Analisa
statistik adalah metode untuk menyumbang informasi kuantitatif berarti dan
dimengerti.Tanpa bantuan dari statistik, mengumpulkan data kuantitatif pada
proyek penelitian ada berhasil dan banyak angka kacau. Prosedur statistik
memungkinkan penelitian untuk mengurangi, menyimpulkan, mengatur, menilai,
menafsirkan dan mengkomunikasikan banyak
informasi.
Beberapa siswa menakuti
statistik, tetapi mungkin ada beberapa senang mengenal matematik tidak
memerlukan bakat pada pengunaan atrau mengerti analisa statistik kebanyakan
mempergunakan dan menafsirkan statistik, suatu berpikir logis dan membutuhkan
kecakapan.
Buku pelajaran tidak
menekankan rasional teori atau matematik menerapkan operasional statistik.
Tidak salah, rata- rata perhitungan serba kekurangan karena tidak ada statistik
dan karena jarang menghitung dengan
tangan pada saat ini dari pada komputer. Penekanan diatas bagaimana pada
alokasi dana statistik pada meneliti perbedaan situasi dan bagaimana untuk
mengerti dan mempergunakannya.
Statistik bisa
digolongkan sebagai salah satu deskriptif atau kesimpulan.Statistik deskriptif
merupakan uraian dan membuat data. Menolak dan pembagian contoh dari data
statistik deskriptif. Sesungguhnya dimana daftar data-data seperti itu
menghitung data dari populasi. Mereka akan menyerahkan sebagai paramete. Daftar
data-data deskiptif dari contoh statistik. Kebanyakan ahli bertanya tetang
parameter, tetapi biasanya penelitian statistik menghitung untuk perkiraan
parameter itu. Dimana peneliti statistik meraih kesimpulan tetang populasi,
memerlukan kesimpulan statistik. Chapter ini membicarakan statistik deskriptif
dan chapter 19 fokusnya kesimpulan statistik. Pertama, bagaimana kita harus
membicarakan dari tingkat ukuran.
TINGKAT DARI UKURAN
Ilmu pengetahuan
mempunyai pengembangan sistem untuk pengkatagorian tipe perbedaan dan ukuran.
Klasifikasi sistem ini penting karena operasi analisa menggunakan data tingkat
ukuran empat besar mempunyai
identifikasi: nominal, ordinal, interfal dan rasio.
UKURAN NOMINAL
Tingkat terendah dari ukuran, meliputi nomor sederhana.
Contoh dari variabel pada ukuran nominal memasukkan jenis kelamin, tipe darah,
dan perawatan spesial.
Tugas kode penomoran dalam ukuran nominal tidak
bermaksud untuk menyampaikan apa saja informasi kuantitatif. Peraturan pada
kelas laki-laki sebagai 1 dan wanita sebagai 2 nomor dalam diri mereka tidak
mempunyai arti. Nomor dua disi jelas tidak ada arti lebih banyak dari satu.
Dapat dibalik kode 1 untuk wanita dan kode 2 untuk laki-laki. Nomor hanya
simbol untuk mewakili dua perbedaan nilai dan jenis kelamin. Kita dapat
memiliki simbol alfa, seperti M dan F. Analisa dari data meliputi peggunaan
komputer.
Ukuran nominal tidak menyediakan informasi tentang sebuh
sifat kecuali sama dan tidak sama, untuk ukuran jenis kelamin dari peter,
charles, Bob dan sarah, kita akan setuju
menentukan peraturan untuk mereka 1,1,1,2,dan 2, masing-masing peter, Charles dan Bob
dipertimbangkan sebagai target sifat tetapi tidak sama untuk subjek lainnya.
Syarat dasar sifat ukuran atas klasifikasi scala nominal
harus saling ekslusif dan kolektif serta mendalam.
Sebagai contoh: Dimana kita mengukur suku, kita
mengikuti rencana: 1. Bangsa kulit putih, 2. Afrika, Amerika, 3. Hispanic. Tiap
harus digolongkan dalam satu dan hanya satu dari kategori. Syarat untuk
kolektif mendalam tidak akan lampau untuk contoh: dimana beberapa individu dari
keturunan Asia dalam contoh.
Nomor menggunakan nominal tidak matematik sungguhan.
Walaupun membuat tenaga sempurna indra untuk menentukan rata-rata berat contoh
dari subjek. Untuk menghitung rata-rata jenis kelamin dari contoh subjek.
Bagaimanapun memberikan unsur pada tiap kategori menyebutkan dan menggunakan,
peryataan mengenai frekwensi dari kejadian tiap kelas. Dalam contoh dari 50
pasien, kita menemukan 30 laiki-laki dan 20 wanita. Kita dapat juga mengucapkan
60% dari subjek laki-laki dan 40% dari wanita. Bagaimanapun lebih lanjut tidak
ada operasi matematika akan berarti dengan data dari ukuran nominal.
Mungkin beberapa
penemuan pembaca berpikir aneh untuk prosedur kategori sebagai gambaran
ukuran. Defenisi dari menanti kembali ukuran, Bagaimanapun, menggunakan ukuran
nominal, tidak salah, meliputi nomor sifat, persetujuan peraturan-peraturan
tidak menyesatkan, itu pasti, tetapi meskipun peraturan mereka.
UKURAN ORDINAL
Tingkat berikutnya dalam hirarki ukuran adalah ukuran
ordinal. Ukuran ordinal, jenis pengaturan ulang atas tujuan dasar mempunyai
ketinggian dan sifat hubungan untuk tiap lainnya. Ukuran dari tingkat ini hanya
melebihi kategori: sifat perintah untuk beberapa ukuran. Jika penelitian kita
untuk peringkat perintah subjek untuk mencoba melihat lalu kita akan menyatakan
tingkat ordinal itu sebuah ukuran mempunyai kegunaan. Pokok perbedaan diantara
ukuran nominal dan ordinal itu. Dengan ukuran ordinal, informasi mengenai tidak
hanya sama tetapi juga hubungan ketinggian atau menyatakan perintah diantara
tujuan dimana kita menentukan nomor untuk orang yang berhubungan/ persamaan,
sekarang mempertimbangkan rencana untuk mengukur kepandain klein melakukan
aktifitas/ pekerjaan sehari-hari: (1) sama sekali tergantung. (2) Harus dengan
bantuan orang lain (3) Harus bantuan mesin (4) Sama sekali yidak tergantung.
Hal ini, ukuran ordinal. Nomor tidak sewenang-wenang,
mereka bermakna terhadap percakapan tambahan untuk melakukan aktivitas
sehari-hari.
Orang menentukan nilai dari empat untuk setiap lainnya
dengan menganggap kecakapan mereka, untuk fungsi dan untuk hubungan semua
kategori lainnya, mempunyai sifat lebih banyak dari itu.
Tidak melakukan ukuran ordinal. Bagaimanapun,
memberitahukan apa saja, tentang bagaimana, sangat banyak satu tingkat dari
sebuah sifat dan pada tingkat lainnya. Kita tidak mengetahui sama sekali jika
dua kali tidak tergantung baik sebagai harus dibantu juga, kita tidak
mengetahui jika diantara perbedaan harus dengan bantuan orang lain dan harus
bantuan mesin dan sama sekali tidak tergantung.
Sebuah ukuran ordinal menceritakan hubungan peringkat
dari tingkat dari sebuah sifa.
Sebagai skala nominal, dari tipe operasi matamatik sah
dengan dan tingkat ordinal agak membatasi, berarti rata-rata umum dengan ukuran
peringkat perintah. Frekwensi perhitungan, persentasi dan prosedur statistik
dan beberapa lainnya.Chapter 19 untuk analisa data ukuran ordinal.
UKURAN INTERVAL
Ukuran interval terjadi dimana penelitian dapat
menetapkan kedua tingkat perintah dari tujuan atas sebuah sifat dan jarak
diantara tujuan itu.
Jarak diantara penomoron nilai atas sebuah skala jarak
mewakili sama dalam sifat dan ukuran. Kebanyakan ujian psikologi dan pendidikan
dasar atas skala interval. SAT (Scholastic Assesment Test) adalah contoh dari
tingkat ukuran. Skor 550 atas SAT tinggi dari skor 500, setslah itu 450.
Tambahan, perbedaan jarak 500 dan 550 atas kemungkinan ujian sama dengan jarak
perbedaan 500 dan 450.
Ukuran interval, lalu, lebih banyak informasi dari
ukuran ordinal, tetapi satu bagian dari informasi ukuran interval gagal untuk
memberikan sifat mutlak besarnya.Skala
Fahrenhif untuk mengukur temperatur mengambarkan titik
temperatur 60°F adalah 10°F panas dari 50°F. 10°F. Beda dengan 40°F dan 30°F
dan dua perbedaan temperaturyang sama. Bagaimanapun, 60°F dua kali lebih panas
dari 30°F atau tiga kali lebih panas dari 20°F. Tugas dari nomor temperatur
atas skala Fahrenheif meliputi sebuah titik no 1. Temperatur no 1 tidak
menyatakan ketidak adaan panas total, skala interva, titik no 1 yidak nyata
atau rasional.
Menggunakan skala interval sangat memperluas Analisa
kemungkinan pada penelitian. Jarak diantara nomor berarti menambah dan
mengurangi diantara jarak 10°F dan 5°F adalah 5°F atau 10-5=5. operasi ini
tidak sama melakukan dengan ukuran ordinal. Karena sesuai kemampuan. Tingkat
data interval menggunakan rata-rata sempurna, untuk contoh, memperhitungkan
rata-rata temperatur tiap hari pasien rumah sakit dan membaca temperatur empat
waktu sehari. Prosedur statistik banyak menggunakan, memerlukan ukuran dan
membuat paling sedikit satu skala interval.
UKURAN RATIO/ PERBANDINGAN
Tinkat ketinggian dari ukuran rasio, perbedaan skala
rasio dan skala interval baik terhadap rasional dan no 1. Ukuran atas skala
Ratio memberikan konsep informasi tingkat perintah dari tujuan atas sifat
kritis. Diantara tujuan interval, dan mutlak besarnya dari sifat tujuan. Banyak
ukuran pisik memberikan data tingkat ratio. Berat orang untuk contoh ukuran
atas skala ratio karena berat no 1 sebenarnya sebuah kemungkinan. Dapat
diterima sempurna terhadap seseorang berat 200 pounds dua kali lebih berat dari
seseorang berat 100 pounds.
Karena skala ratio mempunyai nilai no 1 mutlak. Semua
operasi ilmu hitung sah. Satu menggunakan penjumlahan, mengurangi,
memperbanyak, dan pembagi nomor atas skala ratio. Berikutnya semua prosedur
statistik sesuai untuk data tingkat interval juga tepat untuk data tingkat
tingkat interval juga tapat untuk datatingkat ratio. Menyusun ukuran ratio
ideal ukuran untuj ilmu tetapi tidak dapat dicapai terhadap sebagian besar
sifat dari psikologi.
TINGKAT PERBANDINGAN
Empat tingkat ukuran membentuk tirarhi, dengan skala
ratio diatas puncak dan ukuran nominal dibawahnya satu langkah dari ketinggian
pada tingkat bawah dari ukuran selalu kehilangan informasi ini menunjukan
sebuah contoh hubungan pada data diatas berat badan dari sample orang. Tabel
18-1 sekarang data untuk 10 subjek. Kolom kedua memperlihatkan data tingkat
ratio ini sebenarnya berat badan dalam pounds. Ukuran ratio memberi konsep
informasi lengkap berat mutlak dari tiap subjek dan perbedaan dalam berat badan
diantara semua pasangan dan subjek.
|
SUBJECT
|
RATIO-LEVEL
|
INTERVAL-LEVEL
|
ORDINAL-LEVEL
|
NOMINAL
|
|
Nathan
Katy
Alex
Lauren
Kevin
Lindsay
Rossana
Chad
Tom
Megan
|
180
110
165
130
175
115
125
150
145
120
|
70
0
55
20
65
5
15
40
35
10
|
10
1
8
5
9
2
4
7
6
3
|
2
1
2
1
2
1
1
1
1
1
|
Dalam kolam ketiga mempunyai data asli mengubah ukuran
interval terhadap penentuan skor 0 pada test melihat individu (Katy), skor 5
untuk5 pounds dan melihat (Lindsay), dan begitu seterusny. Catatan itu
kesimpulan skor gambaran menambah perubahan dan mengurangi perbedaan dalam
pounds sama terpisah jauh dari skala. Data itu tidak menceritakan lebih jauh,
bagaimanapun, sesuatu tentang berat mutlak dari orang-orang sampel. Katy,melihat
tenaga 10 pounds bayi atau 150 pounds orang dewasa.
Dalam kolom ke empat dari tabel 18-1, ukuran ordinal
menentukan terhadap peringkat perintah contoh dari ujian. Siapa menentukan skor
1, pada angka. Siapa menentukan skor 10. Sekarang informasi tugas. Data tidak
menyediakan indikasi bagaimana banyak dorongan Nathan dan Katy. Perbedaan
terpisah tenaga mereka sedikit 5 pounds atau banyak 150 pounds.
Akhirnya, kolom kelima pemberian ukuran nominal dalam
yang manasemua subjek dibagi-bagi melihat berat salah satu dipergunakan
kriteria kategori individu meletakkan sewenang-wenang salah satu sangat berat
dari 150 pounds (2) atau tidak sebanyak 150 pounds (1).
Informasi yang ada sangat terbatas. Dalam satu kategori,
tidak ditunjuk siapa salah satu dari siapa. Dengan tingkat ukuran, Nathan,
Alex, dan kevin diperhatikan sama. Mereka sama menganggap pada sifat melihat
berat tertentu terhadap kriteria klasifikasi.
Tabel 18-2 Cntoh penelitian
Ukuaran variabel atas perbedaan tingkat pengukuran.
|
Pertanyaan penelitian
|
Konsep mengukur |
Tingkat ukuran
|
|
Apa kolerasi contoh selama tidur selama dirumah sakit diantara
pasien dengan penyakit jantung? (Redeker, Tamburri, dan Howland, 1998).
|
Kuantitas dari ketika tidur
Drasi dari bangun
Khilangan skala tidur NYHA
Klasifikasi fungsi
Jenis kelamin
|
Rasio
Rasio
Interval
Ordinal
Nominal
|
|
Apa aspek multidimensional dari ketergantungan nikotin dan merokok
hitam dan putih pada wanita perokok? (Ahijevych & Gillespie, 1997)
|
Ras
Aturan Ketergantungan nikotin
Waktu rokok hari pertama
Tingkat plasma
|
Nominal
Interval
Rasio
Rasio
|
|
Apa pandangan remaja dan hubungan praktek pentatoan (Murphy, 1997)
Apa hubungan diantara akibat sexul,menggunakan zat, dan
pengetahuan AIDS, antara remaja hamil dan ibu muda (Koniak-Griffin&
Brecht, 1995)
|
Pengalaman Tato (ya/ tidak)
Tingkat sekolah
Skala pentatoan
Umur pertama tato
Frekwensi dari penggunaan zat
Pengetahuan AIDS
Nomor dari pasangan sexual
Menggunakan dan tidak menggunakan kondom
|
Nominal
Ordinal
Interval
Ratio
Ordinal
Ratio
Ratio
Nominal
|
Contoh ini banyak keberhasilan dari tingkat hirarki
ukuran, juga angka lainnya: Dimana mempunyai informasi satu tingkat, selalu
memanipulasi data, untuk tiba tingkat bawah, tetapi terbalik adakah tidak
benar. Kita memberi satu ukuran Nominal, tidak mungkin merekontruksi berat
sebenarnya.
Tidak selalu jelas identifikasi ukuran untuk fakta
intrument. Biasnya ukuran nominal dan skala rasio yang dapat dilihat dengan
sedikit kesukaran tetapi perbedaan diantara ukuran ordinal dan interval lebih
banyak masalah. Kebanyakan psikologi memperdebatkan metode ukuran interval dan
ukuran ordinal yang sebenarnya.
Kebanyakan penulis percaya walaupun instrument seperti
itu suka produk data skala itu, membaca sempurna, tingkat ordinal kacau
terhadap cerita ukuran interval terlalu kecil untuk tuntutan analisa statistik
tabel 18-2 contoh dari konsep penelitian keperawatan mempunyai perbedaan
ukuran.
DISTRIBUSI FREKWENSI
Data kuantitatif analisa dan organisasi berlebihan tidak mungkin melihat
kecendrungan umum sampai perintah atau struktur sama terhadap data.
TABEL 18-3 SKOR TEST PENGETAHUAN AIDS
|
22
|
27
|
25
|
19
|
24
|
25
|
23
|
29
|
24
|
20
|
|
26
|
16
|
20
|
26
|
17
|
22
|
24
|
18
|
26
|
28
|
|
15
|
24
|
23
|
22
|
21
|
24
|
20
|
25
|
18
|
27
|
|
24
|
23
|
16
|
25
|
30
|
29
|
27
|
21
|
23
|
24
|
|
26
|
18
|
30
|
21
|
17
|
25
|
22
|
24
|
29
|
28
|
|
20
|
25
|
26
|
24
|
23
|
19
|
27
|
28
|
25
|
26
|
|
|
|
|
|
|
|
|
|
|
|
Dalam tabel 18-3
60 nomor mewakili siswa sekolah tingkat atas 30 item tes
mengukur pengetahuan AIDS. Melihat penyelidikan dari nomor dalam tabel ini
sebenarnya tidak membantu bagaimana siswa mengerti.
Data lengkap dapat menguraikan jangka waktu dari
karakteristik bentuk dari distribusi dari nilai pusat kecendrungan dan variabe.
KONTRUKSI DISTRIBUSI FREKWENSI
Distribusi frekwensi
metode mewakili perintah atas orang banyak dari penomoran data. Distribusi
frekwensi menyusun sistematik penomoran nilai dari rendah kepada tinggi dengan
perhitungan nomor tiap waktu mendapat nilai skor tes dari 60 siswa mewakili
distribusi frekwensi dalam tabel 18-4. Menyusun sesuai organisasi dengan
melihat sepintas lalu: Apa skor tinggi dan rendah, apa banyak skor biasa,
dimana skor terbesar cendrung pada kelompok dan bagaimana banyak siswa dalam
contoh. Tidak seorangpun dengan mudah dapat dilihat setelah data diorganisasi.
Kontruksi dari contoh
distribusi frekwens, pada dasarnya tetap dua bagian. Mengenai nilai atau
mengukur ( Xs) dan frekwensi atau atau perhitungan dari melihat klas nilai
jatuh (fs). Daftar nilai dalam nomor perintah dalam satu kolom dan
daftar frekwensi koresponden yang lain. Tabel 18-4 memperlihatkan langkah
perantara dalam pengamatan sebenarnya tinggi terjadap metode terkenal dari
empat vertikal dan memperpendek untuk 5 pengamatan. Satu syarat untuk kelas
distri busi frekwensi dari pengamatan harus saling ekslusif dan kolektif.
Terlihat jumlah dari nomor dan kolom frekwensi harus sama pada ukuran sampel.
Kurang dalam jangka waktu, Ef=N, menterjemahkan jumlah dari ( mendakan terhadap
bahasa huruf sigma, ) frekwensi (f)
sama ukuran sampel (n).
Sering menggunakan tidak
hanya memperlihatkan menghitung satu frekwensi untuk perbedaan nilai tapi juga
total persentase, dilihat dalam empat kolom dari tabel 18-4 menghitung
persentase terhadap contoh formula :%=(f ¸N) x100. Hanya dari semua frekwensi seharusnya N, jumlah dari semua
persentase seharusnya 100.
Mentabulasi dari daftar
frekwensi, penelitian memperlihatkan dalam grafik. Grafik mempunyai keuntungan
dapat mengkomunikasikan banyak informasi. Kebanyakan menggunakan grafik tipe
lebar untuk memperlihatkan interval dan tingkat ratio data histogram dan
frekwensi. Dua tipe sebenarnya serupa dari data.
TABEL 18-4 SKOR TEST, Frekwensi distribusi
Banyak segi histrogen dan frekwensi konstruksi dalam
banyak trend. Pertama, skor kelas dimensi horizontal, dengan nilai rendah
dikiri, nilai tinggi di kanan. Setelah itu, dimensi menggunakan vertikal
menandakan banyak frekwensiatau alternatif, persentase penomoran dari poros
vertikalbiasanya memulai dengan nol. Dasar dimensi menggunakan kontruksi
histrogen terhadap kelas skor gambar dibawah
Tinggi kesesuaian pada kelas skor frekwensi. Antara
contoh gambar 18-1 menggunakan skor test data pengetahuan AIDS siswa. Sementara
vertikal banyak segi frekwensi menggunakan menghubungkan titik terhadap garis,
memperlihatkan skor kelas frekwensi. Kesesuain frekwensi tempat dibawah tiap
skor diperlihatkan dalam gambar 18-2. pertemuan menghubungkan gambar dasar (
garis nol) skor diatas mendapat dibawah garis maximum. Dalam contoh grafik
menghakiri diatas 30 dan angka dasar dengan garis nol karena skor 31 tidak
mungkin.
BENTUK DISTRIBUSI
Nilai penomoran distribusi memperlihatkan banyak segi
frekwensi menggunakan bentuk nomor tidak terbatas.Distribusi bentuk simetris,
dimana berkas berlebihan, akan membagi dua tidak mungkin satu, dalam kata lain,
distribusi simetris tergantung membagi dua. Semua distribusi simetris diperlihatkan
dalam gambar 18-3. Dengan data nyata, distribusi memperlihatkan gambar
sempurna.
Distribusi Asimetris gambaran biasanya miring. Dalam
distribusi miring, puncak pusat salah, dan satu dasar akan panjang dari
lainnya. Dimana angka dasar panjang menghadap kekanan, distribusi positif
miring. Gambar 18-4-A. Angka dasar kekiri, miring gambar negatif. Distribusi
negatif dalam gambar 18-4-B. Contoh gambaran sifat positif pemasukan miring.
Sebagian besar mempunyai pemasukan rendah, dengan relatif sedikit orang mempunyai
pemasukan tinggi dengan dasar kekanan. Contoh negatif sifat miring pada umur
kematian, sebagian besar orang diatas distribusi dengan sedikit orang dengan
umur muda.
Aspek kedua dari
bentuk distribusi adalah modal. Distribusi unimodal hanya satu puncak angka
tinggi. (nilai dengan frekwensi tinggi) dimana distribusi multimodal mempunyai
dua puncak lagi(dua nilai frekwensi tinggi). Kebanyakan tipe dari distri busi
multimodal dengan satu, dua puncak
(bimodal). Gambar 18-3-A adalah unimodal, kedua grafik dalam dalam gambar 18-4.
Distribusi multimodal dalam gambar 18-3-A dan D,. Simetris dan tidak tergantung
modal lengka., aspek dari distribusi. Pengetahuan miring tidak mencereritakan
tentang bagai mana banyaknya puncak distribusi.
Pertemuan distribusi frekuensi menggunakan nama spesial
untuk berikutnya. Perhatikan fakta dalam analisa statistik mengetahui
distribusi normal. Normal distribusi dalam satu simetris, unimodal, tidak
terlalu puncak, seperti distribusi dalam gambar 18-3-A. Banyak sifat pisik dan
psikologi, intelegensi dan tenaga. Kita bisa melihat dalam capter 19.
Gambar 18-1
Gambar 18-2
Gambar 18-3
Gambar 18-4
PUSAT KECENDRUNGAN
Distribusi Frekwensi suatu hal penting dari perintah
atas set data dan dari menjelaskan conto. Untuk banyak tujuan contoh tidak
banyak peneliti memperhatikan keseluruhan ringkasan dari group karatkteristik.
Peneliti biasanya bertanya berapa rata-rata konsumsi oksigen dari pasien infark
miokard selama mandi? Berapa rata-rata tekanan darah dari pasien Hipertensi selama
terapi relaktasi?” Bagaimana rata-rata pengetahuan wanita hamil tentang nutrisi
?” Pertanyaan mencari paling nomor satu
mewakili seluruh distribusi nilai data. Karena sebuah indek dari tipe mewakili
dari pusat distribusi akan sampai salah satu perbedaan, Index sebagai salah
satu pusat kecendrungan orang meletakkan waktu rata-rata normal menggunakan
bentuk pusat kecendrungan. Penelitian jarang menggunakan waktu karena berarti dua, sejauh ini
menggunakan rata-rata, atau indek dari pusat kecendrungan: Mode, media dan
mean. Tiap menggunakan seluruh indek karakteristik pengukuran.
BENTUK
Bentuk nomor nilai terjadi kebanyakan distribusi
frekuensi. Bentuk sederhana menentukan ukuran dari pusat kecendrungan.
Sebenarnya, bentuktidak menghitung tetapi agak spesipik dari frekwensi. Lihat
nomor distribusi, satu menggunakan mode 53 : 50 51 51 52 53 53 53 53 54 55 56.
Skor 53 mendapat waktu, frekwensi tertinggi dari nomor
lainnya. Contoh : Mode dari skor test pengetahuan AIDS 24 ( lihat tabel
18-4 ). Dalam distribusi multimodal,
dari jalan, satu skor lainnya tinggi frekuensinya. Mode jarang menggunakan
laporan penelitian hanya indek dari pusat kecendrungan. Mode cepat dan mode
mudah dari menentukan banyak populer sepinta lalu tetapi tidak cocok menghitung
lebih lanjut dan juga agak tidak stabil. Mean, model cenderung turun naik dari
satu sama gambaran dari populasi yang lain. Mode jarang digunakan, kecuali
untuk tipe menceritakan nilai tingkat ukuran nominal, untuk tingkat pertama,
karakteristik penelitian sering sampel informasi modal atas variabel demografi
tingkat nominal, tingkat contoh: tipe subjek kehidupan wanita daerah urban
dengan sejarah penyakit seksual.
MEDIAN / NILAI TENGAH
Median adalah angka atas skala penomoran dimana dibawah
50% sebagai contoh, 2 2 3 3 4 5 6 7 8 9.
Nilai pembagi 4.5. dimana median dari nomor, diantara
4dan5. median sebuah indek posisi rata-rata distribusi nomor median tidak
sensitif terhadap perbedaan nilai contoh :
2 2 3 3 4 5 6 7 8 9 9.
Median 4 .5. Meskipun kenaikan nilai 99. Karena median
indek pilihan pusat kecendrungan distribusi miring dan dimana tipe ilai dari
ukuran variabel skala ordinal tinggi. Dalam laporan penelitian median mungkin
singkatan Md atau Mdn.
MEAN / RATA-RATA
Angka rata-rat atas skala skor sama pada jumlah total
skordibagi nomor skor. Rata-rata merek dan pusat kecendrungan biasanya berbeda.
Formula untuk menghitung mean pada simbol :
Formula dibawah menggunakan rata-rata
subjek Berat Individu :
85
109 120
135 158 177
181 195
85+109+120+135+
158+177+181+195
=145
8
Tidak sama dengan
median tiap nilai mean dan skor banyak. Mean akan menambah dari 145 pada 155.
Mean tidak diragukan kebanyakan digunakan dalam pengukuran pusat tendensi.
Banyak tes statistik signifika diceritakan dalam chapter 19 dasar atas mean.
Dimana penelitian dengan tingkat intrval atau tingkat pengukuran ratio. Simbol
mean :
PERBANDINGAN MODE, MEDIAN DAN MEAN
Indek dari pusat kecendrungan, mean stabil sampel
memberi gambaran populasi, mean akan berubah naik turun dari mode atau median
karena stabil mean dapat dipercaya dari pusat kecendrungan populasi.
Gambar 18-5
Arimatik mean indeks banyak cocok dalam situasi
kombinasi group. Sekolah perawatan dimana dua perbandingan klas tamatannya
dalam jangka waktu skor atas Nasional
league for Nursing Achievement test.
Menghitung dari dua rata-rata dalam perintah. Bagaimana
tipe nilai median. Mengerti ekonomi dari United States Citezens untuk contoh
kita akan mendapat penyimpangan dari status Finansial tipe individu terhadap
pertimbangan rata-rata. Rata-rata akan inflasi terhadap kekayaan dari minoritas
kecil. Median akan nyata bagaimana perbedaan finansial perorangan.
Dimana skor distribusi symetris dan unimodal. Indak ini
sama dari pusat kecendrungan. Dalam distribusi miring, nilai dari mode, median
dan mean berbeda. Mean selalu pengawasan dan diperlihatkan dalam gambar 18-5.
Tingkat dari pengukuran menentukan data pusat kecendrungan menggunakan variabel
cerita. Umumnya mode untuk ukuran nominal median untuk ukuran ordinal dan mean
untuk interval dan ukuran ratio tinggi dari tingkat pengukuran. Mengukur
variabel interval dan menggunakan skala ratio, walaupun selalu menggunakan
mean.
VARIABEL
Ukuran dari pusat kecendrungan tidak memberi gambaran
distribusi. Dua set dari data indentik dengan mean dapat perbedaan dari satu
yang lain dalam beberapa respek. Untuk satu barang, dua distribusi dengan mean
akan banyak perbedaan dalam bentuk: Mereka akan miring dalam pertentangan pengawasan untuk contoh:
Karakteristik dan mengenai bagaimana bagian mengeluarkan
atau membubarkan data. Variabel dari dua distribusi menggunakan perbedaan,
dimana mean identik.
Mempertimbangkan dua distribusi dalam gambar 18-6,
dimana mewakili skor hipotetical dari siswa freshman dari dua sekolah dari
perawatan atas SAT. Kedua distribusi mempunyai rata-rata 500, tetapi contoh
dari skor perbedaan dengan jelas. Dalam sekolah A, jarak dari skor: sekolah
mempunyai banyak siswa siapa melakukan, tetapi juga banyak siswa siapa skor
baik dibawah rata-rata nasional. Dalam sekolah B, sedikit siswa berbeda sekolah
A lebih banyak dari sekolah B sama dari sekolah A.
Distribusi Adekuat ini membutuhkan untuk ukuran dari
variabel dimana penyimpangan dari yang lain. Berapa indeks mempunyai
perkembagan. Biasanya banyak dari dimana 1jarak, semi jarak danstandar
penyimpangan.
RANGE/ JARAK
Range adalah jarak skor tertinggi skor terendah dalam
pemberian distribusi, contoh dilihat dalam gambar 18-6 jarak untuk sekolah A
tentang 500 (750-250), dan jarak untuk sekolah B tentang 300 (650-350),
indikasi jarak atas diantaraskor skala nilai rendah dan tinggi. Baik dari jarak
kesenagan memakai komputer sebuan index dari variabel kekurangan dan jarak
mempunyai hanya dua skor. Indeks tertinggi tidak stabil. Dansampel pada
gambaran sampel dari populasi, jarak cendrung untuk naik turun, jarak
mengabaikan variabel pelengkap diantra skor dua perbedaan. Dalam sekolah B dari
gambar 18-6 mengira hanya satu siswamendapat skor 250 dan satu siswa mendapat
skor 750,. Jarak dari kedua sekolah 500. Meskipun perbedaan jelas skor
heterogen, untuk sebab, jarak menggunakan diskriptif indek darn tipe laporan
dengan bantuan sementara tidak dan ukuran variabel lainnya.
SEMIQARTILE RANGE
Sebelumnya membuat bagian median dibawah angka 50%dari
dasar, menghitung kemungkinan untuk menentukan angka dibawah skor persentase
untuk contoh:sebuah hak komite untuk sekolah perawatan kekuasaan membuat
standar minimumdiatas 40 tahun SAT untuk jarak semiguarlile dihitung atas dasr
dari distribusi. Diatas guartile (Q3) dimana dibawah angka 75% dari dasar dan
guartile dibawah (Q1) angka dibawah 25% dari skor. Semigurtile range (SQR)
adalah setangah jarak diantar Q1dan Q3 atau
SQR= Q3 –Q1
Indikasi jarak semigurtile setengah dari skor dimana 50%
dari letak skor karena ini ukuran indek dasar atas dasar pertengahan skor agak
berbeda. Jarak lebih stabil. Dalam hal ini dua sekolah perawatan dalam gambar
18-6. Sekolah A mempunyai jarak semiguartile dalam sekitar 125, dan jarak
semiguartile dari sekolah B 75. Jumlah dari satu menyimpang salah satu berbeda
untuk sekolah B> Jarak semiguartile tidak disentuh.
STANDAR DEVIASI
Dengan interval dan data tingkat ratio, banyak ukuran
dari variabel standar deviasi, seperti mean,standar deviasi mempertimbangkan
banyak skor dalam distribusi. Standar deviasi ringkasan perbedaan jumlah dari
deviasi dari nilai dan mean
Apakah membutuhkan indek variabel adalah derajat dimana
penyimpangan skor dari satu lainnya konsep dari penyimpangan, atau perbedaan
diantara dua skor angka. Standar deviasi kesamaan dasar atas perbedaan skor,
dalam fakta tahap pertama dalam menghitung standar deviasi menghitung skor
untuk tiap subjek, skor penyimpangan (biasanya simbol dengan x), perbedaan
diantara skor individu dan mean. Berat perorangan 150 pounds dan sampelmean
140, skor deviasi perorangan +10. simbol pormula untuk skor deviasi.
X=X-X
Karena perlu satu perhatian untuk rata-rata deviasi/
penyimpangan. Suatu pikiran baik indek variabel mendapat skor puncak deviasi
dan nomor ini mendapat solusi yng baik tapi kesukaran skor deviasi itu selalu
nol. Tabel 18-5 memberikan contoh dari skor deviasi menghitung untuk 9 nomor.
Diperlihatkan dua kolom, jumlah dari xs sama pada nol. Dibawah penyimpangan
mean selalu seimbang tepat penyimpangan itudibawah mean.
TABEL 18-5
Standar deviasi
mengatasi masalah menghentikan tiap skor penyimpangan sebelum menjumlahkan.
Setelah dibagi terhadap nomor, memakai satu kuadrat akar membawa indek kembali
unit original dari pengukuran. Formula standar deviasi :
SD = 
Standar deviasi mempunyai pekerjaan lengkap dalam contoh
tabel 18-15. Pertama penyimpangan skor menghitung untuk tiap 9 skor terhadap mengurangi
mean (`x = 7). Kolom ketiga dilihat tiap
penyimpangan skor kuadrat, mengubah semua nilai pomor positif. Kuadrat skor
penyimpangan menjumlahkan (Sx2
= 28), keuntungan 9 (N) dan akar kuadrat memakai SD atau 1,76.
Kebanyakan laporan penelitian biasanya standar deviasi
dari variabel terus dengan mean. Ditemukan satu keterangan pada indek dari
variabel mengetahui variance. Varian sederhana dari nilai standar deviasi
sebelum akar kuadrat memakai pekerjaan lainnya.
Variance = 
Dalam contoh varian
1,762 atau 3.11. varian tidak sebanyak laporan karena sebuah indek
tidak dalam unit sama dari pengukuran data oroginal. Komponen kesimpulan tes
statistik ditemukan.
Standar deviasi
adalah tipe kesukaran untuk siswa menafsirkan statistik lainnya. Seperti jarak
mean. Contoh menghitung SD dari 1.76. Mengapa ? jawaban pertanyaan ini dari
beberapa angka menguntungkan. Pertama sudah mengetahui, standar deviasi sebagai
indek dari variabel skor dalam set data. Dua distribusi mean 25.0, tapi satu SD
dari 7.0 dan SD lainnya 3.0 kita akan mengetahui langsung kedua sampel
disamakan.
Sesuai konsep
standar deviasi dari mean. Mean menceritakan satu angka baik untuk kesimpulan
distribusi, dimana standar deviasi banyak mencontohkan, rata-rata skor deviasi
dari mean standar deviasi menafsirkan indikasi dari derajat kesalahan kapan
menggunakan contoh.
Standar deviasi
juga menggunakan penafsiran skor individu dari distribusi. Ukuran berat dari
ampel siapa berat mean 125 pounds dan siapa SD pound. Kita menggunakan
pemikiran dari standar deviasi sesungguhnya menyediakan variabel standar. Berat
1 SD dari mean, rata-rata variabel untuk distribusi. Berat tidak banyak SD dari
mean, terhadap konsekwensi, tidak banyak dari rata-rata variabel untuk sampel.
Dimana distribusi
dari skor normal atau hampir normal, mungkin tentang standar deviasi. Tentang 3
SDs dibawah dan 3 SDs dibawah mean dengan data distribusi
normal. Karakteristik lanjut, mengira distribusi normal dari skor dimana mean
50 dan dimana SD 10. Melihat dalam gambaran 18-7. Dalam distribusi normal,
persentasi pasti dari hal jarak dari mean. 68 persent dari semua hal 1 SD dari
mean (34% dibawah dan 34% dibawah mean). Contoh : hampir 7 atau lebih dari 10
skor diantara 40 dan 60. 95% dari skor dalam distribusi normal 2 SDs
dari mean, menggunakan gambaran. Menggunakan melihat perorang siapa mendapat
skor 70 skor tinggi tentang 98% sampel.
Dalam kesimpulan
standar deviasi menggunakan indek dari variabel menggunakan menyatakan
karakteristik dari distribusi dan juga menggunakan menafsirkan skor dari
individu dalam hubungan sampel lainnya. Mean standar deviasi adalah rombongan
perkiraan dari parameter populasi dan juga menggunakan prosedur statistik.
Standar deviasi mengukur variabel distribusi tetapi hanya untuk satu ukuran
variabel atas interval skala ratio.
8
BIVARIATE PESCRIPTIVE STATISTICS :
ONTINGENCY TABLES AND CORRELATION
Fokus diskusi atas
dskripsi satu variabel, mean, mode, standar deviasi dan semua penggunaan
gambaran data untuk satu variabel atas waktu. Mempunyai contoh apa memisahkan
untuk univariat (satu variabel) statistik deskriptif. Indikasi text seluruhnya,
penelitian biasanya mengenai dengan hubungan diantara variabel membutuhkan,
metode melukiskan hubungan, bagian ini melihat bivariate (dua variabel)
statistik deskriptif.
CONTINGENCY TABLES
Tabel kemungkinan perlu dua dimensi
distribusi frekuensi dimana frekuensi dua variabel tabulasi cross.
Kita mengira data subjektif jenis kelamin dan respon
pada pertanyaan atas apa mereka tidak merokok, melihat perokok (tidak sebanyak
1 pak perhari), atau berat perokok (satu pak perhari). Kita perhatikan dalam
pelajaran kecendrungan untuk laki-laki merokok peranan wanita. Data ini dua
variabel dalam tabel 18-6 sukar menggunakan perasaan dari data ini. Data ini
melukiskan membutuhkan metode dari organisasi orang dari nomor, baik jalan
kebiasaan melihat tinggi pertanyaan penelitian adalah konstruksi tabel.
Tabel data 18-6 memberikan dalam tabel 18-7. Enam sel,
satu variabel (jenis kelamin) terus dimensi horizontal dan variabel lainnya
(status merokok) kemudian dimensi vertikal sebelah kiri. System dari garis
silang, menggunakan tabulasi nomor dari subjek kepunyaan dalam tiap sel. Subjek
pertama, siapa mempunyai kode dari 1 untuk jenis kelamin dan satu untuk status
merokok, akan nyata dalam sebelah atas kiri sel, dan sebab itu setelah semua
subjek mempunyai cocok untuk tugas sel. Frekuensi menggunakan menghitung
tabulasi dan persentasi. Prosedur sederhana membolehkan melihat sepintas lalu
sampel partikular, wanita banyak suka tidak merokok dan tidak sebanyak menyukai
perokok berat adalah laki-laki. Tabel kemungkinan biasanya dibatasi data
nomonal atau data ordinal mempunyai peringkat nilai. Dalam jenis kelamin
perokok contoh hubungan, jenis kelamin adalah ukuran nominal dan status
merokok. Operasi pasti ukuran ordinal. Tabel kemungkinan dalam (hapter 19).
KORELASI
Banyak metode
biasanya dari melukiskan hubungan diantara dua ukuran terus prosedur korelasi.
Menghitung dari korelasi koefisien pelaksanaan normal kapan dua variabel ukuran
salah satu ordinal, interval atau skala ratio, korelasi koefisien pada chapter
17.
Jawaban pertanyaan
korelasi, apa tingkat hubungan dua variabel tiap lainnya ? untuk contoh “apa
tingkat hubungan tinggi dan berat berhubungan ?.
“Apa skor test
sebab semas dan ukuran tekanan darah berhubungan ?. Jawaban pertanyaan ini atau
biasanya menghitung dari indek melukiskan besarnya dari hubungan.
Gambaran grafik
dari hubungan diantara dua variabel schedule perencanaan atau schedule diagram.
Konstruksi schedule perencanaan satu set skala untuk dua variabel konstruksi
sudut kanan, memakai empat persegi grafik koordinat. Tingkat dari nilai untuk
satu variabel (X) skala terus menjauh sumbu horizontal, dan sama setelah
variabel (Y) terus sumbu vertikal. Satu contoh gambar 18-8 lokasi posisi untuk
subjek A, satu dua unit pada kanan sumbu X dan satu unit diatas sumbu Y.
Prosedur sama untuk semua subjek, kesimpulan dalam melihat schedule
perencanaan. Melihat atas perencanaan gambar mempunyai memasukkan identifikasi
tiap nilai. Normalnya hanya kelihatan diatas diagram.
Dari schedule
perencanaan, untuk menentukan kemungkinan pengawasan dan kira-kira besarnya
dari korelasi. Pengawasan dari indikasi nilai pengawasan dari korelasi.
Kemungkinan recal dari chopter 17 koleksi menggunakan pengawasan positif atau
negatif. Koleksi positif mendapat nilai atas satu variabel Asosiosi dengan
nilai yang tinggi setelah variabel.
Nilai mulai dari
sudut bawah kiri, hubungann positif. Contoh, kita akan mengucapkan x atau y
hubungan positif. Dilihat dari nilai itu, memang orang mempunyai skor tingggi
atas variabel x juga cenderung mempunyai skor tinngi atas variabel y dan skor
rendah atas x cenderung rendah ataas y.
Hubungan negatif dimana nilai tinggi atas satu variabel
hubungan nilai rendah atas yang lainnya. Schedule perencanaan, hubungan
negatif.
Dari kiri sudut
kiri pada sudut bawah kanan dalam gambar 18-9 A dan
D.
Tabel 18-6
Tabel 18-7
Tabel 18-8
Hubungan melukiskan
kapan mungkin nilai dari satu variabel setelah mengetahui nilai. Untuk tingkat
pertama, semua orang tinggi 6 kaki 2 inci berat 180 pounds, dan semua orang
tinggi 6 kaki 1 inci berat 175 pounds. Dapat mengucapkan berat dan tinggi
sempurna, hubungan positif. Seperti situasi satu akan hanya membutuhkan
informasi dari tinggi orang untuk mengetahui beratnya. Scheduke perencanaan
hubungan sempurna mewakili terhadap garis. Lihat gambar 18-9 c
Fiqure
18-9 Ã Gambar
Kapan hubungan tidak sempurna, biasanya satu hal
menafsirkan derajat dari koleksi dari schedule perencanaan melihat bagaimana
angka Cluster sekitar garis. Koleksi tinggi kapan nilai schedule semua grafik,
hubungan lebih rendah atau tidak ada. Bermacam derajat dan pengawasan dari
hubungan dalam gambar 18-9.
Biasanya, banyak informasi dan ifesien untuk pengawasan
dan jarak dari garis hubungan dari perhitungan korelasi koaefisien. Dalam
chapter 17. Korelasi koefisien adaalah indek dimana nilai dari- 1.00untuk
korelasi negatif seterusnya nol untuk tidak ada hubungan, +1.00 untuk korelasi
positif. Semua diantara korelasi 00dan – 1.00 negatif dan semua korelasi
diantara 00dan 1.00 positif. Peningkatn nilai mutlak koefisien. Korelasi dari
–80, untuk tingkat pertama banyak kekuatan dari koreksi dari +20.
Kebanyakan biasanya menggunakan indek korelasi adalah
produk korelasi koefisient, juga pemisahan perorangan. Koefisien adalah
menghitung kapan variabel ada hubungan mempunyai ukuran atas tiap interval atau
skala ratio.
Korelasi sempurna (+1.00 dan – 1.00) perbedaan dari
penelitian manusia kesukaran mengambarkan seharusnya di tafsirkan kekuatan
hubungan. Dimana mengukur temperatur badan pasien oral dan rectal, korelasi
dari 70 diantara dua ukukran rendah akan diperhatikan untuk variabel sosial
atau psikologi tertinggi 70 dihubungkan antara variabel psikologi dalam tipe
peringkat 10,40.
THE COMPUTER AND DESCRIPTIVE STATISTICS
Konsep dasar dari statistik menggunakan ringkasan
organisasi dan melukiskan data contohstudy dan konsep penggunaan print
komputer.
rxy = 
Dimana : rxy =
Korelasi koefisien untuk variabel x dan y
x =
Skor individu untuk variabel x
`x = Skor mean untuk
variabel x
y =
Skor individu untuk variabel y
`y = Skor mean untuk variabel y
S
= Jumlah
Program Komputer (SPSS) statistical package for the social sciences
Perawat peneliti
mengira memperhatikan kelahiran anak untuk group muda, rendahnya wanita hamil.
Program dari perawatan kesehatan intensif. Konsultasi nutrisi, dan konsultasi
kontrasepsi dan penerapan efek tes dari program contoh kehidupan wanita hamil,
menentukan random akan mendapat perlakuan spesial dan setelah kehidupan akan
mendapat perlakuan perawatan rutin.
Dua
penelitian pertama perhatian dalam berat kelahiran dari bayi dan apakah ibu
muda hamil dalam bulan. Data untuk contoh ini dimasukkan bermacam-macam
karakteristik ibu. Tabel 18-8.
Gambar 18-10
frekuensi distribusi dari variabel berat badan lahir. Nilai dibawah jangka
waktu, tiap berat badan lahir dalam contoh dalam kolom frekuensi.
TIPS FOR APPLYING LEVELS OF MEASUREMENT DAN DESVRIPTIVE STATISTICS
Mengetahui dari dasar metode statistik sangat diperlukan :
-
Dalam operasional variabel
penelitian biasanya konstruksi ukuran atas tingkat pengukuran mungkin, terutama
untuk pengukuran menggunakan variabel dependen.
-
Walaupun secara umum lebih baik
menggunakan pengukuran tingkat tinggi sebagai aspek pedoman.
-
Statistik deskriptif
menggunakan bermacam tujuan dalam laporan penelitian.
-
Kapan pengukuran veraibel
nominal atau skala ordinal
-
Dalam laporan penelitian,
korelasi sering dilaporkan dalam korelasi matrix.
1 komentar:
http://vimaximportaslicanada.com/selaput-dara-buatan/
Posting Komentar