KOEFISIEN KONTINGENSI PDF

LATAR BELAKANG Telah sama-sama kita ketahui bahwasanya dalam setiap kita melakukan penelitian,maka kita telah mendapatkan data yang belum tersusun atau tertata dengan baik boleh dikatakan masih berbentuk data yang belum sempurna, maka dari itu dibutuhkan prosos lanjut salah satunya mengubah data data kedalam bentuk yang diinginkan dengan menggunakan teknik analisis korelasional. Agar dapat memberikan informasi yang tepat, ringkas dan jelas. Karena merupakqan hal yang sangat merugikan apa bila kita sebagai peneliti tidak mengetahui apa arti dan bagaimana cara mengolah data yang telah kita dapatkan agar menjadi data byang bisa memberikan informasi yang jelas. Apa Pengertian Korelasi Kontingensi?

Author:Akile Akinora
Country:Burundi
Language:English (Spanish)
Genre:Life
Published (Last):20 January 2004
Pages:167
PDF File Size:4.35 Mb
ePub File Size:18.61 Mb
ISBN:718-8-98491-965-3
Downloads:3437
Price:Free* [*Free Regsitration Required]
Uploader:Goltijora



Terdapat berbagai macam teknik statistika nonparametrik yang digunakan untuk menentukan koefisien korelasi. Diantaranya untuk data berskala ordinal menggunakan koefisien korelasi rank spearman dan koefisien korelasi rank kendall, sedangkan data berskala nominal menggunakan koefisien korelasi kontingensi. Uji korelasi nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi.

Koefisien kontingensi digunakan untuk menghitung hubungan antar variabel bila skala pengukuranya berbentuk nominal. Uji korelasi ini mempunyai kaitan erat dengan chi-square yang dipergunakan untuk menguji komparatif k sampel independen, ini karena dalam koefisien kontingensi digunakan rumus chi-square Sugiyono Dalam penggunaan koefisien kontingensi, tidak diperlukan asumsi kontinuitas pengukuran pada salah satu atau kedua variabel tanda tersebut.

Dalam menghitung korelasi menggunakan koefisien kontingensi, memerlukan table kontingensi dan tiap sel harus mempunyai kesamaan sifat yang tersusun dalam baris-baris dan kolom-kolom.

Untuk menganalisa korelasi dan perhitungannya, telah dikembangkan rumus koefisien kontingensi C Koefisien Cramer yang telah dikemukakan oleh Cramer dan dinotasikan dengan simbol C. Apa yang dimaksud dengan Hipotesis? Apa yang dimaksud dengan Koefesien kontingensi? Untuk mengetahui pengertian hipotesis.

Untuk menegetahui yang dimaksud dengan koefesien kontingensi. Variabel dan Data Statistik dalam Skala Pengukuran Variabel adalah suatu karakteristik dari suatu obyek yang harganya untuk tiap obyek bervariasi dapat diamati atau dibilang, atau diukur Contohnya : variabel untuk tinggi badan tiap mahasiswa A, variabel berat badan tiap mahasiswa kelas A, dan sebagainya.

Data statistik adalah suatu keterangan yang berbentuk kualitatif rusak, bagus, kurang, sedang, dan sebagainya dan atau berbentuk kuantitas bilangan. Data yang baik apabila diolah, maka akan menghasilkan informasi yang berguna atau bermanfaat.

Suatu data akan disebut baik apabila memenuhi persyaratan-persyaratan sebagai berikut. Suatu perkiraan dikatakan baik memiliki tingkat ketelitian yang tinggi apabila kesalahan bakunya kecil. Akurasi hasil analisis data dengan alat bantu statistik dalam membuat simpulan pada suatu penelitian, sangat ditentukan oleh tipe atau jenis data. Data berasal dari konversi data kualitatif yang dikonversikan disimbolkan dalam bentuk bilangan, bebas disusun tanpa memperhatikan urutan, dan dapat dipertukarkan.

Data ini bisa berasal dari konversi data kualitatif, dimana bilangan konversinya menunjukkan urutan menurut kualitas atributnuya. Bilangan pengganti kualitas tersebut mempunyai suatu tingkatan atribut. Data dari variabel motivasi belajar, dan sebagainya. Data berbentuk bilangan diskrit yang dinyatakan dalam bentuk kardinal. Hasil perhitungan datanya jelas berupa bilangan numerik bulat. Contoh : data dari variabel jumlah kursi disetiap ruang kelas FT, data dari variabel jumlah buku yang dimiliki mahasiswa, jumlah tendangan tiap pemain sepak bola, dan sebagainya.

Data ini diasumsikan berbentuk bilangan kontinu mempunyai ukuran urutan, tidak memiliki nol mutlak jika suatu responden variabelnya bernilai nol bukan berarti tidak memilki substansi sama sekali.

Contoh : data dari variabel temperatur tiap ruangan ada 0 pangkat 0 C, disini 0 0 C bermakna mempunyai substansi suhu dan masih ada suhu negatif , data dari variabel berat badan mahasiswa matematika, dan sebagainya.

Data ini diasumsikan berbentuk bilangan kotinu hampir sama dengan skala interval, tetapi memiliki nilai nol mutlak jika suatu responden variabelnya bernilai nol berarti tidak memiliki substansi sama sekali Contoh : data dari variabel massa benda bila benda mamiliki massa O kg berarti benda tersebut tidak ada barangnya , data variabel berat badan mahasiswa matematika, besar lingkar bola, dan sebagainya.

Statisika Parametrik dan Nonparametrik Penggunaan analisis statistika parametrik dan nonparametrik tergantung dari asumsi-asumsi dasar yang berkaitan dengan distribusi dan jenis skala data yang diperoleh dari populasi maupun sampel penelitiannya. Data yang berskala nominal dan atau ordinal tidak memenuhi syarat untuk diolah dengan statistika parametrik. Akan tetapi dalam kenyataannya banyak hal dalam penelitian, seorang peneliti dihadapkan pada persyaratan-persyaratan diatas tidak dapat dipenuhi, untuk memecahkan masalah yang berkaitan dengan penggunaan analisis statistic ini, maka statistika nonparametrik dapat dipakai sebagai alat bantu untuk menganalisis datanya.

Statistika nonparametrik merupakan uji statistik yang tidak memerlukan asumsi tentang distribusi dari populasi. Sehingga statistika nonparametrik sering pula disebut sebagai statistika yang berdistribusi bebas freedistribution , karena dalam aplikasinya tidak mempermasalahkan distribusi apa yang dipakai dalam suatu populasi. Tetapi yang menjadi pertanyaan dalam benak kita adalah apa keunggulan statistika nonparametrik dibandingkan dengan statistika parametrik.

Berikut ini adalah keuntungan yang diperoleh dari penggunaan prosedur nonparametrik : Kebanyakan prosedur nonparametrik memerlukan asumsi dalam jumlah yang minimum, maka kemungkinannya kecil terjadi kesalahan.

Untuk beberapa prosedur nonparametrik, perhitungan-perhitungan dapat dilakukan dengan cepat dan mudah, terutama bila terpaksa dikerjakan secara manual, sehingga menghemat waktu. Para peneliti dengan dasar matematika dan statistika yang kurang, biasanya menemukan bahwa prosedur statistika nonparametrik mudah dipahami. Prosedur nonparametrik boleh diterapkan bila data telah diukur menggunakan skala pengukuran yang lemah, misalnya hanya tersedia data hitung atau data peringkat untuk dianalisis.

Sedangkan statistika nonprametrik adalah alat bantu analisis data yang tidak harus memenuhi persyaratan-persyaratan diatas. Populasi, Sampel, dan Sampling Dalam proses untuk mengumpulkan data yang baik harus diketahui dahulu jenis objek yang diteliti. Oleh karena itu terdapat beberapa istilah yang harus diketahui, yaitu populasi, sampel dan sampling.

Populasi adalah kumpulan semua elemen yang ada yang akan diobservasi atau diteliti. Akan tetapi bila populasi jumlahnya besar maka peneliti tidak mungkin untuk mempelajari semua yang ada dalam populasi, misalnya karena keterbatasan dana, tenaga dan waktu, sehingga peneliti dapat menggunakan sampel yang diambil dari populasi tersebut. Sampel adalah sekumpulan data yang diambil atau diseleksi diri suatu populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul representatif mewakili artinya segala karakteristik populasi hendaknya tercermin pula dalam sampel yang diambil.

Misalkan ada orang murid kelas 3 di SMU Garuda. Pimpinan sekolah ingin melihat prestasi ujian matematika mereka pada tahun yang lalu dan untuk itu diadakan pencatatan nilai ujian dari setiap murid yang berjumlah murid tersebut satu persatu tanpa kecuali. Setiap murid tersebut disebut elemen. Kumpulan dari orang murid tersebut seluruh elemen disebut populasi. Jika diambil 20 murid saja maka teknik pengambilan tesebut disebut teknik sampling dan contoh yang terambil disebut sampel. Hipotesis Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan pengecekan.

Jika asumsi atau dugaan itu dikhususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi, maka hipotesis tersebut disebut hipotesis statistik. Hipotesis disajikan dalam bentuk pernyataan yang menghubungkan secara eksplisit maupun implisit suatu variabel dengan variabel lain.

Hipotesis yang baik selalu memenuhi dua persyaratan, yaitu: menggambarkan hubungan antar variabel dan dapat memberikan petunjuk bagaimana pengujian terhadap hubungan tersebut. Bila hipotesis yang dibuat berkaitan dengan parameter populasi, maka disebut hipotesis statistik, sehingga suatu asumsi atau anggapan atau pernyataan yang mungkin benar atau mungkin salah mengenai parameter satu populasi atau lebih disebut hipotesis statistic.

Uji Hipotesis. Di dalam pengujian kita mengenal dua hipotesis statistik, yaitu: 1 Hipotesis nol H0 Digunakan sebagai dasar pengujian statistik, atau hal yang berlaku secara umum. Bila kita hendak membuat keputusan mengenai perbedaan-perbedaan, kita menguji H0 terhadap H1. Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang hubungan antara dua variabel atau lebih.

Hipotesis alternatifnya, menunjukkan ada hubungan tidak sama dengan nol, mungkin lebih besar dari nol atau lebih kecil dari nol. Korelasi Parametrik dan Nonparametrik Korelasi adalah salah satu teknik statistik yang digunakan untuk utuk mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif.

Dalam analisis korelasi dapat ditemukan dua aspek yang sangat penting, apakah data yang ada menyediakan cukup bukti bahwa ada kaitan antara variabel-variabel dalam populasi asal sampel dan ada hubungan seberapa kuat hubungan antara variabel-variabel tersebut. Koefisien korelasi adalah koefisien yang menggambarkan tingkat keeratan hubungan linear antara dua peubah atau lebih.

Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua peubah atau lebih, tetapi menggambarkan keterkaitan linear antar peubah. Korelasi ini menuntut data yang digunakan sekurang-kurangnya dalam skala interval, dan uji signifikansinya tidak hanya harus memenuhi persyaratan pengukuran tersebut, tetapi harus pula menganggap data berasal dari suatu populasi berdistribusi normal.

Untuk data skala ordinal digunakan korelasi pangkat rank correlation , yaitu rank spearman dan rank kendall. Pada data skala nominal digunakan koefisien kontingensi C Koefisien Cramer. Korelasi diukur dengan dua tahap yaitu : a. Besar korelasi Besar nilai korelasi berada antara 0 sampai 1. Jika 0 berartti tidak ada hubungan sama sekali, sedangkan jika 1 berarti ada hubungan yang erat antara kedua variabel tersebut.

Pada umumnya, jika korelasi diatas 0. Sebaliknya jika dibawah 0. Tabel Kontingensi r x k Tabel kontingensi adalah merupakan barisan bilangan-bilangan asli dalam bentuk matrik dimana bilangan-bilangan asli tersebut mewakili jumlah atau frekuensi. Contohnya, beberapa ahli ilmu serangga melakukan penelitian serangga dengan mengamati 37 serangga dimana hasil penelitian serangga-serangga tersebut hanya dapat dinyatakan sebagai berikut : Kupu-kupu.

FOSROC BRUSHBOND PDF

KOEFISIEN KONTINGENSI

Suhud Koefisien Kontingensi C A. Pengertian teknik korelasi koefisien kontingensi Teknik Korelasi koefisien Kontigensi Contingency Coefficient Corellation adalah salah satu teknik Analisis Korelasional Bivariat, yang dua buah variabel dikorelasikan adalah berbentuk katagori atau merupakan gejala ordinal. Misalnya: tingkat pendidikan: tinggi, menengah, rendah: pemahaman terhadap ajaran agama islam: baik, cukup. Lambang dan rumusnya Kuat lemah, tinggi rendah, atau besar kecilnya korelasi antar dua variabel dapat diketahui dari besar kecilnya angka Indeks korelasi yang di sebut Coefficient Contingency, Tekhnik analisis ini dilambangkan dengan huruf C atau KK Singkatan dari koefisien kotegensi. Fungsi: Untuk mengetahui asosiasi atau relasi antara dua perangkat atribut.

BRIGHTVIEW XCT PDF

Terdapat berbagai macam teknik statistika nonparametrik yang digunakan untuk menentukan koefisien korelasi. Diantaranya untuk data berskala ordinal menggunakan koefisien korelasi rank spearman dan koefisien korelasi rank kendall, sedangkan data berskala nominal menggunakan koefisien korelasi kontingensi. Uji korelasi nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. Koefisien kontingensi digunakan untuk menghitung hubungan antar variabel bila skala pengukuranya berbentuk nominal.

9500 INSTRUCTION MANUAL NONIN PDF

.

LLOBET ROMANZA PDF

.

Related Articles