Daftar Referensi Buku Statistik dan Buku Aplikasi Software Statistik ( SPSS LISREL AMOS PLS SAS STATA SPLUS R )

Berikut adalan sebagian Daftar Buku-Buku Aplikasi Software Statistik ( SPSS LISREL AMOS PLS SAS STATA SPLUS R )

  • Advances in Clinical Trial Biostatistics by Nancy L. Geller
  • Analysis of Incomplete Multivariate Data by Joe Schafer
  • Analysis of Messy Data, Volume III: Analysis of Covariance by George A. Milliken Dallas E. Johnson
  • Analysis of Pretest-Posttest Designs by Peter L. Bonate
  • Applied Nonparametric Statistical Methods, Third Edition by Peter Sprent Nigel Charles Smeeton
  • Applied Statistical Designs for the Researcher by Daryl S Paulson
  • Bayes and Empirical Bayes Methods for Data Analysis, Second Edition by Bradley P Carlin Thomas A Louis
  • Clinical Trials in Oncology, Second Edition by Stephanie Green Jacqueline Benedetti John Crowley
  • Contemporary Statistical Models for the Plant and Soil Sciences by Oliver Schabenberger Francis J Pierce
  • Contingency Table Approach to Nonparametric Testing by A J.C.W. Rayner D.J. Best
  • CRC Standard Probability and Statistics Tables and Formulae by Daniel Zwillinger Stephen Kokoska
  • Data Mining Using SAS Applications by George Fernandez
  • Design and Analysis of Cross-Over Trials, Second Edition by Byron Jones M.G. Kenward
  • EM Algorithm and Related Statistical Models, by The Michiko Watanabe Kazunori Yamaguchi
  • Environmental Statistics with S-PLUS by Steven P. Millard Nagaraj K. Neerchal
  • Generalized Latent Variable Modeling: Multilevel, Longitudinal, and Structural Equation Models by Anders Skrondal Sophia Rabe-Hesketh (2 copies)
  • Group Sequential Methods with Applications to Clinical Trials by Christopher Jennison Bruce W. Turnbull
  • Handbook of Parametric and Nonparametric Statistical Procedures, Second Edition by David J Sheskin
  • Handbook of Statistical Analyses Using SAS, Second Edition by Geoff Der Brian S. Everitt
  • Handbook of Statistical Analyses Using SPSS, A Sabine Landau Brian S Everitt
  • Handbook of Statistical Analyses using S-Plus, Second Edition by Brian S. Everitt
  • Handbook of Statistical Analyses Using Stata, Second Edition by Sophia Rabe-Hesketh Brian S. Everitt
  • Hierarchical Modeling and Analysis for Spatial Data by Sudipto Banerjee Bradley P Carlin Alan E Gelfand
  • Introduction to Generalized Linear Models, Second Edition by Annette J. Dobson
  • Measures of Interobserver Agreement by Mohamed M. Shoukri
  • Multidimensional Scaling, Second Edition Trevor F. Cox M.A.A. Cox
  • Sample Size Calculations in Clinical Research by Shein-Chung Chow Jun Shao Hansheng Wang
  • Sampling Methodologies with Applications by Poduri S.R.S. Rao
  • Statistical and Econometric Methods for Transportation Data Analysis by Simon P Washington Matthew G Karlaftis Fred L Mannering
  • Statistics in Drug Research: Methodologies and Recent Developments by SHEIN-CHUNG CHOW JUN SHAO
  • Statistical Methods for Health Sciences, Second Edition by Mohamed M. Shoukri Cheryl A. Pause
  • Statistics in the 21st Century by Adrian E. Raftery Martin A. Tanner Martin T. Wells
  • Theory of the Design of Experiments, The by Sir David R. Cox Nancy Reid
  • Time-Series Forecasting by Chris Chatfield
  • Topics in Modeling of Clustered Data by Marc Aerts Geert Molenberghs Helena Geys Louise Ryan

Baca lebih lanjut

Iklan

Analisa Data : Analisis Inferensi Data Statistik dengan Metode Bootstrap

Menuru Shao dan Tu (1995) serta Davison dan Hinkley (1997) dalam inferensi statistik parametrik klasik, distribusi sampling dianggap sebagai suatu model dengan sifat-sifat probabilitas yang diketahui, seperti asumsi distribusi yang memerlukan formula analitis berdasarkan pada model untuk mengestimasi secara analitis parameter dalam distribusi samplingnya. Dalam prakteknya, distribusi sampling tidak selalu memenuhi distribusi normal dan kadang-kdang memerlukan penurunan formulasi analitis yang sulit dilakukan sehingga dimungkinkan akurasi estimatornya tidak valid.

Bootstrap memungkinkan seseorang untuk melakukan inferensi statistic tanpa membuat asumsi distribusi yang kuat dan tidak memerlukan formulasi analitis untuk distribusi sampling suatu estimator. Sebagai pengganti, bootstrap menggunakan distribusi empiris untuk mengestimasi distribusi sampling. Jadi jika penyelesaian analitik tidak mungkin dilakukan dimana anggapan (suatu distribusi, misalnya kenormalan data) tidak dipenuhi maka dengan menggunakan Boosttrap masih dapat dilakukan suatu inferensi.

Dasar pendekatan Bootstrap adalah dengan memperlakukan sampel sebagai populasi dan dengan menggunakan sampling Monte Carlo untuk membangkitkan dan mengkonstruksi estimator empiris dari distribusi sampling statistik. Distribusi sampling dapat dipandang sebagai harga-harga statistik yang dihitung dari sejumlah tak terhingga sampel random berukuran n dari suatu populasi yang diberikan. Sampling Monte Carlo mengambil konsep ini untuk membangun distribusi sampling suatu estimator dengan mengambil sejumlah besar sampel erukuran n secara random dari populasi dan menghitung statistik tersebut dari harga-harga distribusi sampling tersebut. Estimasi Monte Carlo yang sebenarnya memerlukan pengetahuan tentang seluruh populasi yang tidak mungkin selalu tersedia dalam prakteknya karena yang dipunyai dari hasil riset praktek adalah sampel dari populasi oleh karena itu dilakukan inferensi untuk Tetha dari distribusi samplingnya.

Software yang recomended untuk digunakan analisa dengan metode Bootstrap adalah S-Plus dan R.

Bengkeldata.Com siap membantu anda dalam melakukan olah data statistik dengan metode Bootstrap.

(Sopana (2003). Estimasi Interval Konfidensi Nonparametrik dengan Metode Bootstrap. Skripsi Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Surakarta.)

Analisa Data : Analisis Data dengan Metode Bootstrap Non Parametrik

Dalam Bootstrap, sebuah sampel diambil dari suatu populasi. Sampel ini dinamakan dengan Sampel Asli. Sampel Asli kemudian diperlukan sebagai populasi dan diaplikasikan prosedur Monte Carlo pada sampel tersebut. Hal ini dilakukan dengan mengambil sejumlah besar Sampel Ulang (Resample) berukuran n dari Sampel Asli secara random dengan pengembalian. Dengan cara Resampling seperti ini akan diperoleh sampel yang berukuran sama dengan Sampel Asli dan dengan pengembalian dimungkinan diperoleh Resample yang sama lebih dari sekali dan mungkin saja berbeda dengan Sampel Asli.

Metode Bootstrap tidak selalu memerlukan asumsi distribusi dan formulasi analitis yang rumit untuk mengestimasi parameter dari suatu populasi. Jika asumsi dari suatu distribusi tidak diketahui maka disebut kasus nonparametrik.

Software yang recomended untuk digunakan analisa dengan metode Bootstrap adalah S-Plus dan R.

Bengkeldata.Com siap membantu Anda dalam melakukan olah data statistik dengan menggunakan Metode Bootstrap.

(Sopana (2003). Estimasi Interval Konfidensi Nonparametrik dengan Metode Bootstrap. Skripsi Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Surakarta.)

Untuk konsultasi lebih lanjut, silahkan menghubungi:

CS : 021-71088944 – 0819 4505 9000

YM : abays_khan

e-mail : info@bengkeldata.com

Analisa Data : Analisis Data Uji Parametrik & Uji Non Parametrik

Ilmu statistika secara garis besar dibagi menjadi 2 :

1. Statistika parametrik

Ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll.

2. Statistika non parametrik

Menurut literatur, statistika non-parametrik adalah statistika bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non parametrik: Binomial test, Chi-square test, Median test, Friedman Test, dll.

=======================================
Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , Analisis Data Uji Parametrik, Analisis Data Uji Non Parametrikriset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 7426 1930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

Analisa Data : Analisis Data Uji Validitas & Reliabilitas

Bagaimana sih cara pengolahan data untuk uji validitas maupun reliabilitas? rumus apa yang harus saya gunakan? mohon masukannya…karena saya sedang bingung.

(Andromeda, Jkt. diambil dari http://www.bengkeldata.com )

Uji Validitas

Dalam melakukan suatu penelitian, sering kita menanyakan apakah alat ukur yang kita pakai sudah valid & reliable? Validitas suatu alat ukur dapat diartikan bahwa alat ukur tersebut dapat memberikan suatu nilai yang sesungguhnya dari apa yang kita inginkan. Misalnya kita ingin mengukur tinggi badan, meteran/penggaris merupakan alat ukur yang valid karena akan memberikan error yang sedikit. Lain halnya jika kita mengukur tinggi badan menggunakan timbangan. Bagaimana bisa timbangan mengukur tinggi badan? berarti timbangan bukan alat ukur yang valid.

Salah satu ukuran validitas untuk sebuah kuesioner adalah apa yang disebut sebagai validitas konstruk (construct validity). Sebuah kuesioner yang berisi beberapa pertanyaan untuk mengukur suatu hal, dikatakan valid jika setiap butir pertanyaan yang menyusun kuesioner tersebut memiliki keterkaitan yang tinggi. Misalnya untuk kuesioner yang digunakan mengukur sikap konsumen dalam memilih pakaian, maka butir-butir penyusunnya semuanya menuju ke satu titik, yaitu pengukuran sikap konsumen dalam memilih pakaian, misalnya merk, kualitas, mode, harga, tingkat pendapatan, pengeluaran untuk membeli pakaian/bulan, frekuensi shopping, frekuensi membaca majalah fashion, umur, tingkat pendidikan,dan lain-lain.

Ukuran keterkaitan antar butir pertanyaan ini umumnya dicerminkan oleh korelasi jawaban antar pertanyaan. Metode yang sering digunakan adalah korelasi produk momen (korelasi Pearson) antara skor setiap butir pertanyaan dengan skor total, sehingga sering disebut sebagai inter item-total correlation. Pertanyaan yang memiliki korelasi rendah dengan butir pertanyaan yang lain, dinyatakan sebagai pertanyaan yang tidak valid.

Bila suatu butir/item pertanyaan mempunyai korelasi Pearson (r) >= 0.3 maka butir pertanyaan itu dikatakan valid. Jika r < 0.3 maka tidak valid. Jika suatu butir pertanyaan tidak valid, maka maka buanglah item pertanyaan tersebut, kemudian lakukan uji sesuai prosedur sebelumnya (minus item yang telah dibuang) sehingga diperoleh semua item pertanyaan valid.

Uji Reliabilitas

Sifat reliable (terandal) alat ukur berkenaan dengan kemampuan alat ukur tersebut memberikan hasil yang konsisten artinya jika suatu alat ukur dipakai oleh orang lain, pada objek yang sama ditempat yang berbeda maka akan menghasilkan suatu kesimpulan yang sama.

Suatu cara untuk mengukur reliabilitas suatu alat ukur yaitu dengan memakai uji alpha Cronbach. Apabila nilai alpha Cronbach > 0.6 maka alat ukur itu bisa dikatakan reliable, jika kurang dari 0.6 maka ridak reliable. (sopana)

==========================================
IKLAN—IKLAN—IKLAN—

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

=======================================

Analisa Data : Analisis Data Uji Kruskall Wallis

Contoh data dan analisis:

Sebuah warnet ingin mengetahui apakah ada perbedaan lama waktu penggunaan internet oleh pengunjungnya. Sampel dalam penelitian ini meliputi Pelajar (SD,SMP,SMA), Mahasiswa (D1,S3), dan Umum (bukan pelajar dan Mahasiswa). Diamati masing-masing 5 orang secara acak dari Pelajar, Mahasiswa dan Umum. Peneliti tidak mempertimbangkan mengenai kenormalan distribusi sampel dalam penelitian ini. Apakah ada cukup bukti yang mengatakan bahwa lama waktu penggunaan internet oleh pengguna dari kalangan Pelajar, Mahasiswa dan Umum tersebut berbeda?

Data lama waktu penggunaan internet (dalam jam)

(Pelajar)               (Mahasiswa)                     (Umum)
(2.5)                       (2.4)    (3.4)
(1)       (3)             (3.6)
(1.4)       (2.8)    (2.6)
(1.6)       (2.6)    (3.7)
(2)       (1.5)    (2.1)

<span style=”font-weight:bold;”>Analisis:</span>
Oleh karena penelitian bertujuan untuk mengetahui apakah ada perbedaan lama waktu penggunaan internet oleh Pelajar, Mahasiswa dan Umum (terdiri dari 3 sampel bebas), serta tidak dipertimbangkannya asumsi mengenai kenormalan distribusi sampel, maka kasus ini dapat diselesaikan dengan metode Kruskal-Wallis Test.

H0: Median lama waktu penggunaan internet oleh Pelajar, Mahasiswa dan Umum sama v.s.
H1: Setidaknya ada satu nilai median yang tidak sama

Alpha = 0.05

<span style=”font-weight:bold;”>Hasil Analisis:</span>
Kruskal-Wallis  rank sum test
data: internet
KruskalWallis chisquared = 7.1377, df = 2, p-value = 0.02819

Kesimpulan: TOLAK H0 , karena p-value < 0.05.

Interpretasi:
Lama waktu yang dibutuhkan oleh Pelajar, Mahasiswa dan Umum dalam menggunakan internet boleh dikatakan tidak sama. (Deny)

=======================================
—IKLAN—-IKLAN—-IKLAN—-IKLAN—

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian, riset pasardan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik, REGRESI, KORELASI, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos, S-Plus
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 email : info@bengkeldata.com
======================================