BEBERAPA MATERI STATISTIKA

Uji Chi Kuadrat (Chi Square)  

Uji Chi Square adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi atau frekuensi aktual dengan frekuensi harapan atau frekuensi ekspektasi. Frekuensi obserfasi diperoleh dari nilai pada hasil percobaan, sedangkan frekuensi harapan diperoleh dari perhitungan secara teoritis. Bentuk distribusi Chi Square dinotasikan dengan X2  oleh karena itu nilainya selalu positif.

Analisis Korelasi

Analisis korelasi digunakan untuk mengukur kekuatan hubungan linier antara dua variabel. Koefisien korelasi populasi ρ  (rho) adalah ukuran kekuatan hubungan linier antara dua variabel dalam populasi sedangkan koefisien korelasi sampel r  adalah estimasi dari ρ  dan digunakan untuk mengukur kekuatan hubungan linier dalam sampel observasi. Untuk selanjutnya r disebut Koefisien Korelasi Pearson Product Momernt.

Regresi Linear 

Regresi merupakan salah satu metoda dalam analisis statistika yang digunakan untuk menganalisis dan memodelkan secara matematis hubungan diantara dua variabel atau lebih. Pada analisis regresi ini dikenal adanya variabel dependen (variabel tak bebas/variabel tergantung/Unknown Variable/Response Variable) dan variabel independen (variabel bebas/ Explanatory Variable/Regressor Variable/Predictor Variabls/).   Regresi dipakai untuk mengukur besarnya pengaruh perubahan pada variabel dependen yang diakibatkan perubahan pada variabel independen.

Analisis dua variansi (Anova)

Anova (Analysis of Variance) merupakan salah satu Uji Hipotesis pada Statistika Parametrik, untuk melakukan pengujian terhadap interaksi antara dua faktor dalam suatu percobaan dengan membandingkan rata-rata dari lebih dua sampel.         Anova (Analysis of Variance) merupakan salah satu metode dalam statistika parametrik.. Tujuan dari analisis varians adalah untuk dapat menemukan variabel independen dalam penelitian dan mengetahui bagaimana interaksi antar variabel dan bagaimana pengaruhnya terhadap suatu perlakuan.

Statistika Non Parametrik

Jika populasi yang dikaji tidak dapat memenuhi asumsi-asumsi yang mendasari uji-uji parametrik,maka statistika nonparametrik dapat memenuhi kebutuhan tersebut dan tetap sah meski hanya berlandaskan pada asumsi-asumsi yang sangat umum. Ringkasnya, bila uji parametriknya dan nonparametrik dapat digunakan untuk data yang sama, kita seharusnya menghindari uji nonparametrik yang “cepat dan mudah” ini dan mengerjakannya dengan teknik parametrik yamg lebih efisien. Akan tetapi, karena asumsi kenormalan seringkali tidak dapat dijamin berlakunya, dan juga karena kita tidak selalu mempunyai hasil pengukuran yang kuantitatif sifatnya, maka beruntunglah telah disediakan sejumlah prosedur nonparametrik yang bermanfaat.