Statistika dan Aplikasi Komputer

Report
Statistika dan Aplikasi Komputer
Sesi 1: Pengantar
Program Pasca Sarjana Universitas Indonesia
Magister Kajian Kependudukan &
Ketenagakerjaan
Semester Gasal 2012/2013
Garis Besar
I - PENDAHULUAN
• Statistika: Apa dan Mengapa
• Statistika Deskriptif dan Inferens
• Data Kuantitatif dan Data Kualitatif
• Populasi dan Sampel
II - DISTRIBUSI FREKUENSI
• Cara Menyusun Distribusi Frekuensi
• Distribusi Frekuensi Relatif dan Kumulatif
• Gambar dan Grafik Distribusi Frekuensi
05/09/2012
E. L. Pardede
2
Statistika: Apa dan Mengapa
Keputusan sehari-hari dengan ‘statistika’
• Belanja
• Menentukan menu makan malam
• Mencicipi masakan
• Memilih pacar, suami/istri
• Memilih bidang studi (contoh: Akuntansi FEUI)
• Tujuan berlibur
• MKJP vs kontrasepsi jangka pendek
05/09/2012
E. L. Pardede
3
DATA
PROSES
HASIL/
OUTPUT
ANALISIS
PENGAMBILAN
KEPUTUSAN/
PERUMUSAN
KEBIJAKAN
05/09/2012
E. L. Pardede
4
Statistika: Apa itu?
ILMU YANG MEMPELAJARI MENGENAI
MENGUMPULKAN, MENATA,
MENYAJIKAN, MENGANALISIS, DAN
MENGINTERPRETASI DATA UNTUK
MEMBANTU PENGAMBILAN KEPUTUSAN
YANG LEBIH EFEKTIF
(Lind , Marchal, Waten, 2005)
05/09/2012
E. L. Pardede
5
05/09/2012
E. L. Pardede
6
Statistika: Mengapa?
• Informasi tersedia
• Statistika digunakan untuk menganalisis
masalah dan menyiapkan informasi untuk
pengambilan keputusan
• Dasar perumusan kebijakan
• Prediksi kejadian (kecenderungan) di masa
depan
• Kebutuhan bidang demografi: proyeksi
05/09/2012
E. L. Pardede
7
Statistika – Apa dan Mengapa
• Statistik – Mengacu pada kumpulan informasi
numerik berbentuk angka-angka, gambar
(grafik), dan tabel
• Statistik – Secara khusus digunakan untuk
mengacu kepada karakteristik sampel seperti
rata-rata, median, modus, standar deviasi, dan
varians (Parameter: karakteristik populasi)
05/09/2012
E. L. Pardede
8
Fakta vs Opini
•
•
•
•
•
•
•
Orang Batak galak
Kantin itu ramai
Tongseng di kantin FEUI memang enak
Aku sudah gagal sebagai suami/istri
Tas itu mahal
Dosen S2KK baik-baik
Bapak itu sangat saleh/soleh
05/09/2012
E. L. Pardede
9
Statistika: Deskriptif dan Inferens
• Deskriptif: metode untuk menata, meringkas,
dan menyajikan data dengan cara yang
informatif
• Inferens (statistika induktif) : metode yang
digunakan untuk menyatakan sesuatu
(keputusan, dugaan/estimasi, prediksi,
dan/atau kesimpulan/generalisasi) mengenai
populasi berdasarkan sampel
05/09/2012
E. L. Pardede
10
Populasi dan Sampel
• Populasi: sekumpulan seluruh
individu/obyek/ukuran-ukuran yang lain yang
mungkin menjadi obyek penelitian
• Sampel: bagian dari populasi
 ILUSTRASI
05/09/2012
E. L. Pardede
11
05/09/2012
E. L. Pardede
12
Populasi & Sampel
di mana:
 =
proporsi populasi
P =
proporsi sampel
n =
besarnya sampel
Untuk tingkat keyakinan 95%
E. L. Pardede
13
Hasil Pilkada Gubernur DKI Jakarta
Sumber:
(3) Diolah dari http://www.republika.co.id/berita/menuju-jakarta1/news/12/07/19/m7ev7i-ini-hasil-resmi-jumlah-suara-pilkada-dki-putaran-satu
05/09/2012
E. L. Pardede
14
Sampling
• RANDOM: setiap individu/obyek penelitian
memiliki kesempatan yang sama untuk terpilih
• Simple random
• Multistage random sampling
05/09/2012
E. L. Pardede
15
Contoh: Survei Konsumsi Rokok di Jawa
Tengah dan Jawa Timur, 2010 (LD FEUI)
Data Kualitatif dan Kuantitatif
• Kualitatif: data berisi karakteristik non
numerik (atribut); contoh: jenis kelamin,
daerah tempat tinggal, status perkawinan
• Kuantitatif: data berisi variabel yang numerik;
terdiri atas variabel:
– Diskrit: penghitungan dan bilangan bulat; contoh:
jumlah anak, jumlah TV, jumlah sekolah
– Kontinu: nilainya bisa berapa saja dalam range
atau interval tertentu; contoh: pendapatan,
pengeluaran, berat badan, umur
05/09/2012
E. L. Pardede
17
Skala Pengukuran Data (1)
• Skala pengukuran: cara mengukur variabel
• Dalam melakukan pengukuran data,
pengelompokan individu/obyek penelitian harus
bersifat:
– Mutually exclusive: kategori yang dibuat hanya
mengelompokkan SATU individu/obyek penelitian per
kategori (tidak tumpang tindih)
– Exhaustive: setiap individu/obyek HARUS muncul
dalam satu kagetori (tidak ada yang tertinggal)
• Contoh: data pendidikan di Susenas
05/09/2012
E. L. Pardede
18
Keterangan Pendidikan
dari Kuesioner
SUSENAS 2009 KOR
05/09/2012
E. L. Pardede
19
Skala Pengukuran Data (1)
• Skala nominal: data yang kategorinya tidak
ada tingkatan/urutan. Contoh: Jenis kelamin,
daerah tempat tinggal
• Data ordinal: data yang diklasifikasikan
berurut/bertingkat (orderly/ranked)
berdasarkan karakteristik tertentu. Contoh:
Rasa jus di kantin FEUI
05/09/2012
E. L. Pardede
20
Jumlah Mahasiswa Beberapa Program Studi
di PPs UI (Data Rekaan)
No Program Studi/Kajian
Jumlah Mahasiswa
1 Ilmu Lingkungan
25
2 Kajian Ketahanan Nasional
80
3 Kajian Stratejik Intelijen
30
4 Kajian Kependudukan dan
Ketenagaan Kerja
5 Kajian Ilmu Kepolisian
35
6 Kajian Gender
10
05/09/2012
E. L. Pardede
70
21
Program Studi di PPs UI berdasarkan Jumlah
Mahasiswa (Data Rekaan)
No Program Studi/Kajian
Jumlah Mahasiswa
1 Kajian Ketahanan Nasional
80
2 Kajian Ilmu Kepolisian
70
3 Kajian Kependudukan dan
Ketenagaan Kerja
4 Kajian Stratejik Intelijen
35
5 Ilmu Lingkungan
25
6 Kajian Gender
10
05/09/2012
E. L. Pardede
30
22
Jumlah Jenis Jus Kantin FEUI berdasarkan Rasa
(Data Rekaan)
No Rasa Jus
Jumlah Jus
1 Sangat enak
5
2 Enak
3
3 Biasa/sedang/netral
1
4 Tidak enak
1
5 Sangat tidak enak
0
05/09/2012
E. L. Pardede
23
Skala Pengukuran Data (2)
• Data interval: berurutan seperti data ordinal,
tetapi jarak antara karakteristik sama dengan
jarak dalam pengukuran. Contoh: Temperatur,
ukuran sepatu
• Data rasio: berurutan seperti data ordinal,
jarak antara karakteristik sama dengan jarak
dalam angka dalam pengukuran, dan angka 0
artinya adalah tanpa karakteristik
Contoh: Pendapatan, upah, penjualan, jarak
05/09/2012
E. L. Pardede
24
Ukuran Pakaian (Standar Belanda)
Ukuran
Interval
Small
36-38
Medium
40-42
Large
44-46
05/09/2012
E. L. Pardede
25
Predikat Lulusan UI
Ukuran
Interval
Memuaskan
2,75-3,40
Sangat Memuaskan
3,41-3,70
Cum Laude
3,71-4,00
05/09/2012
E. L. Pardede
26
Rata-rata Upah Menurut Pendidikan
dan Jenis Kelamin, 2007
No
Pendidikan
1
<=SD
2
SMP
3
SMA
4
Akademi/Dipl.
5
Universitas
Rata-rata
Laki-laki (Rp)
Perempuan (Rp)
RASIO
UPAH (L/P)
1,421,217
1,078,925
1.32
1,549,586
1,059,262
1.46
2,342,967
1,806,685
1.30
3,275,466
2,537,911
1.29
2,496,516
1,664,763
1.50
958,972
715,414
1.34
Sumber: BPS, dikutip dari Fa’atin (2010), diolah
05/09/2012
E. L. Pardede
27
Distribusi Frekuensi
• Definisi: pengelompokan data ke dalam
kategori/kelompok/kelas yang mutually
exclusive yang menyajikan jumlah observasi di
dalam setiap kategori/kelompok/kelas
• Metode:
1.
2.
3.
4.
05/09/2012
Tentukan jumlah kelompok
Tentukan interval/lebar tiap kelompok
Tentukan batas atas dan bawah tiap kelompok
Hitung jumlah observasi untuk tiap kelompok
E. L. Pardede
28
Jumlah Kelompok dan Interval Kelas
• Rumus penentuan jumlah kelompok
(1) 2k  n
(2) k = 1 + 3,322 Log n
di mana k=jumlah kelompok dan n=jumlah observasi
• Rumus penentuan interval kelompok/kelas
Interval Kelas = Nilai terbesar – Nilai terkecil
Jumlah kelas
05/09/2012
E. L. Pardede
29
Distribusi Frekuensi Relatif
• Definisi: menyajikan persentase/proporsi
berdasarkan jumlah observasi di dalam setiap
kategori/kelompok/kelas
• Absolut vs Relatif:
– Jumlah lulusan cum laude prodi S2 Ilmu Kepolisian
UI lebih besar daripada jumlah lulusan cum laude
prodi S2 Kependudukan & Ketenagakerjaan UI
05/09/2012
E. L. Pardede
30
Absolut vs Relatif
Distribusi Lulusan Program Studi Ilmu Kepolisian dan
Kependudukan dan Ketenagakerjaan Pascasarjana UI
Berdasarkan Predikat Lulusan (Data Rekaan)
PREDIKAT
LULUSAN
Cum Laude
Kajian
Kependudukan &
Ketenagakerjaan
12
7
Tidak Cum Laude
68
05/09/2012
Kajian
Kepolisian
E. L. Pardede
28
31
Latihan 2: Bermain dengan Excel
50 lansia diseleksi random dari IFLS 2007
Buat:
• Distribusi: Frekuensi, Frekuensi Relatif, dan
Frekuensi Kumulatif dari usia lansia tersebut
• Buat Histogram, Diagram Poligon, dan Kurva
Ogifnya
• Buat Histogram distribusi kelompok umur
menurut jenis kelamin: 60-69, 70-79, dan 80+
05/09/2012
E. L. Pardede
32
Observational studies vs
Randomized experiments
• Umumnya data untuk studi bidang ilmu sosial
dan ekonomi adalah data hasil studi
observasional (given) : tidak bisa memisahkan
sampel secara random sampel yang kena
‘treatment’ dan sampel yang ‘dikontrol’
• Adanya asosiasi (hubungan) antar variabel
berdasarkan data observasional (bersifat
pengamatan) yang ditemukan berdasarkan
perangkat statistika bersifat netral terhadap
hubungan kausalitas (sebab-akibat)
05/09/2012
E. L. Pardede
33
PENTING!
• “We have to use observational studies that
passively observe how treatment happened to
be given, rather than actively assign it
randomly and fairly when randomized
experiments are not feasible. (Bias can be
reduced in such cases by including as many as
confounding factors possible in a regression)
(Wonnacott & Wonnacott, 1990, p. 16).
05/09/2012
E. L. Pardede
34
05/09/2012
E. L. Pardede
35

similar documents