Analisis

Analisis Univariat dan BivariatRusfadia Saktiyanti Jahja

Analisis UnivariatUKuran PemusatanMean, Median, ModusUkuran PenyebaranStandard Deviasi, variansi, range (jangkauan)

Valid N (listwise) Angka yang tidak ada nilai hilang.N jumlah observasi yang valid di tiap variabel. Jumlah yang diobservasi adalah penjumlahan (N) dan jumlah nilai missing Minimum ini adalah angka minimal, paling kecil dari nilai variabel. Maximum - angka maximal, paling besar dari nilai variabel. Mean Ini nilai rata-rata hitung dari observasi. Kebanyakan digunakan untuk membuat ukuran pemusatan. Nilai ini sensitif untuk nilai besar atau kecil.

Std. Akar kuadrat dari variansi. Ini mengukur penyebaran observasi. Makin besar standard deviasi maka semakin tersebar datanya. Variance Variansi adalah pengukuran variabilitas. Ukuran ini jarang digunakan.h. Skewness mengukur derajat dan arah asimetri. Distribusi asimetrik tidak normal, dan jika miring kekiri berarti nilai rata-rata kurang dari media. i. Kurtosis mengukur seberapa tinggi distribusinya. Distribusi yang tidak normal akan. Kurtosisi yang tinggi berarti + dan kurtosis yang negatif akan lebih pendek. Distribsui yang normal, kurtosisnya akan mendekati 0.

Panduan Tampilan GrafikVariabel Skala Nominal & Ordinal : Pie Chart (kurang dari 7 kategori) dan BatangVariabel Skala Interval/Rasio : Histogram, Stem and Leaf Plot

Contoh : Tinggi badan dan Gender

Statistik DeskriptifRata-2 tinggi badan = 168.1 dgn standard eror = 1,26208.Tingkat kepercayaan 95% = + 2Maka rata-rata populasi tinggi badan berkisar =166,84 cm sampai 169,36 cmSkewness 0.077 rasio skewness = nilai skewness/std.eror skewness, jadi : 0.077/0.427 =0,180. jika rasio diantara -2 dan 2 berarti distribusinya normalKurtosis : -0.226 rasio kurtosis = nilai kurtosis/std.eror kurtosis, jadi : -0.226/0.833 = -0.271. jika rasio diantara -2 dan 2 berarti distribusinya normal

Perbandingan Rata-rata PopulasiRata-rata tinggi badan laki-2 (173.4) lebih berat dari rata-2 tinggi badan perempuan (162.98)

Contoh GrafikSalah : Karena variabel skalanya : Nominal

Proses Pengolahan DataData Coding Entry data Cleaning data Compute Data Output DataPossible Code CleaningContingency Cleaning

Jenis- jenis Uji Statistik

Data OutputTabel FrekuensiTabel Silang

KATEGORIFPercentsudah kenal lama4757.32memiliki hubungan yang dekat1012.20berpengalaman1012.20reputasi yang baik1012.20konsumen bisa membuka jaringan56.10Total82100.00

Prinsip Pembuatan Tabel Silang

Persen KolomResponden dengan tingkat manajemen pengelolaan lingkungan tinggi, paling banyak berasal dari perusahaan yang memiliki etika organisasi baik sebanyak 42.6%Responden dengan tingkat manajemen pengelolaan lingkungan rendah, paling banyak berasal dari perusahaan yang memiliki etika organisasi buruk sebanyak 85,7%

Jenis Tabel SilangPersentaseInterpretasi

Jenis Tabel SilangPersen BarisResponden dengan tingkat manajemen pengelolaan lingkungan tinggi, paling banyak berasal dari perusahaan yang memiliki etika organisasi baik sebanyak 42.6%Responden dengan tingkat manajemen pengelolaan lingkungan rendah, paling banyak berasal dari perusahaan yang memiliki etika organisasi buruk sebanyak 85,7%InterpretasiPersentase

Persen Kolom

Jenis Tabel SilangPersen Total : Hubungan SimetrikResponden yang berasal dari jawa dan hobi memancing sebanyak 9%, sementara yang tidak hobi memancing sebanyak 39.8%

Responden yang berasal dari sumatera dan hobi memancing sebanyak 5,6% dan yang tidak hobi memancing sebanyak 53.7%

Documents

Analisis