INFOCPNS Statistik di SPSS - Rista Bola

Statistik di SPSS

Statistik di SPSS

  • Pada bagian ini, kita akan belajar fundamental atau statistik. Statistik adalah cabang matematika yang digunakan untuk organisasi dan interpretasi data numerik. Dalam hal organisasi data, jenis statistik yang kami gunakan dikenal sebagai statistik deskriptif.
  • Jadi statistik deskriptif pada dasarnya digunakan untuk menggambarkan keadaan atau peristiwa, atau apapun sifat yang kita ukur. Misalnya, misalkan kita sedang mendiskusikan nilai yang diperoleh siswa dalam ujian, kita mungkin tertarik pada nilai rata-rata yang diperoleh siswa, atau penyebaran atau pembagian nilai. Jadi rata-rata, median, standar deviasi, persentil, dll. Mereka semua adalah contoh statistik deskriptif.
  • Kami juga menggunakan SPSS untuk menghitung statistik deskriptif, tetapi paling sering, kami bekerja dengan interpretasi data numerik, dan kami mencoba menarik kesimpulan tertentu berdasarkan data yang tersedia. Jadi selain interpretasi, kita harus menggunakan inferensi. Penggunaan praktis dari statistik adalah untuk menarik kesimpulan dari data numerik.
  • Sekarang, ketika menarik kesimpulan, kita harus menggunakan dua pendekatan yang bergantung pada sifat data kita. Jadi kita dapat memiliki dua jenis pendekatan di sini yang dikenal sebagai statistik parametrik dan statistik non-parametrik.
  • Statistik parametrik mengacu pada jenis statistik yang digunakan untuk asumsi tertentu tentang parameter populasi. Parameter dapat berupa rata-rata, standar, deviasi, homogenitas varians, keacakan pemilihan, dan ketergantungan sampel. Jadi jika asumsi ini terpenuhi, kita menggunakan semacam stat (statistik) yang dikenal sebagai stat parametrik.
  • Uji-t, skor z, regresi, regresi linier kami adalah contoh stat parametrik, tetapi ketika asumsi ini dilanggar, kami menggunakan sejenis stat yang dikenal sebagai stat non-parametrik. Misalnya, uji mann whitney u atau uji chi kuadrat paling populer. Ini adalah pengujian yang kami gunakan saat data kami gagal memenuhi salah satu dari empat asumsi yang direkomendasikan untuk parametrisitas.

Uji Parametrik atau Non Parametrik SPSS

  • Pada bagian ini, kita akan mempelajari tentang uji parametrik dan nonparametrik. Jika kita sering menggunakan SPSS, kita akan menghadapi masalah apakah akan menggunakan uji parametrik atau uji non-parametrik.
  • Orang pertama yang berbicara tentang uji parametrik atau non-parametrik adalah Jacob Wolfowitz pada tahun 1942. Dia mencoba menarik perbedaan antara tes-tes tersebut, yang membuat asumsi tentang sifat variabel dalam populasinya. Jika kita sudah tahu tentang populasi dan kita mengembangkan dasar pengujian asumsi tersebut dan menerapkan pengujian, dalam hal ini, hasil kita lebih dapat digeneralisasikan.
  • Misalkan kita sedang mempelajari variabel usia. Misalkan kita ingin mengetahui beberapa kesimpulan tentang usia. Kami sudah mengetahui bagaimana usia didistribusikan dalam populasi atau seluruh populasi atau populasi India atau populasi Amerika. Dalam hal ini, tes apa pun yang akan kita gunakan akan memberi kita hasil yang lebih dapat digeneralisasikan.
  • Sementara kasus lain, ketika kita tidak mengetahui ciri-ciri variabel yang kita pelajari, terutama dalam populasi, maka kita tidak akan menciptakan situasi di mana hasilnya dapat digeneralisasikan. Jadi itulah keindahan dari uji parametrik. Itu sebabnya peneliti, supervisor, atau editor umum kami sering mendorong kami untuk lebih sering menggunakan tes parametrik dibandingkan dengan tes non-parametrik.
  • Hasil tes parametrik lebih dapat digeneralisasikan dibandingkan dengan tes non-parametrik. Dalam uji Parametrik, kami yakin tentang distribusi atau sifat variabel dalam populasi. Jadi jika kita memahami ini, kita dapat menarik perbedaan tertentu antara uji parametrik dan non-parametrik.

Perbedaan Uji Parametrik dan Non Parametrik

Perbedaan berikut bukanlah daftar lengkap perbedaan antara uji parametrik dan nonparametrik, tetapi ini adalah perbedaan paling umum yang harus diingat saat memilih uji yang sesuai.

S.NO.Parametric TestNon-Parametric Test
1Normality of DistributionNon-normal Distribution
2Homogeneity of VarianceNon-homogeneity of variance
3Independence of ObservationsDependence of observations
4RandomnessNon-random
5Interval scale measurementNon-Internal Scale Measurement

1.) Normalitas distribusi menunjukkan bahwa mereka terdistribusi secara normal dalam populasi.
Distribusi non-normal menentukan bahwa kita tidak mengetahui distribusi populasi.

2.) Homogenitas varian menentukan bahwa kelompok yang berbeda yang kita gunakan harus memiliki varian yang sama.

A12 = A22 = ……= An2

Non-homogenitas varian menentukan bahwa kondisi parametrik mungkin dilanggar dalam tes non-parametrik.

A12 ≠ A22 ≠ ……= An2

3.) Kemandirian Pengamatan menentukan bahwa pengamatan terhadap satu kandidat atau subjek sama sekali tidak mempengaruhi pengamatan kandidat atau subjek lainnya.

Ketergantungan pengamatan menentukan bahwa pengamatan satu kandidat atau subjek memengaruhi pengamatan kandidat atau subjek lainnya.

4.) Keacakan menentukan bahwa sampel harus diambil secara acak dari populasi.

Non-acak menentukan bahwa kami tidak ditarik secara acak ke sampel kami, dan semua subjek yang merupakan bagian dari penelitian kami tidak akan dipilih secara acak.

5.) Pengukuran skala interval menetapkan bahwa data kita akan diukur dalam skala interval, dan jumlah pengukuran antara dua interval skala tetap konstan di seluruh skala.

Pengukuran skala non-Interval menetapkan bahwa kondisi parametrik mungkin dilanggar dalam uji non-parametrik.

SPSS Variables

Pada bagian ini, kita akan belajar bagaimana membuat konsep variabel dan bagaimana menamainya di SPSS. Entri data di SPSS dimulai dengan memahami variabel seperti nama variabel kita, bagaimana definisinya, dan label apa yang akan kita gunakan untuk mengukurnya. Sangat penting bahwa sebelum kita mulai memasukkan data kita, kita memiliki konseptualisasi dari variabel pencarian kita. Di SPSS, kami memiliki dua jenis variabel, yaitu variabel independen dan variabel dependen.


Selain itu, kita juga harus memiliki variabel seperti apa, yang berperan sebagai variabel mediasi atau yang berperan sebagai variabel moderasi. Yang penting adalah membuat konsep variabel kita.

Contoh 1:

Misalkan kita mengambil studi di mana kita ingin melihat pengaruh satu variabel terhadap yang lain atau hubungan antara dua variabel. Dalam studi TI, apa sebenarnya yang mengarah pada kinerja yang baik. Kami tahu bahwa kerja keraslah yang menghasilkan kinerja. Tetapi kita juga tahu bahwa hubungan tidak sesederhana itu. Mungkin ada banyak variabel lain yang terlibat. Kami diharapkan untuk mengeksplorasi masalah ini, dan kami hanya ingin mengetahui variabel yang mempengaruhi kinerja siswa.

Sekarang dalam penelitian ini, kinerja bertindak seperti variabel dependen. Karena itu adalah kinerja yang ingin kami prediksi dan kami ingin memperkirakan berdasarkan variabel lain seperti kerja keras. Selain kerja keras, kami mungkin percaya bahwa usia subjek juga dapat berperan sebagai pemberi pengaruh dalam variabel ini. Status sosial ekonomi subjek mungkin juga berperan dalam kinerja siswa.

Untuk memahami hal ini, kita akan mengasumsikan dua siswa yang berasal dari status sosial ekonomi yang lebih tinggi. Mereka dapat mengakses sumber daya yang lebih baik yang dapat membantu mereka dalam kinerja yang lebih baik. Jadi, kita harus mendefinisikan semua variabel kita terlebih dahulu dalam model penelitian kita, dan kemudian kita akan mencoba memasukkan data kita ke dalam SPSS. Jadi, mari kita ambil variabel tertentu, misalnya kerja keras adalah status sosial ekonomi. Sekarang, jika kita melihat variabel-variabel ini, kita akan menemukan bahwa ada sedikit ambiguitas dalam cara mereka diungkapkan.

Misalnya: apa yang dimaksud dengan kerja keras, bagaimana cara mengukur kerja keras tersebut. Jika kita harus lebih tepat, maka kita telah menyebutkan bahwa kita akan mengukur kerja keras dari segi jumlah jam belajar. Ini mungkin juga memengaruhi kinerja, tetapi kami tidak berharap masing-masing memengaruhi kinerja secara langsung. Mereka mungkin bertindak seperti moderator atau pertunjukan, tetapi bukan pendahulu langsung dari pertunjukan.

Jadi, kami menginginkan model di mana usia dan status sosial ekonomi berperan sebagai moderator. Moderator adalah variabel-variabel yang memoderasi hubungan antara variabel independen, dan variabel dependen berarti mereka secara signifikan akan mempengaruhi hubungan antara kedua variabel tersebut. Selain moderator, mungkin ada mediator juga yang terlibat dalam model, tapi kami tidak akan mengambil mediator sekarang.

Sekarang kita akan mengambil satu lagi variabel penting yang dapat mempengaruhi kinerja sebut saja Intelligence. Jadi, Kecerdasan mungkin juga mempengaruhi kinerja. Jadi, kami mengharapkan pengaruh langsung Intelijen pada Kinerja. Kecerdasan sekali lagi adalah cara menuju bagaimana kita akan mengukurnya. Jadi, kita bisa mengukur Kecerdasan sebagai skor IQ subjek. Ini adalah bagaimana kami akan mendefinisikan model penelitian kami.


Contoh 2:

Misalkan kita ingin mencari tahu apa sebenarnya yang menyebabkan stres. Stres bisa disebabkan oleh masalah yang bisa kita sebut kerepotan sehari-hari. Selain itu, stres dapat disebabkan karena perilaku patologis seperti merokok. Merokok adalah variabel independen, sedangkan stres adalah variabel dependen. Kami ingin mengontrol efek dari variabel yang disebut Kerepotan sehari-hari ini karena kami tahu bahwa kerepotan sehari-hari menyebabkan stres. Kami ingin memahami bahwa jika kerepotan sehari-hari sama untuk semua orang, apa pengaruh merokok terhadap stres. Dalam hal ini, kita dapat menganggap kerepotan sehari-hari sebagai variabel kontrol.


Setelah kami membuat konsep model kami, kami dapat mulai mendefinisikan variabel kami. Dalam contoh 1, variabel kontrol dapat berupa kondisi kelas, suhu, atau kebisingan.