ANALISA DATA
PEMILIHAN
UJI STATISTIK UNIVARIAT
Tujuan uji
|
Jumlah sample/ pasangan
|
Sample bebas/ berpasangan
|
Jenis variable
|
||
Rasio-Interval pop.berdistribusi normal
|
Ordinal/ rasio interval distrib. Tak normal
|
Nominal/ kategorik
|
|||
Kom
pa
rasi
|
2
|
Bebas
|
Uji t 2 sampel bebas
|
- Uji Mann-whitney
- Uji jumlah peringkat dari Wilcoxon
|
- Uji Chi kuadrat
- Uji eksak dari Fisher
|
Berpasangan
|
Uji t sample berpasangan
|
Uji peringkat bertanda dari Wilcoxon
|
Uji McNemar (untuk kategori
dikotomik)
|
||
> 2
|
Bebas
|
Anova 1 arah
|
Uji Kruskall-Wallis
|
Uji Chi kuadrat
|
|
Berpasangan
|
Anova untuk subyek yang sama
|
Uji Friedman
|
Uji Cochran”s Q (untuk kategori
dikotomik)
|
||
Kore
lasi
|
|
|
- Korelasi dari Pearson (r)
- Regresi
|
- Korelasi dari Spearman (rs)
- Asosiasi Kappa (k)
|
- Koefisien Kontingensi (C)
- Koefisien Phi
|
TABEL PEMILIHAN ANALISIS STATISTIK
BIVARIABEL UNTUK RISET EKSPLANATIF
Variabel bebas (1 variabel)
|
Variabel tergantung (1 variabel)
|
||
Rasio interval
|
Ordinal
|
Nominal atau kategorik
|
|
Rasio interval
|
- Korelasi hasil kali
momen dari Pearson (p)
|
- Korelasi dari Spearman (ps)
- Kendall”s Tau (ґ)
- Kappa
|
- t 2 sampel bebas
- Anava 1 arah
|
Ordinal
|
- Korelasi dari Spearman (ps)
- Kendall”s Tau (r)
- Kappa
|
- Korelasi dari Spearman (ps)
- Kendall”s Tau (ґ)
- Kappa
|
- Mann whitney
- Jumlah peringkat dari Wilcoxon
- Median
- Kolmogorov-Smirnov 2 sampel
- Kruskal -Wallis
|
Nominal atau kategorik
|
- t 2 sampel bebas
- Anava 1 arah
|
- Mann whitney
- Jumlah peringkat dari Wilcoxon
- Median
- Kolmogorov-Smirnov 2 sampel
- Kruskal -Wallis
|
- Chi kuadrat (x²) untuk
2 atau k sampel
- Eksak dari Fisher
- Koefisien Kontingensi
- Cramer”s V, Phi (ф)
- Kappa
|
CARA PEMILIHAN UJI STATISTIK MULTIVARIAT
Variabel tergantung
|
Variabel bebas
|
||||||
Rasio/ interval
|
Ordinal
|
Nominal (kategorikal)
|
|||||
1 variabel
|
> 1 variabel
|
1 variabel
|
> 1 variabel
|
1 variabel
|
> 1 variabel
|
||
0 variabel
|
- Uji t sample
- Uji normalitas (G)
- Uji t sample berpasangan
|
-
Analisis factor
-
Analisis
Kluster
-
Komponen
principal
-
Matriks
korelasi
|
-
Uji
Kolmogorov-Smirnov 1 sampel
-
Uji peringkat
bertanda dari Wilcoxon
|
Model loglinier
|
-
Uji chi square
1 sampel
-
Uji binominal/
McNemar
|
Model loglinier
|
|
Rasio/ interval
|
1 variabel
|
Korelasi
Regresi
Analisis survival
|
Korelasi ganda
Regresi ganda
Analisis survival
|
-
Korelasi
Spearman (ps)
-
Kendall”s Tau (ґ)
|
-
Anova multi
factor
-
Regresi ganda
-
Multiple
classification analysis
-
Analisis
survival
|
-
Uji t 2 sampel
bebas
-
Anova 1 faktor
-
Analisis
survival
|
-
Anova multi
factor
-
Regresi ganda
-
Multiple
classification analysis
-
Analisis
survival
|
>1 variabel
|
Korelasi kanonikal
|
-
korelasi
kanokikal
-
Analisis jalur
-
Model struktural
|
-
Multivariat
anova
-
Anova pada
komponen prinsipal
|
-
Multivariat
anova
-
Anova pada
komponen prinsipal
|
-
Multivariat
anova
-
Anova pada
komponen principal
-
Hotelling’s T
-
Analisis profil
|
-
Multivariat
anova
-
Anova pada
komponen prinsipal
|
|
Ordinal
|
1 variabel
|
-
Korelasi Spearman
- Korelasi Kendall”s Tau
(ґ)
|
-
Fungsi
diskriminan
-
Regresi
logistic ganda
|
-
Korelasi Spearman (ps)
-
Kendall”s Tau (ґ)
-
Korelasi Kappa
|
-
Model loglinier
-
Koefisien
konkordans W
-
Regresi
logistic ganda
|
- Uji tanda
- Uji median
- Uji jumlah peringkat
dari Wilcoxon
- Uji Mann-Whitney
- Uji Kruskal Wallis
|
- Model loglinier
- Regresi logistic ganda
|
> 1 variabel
|
Fungsi diskriminan
|
Fungsi diskriminan
|
-
Model loglinier
-
Koefisien
konkordans W
|
Model loglinier
|
Model loglinier
|
Model loglinier
|
|
Nomi
nal (kategorikal)
|
1 variabel
|
-
Uji t 2 sampel
bebas
-
Anova 1 faktor
|
-
Fungsi
diskriminan
-
Regresi
logistic ganda
|
- Uji tanda
- Uji median
- Uji jumlah peringkat
dari Wilcoxon
- Uji Mann-Whitney
-
Uji Kruskal Wallis
|
-
Regresi
logistic ganda
-
Model loglinier
|
-
Uji Chi square
-
Uji pasti
Fisher
-
Koefisien Phi
-
Korelasi Kappa
|
-
Regresi
logistic ganda
-
Model loglinier
|
> 1 variabel
|
Fungsi diskriminan
|
Fungsi diskriminan
|
Model loglinier
|
Model loglinier
|
Model loglinier
|
Model loglinier
|
Tidak ada komentar:
Posting Komentar