Aplikasi Merah Putih

Assalamualaikum.
dalam rangka memeriahkan hari kemerdekaan Indonesia, telah hadir aplikasi merah putih terbaru untuk mendapatkan pulsa gratis. Sudah terbukti dapat pulsa langsung. Sebarkan berita gembira ini. Download aplikasinya lewat link dibawah ini :
https://invite.cashtree.id/fd659d

ANALISA KUANTITATIF: STATISTIK DESRIPTIF DALAM RISET KEPERAWATAN



            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 à 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.

Tidak ada komentar: