STATISTIK PSIKOLOGI - unita.lecture.ub.ac.idunita.lecture.ub.ac.id/files/2016/09/1.-Pengantar-2017.pdf · Rancangan Perkuliahan Pertemuan Materi 1 Pengantar dan Kontrak Kuliah 2 Konsep

STATISTIK PSIKOLOGIUnita Werdi Rahajeng

www.unita.lecture.ub.ac.id

Lingkup Statistik

Aktivitas

Deskriptif

DeskripsiData/Nume

rical Summaries

PenyajianData

Inferensial

EstimasiParameter

UjiSignifikansi

Rancangan PerkuliahanPertemuan Materi

1 Pengantar dan Kontrak Kuliah

2 Konsep dasar uji beda: t-test between subject vs t-tes within subject

3 Latihan kalkulasi t-test between subject vs t-tes within subject

4 Konsep dasar uji beda one-way & two-way between subject

5 Latihan kalkulasi uji beda one-way & two-way between subject

6 Konsep dasar uji beda one-way & two-way within subject

7 Latihan kalkulasi uji beda one-way & two-way within subject

8 Ujian Tengah Semester

Rancangan Perkuliahan

Pertemuan Materi

9 Teori dan Konsep dasar korelasi bivariate: product moment pearson

dan simple regression

10 Latihan kalkulasi product moment pearson dan simple regression

11 Teori dan konsep dasar multiple regression

12 Latihan kalkulasi multiple regression

13 Pengenalan software komputasi statistic

14 Tutorial

15 Praktikum

16 Ujian Akhir Semester

Penilaian

◦UTS Tulis (25%)

◦UAS Tulis (25%)

◦Nilai praktikum: Modul Praktikum: Modul 1: Uji Beda, Modul 2: Uji Korelasi, Modul 3: Komputasi Perangkat Lunak (20%)

◦Tugas: tugas kelompok membuat video tutorial (20%)

◦Kuis: Partisipasi Penelitian(10%)

Aturan Perkuliahan

◦ Mengerjakan semua tugas dan mengikuti kegiatan evaluasi (ujian) sesuai dengan ketentuan

◦ Keterlambatan pengumpulan tugas pengurangan nilai

◦ Batas minimal kehadiran: 80% jadwal tatap muka (mengikuti aturan akademis)

◦ Absen yang ditoleransi sakit, bencana dan penugasan universitas

◦ Ikut menjaga suasana kelas yang kondusif untuk belajar

◦ Berlatih untuk berkomunikasi dengan formal (sms, chat, email)

◦ Tidak ada toleransi untuk KECURANGAN (misal mencontek, kerjasama saat evaluasiindividual, plagiasi)

◦ Nilai tidak dapat diganggu gugat. Mahasiswa berhak mengetahui detail komponen penilaiandan jika terdapat kesalahan penghitungan oleh dosen maka nilai dapat direvisi

Aturan Perkuliahan

◦ Ketika evaluasi, proses komputasi hanya diperbolehkan menggunakan kalkulator (bukanaplikasi kalkulator di HP)

◦ Akan diperbolehkan membuat cheat sheet akan dijelaskan kemudian

◦ Dalam penghitungan menggunakan 2 angka di belakang koma (tidak ada pembulatan ke atas)

Referensi

• Aron, A., Coups, E., & Aron, E. (2012). Statistics for Psychology. Boston: Pearson

• Field, Andy. (2009). Discovering Statistics using SPSS. London: Sage

• Hadi, Sutrisno. (2015). Statistik. Yogyakarta: Pustaka Pelajar

• Gravetter, Frederick J., Wallnau, Larry B. (2014). Pengantar Statistika Sosial. Jakarta: Salemba Humanika

DASAR-DASAR STATISTIKINFERENSIAL

Konsep Penting

◦ Menarik kesimpulan umum berdasarkan sejumlah data yang terbatas

◦ Tidak bersifat intuitif

◦ Kesimpulan selalu disajikan dalam terminologi probabilitas

◦ Seluruh analisis statistika inferensial disusun berdasarkan asumsi

◦ Keputusan untuk menganalisis data harus selalu ditentukan di awal

◦ Korelasi ≠ kausalitas

STATISTIK PARAMETRIK VS NON PARAMETRIK

PARAMETRIK NON PARAMETRIK

Prosedur statistik yang mengikuti prinsip-prinsip

distribusi normal:

Digunakan dengan mengabaikan

segala asumsi yang melandasi metode

statistik parametrik, terutama yang

berkaitan dengan distribusi normal

• Distribusi sampel diambil dari dari distribusi

populasi yang terdistribusi secara normal

Digunakan apabila salah satu

parameter statistik parametrik tidak

terpenuhi

• Sampel diperoleh secara random (mewakili

populasi)

• Skala pengukuran harus bersifat kontinum

(rasio/interval) atau skala nominal yang diubah

menjadi proporsi

ANALOGI PROSEDUR STATISTIK PARAMETRIK VS NON PARAMETRIK

Tipe Analisis PARAMETRIK NON PARAMETRIK

Compare means between two

distinct/independent groups

Two-sample t-test Wilcoxon rank-sum test/Man-

Whitney U

Compare two quantitative

measurements taken from the

same individual

Paired t test Wilcoxon signed-rank test

Compare means between

three or more

distinct/independent groups

ANOVA (Analysis of Variance) Kruskal-Wallis test

Estimate the degree of

association between two

quantitative variables

Pearson Coefficient of

corellation (Product moment

pearson)

Spearman’s rank correlation

Distribusi Normal

• Distribusi normal memodelkan fenomena kuantitatif pada ilmu alammaupun ilmu sosial

• Distribusi normal diperoleh dari abstraksi matematis dengan rumuspersamaan tertentu

• Sebagai abtraksi matematis, kurva normal bukanlah cerminan nyata atau‘hukum alam’, tetapi sebatas pendekatan (approximation) terhadapkejadian-kejadian atau peristiwa-peristiwa di dunia nyata

• Jika digambarkan dalam bentuk kurva, kurva akan membentuklonceng/bel/genta

Francis Galton (1876) 'On the height and weight of boys aged 14, in town and

country public schools.' Journal of the Anthropological Institute, 5, 174-180:

Height of 14 year-old children

0

2

4

6

8

10

12

14

16

51-5

2

53-5

4

55-5

6

57-5

8

59-6

0

61-6

2

63-6

4

65-6

6

67-6

8

69-7

0

height (inches)

freq

uen

cy (

%)

country

town

Kejadian/Fenomena: Score IQ

Diagram Distribusi Data Skor 905 anak yang dites menggunakan Stanford-Binet tahun 1916

Hipotesis Penelitian

◦ Penting untuk memertimbangkan keputusan yang diinginkan, misalkan menguji perbedaanatau menguji keterkaitan

◦ Null Hyphotesis berbagai variabel tidak berhubungan, tidak memiliki efek, tidakmemengaruhi (H0)

◦ >< hypothesis alternative (Ha) ada keterkaitan antar variabel

Tentukan hipotesis untuk 2 keputusanberikut!1. Seorang peneliti ingin mengetahui apakah murid yang bersekolah di

kota lebih konsumtif dibandingkan murid yang bersekolah di desa

2. Seorang peneliti ingin mengetahui apakah keharmonisan rumah tanggaberkaitan dengan lamanya durasi berpacaran

3. Seseorang peneliti ingin mengetahui apakah pemberian multivitamin akan berpengaruh kepada kecerdasan anak

Which statistics should you report?

◦ Statistical Coefficient

◦ p-values

◦ Confidence Interval

◦ Effect Size

◦ Bayes Factor

Advance reading: daniellakens.blogspot.com