Pengolahan Data S 2 IPK FK UGM Januari

Pengolahan Data S 2 IPK FK UGM Januari 2014

Mengolah Data 1. Menggunakan metoda ilmu statistik diskripsi yang tepat (sesuai skala dan syarat 2 rumus) untuk: a. menghitung besar korelasi (r) atau selisih (d) Mean atau. Proporsi b. menjawab pertanyaan penelitian (angka dan gambar peringkas) 2. Menggunakan metoda ilmu statistik inferensi untuk menghitung besar kesalahan sampling bila r/d dan statistik 2 peringkas dihitung berdasar data dari sampel UA.

Contoh Hipotesis Penelitian: 1. Ada hubungan positif yg bermakna (r ≥ 0. 80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada Ak. Bid-Ak. Bid di Indonesia. 2. Ada hubungan positif yg bermakna (r ≥ 0. 80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa Ak. Bid Husada Bakti.

Hipotesis 1: X = UA = Ak. Bid; X = subyek (e. g. , Mahasiswa) memiliki variabel 2 (e. g. “Keterampilan menolong persalinan normal”) Pop Ak. Bid XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXX Pop Mhs Ak. Bid XXXX Bantul XXXX R XX Sampel XX Mhs Ak. Bid Bantul XXXX R XXXXXXX Sampel Ak. Bid

Hipotesis 2: X = UA = subyek = Mahasiswa Populasi Mahasiswa Ak. Bid XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXX Sampel Mahasiswa Ak. Bid R XXXXXXX

Menghitung r utk Prediktor & Kriterion skala interval /rasio Hipotesis penelitian didukung jika r ≥ rmin Unit Analisis Score Variabel Prediktor Score Variabel Kriterion 1 2 3. . . k n Total

Menghitung r bis atau d utk Variabel Bebas yg dimanipulasi Hipotesis Penelitian didukung jika rbis ≥ rbis. min atau d ≥ dmin (d = Mean 1 - Mean 0) Kelompok X 1 Unit Score Ana- Variabel lisis Terikat 1 2 3. . . k n Kelompok X 0 Unit Analisis Score Variabel Terikat 1 2 3 k Total Mean 1 Total Mean 0

Menghiung rho atau utk prediktor & kriterion skala ordinal Hipotesis penelitian didukung jika ρ ≥ ρmin Atau τ ≥ τmin Unit Prediktor Kriterion Ana- Score Order lisis 1 2 3. . . k n

Hipotesis penelitian didukung jika Menghitung Φ atau C utk Prediktor & Kriterion skala nominal Φ ≥ φmin & Kriterion Prediktor Total subyek C ≥ C min Total subyek + + a b a+b - c d c+d a+c b+d n = a+b+c+d

Hipotesis Statistik • Perlu diuji jika r atau d dan statistik 2 peringkas dihitung berdasar data dari sampel UA. • Diuji dengan metoda ilmu statistik inferensi yang sesusai dengan skala dan syarat 2 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 parameter 2 populasi. Pelajari pustaka ilmu statistik parametrik & nonparametrik

• Hipotesis statistik (statistik sampel mewakili parameter populasi) didukung jika kesalahan sampling ≤ batas (α): H 0 = Statistik tidak mewakili Parameter karena sampling error terlampau besar H 1 = Statistik mewakili Parameter. • Statistik = angka dan gambar peringkas pada sampel. • Parameter = angka peringkas pada populasi (huruf Yunani)

Menguji Hipotesis Statistik 1. 2. 3. 4. Tulis H 0. Pilih Uji Statistik (Parametrik atau Nonparametrik) Tetapkan α dan n diperkecil/diperbesar jika. . . ? Gambar/bayangkan distribusi sampling dan daerah penolakan H 0 5. Hitung nilai uji statistik (menggunakan data sampel). 6. Lihat Tabel Uji Statistik Jika berada di daerah penolakan tolak H 0 dan terima H 1

• Contoh Hipotesis Penelitian: Ada hubungan positif bermakna (r ≥ 0. 80) antara skor “Skills Lab” dan skor “kompetensi menolong persalinan normal”. • H 0: r tidak mewakili ρ; probabilitas r di bawah 0. 80 sangat kecil (α = 0. 05). α = probabilitas membuat Type 1 Error (Kesalahan menolak H 0) β = probabilitas membuat Type 2 Error (Kesalahan menerima H 0) = 1 – α = Power uji statistik. Kurangi membuat kedua jenis error ini dengan memperbesar n.

• 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 H 0 di ekor kanan karena Hipotesis penelitian menunjukkan arah positif dan besar daerah penolakan 0. 05.

A. 3. Rancangan Pentafsiran Data Logika pentafsiran data yang valid: Peneliti mempertimbangkan a. validitas dalam - sejauh mana koefisien korelasi (atau koefisen selisih) yang bermakna bukan karena dimoderasi oleh moderator 2 dan variabel 2 confounding yang diabaikan. b. validitas luar – sejauh mana hasil penelitian berlaku untuk subyek 2 di luar populasi penelitian.

Untuk meningkatkan validitas dalam peneliti dapat melakukan: 1. Analisis multivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterion atau keduanya. Nilai tambah: Validitas external tinggi Nilai kurang: Membutuhkan jumlah unit analisis yang besar

2. Mengontrol (membuat konstan) a. moderator 2 spesifik dengan Korelasi Parsial, kriteria inklusi dan kelompok kontrol yg di. Match. Nilai kurang: Validitas external berkurang; matching cocok jika variabel bebas dimanipulasi b. moderator 2 tidak spesifik (variabel 2 perancu) dengan Penempatan secara acak ke kelompok kontrol dan Pre-test. Nilai kurang: Cocok jika variabel bebas dimanipulasi; Validitas external berkurang.

Variabel 2 Perancu a) b) c) d) e) f) g) History – variabel 2 lingkungan Maturasi – variabel 2 intra subyek Testing – variabel 2 pengukuran Instrumentasi – variabel 2 alat ukur Seleksi diferensial – variabel 2 inter-subyek Tendensi sentral – variabel 2 subyek extrem Mortalitas – variabel 2 subyek yang drop-out Lihat: Campbell, D. T. , & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Chicago: Rand Mc. Nally College.

Dengan penempatan acak unit 2 analisis ke kelompok 2 kontrol diharapkan data variabel 2 perancu sama di kelompok 2 tsb, kecuali Mortalitas Populasi R R X 1 Sampel R X 0

• Cara mengendalikan Mortalitas dengan Pre-test (untuk melihat siapa yang drop-out) R O X 1 O R O X 0 O • Hipotesis penelitian didukung jika Selisih Mean Opost kedua kelompok ≥ Selisih Mean Minimum (yang dipatok sebelum penelitian dimulai). • Opre juga dapat digunakan untuk melihat apakah unit 2 analisis kedua kelompok setara dalam hal variabel terikat sebelum V bebas dimanipulasi.

Validitas external menurun karena ada kemungkinan • interaksi antara Pre-test dengan Intervensi • Interaksi antara Seleksi dengan Intervensi • Pengaturan 2 khusus