Bagaimana Cara Mendeskripsikan Data

Bagaimana Cara Mendeskripsikan Data – Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk mendeskripsikan data atau mendeskripsikan data.

Presentasi berjudul: “Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data melalui data yang deskriptif atau mencerahkan.” – Transkrip presentasi:

Bagaimana Cara Mendeskripsikan Data

1 Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan dalam analisis data atau data deskriptif yang tidak boleh bersifat umum atau dapat digeneralisasikan. Penelitian yang bersifat populasi (tanpa sampel), menggunakan statistik deskriptif dalam analisisnya. Namun jika analisis dilakukan terhadap suatu sampel, analisisnya dapat menggunakan statistik deskriptif atau inferensial. Statistik deskriptif digunakan ketika peneliti hanya ingin mendeskripsikan data sampel, dan tidak menarik kesimpulan yang berlaku untuk populasi sampel. Namun jika peneliti ingin menarik kesimpulan yang berlaku pada populasi, maka teknik analisis yang digunakan adalah statistik inferensial.

Cara Mendeskripsikan Orang Dalam Bahasa Inggris Dan Contohnya

Tabel, Grafik, Diagram, Modus, Media, Rata-rata, Keputusan, Konstanta, Rata-rata, Rata-Rata dan Pembagian Baku, Distribusi Data, Penyajian Data Data. Secara teknis perlu diperhatikan bahwa dalam statistik deskriptif tidak ada uji signifikansi IG, tidak ada nilai AT error, karena penelitian tidak dimaksudkan untuk menggeneralisasi sehingga tidak ada generalisasi.

Statistik inferensial, juga biasa disebut statistik industri atau statistik probabilitas, adalah teknik statistik yang digunakan untuk menganalisis sampel data. Statistik inferensial disebut juga statistik probabilitas karena kesimpulan diterapkan pada populasi berdasarkan data sampel, yang sebenarnya merupakan probabilitas. Artinya ada ruang bagi kekeliruan dan kebenaran (keyakinan).

Korelasi digunakan untuk mengidentifikasi atau menggambarkan hubungan antara satu variabel dengan variabel lainnya Contoh : X dan Y antara HUB VAR Dimana : Y = jumlah penjualan Jika terbukti ada hubungan EL yang signifikan, bagaimana arah hubungannya? Dan seberapa kuat hubungannya,

Korelasi antara Var X dan Y dikatakan positif bila kenaikan X umumnya menaikkan Y, atau penurunan X umumnya menurunkan Y. Hubungan antara X dan Y dapat dinyatakan sebagai fungsi linier dengan nilai yang disebut “koefisien korelasi” (r).

Cara Mendeskripsikan Hasil Penelitian

Nilai koefisien korelasi (r) minimum -1 dan maksimum +1 sehingga: ≤ r ≤ 1 Kriteria/interpretasi nilai koefisien korelasi (r) (Menurut Riduan, 2003: 228). Nilai Korelasi Kategori 0,, Sangat Rendah 0,, Rendah 0,, Cukup 0, 0,799 Kuat 0, 0,000 Sangat Kuat Misalnya r = 0,90 berarti hubungan antara X dan Y kuat, jika X bertambah maka Y pun ikut naik. Naik namun ada faktor lain yang menyebabkannya (masih 0,10).

8 1. KORELASI PRODUK MOMEN (Korelasi Product Moment Pearson, sehingga disebut juga Korelasi Product Moment Pearson) R U M U S : n ∑ XY – ∑) 2 Sumber : Riduan, 2005 : 227

Hitung koefisien variasi variabel X dan Y serta keterkaitannya berdasarkan data berikut

XY X2 Y2 XY = 499

Teknik Analisis Data Deskriptif, Hacks Mengetahui Ringkasan

11 8 (499) – (50) (62) r.xy = 8 (420) – (50) (598) – (62) 2 = 0,99 Kesimpulan : Koefisien korelasi sebesar 0,99 merupakan korelasi (korelasi) antar var. X dan Y sangat kuat dan positif yaitu 0,99

12 join untuk mengetahui berapa banyak join yang ada X menentang VAR 100% = 98%

13 Soal Latihan: Diberikan data mengenai motivasi kerja (X), dan produktivitas kerja (Y) pada Perusahaan ABC Kendari. (Ridowan, hal.229)

Korelasi pangkat disebut juga rumus korelasi pangkat Spearman: 6 ∑d2 rrank = n (n2 – 1) d = selisih pasangan pertama n = jumlah pasangan Contoh latihan: J. Suprano, hal.164 Lihat contoh: 7-5

Fresh Graduate, Berikut Cara Mendeskripsikan Prestasi Dalam Cv

Tentukan dulu rangking datanya (bisa dari rangking terendah hingga tertinggi atau sebaliknya). Menentukan selisih rangking (d) Menentukan (menghitung) d2 Masukkan rumus korelasi rangking Contoh : Lihat : J. Superanto, Contoh Butir : 7-5 dan 7-6

Contoh: Hitung korelasi peringkat dari data berikut:

Latihan: Hitung persamaan regresi dari data berikut: Jika X = 60, maka hitunglah nilai Y.

19 Solusi: Peringkat X Y

Cara Mendeskripsikan Diri Sendiri Saat Interview Kerja

20 Rumus: 6 ∑d2 pangkat = n (n2 – 1) 6 (24) pangkat = 10 (102 – 1) = = 10 (99) = 1 – 0, = 0,85

Nilai koefisien korelasi antara X dan Y sebesar 0,85 yang berarti X dan Y mempunyai hubungan yang kuat. Soal Latihan: Hitung korelasi peringkat berdasarkan data penjualan perusahaan dalam ribuan rupee (Y) dan biaya pemasaran dalam ribuan rupee (X) pada tahun 2012.

B. Regresi untuk menentukan variabel lain pada variabel yang berbeda, yang dapat ditunjukkan pada persamaan regresi : Y = a + b

Analisis regresi ini digunakan untuk menghitung prediksi Persamaan regresi linier sederhana (garis lurus) adalah: Y = a + bX dimana: Y = nilai yang ingin diukur, jika X bertambah atau berkurang 1 satuan.

Kesimpula Bagian 5 Rencana Analisis Data

N ∑ XY – ∑ X ∑ Y _ _ b = a = Y – bX n ∑ |

25 Contoh: Data mengenai persentase kenaikan (%) biaya iklan (X) dan volume penjualan (Y) ketika biaya iklan/promosi dinaikkan sebesar 15% adalah kuantitas tindak lanjut. % (X = 15) BENAR : J. Supranto, hal. 177

X Y X2 : J Supranto, hal. 177

27 8 (499) – (50) (62) b = = 8 (420) – (50) b = 1,04 _ _ a = Y – bX = 7, 0,04 (6, 25) = 1,25 Jadi persamaan regresinya adalah . : Y = 1,25 + 1,04(X) artinya setiap kenaikan belanja iklan sebesar 1% maka hasil penjualan akan meningkat sebesar 1,04% Jika X = 15 maka Y’ = 1,25 + 1, 04(15) = 16,85

Jenis Jenis Penelitian: Kuantitatif, Kualitatif Sampai Campuran

Rumus garis trend lurus adalah SBB : (HOW-1) Ỹ = a + b.X dimana: Ỹ = data periode (data deret waktu) hal.226 dan sembarang Ag, hal.25 ∑ Y ∑ XY a = o Mean Y b = N ∑ X2

Catatan: Dalam analisis tren, X mewakili waktu, dimana β adalah rumus panjang seperti dalam analisis regresi. (Metode 2)

Di bawah ini adalah data volume penjualan Perusahaan APEL dari tahun 2005 sampai dengan tahun 2012 : Perusahaan ingin mengetahui perkiraan penjualan tahun 2013 sampai dengan tahun 2016, maka anda diminta membantu manajer perusahaan tersebut. Penjualan Tahunan (Unit) 2005 2006 2007 2008 2009 2010 2011 2012 35.000 45.000 50.000 60.000 65.000 70.000 75.000

Tahun Peng (kamu)

Data Terstruktur Set Data

32 a = /8 = b = /168 = .57 Jadi nilai persamaan garis trennya adalah sebagai berikut. : Y = 0,57 (

Bagaimana cara mentransfer pulsa data, bagaimana cara mentransfer paket data, bagaimana cara menganalisis data, bagaimana cara menghapus data aplikasi, bagaimana cara mengumpulkan data, bagaimana cara cek data xl, bagaimana cara cek pulsa data, bagaimana cara transfer data telkomsel, bagaimana cara transfer pulsa data, bagaimana cara entry data, bagaimana cara mendapatkan data gratis, bagaimana cara cek data telkomsel