARANG TOKOKEUNTUNGAN (Rp) A1.000 B9.000 C5.000 D4.000 E6.000 F5.000 G9.500 H5.000

DARI DATA DIATAS RATA-RATA KEUNTUNGAN :

VARIASI RELATIF BESAR (HETEROGEN) Frek

RATA-RATA

PERBANDINGAN KEDUA CONTOH TERSEBUT DIATAS RATA-RATA SAMA = TETAPI KEDUA TOKO TERSEBUT MEMILIKI PERBEDAAN DALAM PENYEBARANNYA CONTOH (1) RANGE = KECIL = = (HOMOGEN) CONTOH (2) RANGE = BESAR = – 500 = (HETEROGEN)

KESIMPULAN RANGE SEMAKIN RENDAH SEMAKIN HOMOGEN

MEAN DEVIATION (DISEBUT DEVIASI RATA- RATA/AVERAGE DEVIATION) MERUPAKAN PENYEBARAN DATA ATAU ANGKA-ANGKA ATAS DASAR JARAK (DEVIASI) DARI PELBAGAI ANGKA-ANGKA DARI RATA-RATA NYA

RUMUS : DATA TIDAK BERKELOMPOK atau

Keterangan : MD=MEAN DEVIATION =TANDA NILAI ABSOLUT (HARGA MUTLAK) Xi=NILAI DARI DATA PENELITIAN =MENUNJUKKAN NILAI DARI X1 SAMPAI DENGAN Xn N=JUMLAH DATA µ/ X bar=NILAI RATA-RATA (MEAN)

CONTOH : KEUNTUNGAN YANG DIPEROLEH 5 TOKO KELONTONG DI JALAN Soo TOKOKEUNTUNGAN (Rp) A4.000 B5.000 C6.000 D5.000 E RATA-RATA5.000

XiX bar TOTAL2.000

= 2000/5 = 400

MD DATA BERKELOMPOK ATAU

Keterangan : MD=MEAN DEVIATION =TANDA NILAI ABSOLUT (HARGA MUTLAK) F=FREKUENSI PADA MASING-MASING KELAS MMID POINT/ TITIK TENGAH/ CLASS MARK N=JUMLAH DATA µ/ X bar=NILAI RATA-RATA (MEAN) DATA BERKELOMPOK

CONTOH : NILAIF(f)M(Titik Tengah) F*MX bar ,5 75,5223,02 56 – 61258,511775,5217,0234,04 62 – ,51.096,575,5211,02187,34 68 – ,5916,575,525,0265,26 74 – , ,520,9823,52 80 – 85982,5742,575,526,9862, ,5619,575,5212,9890, ,5661,575,5218,98132, ,82

Contoh NILAIF(f)M(Titik Tengah) F*MX bar ,82 MD = 619,82/80 = 7,14

CARA MENGHITUNG MD 1.CARILAH NILAI MID POINT (M)/ TITIK TENGAH PADA MASING-MASING KELAS (M) 2.CARILAH DEVIASI MUTLAK (ABSOLUT) YAITU SELISIH ANTARA MID POINT DENGAN NILAI RATA-RATA ( X BAR) / M ATAU :

3.KALIKAN HASIL NO.2 DENGAN MASING- MASING FREKUENSI KELASNYA 3.JUMLAHKAN MASING- MASING HASIL NO.3 3.BAGILAH HASIL NO.4 DENGAN N MAKA AKAN DIPEROLEH : MD MD

Cari MD ?

CARI MD? NILAIF(f) M(Titik Tengah) F*MX bar

DISPERSI/ VARIABILITAS UNTUK MENGETAHUI PENYEBARANNYA YANG BANYAK DIGUNAKAN : 1.RANGE 2.MD 3.SD 4.VARIANCE = SD DIKUADRATKAN 5.INTERQUARTILE RANGE (Q3-Q1) 6.SEMI INTERQUARTILE RANGE = (Q3-Q1) : 2

STANDAR DEVIASI RUMUS II : 1.TIDAK PERLU MENCARI MEAN 2.X = TITIK TENGAH 3.F = frekuensi 4.N = Jumlah Sampel

STANDAR DEVIASI Diketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut : NONILAI x(titik tengah)f (f) x (tt.t) (fx) (f)x(tt.t)2 (fx2) (1)(2)(3)(4)(5)(6)

STANDAR DEVIASI NONILAI x(titik tengah)f (f) x (tt.t) (fx) (f)x(tt.t)2 (fx2) Diketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut :

Jumlah fx2 = Jumlah fx = N = 400

SD = 14,854

SD RUMUS I

Keterangan : 1.CARI MEAN TERLEBIH DULU DENGAN RUMUS YANG SUDAH ADA 2.x = DEVIASI MEAN (TITIK TENGAH – MEAN) UNTUK DATA BERKELOMPOK. DAN NILAI VARIABEL – MEAN UNTUK DATA TIDK BERKELOMPOK 3.MASUKKAN KE DALAM RUMUS

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006 NONILAITITIK TENGAH (X) FMEANX (DEVIASI MEAN) F(x)2 (1)(2)(3)(4)(5)(6)(7) 112 – – – – – – – – – – TOTAL400TTK.TENG AH - MEAN

NILAI PESERTA PELATIHAN SPSS Di FISIP OKT 2006 NONILAITITIK TENGAH (X) FMEANX (DEVIASI MEAN) F(x)2 TOTA L SD = 14,854

RUMUS SD III MENGGUNAKAN DEVIASI BERKODE (X)

STANDAR DEVIASI Diketahui nilai mahasiswa yang sudah dikelompokkan sebagai berikut : NONILAI x(titik tengah)fXFxF(x)2 (1)(2)(3)(4)(5)(6)(7)

STANDAR DEVIASI NONILAI x(titik tengah)fXFxF(x)2 (1)(2)(3)(4)(5)(6)(7)

DEVIASI KUARTIL MERUPAKAN UKURAN PENYEBARAN YANG BERADA DI SEKITAR MEDIANNYA

RUMUS SD Cari Mean terlebih dahulu X = deviasi dari mean ( Titik tengah – mean ) Rumus : SD =

SD = 14,845 Jd. SD nilai kemampuan SPSS dari 100 peserta pelatihan Balitbang = 14,854

PENYAJIAN DATA Komunikatif dan lengkap Menarik perhatian Mudah dipahami isinya Mis. Berwarna, bentuk grafik, bentuk tabel

Tabel interval : TK Kepuasan Kerja Pegawai Pada Dipenda Juni 2004 Di Semarang NOASPEK KEPUASAN KERJA TK KEPUAS- AN (%) 1Gaji Insentif Transportasi Perumahan Hubungan Kerja54.00 Tingkat kepuasan yang tertinggi dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004 adalah pada pemberian uang transprtasi (68.60%), dan gaji termasuk tingkat kepuasan yang terendah (37.58%) dalam meningkatkan kinerja pada Dipenda keadaan Juni 2004.

TABEL DISTRIBUSI FREKUENSI Disusun jika jumlah raw data cukup banyak dan sulit dibaca Jumlah kelas min 6 dan max 15 Batas kelas bawah Batas kelas atas Interval kelas Batas nyata Titik tengah Frekuesi

Tabel Distribusi frekuensi nilai pelatihan SPSS Peserta Balitbang Di MAP UNDIP Juni 2004 NO KELAS KLAS INTERVAL FREKUENSI% 110 – – – – – – – – – J u m l a h Frekuensi angka absolut dirubah dalam bentuk persen (%) Analisis nilai yang tertinggi dan terendah

HISTO- GRAM Polygon Pie GRAFIK

HISTOGRAM Merupakan suatu set data yang sudah tersusun berdasarkan intervalnya, sehingga merupakan suatu rangkaian/ hubungan antara jumlah frekuensi yang ada pada masing-masing kelasnya.

POLIGON Merupakan garis yang menghubungkan jumlah frekuensi pada masing-masing kelasnya dimana poligon menunjukkan titik tengah pada masing-masing nilai tengah ( classmarknya)

Pie Adalah diagram lingkaran atau pie chart. Digunakan untuk membandingkan data dari berbagai kelompok. Biasanya dalam bentuk %.

GRAFIK HISTOGRAM Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 Sumbu Y (Rp), Sumbu X = Th gula kopi beras

GRAFIK POLYGON Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 Sumbu Y (Rp), Sumbu X = Th gula kopi beras

GRAFIK HISTOGRAM Melihat harga gula, kopi dan beras dari tahun 2000 hingga 2003 Sumbu Y (Rp), Sumbu X = Th gula kopi beras

ANALISIS ASOSIASI POSITIF Dependent Var (Y) Independent Variabel (X) Categori 1Categori Categori n Categori 1100%0% Categori 20%100%0% Categori n0%100% Total100%

ANALISIS ASOSIASI NEGATIF Dependent Var (Y) Independent Variabel (X) Categori 1Categori Categori n Categori 10% 100% Categori 20%100%0% Categori n100%0% Total100%

UKURAN ASOSIASI Korelasi sempurna antara dua var = 1 dan -1 ( sempurna positip dan sempurna negatif) Korelasi = 0 ( tidak ada korelasi) Korelasi antara 0 dan positip Korelasi antara 0 dan negatif

GAMBAR KORELASI

KORELASI ANTAR VARIABEL Korelasi menunjukkan arah dan kuatnya hubungan antara dua variabel Arah dinyatakan dalam hubungan positif dan negatif Kuatnya hubungan dinyatakan dalam besarnya koeff korelasi Hubungan positif, bila X meningkat Y juga meningkat atau sebaliknya.

Hubungan negatif, bila suatu variabel X meningkat justru variabel Y menurun atau sebaliknya. Contoh : TINGGI BADANKECEPATAN LARI Pos Semakin tinggi badan orang, maka semakin cepat larinya, dan semakin pendek badan orang semakin lambat larinya

Contoh : Semakin tinggi curah hujan, maka akan semakin sedikit es yang terjual, dan semakin sedikit curah hujan, maka akan semakin banyak es yang terjual CURAH HUJAN ES YANG TERJUAL NEG

PEDOMAN PEBENTUAN TEKNIK STATISTIK YANG DIGUNAKAN NOTingkatan DataTeknik korelasi 1NominalKoeff kontingensi, Lamda 2OrdinalSpearman Rank, Kendall Tau, Gamma 3IntervalPearson

Hubungan antara kompetensi dan hirarkhi pada Kantor Pemda Di Semarang Th 2004 Hierarc hi Competence %) LowMediumHigh Low Medium High5527 Total100% (N=152) 100% (N=159) 100% (N=89) Perbed tk kompetensi kecil dan besar dibawah hirarkhi low = 74%- 30%=34% Perbed tk kompetensi kecil dan besar dibawah hirarkhi high = 27%- 5%=22% Kesimpulan kehadiran variabel independent (tk kompetensi) telah membuat hirarkhi meningkat lebih tinggi sebanyak 34% (diambil dr tingkat perbedaan terbesar)

Persentase Distribution Dari kedua Perencana Transportasi MengiklankanKemudahan Ride Bus NoYesTotalRide Bus NoYesTotal No225 (75%) 134 (67%) 359No269 (77%) 90 (60%) 359 Yes75 (25%) 66 (33%) 141Yes81 (23%) 60 (40%) 141 Total300 (100%) 200 (100%) 500Total350 (100%) 150 (100%) 500

Kesimpulan Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

Persentase Distribution Dari kedua Perencana Transportasi MengiklankanKemudahan Ride Bus NoYesTotalRide Bus NoYesTotal No225 (75%) 134 (67%) 359No269 (77%) 90 (60%) 359 Yes75 (25%) 66 (33%) 141Yes81 (23%) 60 (40%) 141 Total300 (100% ) 200 (100% ) 500Total350 (100% ) 150 (100% ) 500 KESIMPULAN Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

Kesimpulan Bahwa mendengarkan iklan telah mengakibatkan peningkatan PENUMPANG BIS sebesar 33%-25% = 8% Kemudahan mendapatkan bis akan meningkatkan PENUMPANG BIS sebesar 40%-23% = 17%. Jd Kemudahan mendapatkan bis MEMPUNYAI HUB YG LEBIH KUAT dibandingkan mengiklankan dalam hal jumlah penumpang yang naik bis Secara umum perbedaan persentase yang lebih besar adalah lebih kuat dari hubungan dua variabel.

SPEARMAN DAN KENDALL TAU Telah dibahas pada Pelatihan Pertama

LAMBDA NOMINAL

LAMBDA Menunjukkan reduksi proporsional data error yang diperoleh dalam memprediksi kategori dari dependent variabel ketika nilai independent variabel diperhitungkan. Atau : Mengevaluasi sampai seberapa jauh prediksi terhadap dependent membaik bila dimasukkan kategori dari variabel dependent

Distribusi responden menurut daerah asal dan partisipasi terhadap program KB PartisipasiDaerah AsalJumlah Tidak Ikut Ikut Total

ANALISIS Pertama kita tentukan bahwa prediksi terbaik adalah ikut KB. Yang seharusnya 500 orang tapi dalam kenyataan hanya 275. Jd error yang terjadi = 500 – 275 = 225. Proporsi error = 225:500 = 0,45. Angka yang diperoleh disini belum dipengaruhi oleh kehadiran variabel independent yaitu asal daerah. Ketika daerah asal diperhitungkan, kita mengharapkan atau menduga bahwa mereka yang dari kota lebih banyak yang ikut KB daripada dari desa.

Kita lihat bahwa hanya ada 175 orang saja (100+75) yang sesuai dengan harapan atau dugaan kita. Atau 175 : 500 = 0,35. Jd tanpa variabel independent proporsi errornya = 0,45. Tetapi kalau dengan variabel independent errornya menurun jadi 0,35. Hal ini berarti masuknya variabel independent telah mengurangi proporsi error sebesar (0,45 – 0,35) : 0,45 = 0,22. Kesimpulan : Ada hubungan prediktif yang cukup lemah antara asal responden dengan keikutsertaan dalam program KB

GAMMA FUNGSI : Untuk melihat kekuatan hubungan antara dua variabel ORDINAL Pasangan concordant (selaras) Pasangan Disconcordant ( tidak selaras) Angka absolut ORDINAL

Hubungan antara Education dan Seniority Seniority (dependent/ Y Education (independent / X) LowHigh Low20 Concordant (selaras) 10 Disconcordant (tak selaras) High5 Disconcordant (tak selaras) 15 Concordant (selaras Total25

PERHITUNGAN Pasangan yang concordant (selaras) = 15 X 20 = 300 ( adalah pada tingka pendidikan yang rendah dan seniorit yang redah = 20 dan pada tingkat pendidikan yang tinggi dan seniority yang tinggi = 15) Pasangan yang Disconcordant ( tidak selaras) = 5 X 10 = 50 (pada tingkat pendidikan yang rendah dan seniority yang tinggi = 5 dan pada tingkat pendidikan yang tinggi serta seniority yang rendah = 10 )

RUMUS GAMMA GAMMA diperoleh dari jumlah pasangan concordant (300) – jumlah pasangan disconcordant (50) dibagi dengan jumlah pasangan concordan (300) ditambah jumlah pasangan disconcordant (50) Atau :

Hasil perhitungan : = 0,75 (hubungan antara X dan Y positip dan kuat) Cari berapa % contribusi X thp Y ?

Cara menghitung Gamma secara manual X X X X CONCORDANT PAIRS a dcb

Cara menghitung Gamma secara manual X X X X DISCONCORDANT PAIRS e hgf

PRODUCT MOMENT RUMUS : INTERVAL

PRODUCT MOMENT Untuk menghitung korelasi antara variabel interval ( dikembangkan KARL PEARSON) FUNGSI : Untuk mengetahui koef korelasi antara gejala interval dengan interval lainnya

Keterangan Rumus : (rxy) = koeff. korelasi Product Moment Total xy = jumlah hasil kali (product) dari x dan y X = X- Mx Y = Y - My

Tabel Kecakapan membaca dan menulis murid TK Tadika Puri Semarang Juni 2004 SubyekXYxyx2x2 y2y2 xy (1)(2)(3)(4)(5)(6)(7)(8) ,3-25,5453,69650,25453, ,3-35,5745, ,25969, ,7+39,51.069, , , ,7+19,5161,29380,25247, ,7+4,544,8920,2530, ,3-5,528,0930,2529, ,7+24,5712,89600,25654, ,7+14,544,89210,2597, ,3-25,5453,69650,25543, ,3-10,5106,09110,25108,15 Total , , ,50

Ada tidak korelasi antara kecakapan membaca dengan kecakapan menulis? Cari Mean=Mx dan My dari X dan Y Cari SDx dan SDy Mx = ΣX/ N = 1573/10 = 157,3 My = ΣY/ N = 1555/10 = 155,5 x 1= X1 – Mx = ,3 = - 21,3 x2 = X2 – Mx = ,3 = - 27,3 Dst y1= y1 – Mx = ,5 = - 25,5 y1= y2 – Mx = ,5 = - 35,5 Dst. Masukkan dalam rumus. Misalnya hasil 0,79. artinya ada korelasi positip dan kuat antara kecakapan dalam membaca dengan kecakapan menulis. Semakin anak cakap dalam membaca menulisnyapun juga lancar, atau sebaliknya.