TM7 VALIDASI DATA STATISTIK KP CPLO 1 Mampu

  • Slides: 16
Download presentation
TM-7 VALIDASI DATA STATISTIK KP CP/LO: 1. Mampu mengidentifikasi adanya data pencilan / outlier

TM-7 VALIDASI DATA STATISTIK KP CP/LO: 1. Mampu mengidentifikasi adanya data pencilan / outlier 2. Menguasai prosedur / trik “data trace back” untuk menelusuri terjadinya data outlier maupun kesalahan pada data 3. Mampu beradaptasi dan memberikan solusi dalam proses validasi data 4. Menguasai teknik Pivot. Table/Pivot. Chart, Grafik Relational, dan Intrapolasi data dalam kaitannya dengan Validasi data

PERHATIKAN: 1. FORM SURVEI – Kartu kendali enumerator 2. RESPONDEN – sumber data 3.

PERHATIKAN: 1. FORM SURVEI – Kartu kendali enumerator 2. RESPONDEN – sumber data 3. ENUMERATOR – data hard copy 4. TABULATOR – data hard copy; data entry; E-file copy 5. DATA ANALYST – Design FORM SURVEI, E-Data, Validasi, Analisis Data, Penyajian Data 6. DATA MANAGER – Kesimpulan, kebijakan, komunikasi stakeholder; 7. DOSEN – bisa mengerjakan semuanya, mengajarkan, tapi tidak mengerjakan manapun 8. KONSULTAN – bisa dan mampu mengerjakan semua

INGAT – 10 LANGKAH KOMPETENSI PDP (TM-1) • Proses 3 – tabulasi, termasuk di

INGAT – 10 LANGKAH KOMPETENSI PDP (TM-1) • Proses 3 – tabulasi, termasuk di dalamnya design database ialah pekerjaan yang paling memerlukan keluasan pemikiran (wide thinking) • Proses 5 – Validasi data ialah kegiatan yang memerlukan ketelitian dan kesabaran tinggi (patience) • Proses 6 – analisis data ialah pekerjaan yang paling ringan dan mudah • Proses 10 – komunikasi ialah pekerjaan yang memerlukan kemampuan negosiasi / compromising sangat tinggi (negotiator)

INGAT: BIODATA MAHASISWA PESERTA KULIAH PDP 2015/GENAP 1. 2. 3. 4. 5. RESPONDEN -

INGAT: BIODATA MAHASISWA PESERTA KULIAH PDP 2015/GENAP 1. 2. 3. 4. 5. RESPONDEN - mahasiswa FORM – BIODATA 13 ENUMERATOR – dosen kelas/pendamping TABULATOR – dosen kelas/pendamping KOMPILATOR – koordinator MK DALAM URUTAN KERJA PDP – VALIDASI DATA – dilakukan setelah proses entry dan kompilasi data ke dalam format Efile selesai ANALISIS DATA – setelah proses VALIDASI

VALIDASI DATA MENCAKUP: • Memeriksa kebenaran informasi/data yang disampaikan responden/objek ketika dipindah ke dalam

VALIDASI DATA MENCAKUP: • Memeriksa kebenaran informasi/data yang disampaikan responden/objek ketika dipindah ke dalam FORM (hard copy), dan TABULASI elektronik; • Memeriksa kesesuaian format database • Memeriksa adanya data pencilan / outlier. Outlier bisa terjadi karena: (1) kekeliruan enumerasi atau tabulasi; (2) data dari responden/pengukuran yang kurang tepat; (3) pendapat responden/pengukuran benar tapi hasilnya memang mencil – stepwise analysis • MENGAMBIL Keputusan – mengeluarkan atau menyertakan outlier dalam proses analisis data

VALIDASI DATA (POINT 2): memeriksa kesesuaian format database BUKA & PERHATIKAN FOLDER: Biodata-mahasiswa Perhatikan

VALIDASI DATA (POINT 2): memeriksa kesesuaian format database BUKA & PERHATIKAN FOLDER: Biodata-mahasiswa Perhatikan file-file data jika anda bisa menemukan sesuatu yang berbeda APA YANG BERBEDA / ANEH? Merubah kelas K 03 menjadi I 03 tanpa sebab telah merubah sistem automatisasi sistem data

BUKA: File: Biodata-Mahasiswa-PDP-2015 -Genap File: Peserta-PDP-2015 -Genap 1. Pada sheet Kelas. ID (file: Biodata

BUKA: File: Biodata-Mahasiswa-PDP-2015 -Genap File: Peserta-PDP-2015 -Genap 1. Pada sheet Kelas. ID (file: Biodata …) buat kolom JKelas, J-Peserta, dan Beda 2. Hitung jumlah: J-Kelas, J-Peserta, dan Beda (gunakan menu COUNTIF) Berapa mahasiswa tidak ikut kuliah, kelas mana, dan kapan

PERHATIKAN File: Biodata-Mahasiswa-PDP-2015 -Genap 1. 2. 3. 4. Buka Sheet: Data Masuk menu: data,

PERHATIKAN File: Biodata-Mahasiswa-PDP-2015 -Genap 1. 2. 3. 4. Buka Sheet: Data Masuk menu: data, filter-data Cari data-data yang memerlukan validasi Periksa data hard copy

PERHATIKAN 1. Kolom: PSID – tidak ada kelas P, mengapa ada peserta dari PS-PSP?

PERHATIKAN 1. Kolom: PSID – tidak ada kelas P, mengapa ada peserta dari PS-PSP? Di kelas mana dia? 2. Kolom: TINGGI – adakah mahasiswa yang tingginya 16 cm? pada kelas mana, dan data nomor urut berapa? 3. Kolom: BERAT – adakah mahasiswa yang beratnya = 0 kg? kelas mana, dan nomor urut data mana? 4. Kolom: BEAID – ada responden yang tidak mengisi data – check data har copy 5. Kolom: TINGGAL – ada data = 0, pilihan yang tidak ada 6. Kolom: KENDID – ada data = 0, dan kosong 7. Kolom: UANG – ada responden yang tidak mengisi jawaban, benarkah (hard copy) 8. Kolom: IPK – ada yang tidak mengisi jawaban, mengapa? – periksa hard copy

PERHATIKAN

PERHATIKAN

BEKERJA PADA NITRO & EXCEL Buka File: Data-Kapal-Laut-2000 -2014 Data-Nelayan-Laut-2000 -2014 Data-RTP-Laut-2000 -2014 Lakukan

BEKERJA PADA NITRO & EXCEL Buka File: Data-Kapal-Laut-2000 -2014 Data-Nelayan-Laut-2000 -2014 Data-RTP-Laut-2000 -2014 Lakukan proses VALIDASI DATA Dengan prosedur PIVOTTABLE & PIVOTCHART

Kategori RTP: 1 = Tanpa Perahu; 2 = Perahu tanpa motor; 3 = perahu

Kategori RTP: 1 = Tanpa Perahu; 2 = Perahu tanpa motor; 3 = perahu motor tempel; 4 = perahu motor dalam Perhatikan data: jumlah RTP tanpa perahu pada tahun 2004 – outlier – benarkah – tanyakan kepada PUSDATIK KKP

Kategori Nelayan: 1 = Nelayan Penuh; 2 = Nelayan Sambilan Utama; 3 = Nelayan

Kategori Nelayan: 1 = Nelayan Penuh; 2 = Nelayan Sambilan Utama; 3 = Nelayan Sambilan Tambahan Perhatikan data: jumlah Nelayan Penuh pada tahun 2003 – outlier – benarkah – tanyakan kepada PUSDATIK KKP

Perhatikan data: Jumlah Perahu Papan Sedang pada tahun 2001 – outlier – benarkah –

Perhatikan data: Jumlah Perahu Papan Sedang pada tahun 2001 – outlier – benarkah – tanyakan kepada PUSDATIK KKP

PROSES VALIDASI DATA: Menguji adanya data yang tidak logis – sebelum proses analisis 1.

PROSES VALIDASI DATA: Menguji adanya data yang tidak logis – sebelum proses analisis 1. Pivot. Table dan Pivot. Chart – Cepat (5 minute answer) TINDAKAN: Konfirmasi ke PUSDATIK KKP PUSDATIK – Konfirmasi ke DKP Propinsi DKP PROPINSI – Konfirmasi DKP Kabupaten / Kota DKP KAB/KOTA – Konfirmasi ke Petugas Lapang Statistik (PPL) KALAU TIDAK MEMUNGKINKAN: 1. Interpolasi data 2. Data omission – jika meragukan 3. Stepwise analysis – apakah outlier mempengaruhi kesimpulan

TERIMAKASIH SAMPAI BERTEMU MINGGU DEPAN PADA TM-8

TERIMAKASIH SAMPAI BERTEMU MINGGU DEPAN PADA TM-8