e-book Referensi Pendidikan Berkualitas

1. A. Pendahuluan

Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.

Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda.

Istilah regresi (ramalan/taksiran) pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula.

1. B. Persamaan Regresi Linier dari Y terhadap X

Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:

Y = a  +  b X

Keterangan:

Y = variabel terikat

X = variabel bebas

a = intersep

b = koefisien regresi/slop

Pada persamaan tersebut di atas, nilai a dan b dapat ditentukan dengan cara sebagai berikut:

continue reading…

Incoming search terms for the article:

• regresi linier sederhana
• regresi linear sederhana
• regresi sederhana
• rumus regresi sederhana
• rumus regresi linier sederhana
• persamaan regresi linier
• regresi linier
• contoh soal regresi linier sederhana
• analisis regresi linier sederhana
• regresi Tunggal

Korelasi merupakan sebuah istilah statistik yang memberi pernyataan derajat hubungan linier antara dua variabel atau lebih. Ditemukan oleh Karl Pearson pada awal tahun 1900, sehingga dengan demikian dikenal dengan sebutan Korelasi Pearson. Analisis korelasi merupakan salah satu teknik dalam analisis statistik yang paling banyak digunakan oleh para peneliti. Hal ini terjadi disebabkan para peneliti umumnya tertarik pada kejadian atau peristiwa-peristiwa yang terjadi dan selanjutnya berusaha untuk menghubungkannya.

Perhatikan dua contoh berikut:

1. Hubungan antara kemiskinan dengan kebodohan
2. Hubungan antara tinggi badan dan berat badan

Mari kita bahas perbedaan pola hubungan yang terjadi di antara dua contoh kalimat tersebut di atas.

1. Hubungan antara kemiskinan dengan kebodohan

Kalimat ini dapat dijelaskan bahwa orang yang bodoh dapat menyebabkan dirinya miskin, atau sebaliknya yaitu orang yang miskin dapat menyebabkan dirinya bodoh. Dengan demikian pada contoh kalimat yang pertama tidak jelas mana yang menjadi penyebab dan mana yang menjadi akibat.

1. Hubungan antara tinggi badan dan berat badan

Kalimat ini dapat dijelaskan bahwa tinggi badan seseorang menyebabkan berat badannya bertambah, tetapi dengan berat badan yang bertambah maka belum tentu menyebabkan tinggi badannya bertambah pula.

Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) dan data akibat atau yang dipengaruhi disebut dengan variabel terikat (dependent). Variabel bebas biasanya dilambangkan dengan huruf X atau X₁, X₂, X₃, … X_n (tergantung banyaknya variabel bebas). Sedangkan variabel terikat biasanya dilambangkan dengan huruf Y.

1. Koefisien Korelasi Pearson

Korelasi ini paling sering digunakan dalam penelitian sosial, besarnya angka korelasi disebut dengan koefisien korelasi yang dinyatakan dalam lambang r. Koefisien korelasi (KK) merupakan indeks atau bilangan yang digunakan untuk mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel. Korelasi ini memiliki manfaat sebagai berikut:

1. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu dengan yang lainnya.
2. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen (%).

Beberapa asumsi yang harus dipenuhi dalam menggunakan korelasi ini adalah variabel yang dihubungkan harus memiliki ketentuan sebagai berikut:

1. Data berdistribusi normal
2. Data linier (searah)
3. Data yang dipilih secara acak (random)
4. Variasi skor variabel yang dihubungkan harus sama
5. Data interval atau rasio

Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ? KK ? +1), dengan ketentuan sebagai berikut:

1. Jika KK bernilai positif maka variabel-variabel berkorelasi positif. Semakin dekat nilai KK ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
2. Jika KK bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin dekat nilai KK ke -1 maka semakin kuat korelasinya, demikian pula sebaliknya.
3. Jika KK bernilai 0 (nol) maka variabel – variabel tidak menunjukkan korelasi
4. Jika KK bernilai +1 atau -1 maka variabel – variabel menunjukkan korelasi positif atau negatif yang sempurna.

continue reading…

Incoming search terms for the article:

• korelasi pearson
• analisis korelasi pearson
• metode pearson
• koefisien korelasi pearson
• korelasi linier sederhana
• pearson
• statistik korelasi pearson
• derajat keeratan pearson
• data linier
• korelasi linear sederhana

Probability is especially important in statistics because of the many principles and procedures based upon this concept. Indeed, probability plays a special role in all our lives, because we use it to measure uncertainty. We are continually faced with decisions leading to uncertain outcomes, and we rely on probability to help us make our choice. Think of the planned outdoor activities, such as picnics or boating, you canceled because the chance of bad weather seemed too likely. Remember those nights before examinations when you decided not to study some topics, because they probably would not be covered on the test?

A probability is a numerical value that measures the uncertainty that a particular event will occur. The probability of an event ordinarily represents the proportion of times under identical circumstances that the outcome can be expected to occur. We refer to this value as the event’s long-run frequency of occurrence. The probability that the head side will slow when a fair coin is tossed is 1/2. This can be verified experimentally by tossing a coin several times and observing that “heads” occur about one-half of those times. continue reading…

Incoming search terms for the article:

• penjelasan bahasa inggris tentang probability

Gorge Udny Yule said:

“Measurement does not necessarily mean progress. Failing the possibility of measuring that which you desire, the lust for measurement may, for example, merely result in your measuring something else-and perhaps forgetting the difference- or in ignoring some things because they cannot be measured…”

We have said that descriptive statistics involves the arrangment and display of observed data, which are then summarize and analyzed by means of inferential statistics in order to reach some decision. The manner in which the data are described and the procedures followed for their analysis depend upon the decision-making goal and the nature of the data.

The weight of a sample of 40 statistic students in STIE DEWANTARA BOGOR is shown in table 1 below. If we wish to describe this sample, how should we proceed?

Table 1

_______________________________

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

________________________________

78 72 74 79 74 71 75 74 72 68

72 73 72 74 75 74 73 74 65 72

66 75 80 69 82 73 74 72 79 71

70 75 71 70 70 70 75 76 77 67

_________________________________

These are the steps how to proceed that data to become Frequency Distribution.

1. Arrange the data

Table 2

_______________________________

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

________________________________

65 66 67 68 69 70 70 70 70 71

71 71 72 72 72 72 72 72 73 73

73 74 74 74 74 74 74 74 75 75

75 75 75 76 77 78 79 79 80 82

_________________________________

2. Range (R) = 82 – 65 = 17

3.  Sum of the class (k) =

k = 1 + 3,3 log n (Sturgess Way)

k = 1 + 3,3 log 40

= 1 + 5,3 = 6,3 = 6

4. Class interval (i) :

i = 17/6 = 2,83 = 3

Here is the results shown on the table 3 below:

Table 3

Frequency Distributions

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

____________________________________

Weight (Kg)                       Frequency

———————————————————–

65 – 67                                      3

68 – 70                                      6

71 – 73                                      12

74 – 76                                      13

77 – 79                                      4

80 – 82                                      2

——————————————————

TOTAL                                     40

__________________________________

Hopefully this article can be useful to helps you studying Statistics…

See you next time…

Incoming search terms for the article:

• frequency distribution
• Frequency distributions
• data distribution frequency
• freq film lust
• frequency statistik

The emphasis upon the decision-makin aspects of statistics is a recent one. In its early years, the study of statistics largerly consisted of methodology for summarizing or describing numerical data. Any aspects facilitating choice were secondary in importance to the then essentially reportorial nature of the subject. Tis area of study has become known as descriptive statistics because it is concerned largerly with summary calculations and graphical displays. These methods are in contrast with the modern approach, where generalizations are made about the whole, called the population, by investigating a portion, reffered to as the sample.

continue reading…

Incoming search terms for the article:

• inferential statistics
• descriptive statistics books
• ebook statistic descriptive
• descriptive and inferential statistics definition
• inferencial statistic ebookd
• inferential statistics books
• statistics inferential

A. Pendahuluan

Salah satu langkah dalam penelitian ilmiah adalah menentukan populasi dan sample. Kesalahan dalam menentukan sampel dapat berakibat fatal, karena sampel menjadi tidak representatif, dan hasil penelitian tidak akan dapat mencerminkan keadaan yang sebenarnya. Oleh karena itu memilih tenik penentuan sampel yang tepat menjadi sangat penting untuk mendapatkan sampel yang representatif.

B. Pengertian Populasi Dan Sampel

Dalam suatu penelitian adakalanya peneliti meneliti semua sumber data yang direncanakan, agar data dan informasi yang diperoleh banyak dan bervariasi sehingga diharapkan hasilnya tidak jauh berbeda dari kenyataan. Akan tetapi dalam kenyataannya tidak semua populasi dapat diteliti karena suatu sebab yang tidak memungkinkan. Penelitian ilmiah boleh dikata hampir selalu hanya dilakukan terhadap sebagian saja dari hal-hal yang sebenarnya hendak diteliti.

Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga benda-benda alam lain. Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.

Misalnya akan dilakukan penelitian di lembaga X, maka lembaga X ini merupakan populasi. Lembaga X mempunyai sejumlah orang/subyek dan obyek yang lain. Hal ini berarti populasi dalam arti jumlah/kuantitas. Tetapi lermbaga X juga mempunyai karakteristik orang-orangnya, misalnya motivasi kerjanya, disiplin kerjanya, kepemimpinannya, iklim organisasinya dan lain-lain. Juga mempunyai karakteristik obyek yang lain, misalnya kebijakan, prosedur kerja, tata ruang produk yang dihasilkan dan lain-lain. Yang terakhir berarti populasi dalam arti karakteristik. Satu orangpun dapat digunakan sebagai populasi, karena satu orang mempunyai berbagai karakteristik, misalnya gaya bicaranya, disiplin pribadi, hobi, cara bergaul, kepemimpinannya dan lain-lain. Misalnya akan melakukan penelitian tentang kepemimpinan presiden Y, maka kepemimpinan itu merupakan sample dari semua karakteristik yang dimiliki presiden Y. Jadi sample adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi ( Sugiyono, 2002:57 ).

C. Penggunaan Populasi dan Sampel

continue reading…

Incoming search terms for the article:

• pengertian populasi dan sampel penelitian
• sampel jenuh
• pengertian populasi dan sampel
• sample adalah
• populasi dan sampel
• arti populasi
• pengertian populasi
• pengertian sampel
• pengertian populasi dan sample
• sampling jenuh

Nowadays I have already upload my statistic Handout about “Fraktil (Kuartil, Desil, Persentil)” on my website. You can easily download by click here
I really hope that my handout will guide you well on your learning about statistic, especially in this part.
If there is any mistakes, you can send me an e-mail to: info@boeditea.web.id or you can write down on my facebook. Thanks for your visiting to this simply site

Incoming search terms for the article:

• pengertian desil
• definisi desil
• kuartil dan desil
• pengertian kuartil desil persentil
• pengertian kuartil
• definisi persentil dalam statistik
• fraktil
• pengertian persentil
• statistik pendidikan persentil
• makalah desil kuartil persentil

Module Basic Statistic (Statistik 1) You can easily download.. just click here

Incoming search terms for the article:

• statistik 1
• modul statistik satu
• basic statistik