agus joko pitoyo, s.si., m.a. fakultas geografi, ugm
DESCRIPTION
Analisis Variabel Sosial Ekonomi. Agus Joko Pitoyo, S.Si., M.A. Fakultas Geografi, UGM. 1. Penyajian Melalui Tabel. Bagian-bagian dalam Tabel. Nomor Title (Judul), biasanya ditempatkan di atas tabel, harus jelas, singkat, dan lengkap Judul yang baik akan menjawab what, when, dan where - PowerPoint PPT PresentationTRANSCRIPT
Agus Joko Pitoyo, S.Si., M.A. Fakultas Geografi, UGM
1
Analisis Variabel Sosial Ekonomi
Bagian-bagian dalam Tabel
1. Nomor2. Title (Judul), biasanya ditempatkan di atas tabel, harus jelas, singkat, dan lengkap3. Judul yang baik akan menjawab what, when, dan where4. Stub (Judul baris) adalah kolom paling kiri, termasuk kepala kolom tersebut. Stub
memberi suatu keterangan/penjelasan secara terperinci tentang gambaran pada tiap baris dan badan tabel
5. Box head (Judul kolom), termasuk kepala kolom. Box head memberi keterangan/penjelasan secara terperinci tentang gambaran tiap kolom dari badan tabel
6. Body terdiri atas kolom-kolom dan hanya berisi angka-angka7. Total (kolom/baris)8. Foot Note9. Source (sumber data) untuk data sekunder/tersier
Penyajian Melalui Tabel
Karakteristik Responden NPersentase Persepsi Hak
Suami Memukul IstriSetuju Tidak Total
Kelompok umur 15-24 459 23,31 76,69 100,00
25-39 4.201 17,35 82,65 100,00 40-54 4.072 14,49 85,51 100,00 Total 8.732 16,33 83,67 100,00
Nomor tabel
Judul Tabel
Judul baris (Stub)
Judul kolom (Box head)
Body
Tabel 1.2 Karakteristik Responden Berdasarkan Kelompok Umur
Sumber: Data SDKI 2007, diolah
3
TABEL SATU ARAH (ONE WAY TABLE)TABEL YANG MEMUAT KETERANGAN MENGENAI SATU HAL ATAU SATU KARAKTERISTIK SAJA
Tabel 1 Jumlah Korban Bencana Alam di Indonesia, 2006
Jenis kelamin Jumlah (jiwa) Laki-laki 8.758 Perempuan 32.895
Total 41.653 Sumber: Data Primer, 2006
One Way Table
4
Jenis kelamin Pernah Mendengar HIV/AIDS
(%)
Laki-laki 71,4 (N=8758)
Perempuan 61,0 (N=32.895)
Total 41.653
Sumber: Data SDKI 2007, diolah
Tabel 2Persentase Pria Kawin dan Wanita Pernah Kawin
yang Pernah Mendengar tentang HIV/AIDS
Tabel yang menunjukkan hubungan dua hal atau dua karakteristik yang berbeda
Two Way Table
5
Tabel tiga arah (three way table)yaitu tabel yang menunjukkan hubungan tiga hal atau tiga karakteristik yang berbeda, misalnya data tentang pria kawin dan wanita pernah kawin tentang pengetahuan cara menghindari HIV/AIDS menurut karakteritik individu saat evaluasi kesehatan lingkungan hidup
Three way Table
6
Karakteristik Individu
Pengetahuan Cara Menghindari HIV/AIDS
Wanita Pernah Kawin Pria Kawin
Setia pada satu
pasanganPakai
kondom
Tidak ber hubungan
seks
Setia pada satu
pasanganPakai
kondom
Tidak ber hubungan
seks
Umur
≤20 65,0 52,8 56,8 89,5 94,7 80,0
21-39 69,7 59,3 61,1 74,3 70,2 60,7
≥40 68,4 56,4 57,9 72,2 66,5 59,7
Jumlah 69,2 58,4 60,2 73,5 68,8 60,3
Pendidikan
Rendah 59,4 47,5 50,9 61,6 55,8 51,8
Sedang 69,3 58,0 61,1 73,6 70,7 61,1
Tinggi 78,1 68,5 68,1 83,4 78,5 67,1
Jumlah 69,2 58,4 60,2 73,5 68,8 60,3
Three way Table
Pembuatan Grafik
Syarat sebuah grafik adalah:
1. terdiri dari judul grafik, badan/isi grafik, catatan kaki/keterangan
2. Judul grafik haruslah singkat, jelas, relevan, menjelaskan apa yang disajikan, di mana, dan kapan.
3. badan grafik, tampilkan varibel dengan warna yang menarik, batasi jumlah varibel yang ditampilkan, lengkapi dengan legenda yang menjelaskan artinya
4. catatan kaki, penjelasan label, sumber informasi dari isi grafik
Penyajian Melalui Grafik
8
Contoh Grafik Garis Tunggal:TFR di Indonesia dari Tahun 1997-2007
9
Cocok DataTime Series
SUMBER: DEPKES, 2009(DALAM KOMISI PENANGGULANGAN AIDS)
Contoh Grafik Batang Tunggal: Jumlah Kasus Baru HIV/AIDS dari Tahun 2004-2008
10
Cocok Data
DistribusiTunggal
Time Series
SUMBER: DEPKES, 2009(DALAM KOMISI PENANGGULANGAN AIDS)
Grafik Batang Berganda(Multiple Bar Chart)
11
Cocok Data
PerbandinganTime Series
12
Cocok Data
DistribusiTunggal
Powerpoint
Microsoft PowerPoint adalah aplikasi penyusun presentasi terpopuler saat ini. Dikemas dalam satu paket dengan Microsoft Office, aplikasi ini menawarkan berbagai kecanggihan, misalnya menyisipkan aneka objek ke dalam file, mulai dari teks, gambar, hingga video klip. Aplikasi ini juga menawarkan visual effect (kombinasi efek) dan kemampuan integrasinya dengan aplikasi Microsoft Office yang lain.
Penyajian Melalui Powerpoint
13
14
0-4
10-14
20-24
30-34
40-44
50-54
60-64
70-74
Laki-Laki Perempuan
3023 20 19
66
5243 39
IDHS 1994 IDHS 1997 IDHS 2002-03 IDHS 2007
DI Yogyakarta Indonesia Total IMR
TFR
Struktur Penduduk DI. Yogyakarta
• Asas
•Prinsip
•Tujuan
• Hak dan Kewajiban
Aspek Substansi Pengaturan
Aspek manajemn pelaksanaan
PERMASALAHAN LINGKUNGAN
1.Pengendalian Pencemaran2. Penurunan Emisi3. Pengembangan Kualitas Hidup4. Pengarahan Limbah5. Perencanaan Sanitasi
PEMBANGUNAN LINGKUNGAN
•LINGKUNGAN HIDUP FISIK
•LINGKUNGAN SOSIAL•LINGKUNGAN BUDAYA
• BLD• PSBA• DINAS KESEHATAN• Peran serta Masyarakat
Aspek landasan/Dasar Pengaturan
15
Penyajian Melalui Model
Peran Sosial Ekonomi Remitan
Peningkatan Kesejahteraan Perubahan Sosial Intensitas migrasi -Migrasi pertama kali
-Migrasi berulang
Level Masyarakat
Level Rumah Tangga dan Individu
Pendidikan, nilai-nilai sosial
Pendapatan Rumah Tangga dari Remitan
Alokasi Remitan :-tipe rumah tangga-jumlah ART-kondisi sosial ekonomi dll.
Pemanfaatan konsumtif untuk membeli barang-
barang berharga (luxury goods)
Remitan digunakan untuk modal usaha
Rumah Tangga
Bisnis Lokal
Pengembangan Pertanian
Stabilitas Sosial
Bantuan bersama
Bantuan antar keluarga
Hubungan kekeluargaan melintasi ruang fisik
Pemeliharaan Pola Sosial Tradisional
Mobilitas Sosial Meningkat
Dinamika Sosial Antara Keluarga
16
Penyajian dengan Peta
Tahap I
Tahap II Tahap III
18
Analisis Statistik Deskriptif
Fungsi StatistikFungsi StatistikMenyederhanakan dataMenyederhanakan dataInstrumen pengolahan dan analisis DataInstrumen pengolahan dan analisis DataMenggambarkan fenomena sosial dengan Menggambarkan fenomena sosial dengan
pasti.pasti.Meringkas hasil penelitian menjadi lebih Meringkas hasil penelitian menjadi lebih
yakin dan bermakna. yakin dan bermakna. Menguraikan sebab akibat yang kompleks Menguraikan sebab akibat yang kompleks
dan rumit dan rumit Mengadakan peramalan secara ilmiahMengadakan peramalan secara ilmiahGeneralisasi Sampling ke Populasi Generalisasi Sampling ke Populasi
1. Statistik Deskriptif: memberi deskripsi tentang subjek
penelitian berdasar data dari variabel penelitian yang tidak untuk pengujian hipotesis:
Penyajian frekuensi dan persentase
Penyajian tabel dan gambarPenyajian karakteristik data dg nilai statistik (mean, median, modus, SD, variance, minimum, maksimum, range, jumlah sampel)
Apa yang dapat disimpulkan???
15 17 18 19 20 20 26 29 30 31 35 37 39 40 4215 17 18 19 20 20 26 29 30 31 35 37 39 40 4315 17 18 19 20 22 28 29 30 31 35 38 39 40 4315 17 18 20 20 22 28 29 30 31 35 38 39 40 4315 17 18 20 20 22 28 29 30 31 35 38 40 40 4315 17 18 20 20 22 28 29 30 33 35 38 40 41 4415 17 18 20 20 22 28 29 30 33 35 38 40 41 4415 17 19 20 20 22 28 29 30 33 35 38 40 41 4416 17 19 20 20 22 28 30 30 33 36 39 40 41 4516 17 19 20 20 22 28 30 30 33 36 39 40 41 4516 17 19 20 20 26 28 30 31 33 36 39 40 42 4516 17 19 20 20 26 28 30 31 33 36 39 40 42 4516 18 19 20 20 26 28 30 31 35 37 39 40 42 45
……….. ????
Umur f Umur f15 8 33 716 5 35 917 12 36 418 8 37 319 9 38 620 25 39 922 8 40 1426 8 41 528 11 42 429 8 43 430 15 44 331 8 45 5
Total 125 Total 73
Masih perlu penyederhanaan
Nilai central???
Umur f %
15-19 42 21,21
20-24 33 16,67
25-29 27 13,64
30-34 30 15,15
35-39 31 15,66
40-44 30 15,15
45-49 5 2,53
Total 198 100
Median 29Modus 20Mean 28,7
Mengapa Modus dan Mean Jauh
Kapan Mean, Median, Modus digunakan ?Mean : rata-rata, kapan digunakan ?
Median: nilai tengah, mana yang lebih baik, mean atau median
Modus : kapan digunakanApa yang dimaksud dengan data disperse dan data konverse ?
Kapan menggunakan nilai central?Rata-rata adalah jumlah suatu nilai dibagi dengan
banyaknya kasus. Nilai rata-rata tepat digunakan untuk data yang homogen.
Nilai Modus atau nilai yang sering muncul. Angka ini sangat sesuai digunakan untuk data yang tidak terlalu heterogen maupun homogen.
Median atau nilai yang membagi data yang telah diurutkan menjadi dua bagian yang sama yaitu 50% kurang dari dan 50% lebih dari nilai median tersebut. Angka ini sangat tepat untuk data heterogen.
Variance adalah ukuran disperse yang menyatakan ukuran penyebaran atau ukuran pemencaran.
Skewness dan Kurtosis merupakan ukuran untuk mengetahui distribusi data dari sisi kemecengan atau kelangsingan data
Fungsi tabel frekuensi tunggalValidasi data
Apakah ibu menggunakan kontrasepsi?
f % Valid % Cum %
Ya 234 58,5 58,5 58,5
Tidak 166 41,5 41,5 100
400 100 100
Jenis kontrasepsi f % valid % cum%PIL 30 7,50 12,99 7,50Susuk 88 22,00 38,10 29,50IUD 15 3,75 6,49 33,25Suntik 55 13,75 23,81 47,00Steril 3 0,75 1,30 47,75Tradisional 40 10,00 17,32 57,75missing 169 42,25 100,00 231 400 100,00 100,00
Kapan % dan valid % bernilai
sama?
Bagaimana mengkelaskan dataMengetahui distribusi data, Melalui interval rangeMelihat nilai cumulative percent
Umur f % Cumulative %15-19 42 21,21 21,21
20-24 33 16,67 37,88
25-29 27 13,64 51,52
30-34 30 15,15 66,67
35-39 31 15,66 82,33
40-44 30 15,15 97,48
45-49 5 2,53 100,00
Total 198 100,00
Bagaimana Membuat IndeksBagaimana Membuat Indeks
Indeks : Indikator untuk mengukur Indeks : Indikator untuk mengukur kualitaskualitascontoh : HDI, GDI, HPIcontoh : HDI, GDI, HPI
(Maksimum – Actual)/(Actual – (Maksimum – Actual)/(Actual – minimum)minimum)
30
Analisis Statistik Inferensial
2. Statistik Inferensial: mengambil keputusan berdasarkan data sampel dengan membuat estimasi dan pengujian hipotesis dengan probabilitas kesalahan penolakan Ho, yang diolah data-data numerikal (angka) dengan metode statistik:
uji korelasi/hubungan uji perbedaan mean uji pengaruh
JENIS DATA
Data primer --> data cross section Data sekunder--> data time series
KATEGORI DATAData kualitatif: pengukurannya bukan
angka, misal: jenis kelaminData kuantitatif: pengukurannya
dalam bentuk angka, misal: harga barang, pendapatan
Data kuantitatif:Data diskrit: data yang terputus-putusData continuous: data yang bersambung
Jenis Pengukuran Data/skala:1. nominal2. ordinal3. interval4. rasio Jenis ukuran data akan menentukan
pemilihan uji statistika yang tepat.
POPULASI DAN SAMPELPOPULASI DAN SAMPEL
Populasi adalah suatu set subyek yang didefinisikan dalam penelitian
Sampel: sejumlah subyek diambil dari populasi ---> representative
TAHAPAN ANALISIS STATISTIK TAHAPAN ANALISIS STATISTIK INFERENSIALINFERENSIAL
1. Mengkode data:jawaban pertanyaan terbuka dengan listing
jawaban, mengklasifikasikan, mengkodejawaban pertanyaan tertutup2. Penyiapan datasiapkan sheet untuk data entrydata entrycleaning data--> frekuensi
3. Teknik Analisis Data: tepat dalam memilih metode statistik yg sesuai dengan tujuan analisisnya. Perlu mempertimbangkan:
a. Jenis pengukuran data: nominal, ordinal, interval dan rasiob. Distribusi data:
normal --> statistik parametrik tidak normal--> non parametrik
4. Mengenal dan atau paham program yang
ada: SPSS, SAS, STATA, Shazam dll.
A. UJI BEDA MEAN:A. UJI BEDA MEAN:
1. DUA MEAN : T-TEST a. T-test One sampleb. Dependent/Match T-testc. Independent T-test
Syarat:a. Data berskala interval atau rasiod. Data berdistribusi normal
TAHAP:1. Nyatakan hipotesis:
Ho: = o
Ha: # o
o
o
2. Hitung t-hitung3. Tentukan daerah penolakan (tingkat kesalahan,
satu atau dua ekor, degree of freedom)4. Pengambilan keputusan 5. Simpulkan
PROGRAM SPSS VERSI 15.0SYNTAX:
AnalyseCompare mean
One-sample t-test
2. UJI BEDA TIGA ATAU LEBIH MEAN: ANALYSIS OF VARIANCE (ANOVA)
Single factor Analysis of VarianceTwo-factor Analysis of Variance
Syarat:a. variance semua grup sama--> b. data berdistribusi normalc. observasi independen
Analisis Uji Beda1. Chi-Square analysis: data nominal
Untuk membuktikan apakah apa perbedaan atau tidak terhadap hal yang dikaji.
Contoh: Terdapat Perbedaan Pemahaman Tentang Statistik Menurut Status Desa Kota
Syarat Chi-Square1. Data terdistribusi normal2. Skala Data Nominal
2. Correlation analysis: hubungan dua variabel (dengan data kontinyu)
Asumsi:Random samplingSkala interval atau rasioNormal distribusiHubungan dua variabel linearHomoskedastisitas: variance skor Y uniform untuk
semua nilai XSampling distribusi normal
3. Regression Analysis
A. Simple atau Multiple Linear Regression: satu DV dan satu atau lebih IV
Aturan:Data interval atau rasioData berdistribusi normal
Asumsi:MulticollinearityAuto/serial correlation
B. Multinomial regression: data DV dg dua kategori dan IVs--> probabilitas terjadinya satu kejadian
C. Multinomial regression: data DV dg lebih dari dua kategori dengan IVs lebih dari satu --> probabilitas terjadinya satu kejadian
D. Hierarchical Multiple Regression: menganalisis interaction effect suatu variabel dari adanya hubungan dua variabel