Smart Statistik

Seputar Satistik dan Perancangan Percobaan

Stemplot (Stem-and-Leaf Plot)

Penyajian lain yang mirip dengan histogram adalah Stemplot. Stemplot juga dikenal sebagai stem-and-leaf plot atau apabila diterjemahkan ke dalam bahasa indonesia berarti plot batang dan daun. Di dalam statistik, stemplot merupakan alat untuk menyajikan data kuantitatif dalam format grafis, mirip dengan histogram, yaitu untuk membantu dalam memvisualisasikan bentuk distribusi data yang sering digunakan dalam analisis eksplorasi. Stemplot diperkenalkan oleh Arthur Bowley di awal tahun 1900-an. Namun penggunaannya secara umum baru dimulai pada tahun 1980 setelah John Tukey’s mempublikasikan Exploratory Data Analysis pada tahun 1977.

Stem-and-leaf plot memberikan informasi lebih banyak tentang nilai yang sebenarnya dibanding histogram. Seperti dalam histogram, panjang setiap batang sesuai dengan jumlah kejadian yang jatuh ke dalam interval tertentu. Pada Histogram. kita hanya bisa melihat nilai frekuensi dari data namun kita tidak tahu berapa nilai angka sebenarnya. Berbeda dengan histogram, pada SLP selain kita bisa mengetahui nilai frekuensinya, kita pun bisa tau berapa nilai data sebenarnya. Hal ini dilakukan dengan membagi nilai-nilai yang diamati menjadi dua komponen, stem dan leaf. Baca pos ini lebih lanjut

Korelasi Pearson

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan salah satu variabel disertai dengan perubahan variabel lainnya, baik dalam arah yang sama ataupun arah yang sebaliknya.  Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan.  Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien korelasinya mendekati nol, misalnya pada kasus hubungan non linier. Dengan demikian, koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada hubungan non linierHarus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-akibat.

Baca pos ini lebih lanjut

Mengenal Box-Plot (Box and Whisker Plots)

Baik histogram dan stem-and-leaf plots berguna untuk memberikan gambaran ukuran tendensi sentral dan kesimetrisan data pengamatan. Penyajian grafis lainnya yang bisa merangkum informasi lebih detail mengenai distribusi nilai-nilai data pengamatan adalah Box and Whisker Plots atau lebih sering disebut dengan BoxPlot atau Box-Plot (kotak-plot) saja. Seperti namanya, Box and Whisker, bentuknya terdiri dari Box (kotak) dan whisker. Pada gambar di bawah, Box adalah kotak berwarna hijau dan whisker garis berwarna biru.

Gambar Box-Plot

Gambar Box-Plot

Baca pos ini lebih lanjut

Analisis data eksploratif

Langkah pertama dalam menganalisis data adalah mempelajari karakteristik dari data tersebut. Terdapat beberapa alasan penting yang perlu kita pertimbangkan secara cermat sebelum analisis data sebenarnya kita lakukan. Alasan pertama pemeriksaan data adalah untuk memeriksa kesalahan-kesalahan yang mungkin terjadi pada berbagai tahap, mulai dari pencatatan data di lapangan sampai pada entry data pada komputer. Alasan berikutnya adalah untuk tujuan eksplorasi data sehingga kita bisa menentukan model analisis yang tepat. Baca pos ini lebih lanjut

Tutorial SPSS: RAK Faktorial

Anda bisa mengakses Tutorial SPSS terbaru di site:
http://www.smartstat.info/blog/tutorial/spss

atau via facebook :
http://www.facebook.com/smartstat.tutorial)


Tunggu sampai streaming file tutorial selesai dimuat…… (Anda bisa juga mengakses Tutorial terbaru di site: http://www.smartstat.info/blog/tutorial/spss atau via facebook : http://www.facebook.com/smartstat.tutorial)



Keterangan:
Tutorial Analisis Ragam (ANOVA) dan Uji Lanjut (Post-Hoc Test) dengan menggunakan Software SPSS.
Rancangan Perlakuan: Faktorial
Rancangan Lingkungan: Rancangan Acak Kelompok
Format: Streaming (Swf)
Ukuran File: cukup besar (1 MB)

Tutorial SPSS: Rancangan Acak Kelompok (RAK)

Anda bisa mengakses Tutorial SPSS terbaru di site:
http://www.smartstat.info/blog/tutorial/spss

atau via facebook :
http://www.facebook.com/smartstat.tutorial)


Contoh kasus: Rancangan Acak Kelompok

Data pada tabel berikut merupakan Hasil padi (kg/petak) Genotif S-969 yang diberi 6 perlakuan. Faktor yang diteliti adalah kombinasi pupuk NPK sebanyak 6 taraf, yaitu Kontrol, PK, N, NP, NK, NPK. Rancangan Perlakuan yang digunakan adalah Rancangan Acak Kelompok.

Tabel Data Hasil Padi (kg/petak) 
______________________________________________________________
Kombinasi 	        Kelompok	    Total Perlakuan
Pemupukan	1	2	3	4	(Yi.)
--------------------------------------------------------------
Kontrol		27.7	33	26.3	37.7	124.7
PK		36.6	33.8	27	39	136.4
N		37.4	41.2	45.4	44.6	168.6
NP		42.2	46	45.9	46.2	180.3
NK		39.8	39.5	40.9	44	164.2
NPK		42.9	45.9	43.9	45.6	178.3
--------------------------------------------------------------
Total 		226.6	239.4	229.4	257.1	952.5
kelompok (Y.j)
--------------------------------------------------------------

Tutorial SPSS – Rancangan Acak Kelompok (RAK) Format Flash (974 KB)

Tunggu sampai streaming file tutorial selesai dimuat……

(Anda bisa juga mengakses Tutorial terbaru di site: http://www.smartstat.info/blog/tutorial/spss atau via facebook : http://www.facebook.com/smartstat.tutorial)



Keterangan:
Berikut adalah Tutorial Analisis Ragam (ANOVA) dan Uji Lanjut (Post-Hoc Test) dengan menggunakan Software SPSS.
Rancangan Lingkungan: Rancangan Acak Kelompok
Format: Streaming (Swf)
Ukuran File: cukup besar (974 KB)

Tutorial SPSS – Interpretasi Output Analisis RAL

Interpretasi Output SPSS:
Contoh kasus 1 :Rancangan Acak Lengkap dengan Ulangan Sama

Berikut ini adalah Tutorial interpretasi output SPSS yang merupakan kelanjutan dari: Tutorial SPSS – Rancangan Acak Lengkap (RAL) – “Berat uterin tikus”


Tutorial RAL dalam format Pdf bisa Anda buka/download pada link di bawah.  Anda harus menggunakan Adobe Reader Versi 9 atau lebih untuk membuka objek SWF yang terdapat pada file tersebut.


Tutorial SPSS – Rancangan Acak Lengkap (RAL) Format Flash (569.01 KB)



Tutorial Interpretasi Output RAL Format Pdf:
Tutorial SPSS – Rancangan Acak Lengkap (RAL) – Uterin Output (569.01 KB)

Tutorial SPSS – Rancangan Acak Lengkap (RAL)

Anda bisa mengakses Tutorial SPSS terbaru di site:
http://www.smartstat.info/blog/tutorial/spss

atau via facebook :
http://www.facebook.com/smartstat.tutorial)


Contoh kasus 1 :Rancangan Acak Lengkap dengan Ulangan Sama

Berikut ini adalah hasil pengujian estrogen beberapa larutan yang telah mengalami penanganan tertentu. Berat uterin tikus dipakai sebagai ukuran keaktifan estrogen. Berat uterin dalam miligram dari empat tikus untuk setiap kontrol dan enam larutan yang berbeda dicantumkan dalam tabel berikut:

Tabel Data Berat Uterin (mg)

                           Perlakuan
____________________________________________________________________
     kontrol	P1	P2	P3	P4	P5	P6
--------------------------------------------------------------------
        89.8	 84.4	64.4	75.2	88.4	56.4	65.6
        93.8	116.0	79.8	62.4	90.2	83.2	79.4
        88.4	 84.0	88.0	62.4	73.2	90.4	65.6
       112.6	 68.6	69.4	73.8	87.8	85.6	70.2
---------------------------------------------------------------------
Total  384.6	353.0	301.6	273.8	339.6	315.6	280.8	2249
	Y1.	Y2.	Y3.	Y4.	Y5.	Y6.	Y7.	Y..
---------------------------------------------------------------------

Tutorial RAL dalam format Pdf bisa Anda buka/download pada link di bawah.  Anda harus menggunakan Adobe Reader Versi 9 atau lebih untuk membuka objek SWF yang terdapat pada file tersebut.


Tutorial SPSS – Rancangan Acak Lengkap (RAL) Format Flash (1 MB)



Tutorial Format Pdf:

Distribusi Frekuensi

Hasil pengukuran yang kita peroleh disebut dengan data mentah. Besarnya hasil pengukuran yang kita peroleh biasanya bervariasi. Apabila kita perhatikan data mentah tersebut, sangatlah sulit bagi kita untuk menarik kesimpulan yang berarti. Untuk memperoleh gambaran yang baik mengenai data tersebut, data mentah tersebut perlu di olah terlebih dahulu.

Pada saat kita dihadapkan pada sekumpulan data yang banyak, seringkali membantu untuk mengatur dan merangkum data tersebut dengan membuat tabel yang berisi daftar nilai data yang mungkin berbeda (baik secara individu atau berdasarkan pengelompokkan) bersama dengan frekuensi yang sesuai, yang mewakili berapa kali nilai-nilai tersebut terjadi. Daftar sebaran nilai data tersebut dinamakan dengan Daftar Frekuensi atau Sebaran Frekuensi (Distribusi Frekuensi). Baca pos ini lebih lanjut

Ukuran Penyebaran (Measures of Dispersion)

Ukuran tendensi sentral (mean, median, mode) merupakan nilai pewakil dari suatu distribusi frekuensi, tetapi ukuran tersebut tidak memberikan gambaran informasi yang lengkap mengenai bagaimana penyebaran data pengamatan terhadap nilai sentralnya. Sebagai contoh, kita mempunyai distribusi hasil panen dua varietas padi (kg per plot), masing-masing terdiri dari 5 plot. Andaikan distribusi datanya sebagai berikut: Baca pos ini lebih lanjut