<p style=”text-align: center;”><a href=”http://mp-uny.co.nr”><img class=”size-full wp-image-132 aligncenter” title=”Website MP UNY” src=”http://mpuny.files.wordpress.com/2009/02/stiker2.jpg” alt=”stiker2″ width=”430″ height=”133″ /></a></p>

<a href=”http://mp-uny.co.nr”><img class=”aligncenter size-medium wp-image-133″ title=”Website MP UNY” src=”http://mpuny.files.wordpress.com/2009/02/stiker.jpg?w=300″ alt=”Website MP UNY” width=”300″ height=”93″ /></a>

<a href=”http://mp-uny.co.nr/”><img class=”aligncenter size-full wp-image-131″ title=”Website MP UNY” src=”http://mpuny.files.wordpress.com/2009/02/banner.jpg” alt=”Website MP UNY” width=”173″ height=”61″ /></a>

[Konsep dasar supervisi pendidikan]

Analisis Data Sederhana 1 SPSS

Pada bagian ini akan dibahas cara menyajikan data secara deskriptif yaitu menampilkan mean, maksimum, minimum, ragam, simpangan baku, galat baku, kemencengan, dan keruncingan serta bentuk grafik yaitu histogram, poligon, boxplot, stem and leaf.  Juga akan dibahas dua contoh inferensia statistik yaitu analisis korelasi linier sederhana dan analisis regresi linier sederhana.

Untuk mempermudah penjelasan, kita gunakan data di bawah ini :

Pendapatan  :  4  5  4  6  4  5  4  6  7  5

Pengeluaran  :  1  2  3  2  2  3  2  4  4  2

1.  Statistik Deskriptif

Untuk menampilkan  mean, maksimum, minimum, ragam, simpangan baku, galat baku, kemencengan, dan keruncingan lakukan langkah sebagai berikut :  Pada data editor buatlah peubah Pendptn dan Penglrn untuk pendapatan dan pengeluaran.  Kemudian ketiklah semua nilai datanya.  Hasil pengetikan tersebut akan tampak sebagai berikut :

Langkah selanjutnya ialah klik menu Analyze – Descriptive Statistics – Descriptive…, pada layar akan muncul kotak dialog sebagai berikut :

Arahkan kursor ke pendptn, kemudian tekan shift tahan dan klik penglrn.  Selanjutnya klik tanda segitiga untuk memindahkan peubah ke kotak sebelah kanan.  Berikutnya klik Options di pojok kanan bawah, sehingga muncul gambar berikut :

Beri tanda centang pada statistik yang diinginkan Variance untuk ragam, Range untuk kisaran, S.E. mean untuk galat baku, kurtosis untuk keruncingan kurva, dan skewness untuk kemencengan kurva. Kemudian klik Continue, dan Klik Ok. Pada layar akan tampak output SPSS sebagai berikut :

2.  Bentuk Grafik

Histogram :  Pilihlah menu Graphs – Histogram.  Berikutnya pada layar akan muncul kotak dialog sebagai berikut :

Pilihlah peubah yang akan dibuat histogramnya kemudian klik tanda segitiga (angka 2) untuk memindahkan peubah tersebut ke kotak sebelah kanannya.  Jika diperlukan tampilan kurva normal maka centang kotak di sebelah kiri Display normal curve (angka 3).  Kemudian klik OK.  Pada layar akan muncul output windows sebagai berikut :

Boxplot : Pilihlah menu Graphs – Boxplot.  Berikutnya pada layar akan muncul kotak dialog sebagai berikut :

Klik kotak di sebelah kiri tulisan Simple dan centang tanda bulat di sebelah kiri Summaries of separate variables. Kemudian Klik Define.  Gambar di bawah ini akan muncul :

Pilihlah peubah yang akan dibuat boxplotnya kemudian klik tanda segitiga untuk memindahkan ke kotak Boxes Represent.  Kemudian Klik OK.  Pada output window akan tampak sebagai berikut :

Sumber: http://www.ilmustatistik.com/2008/12/21/analisis-data-sederhana-1-spss/

Data merupakan kumpulan dari nilai-nilai yang mencerminkan karakteristik dari individu-individu dari suatu populasi.  Data bisa berupa angka, huruf, suara maupun gambar.  Dari data ini diharapkan akan diperoleh informasi sebesar-besarnya tentang populasi.  Dengan demikian, diperlukan pengetahuan dan penguasaan metode analisis sebagai upaya untuk mengeluarkan informasi yang terkandung dalam data yang dimiliki.

Statistika, sebagai cabang ilmu yang memberikan berbagai macam teknik dan metode analisis, telah menyediakan berbagai metode yang memiliki kegunaan yang berbeda-beda.  Pengetahuan tentang kegunaan dari berbagai teknik ini perlu dimiliki untuk menghindari penggunaan yang tidak tepat.  Dua macam analisis mungkin memiliki kegunaan yang sama tapi membutuhkan tipe data yang berbeda.

Pada modul ini akan diperkenalkan berbagai macam analisis, kegunaan analisis tersebut dan syarat data yang bisa dianalisis dengan metode tersebut.

Secara umum, seperti halnya kegiatan-kegiatan yang lain, harus ada persiapan untuk berlanjut ke tahap berikutnya.  Setiap metode analisis harus diawali dengan tahapan persiapan data.  Tahapan persiapan data ini dilakukan dengan tujuan :

1.     Mengetahui karakteristik umum dari data yang dimiliki, misalnya peubah apa saja yang dimiliki, tipe-tipe data dari setiap peubah dan sebagainya.  Pengetahuan ini dibutuhkan untuk menentukan metode apa yang nanti bisa digunakan.

2.     Menyaring data yang akan digunakan dalam analisis.  Sebelum dilakukan analisis lebih jauh, kita harus bisa menyaring data yang ada.  Mungkin saja tidak semua data yang digunakan, tapi hanya sebagian.  Misalkan hanya untuk yang berjenis kelamin laki-laki, atau hanya data dari kelompok yang berpendidikan SMA, dan sebagainya.  Atau mungkin suatu saat kita hanya akan menganalisis sebagian pertanyaan saja dalam kuesioner, misal pertanyaan berhubungan dengan keadaan demografi responden.

3.     Memperbaiki kesalahan-kesalahan yang ada pada data.  Bukan hal yang jarang terjadi jika terdapat kesalahan pada data yang kita miliki.  Misalnya pada peubah jenis kelamin yang harusnya hanya laki-laki atau perempuan, tertulis pria.  Kesalahan ini dalam analisis akan berujung pada ditemukannya tiga kelompok jenis kelamin.  Sehingga pada tahapan persiapan data, harus dipastikan kesalahan-kesalahan seperti ini tidak terjadi.

Semakin besar atau semakin banyak data yang dimiliki, maka waktu yang diperlukan pada tahapan persiapan data ini akan semakin lama.  Antisipasi yang bisa dilakukan untuk mempersingkat atau mempermudah tahapan ini antara lain :

1.     menyiapkan program pemasukan data yang baik.  Pada saat penelitian dilakukan, seyogyanya kita membuat suatu sistem pemasukan data (entry data) yang memiliki kemampuan untuk memeriksa kemungkinan-kemungkinan kesalahan.

2.     Melakukan pengkodean terhadap data-data dari pertanyaan-pertanyaan yang terbuka.  Sebelum dilakukan pemasukan data, sedapat mungkin dilakukan pengkodean terhadap jawaban-jawaban pertanyaan terbuka.  Hal ini di samping menghindari pengkodean berbeda-beda dari setiap para petugas yang memasukkan data, juga mempermudah pada tahap analisis.

3.     Melakukan briefing kepada para petugas pengentry data.

Jika tahapan persiapan bis dilalui dengan baik, maka besar kemungkinan kesulitan-kesulitan pada saat pengolahan (analisis) data bisa dihindari.

TEKNIK PENYAJIAN DATA

Sebelum kita masuk ke berbagai macam metode dan teknik analisis, ada baiknya kita mempelajari teknik-teknik penyajian data.  Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data.  Di samping itu, teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian.

Penyajian data yang umum digunakan adalah :

-       tabel

-       grafik

Penyajian dalam bentuk tabel, memiliki beberapa jenis :

1.     Tabel Ringkasan Data : Tabel ini merupak ringkasan statistik dari beberpa kelompok.  Misalkan jika kita memiliki data pendapatan keluarga di suatu propinsi, dan kita ingin menyajikan rata-rata pendapatan keluarga berdasarkan tingkat pendidikan kepala keluarganya.  Dari tabel ini ingin diperoleh informasi umum hubungan antara pendidikan dan pendapatan.  Bentuk tabelnya mungkin seperti berikut :

Dalam penyajian menggunakan tabel ringkasan ini, mungkin informasi akan lebih lengkap jika tidak hanya menampilkan rata-rata (ukuran pemusatan data) saja.  Tambahan informasi tentang simpangan baku akan memberikan pengetahuan yang lebih menyeluruh.  Misalmya tabel berikut :

Dari tabel di atas bisa dilihat bahwa pendapatan keluarga berpendidikan SMA dan S1/S2/S3 lebih beragam dibandingkan yang lain.  Keluarga yang pendidikannya tidak sekolah pendapatannya relatif sama, tapi keluarga yang pendidikannya SMA memiliki pendapatan yang berbeda-beda.

2.     Tabel Frekuensi : Tabel ini merupakan gambaran frekuensi atau berapa banyak individu pada berbagai kelompok.  Misalkan saja penelitian tentang partisipasi masyarakat suatu kota dalam program Keluarga Berencana.  Kemudian kita ingin menyajikan gambaran pengguna berbagai macam alat kontrasepsi.  Dari tabel frekuensi ini kita bisa mengetahui alat kontrasepsi apa yang paling banyak diminati oleh masyarakat.  Seringkali tabel ini disajikan terurut berdasarkan frekuensi, dari yang terbesar ke yang terkecil atau sebaliknya. Bentuk tabelnya mungkin sebagai berikut :

3.     Tabel Kontingensi atau Tabulasi Silang : Tabel ini hampir sama dengan tabel frekuensi namun dilihat dari dua atau lebih peubah.  Misalnya jika kita ingin mengetahui frekuensi penduduk suatu kota berdasarkan pendidikan, maka tabel frekuensi yang didapatkan adalah sebagai berikut :

Dan jika kita ingin melihat frekuensi pengguna berbagai macam alat kontrasepsi kita peroleh tabel seperti pada contoh sebelumnya.  Dua tabel ini memberikan gambaran yang terpisah dari kondisi suatu kota.  Kita bisa menyajikan dua informasi ini dalam bentuk tabel kontingensi dengan informasi yang lebih banyak.  Tabel yang diperoleh mungkin berbentuk seperti berikut :

Dari tabel di atas informasi tambahan yang diperoleh antara lain, ternyata orang yang pendidikannya S1/S2/S3 lebih menyuikai menggunakan pil atau kondom.  Informasi seperti ini tidak tertangkap oleh tabel frekuensi.

Catatan yang perlu diperhatikan ketika membuat tabel adalah upayakan untuk membuat nama kolom maupun baris sejelas mungkin.  Misalkan jika kolom itu berisi pendapatan keluarga per bulan, maka jangan lupa menuliskan satuan dari pendapatan itu.

Sementara itu banyak orang yang berpendapat bahwa penyajian informasi menggunakan tabel yang berisi angka memiliki keefektifan yang kurang jika dibandingkan dengan grafik.  Pesan visual yang diberikan oleh grafik selain lebih menarik untuk dilihat juga mempermudah seseorang dalam membandingkan.

Grafik yang banyak digunakan adalah :

1.     Diagram Batang : Diagram ini berupa batang-batang yang menggambarkan nilai dari masing-masing kategori.  Diagram ini bisa diterapkan pada tabel ringkasan maupun tabel frekuensi dan tabel kontigensi.  Pada contoh tabel di atas, jika disajikan dalam bentuk grafik akan berupa :

2.     Diagram Lingkaran (Pie Chart) : Diagram ini berupa lingkaran yang terbagi-bagi dalam beberapa bagian.  Masing-masing bagian merupakan representasi dari berbagai kelompok, dan luas dari bagian itu berdasarkan frekuensi masing-masing kelompok.  Jika frekuensi penggunaan alat kontrasepsi di atas disajikan dalam bentuk pie-chart, maka yang diperoleh adalah sebagai berikut :

3.     Scatter Plot : Plot ini merupakan grafik yang digunakan untuk melihat hubungan antara dua buah peubah numerik.  Misalkan kita ingin tahu hubungan antara usia ibu ketika menikah dengan jarak antara menikah dan kelahiran anak pertama.  Dari plot ini kita bisa melihat apakah pasangan yang menikah pada usia lebih tua memiliki anak setelah menikah lebih lama dibandingkan pasangan yang usia ibu ketika menikah masih lebih muda.  Grafik yang diperoleh mungkin akan berupa grafik sebagai berikut :

4.     Time Series Plot : Plot ini digunakan untuk melihat perkembangan nilai suatu peubah dari waktu ke waktu.  Misalkan kita ingin membuat gambaran perkembangan peserta KB Mandiri dari tahun 1980 sampai 2000.  Plot yang diperoleh misalnya sebagai berikut :

TEKNIK ANALISIS DATA

Dari berbagai macam teknik analisis data bisa dikelompokkan menjadi beberapa kelompok sesuai dengan kegunaannya.  Pengelompokan ini adalah sebagai berikut :

1.     Teknik Analisis untuk Menguji Hipotesis tentang Nilai Tengah Populasi.  Yang termasuk di dalamnya adalah Uji t-student, Uji Tanda (Sign Test) dan Uji Peringkat Bertanda Wilcoxon (Wilcoxon Rank Test), Uji Proporsi

2.     Teknik Analisis untuk Membandingkan Nilai Tengah Dua atau Lebih Populasi.  Yang termasuk di dalamnya adalah Uji t-student, ANOVA (Analysis of Variance), Uji Mann-Whitney-Wilcoxon dan Uji Kruskal-Wallis, Uji Beda Proporsi

3.     Teknik Analisis untuk Melihat Hubungan Dua atau Lebih Peubah.  Yang termasuk di dalamnya adalah Korelasi Pearson, Korelasi Peringkat Spearman, Regresi Linear, Regresi Logistik, Tabel Kontingensi (Uji Khi-Kuadrat), ANOVA.

4.     Teknik Analisis untuk Melakukan Pendugaan.  Yang termasuk didalamnya adalah segala bentuk analisis regresi.

1. Teknik Analisis untuk Menguji Hipotesis tentang Nilai Tengah Populasi

Hipotesis nilai tengah (atau rata-rata) merupakan suatu pernyataan tentang besarnya nilai tengah suatu populasi yang ingin diuji kebenarannya.  Misalnya sebuah perusahaan air mineral mengklaim bahwa pada setiap botol produknya berisi air mineral sebanyak 500 ml.  Atau sebuah perusahaan lampu bohlam menyatakan bahwa rata-rata lama hidup lampu bohlam produknya adalah 3000 jam.

Pernyataan-pernyataan di atas merupakan pernyataan yang masih memungkinkan untuk di uji kebenarannya.  Pihak departemen perindustrian atau mungkin YLKI tidak langsung mempercayai apa yang dikatakan oleh produsen air mineral tersebut.  Prosedur pengujian yang dilakukan adalah, dengan mengambil beberapa botol air mineral dari berbagai tempat (secara acak) kemudian mengukur volume air di setiap botol.  Dari data yang diperoleh kemudian akan dibuat kesimpulan, mendukung atau tidak mendukung apa yang telah diklaim oleh produsen.  Jika dari 100 bohlam yang diukur ketahanannya hanya memiliki rata-rata lama hidup 1000 jam, maka ini berarti tidak mendukung apa yang diucapkan produsen.

Beberapa prosedur analisis yang bisa digunakan untuk tujuan ini adalah :

Uji t-student uji ini digunakan untuk data yang bertipe numerik; misalnya volume air, lama hidup bohlam; yang diasumsikan memiliki sebaran normal.  Uji ini menghasilkan apa yang disebut statistik uji t-hitung dengan basis penghitungan adalah selisih antara rata-rata yang didapat dari data dengan rata-rata yang dihipotesiskan, dan dibandingkan dengan nilai t-tabel dengan derajat bebas n-1, n adalah ukuran sampel.

Uji Tanda uji tanda (sign test) ini adalah uji yang bisa diterapkan pada data yang bertipe minimal ordinal; misalnya volume air, lama hidup bohlam, nilai ujian, IQ, tingkat kesetujuan; dan tidak ada asumsi sebaran (non-parametrik).  Dengan menggunakan uji ini, data ditransformasi menjadi dua + (plus) jika nilainya lebih besar dari nilai yang dihipotesiskan, dan – (minus) jika nilai datanya lebih kecil dari nilai yang dihipotesiskan.  Dengan melihat banyaknya tanda + dan – ini, diputuskan apakah menerima atau menolak hipotesis.

Uji Peringkat Bertanda Wilcoxon uji ini memiliki syarat seperti halnya uji tanda.  Basis pembandingan yang dilakukan adalah dengan terlebih dahulu menyelisihkan setiap data dengan nilai yang dihipotesiskan, kemudian membuat peringkat dari selisih tersebut.  Selanjutnya dari nilai-nilai peringkat inilah diputuskan untuk menerima atau menolak suatu hipotesis.

Uji Proporsi uji ini diterapkan untuk melakukan pengujian hipotesis dalam bentuk proporsi.  Misalkan benarkah ada 50% warga yang mendukung pemberlakuan undang-undang perpajakan yang baru ?  Jadi data yang ada terdiri atas dua nilai; benar-tidak, ya-tidak, laki-laki-perempuan, ikut-tidak ikut.  Basis pengujiannya adalah proporsi yang dieproelh dari data dibandingkan dengan proporsi yang dihipotesiskan.  Jika bedanya jauh maka hipotesis itu tidak didukung oleh data.

2. Teknik untuk Membandingkan Nilai Tengah Dua Populasi atau Lebih

Dalam banyak kesempatan, ingin diketahui ada tidaknya perbedaan nilai tengah (atau rata-rata) dua populasi atau lebih.  Misalnya seorang bupati menyatakan bahwa penduduk yang tinggal di kabupatennya memiliki tingkat kesadaran politik yang lebih tinggi dari kabupaten lain.  Atau sebuah perusahaan mobil menyatakan bahwa mobil yang diproduksi di pabriknya, memiliki efisiensi penggunaan bahan bakar yang lebih baik dari produknya yang lama.

Tahapan pengujian yang dilakukan adalah dipilih beberapa orang dari kabupaten tersebut dan diukur kesadaran politiknya, kemudian dipilih juga beberapa orang dari kabupaten lain dan diukur kesadaran politiknya.  Dari data kedua kabupaten ini diputuskan diterima atau tidak apa yang telah dinyatakan oleh sang bupati.  Pada kasus kedua, mungkin diuji beberapa mobil produksi baru dan mobil produksi lama, kemudian dibandingkan.

Populasi yang dimaksud di sini memiliki pengertian yang luas, bukan hanya berupa fisik.  Misalnya saja ingin dibandingkan keefektifan 3 metode pengajaran; metode pengajaran ini merupakan populasi yang abstrak.  Sehingga bentuk datanya diperoleh dari semacam percobaan.  Beberapa orang diikutsertakan dalam kelas metode 1, beberapa orang lain diikutsertakan dalam kelas dengan metode 2, dan beberapa orang lain diikutsertakan dalam kelas metode 3.  Pada awal percobaan, setiap orang memiliki kondisi yang sama.  Dari data ketiga kelas, akan diketahui seperti apa perbedaan efektifitas ketiga pengajaran.

Beberapa analisis yang bisa digunakan untuk tujuan ini adalah :

Uji t-student uji ini hanya bisa digunakan untuk membandingkan nilai tengah dua populasi yang diasumsikan memiliki sebaran normal.  Dasar pengujian dari analisis ini adalah selisih rata-rata contoh yang diambil dari populasi pertama dengan rata-rata contoh dari populasi kedua.  Berdasarkan nilai selisih ini akan diperoleh keputusan menganggap sama atau berbeda kedua nilai tengah tersebut.

ANOVA Analysis of Variance digunakan untuk membandingkan nilai tengah dua atau lebih populasi, dengan asumsi menyebar normal.  Dasar pengujian dengan analisis ini adalah ada atau tidaknya keragaman antar nilai tengah.  Jika keragaman nilai tengah kecil, maka dikatakan nilai-nilai tengah itu tidak berbeda, tetapi jika ragamnya besar maka berarti nilai-nilai tengah itu berbeda.

Mann-Whitney analisis ini hanya digunakan untuk membandingkan nilai tengah dua populasi, dan tidak ada asumsi sebaran.  Dasar pengujiannya adalah peringkat dari nilai-nilai data.  Jika tidak ada perbedaan nilai tengah maka apabila data kedua populasi dicampur dan diperingkatkan, maka rata-rata peringkat keduanya tidak akan berbeda.  Artinya data yang bernilai kecil atau besar tidak hanya berasal dari salah satu populasi, namun tersebar merata di keduanya.

Kruskal-Wallis analisis ini adalah perluasan dari uji Mann-Whitney, dan bisa diterapkan untuk lebih dari dua populasi, dan tidak ada asumsi sebaran data.

Uji Beda Proporsi pengujian ini digunakan untuk melihat perbedaan proporsi dua populasi.  Misalnya ingin dibandingkan proporsi keluarga yang mengikuti program KB di Kabupaten Bogor dan Kabupaten Cianjur.  Pengujian in berbasis pada selisih proporsi dari sebuah populasi dengan populasi lain.

3. Teknik Analisis untuk Melihat Hubungan Dua atau Lebih Peubah

Sepintas ilustrasi tentang hal ini sudah diberikan ketika kita membahas tabel kontingensi, yaitu antara pendidikan dengan penggunaan alat kontrasepsi.  Hubungan antara dua peubah atau lebih, seringkali merupakan hal yang selalu ada dalam suatu penelitian.  Ada dua jenis hubungan yang harus dibedakan sejak awal, yaitu hubungan yang sekedar asosiasi yang didukung hanya oleh data yang ada dan hubungan yang bersifat sebab akibat yang didukung dengan logika dan teori.

Ketika kita membahas hubungan jenis yang pertama, dua peubah memiliki kedudukan yang sama, tidak ada peubah yang satu mendahului peubah yang lain.  Namun pada hubungan sebab akibat ada peubah yang diposisikan sebagai sebab (peubah penjelas, peubah bebas, peubah independen) dan ada yang menjadi akibat (peubah respon, peubah tak bebas, peubah dependen).  Peubah bebas biasanya dilambangkan X, sedangkan peubah tak bebas Y.

Analisis hubungan dua peubah ini tergantung pada tipe dari peubah yang terlibat, apakah bertipe kategorik dan bertipe numerik, serta bentuk dari hubungan yang akan dibuat.  Berikut disajikan tabel yang memberikan alat analisis apa yang bisa diterapkan pada berbagai tipe data :

Penjelasan singkat mengenai alat analisis di atas adalah sebagai berikut:

Korelasi Pearson korelasi ini sering juga disebut sebagai korelasi produk-momen atau korelasi saja.  Besarnya koefisien menggambarkan seberapa erat hubungan linear antara dua peubah, bukan hubungan sebab akibat.  Peubah yang terlibat dua-duanya bertipe numerik, dan menyebar normal jika ingin pengujian terhadapnya sah.

Notasi dari koefisien korelasi ini adalah r yang besarnya antara -1 hingga 1.  Jika r < 0 maka dikatakan berkorelasi negatif, artinya jika nilai salah satu peubah semakin besar maka peubah yang lain akan semakin kecil.  Misalnya hubungan antara lama belajar dengan lama menonton TV.  Sebaliknya jika r > 0 dikatakan terjadi hubungan linear yang positif.  Misalnya pendapatan dengan konsumsi.  Jika r = 0 dikatakan tidak berkorelasi tetapi bukan berarti tidak berhubungan.  Mungkin berhubungan namun tidak linear.  Semakin dekat nilai r dengan 1 atau -1 maka semakin erat hubungan linear antar peubah tersebut.

Korelasi Spearman koefisien ini mirip saja dengan korelasi Pearson, hanya saja dalam pengujian tidak mensyaratkan adanya asumsi sebaran normal.  Di samping itu data yang digunakan bisa saja berupa data numerik yang merupakan pengkodean dari data ordinal.  Misalkan hubungan antara pendapatan (numerik) dengan tingkat kesadaran politik (ordinal).  Kesadaran politik dinyatakan sebagai sebuah bilangan terurut berdasarkan tingkat kesadarannya.

Regresi Linear dalam analisis ini sudah jelas mana sebagai Y dan mana sebagai X.  Hubungan antara Y dengan X di tuliskan sebagai :

Y = a + bX

Interpretasi dari b adalah besarnya perubahan Y jika X naik satu satuan.  Sedangkan a adalah besarnya nilai Y ketika X bernilai 0.  Umumnya a disebut sebagi intersep dan b sebgai kemiringan/slope/gradien garis regresi.

Ukuran kebaikan model regresi dinyatakan sebagai R² (koefisien determinasi), yang besarnya dari 0% hingga 100%.  Semakin mendekati 100% maka model regresi yang didapatkan semakin baik.  Data yang bisa dianalisis dengan regresi linear adalah Y dan X yang bertipe numerik, dan memiliki sebaran normal.

ANOVA Pada bagian sebelumnya dijelaskan bahwa ANOVA bisa digunakan untuk membandingkan nilai tengah dari dua atau lebih populasi.  Dalam berbagai kondisi, analisis ini juga bisa diinterpretasikan untuk melihat pengaruh peubah yang bertipe kategorik (bukan numerik) terhadap peubah yang bertipe numerik.  Misalnya ingin dilihat hubungan, tepatnya pengaruh, dari lokasi toko terhadap kemajuan usaha (diukur dalam rupiah).  Jika ada perbedaan kemajuan usaha antara toko di perumahan dan toko di tempat wisata, bisa dikatakan bahwa ada hubungan antara kemajuan usaha dengan lokasi toko.

Tabel Ringkasan tabel ini juga sudah dibahas pada bagian sebelumnya.  Dengan tabel ini juga bisa dibahas hubungan antar peubah.  Misalnya jika kita ringkas rata-rata pendapatan kepala keluarga berdasarkan pendidikannya, seperti pada contoh sebelumnya,  kita bisa mengetahui hubungan antara keduanya.  Apakah semakin tinggi pendidikan, tingkat pendapatannya juga semakin besar.

Tabel Kontingensi mengulang pembahasan tentang teknik penyajian data, tabel kontingensi bisa digunakan untuk melihat hubungan dua peubah kategorik.  Pada contoh sebelumnya diberikan tabel kontingensi antara pendidikan dan penggunaan alat kontrasepsi.  Dari tabel kontingensi ini bisa dibuat kesimpulan apakah ada hubungan antara pendidikan seseorang dengan alat kontrasepsi apa yang mereka sukai.  Untuk menegaskan pembahasan dari tabel kontingensi, dilakukan pengujian formal yang dikenal dengan uji Khi-Kuadrat (Chi-Square Test)

Regresi Logistik tipe data dalam analisis ini kebalikan dari tipe data pada ANOVA.  Yang menjadi peubah bebas (X) bisa bertipe numerik maupun kategorik, sedangkan yang menjadi peubah tak bebas (Y) bertipe kategorik.  Hasil dari analisis ini berupa peluang sebuah objek masuk ke dalam suatu kategori jika diketahui berbagai nilai peubah X-nya.

Sumber: http://www.geocities.com/bagusco4/mybook/7.html

Nama file: Permendiknas No 20 Tahun 2006

Jenis file: PDF

Ukuran   : 92 KB

Nama file: PP No. 19 Tahun 2005 tentang Standar Nasional Pendidikan

Jenis file: Powerpoint

Ukuran   : 412 KB

Nama File: PP No. 19 Tahun 2005 tentang Standar Nasional Pendidikan

Jenis file: PDF

Ukuran   : 196 KB

A. Mekanisme Pendaftaran dan Kegiatan

1. Waktu pendaftaran : 10 s.d. 28 November 2008

2. Program yang dapat dipilih : PPL, atau KKN-PPL, atau KKN-PPL SBI

3. Validasi Pendaftaran Tahap I : 1 s.d. 31 Desember 2008

4. Pengumuman Pengelompokan : 23 Januari 2009

5. Pembekalan Pengajaran Mikro : 27 s.d. 29 Januari 2009

6. Penyerahan mahasiswa dan observasi di sekolah/lembaga : 2 s.d. 7 Februari 2009

7. Pengajaran Mikro : 16 Februari s.d. 6 Juni 2009

8. Pembayaran KKN-PPL : 4 s.d. 15 Mei 2009

9. Validasi Tahap II : 22 s.d. 26 Juni 2009

10. Pembekalan KKN-PPL : 6 s.d. 13 Juni 2009

11. Pelaksanaan KKN-PPL : 1 Juli s.d. 19 September 2009

B. Persyaratan Mahasiswa

1. Pada akhir semester V telah menempuh minimal 90 sks.

2. Sudah menempuh matakuliah yang dipersyaratkan oleh program studi masing-masing.

3. Telah/sedang mengikuti mata kuliah Kajian Kurikulum dan Teknologi Pembelajaran atau ekuivalennya.

4. Untuk bisa mengikuti PPL/KKN-PPL, nilai Pengajaran Mikro minimal B dengan IPK 2,50.

5. Untuk bisa mengikuti KKN-PPL SBI, nilai Pengajaran Mikro minimal B dengan IPK 3,00.

6. Bagi peserta yang IPK-nya kurang dari 2,50 hanya boleh mengambil PPL saja.

7. Mahasiswa putri yang mengambil PPL/KKN-PPL/KKN-PPL SBI, pada akhir bulan Juni 2009 tidak sedang hamil.

8. Bersedia mematuhi dan mengikuti seluruh rangkaian kegiatan Pengajaran Mikro atau ekuivalennya dan PPL/KKN-PPL/KKN-PPL SBI Tahun 2009. 9. Bagi mahasiswa yang tidak mengikuti rangkaian kegiatan yang telah dijadwalkan, dinyatakan gugur sebagai peserta Pengajaran Mikro dan PPL/KKN-PPL/KKN-PPL SBI.

Nama file: Slideshow Komitmen Jangka Panjang

Jenis file: Powerpoint

Ukuran    : 351 KB