Sensor Data Tipe 1

Contoh :

RANCANGAN FAKTORIAL

Pendahuluan

Pada pembahasan sebelumnya kita sudah mendiskusikan mengenai pengaruh perlakuan tunggal terhadap respons tertentu. Perlakuan tunggal tersebut dinamakan faktor, dan taraf atau level dari faktor tersebut dinamakan taraf. Faktor disimbolkan dengan huruf kapital sedangkan taraf dari faktor tersebut disimbolkan dengan huruf kecil. Apabila secara serempak kita mengamati pengaruh beberapa faktor dalam suatu penelitian yang sama, maka percobaan tersebut dinamakan dengan percobaan faktorial.

Variabel dan Data

Variabel berasal dari kata “vary” dan “able” yang berarti “berubah” dan “dapat”. Jadi, secara harfiah variabel berartidapat berubah, sehingga setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai tersebut bisa kuntitatif (terukur dan atau terhitung, dapat dinyatakan dengan angka) juga bisa kualitatif (jumlah dan derajat atributnya yang dinyatakan dengan nilai mutu).
Variabel merupakan element penting dalam masalah penelitian. Dalam statistik, variabel didefinisikan sebagai konsep, kualitas, karakteristik, atribut, atau sifat-sifat dari suatu objek (orang, benda, tempat, dll) yang nilainya berbeda-beda antara satu objek dengan objek lainnya dan sudah ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. 

Asumsi-Asumsi ANOVA Satu Faktor

Asumsi untuk pengujian hipotesis yang didasarkan pada model ANOVA faktor tunggal sebenarnya berhubungan dengan nilai residual atau error (ε_ij). Banyak referensi yang menyatakan bahwa ANOVA faktor tunggal cukup handal terhadap asumsi ini, misalnya Uji F tetap handal dan dapat diandalkan meskipun asumsi tidak terpenuhi. Meskipun demikian, tingkat kehandalannya sangat sulit diukur dan tergantung juga pada ukuran sampel yang harus seimbang. Uji F bisa menjadi sangat tidak dapat diandalkan apabila ukuran sampel tidak seimbang, apalagi jika ditambah dengan sebaran data yang tidak normal dan ragam tidak homogen. Oleh karena itu, saya sangat merekomendasikan untuk memeriksa terlebih dahulu asumsi ANOVA sebelum melanjutkan ke tahap analisis.

Populasi dan Sampel

Populasi

Populasi merupakan keseluruhan (universum) dari objek penelitian yang dapat berupa manusia, hewan, tumbuh-tumbuhan, gejala, nilai, peristiwa, sikap hidup, dan sebagainya yang menjadi pusat perhatian dan menjadi sumber data penelitian. Apabila kita lihat definisi tersebut, pengertian populasi bisa sangat beragam sehingga kita harus mendefinisikan populasi tersebut dengan jelas dan tepat.

Ukuran Pemusatan Data (Central Tendency)

Salah satu aspek yang paling penting untuk menggambarkan distribusi data adalah nilai pusat data pengamatan (tendensi sentral). Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data (himpunan pengamatan) dikenal sebagai ukuran tendensi sentral.

Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu:

• Mean (Rata-rata hitung/rata-rata aritmetika)
• Median
• Mode

Statistika Deskriptif

Statistik adalah sekumpulan prosedur untuk mengumpulkan, mengukur, mengklasifikasi, menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data kuantitatif yang diperoleh secara sistematis. Secara garis besar, statistik dibagi menjadi dua komponen utama, yaitu Statistik Deskriptif dan Statistik inferensial. Statistik deskriptifmenggunakan prosedur numerik dan grafis dalam meringkas gugus data dengan cara yang jelas dan dapat dimengerti, sementara Statistik inferensial menyediakan prosedur untuk menarik kesimpulan tentang populasi berdasarkan sampel yang kita amati. Statistik Deskriptif membantu kita untuk menyederhanakan data dalam jumlah besar dengan cara yang logis. Data yang banyak direduksi dan diringkas sehingga lebih sederhana dan lebih mudah diinterpretasi.

Pengertian Statistika

Statistika adalah cabang ilmu matematika terapan yang terdiri dari teori dan metoda mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi, menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang diperoleh secara sistematis.

Jenis-jenis Penelitian

Penelitian dapat digolongkan / dibagi ke dalam beberapa jenis berdasarkan kriteria-kriteria tertentu, antara lain berdasarkan: (1) Tujuan; (2) Pendekatan; (3) Tempat; (4) Pemakaian atau hasil / alasan yang diperoleh; (5) Bidang ilmu yang diteliti; (6) Taraf Penelitian; (7) Teknik yang digunakan; (8) Keilmiahan; (9) Spesialisasi bidang (ilmu) garapan. Berikut ini masing-masing pembagiannya.

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).

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.

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 atauBox-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.

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 bahwanilai 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 linier.  Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-akibat.

Stemplot (Stem-and-Leaf Plot)

Penyajian lain yang mirip dengan histogram adalah Stemplot. Stemplot juga dikenal sebagai stem-and-leaf plotatau 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 untukmembantu 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.