Posts

TENTANG BLOG INI

-
Blog ini merupakan tempat bagi penulis untuk menorehkan catatan-catatan selama penulis mempelajari ilmu statistik menggunakan software STATA versi 15. Disebabkan penulis juga baru dalam hal ilmu statistik dan STATA, maka blog ini bisa jadi tidak 100% akurat. Pembaca diharapkan bisa bersikap kritis, dan bisa bertanya kepada ahlinya (dosen, guru, atau pengarang buku-buku tentang statistik). Penulisan akan mengalir sesuai dengan eksperimen buku Praktikum Stata. Penulis mencoba membandingkan juga dengan perhitungan manual, apabila memungkinkan.  Berikut artikel yang sudah dibuat, dan akan bertambah terus. Insya Allah.. Ibnu Rasyid DAFTAR ISI 1. Roadmap Statistik 2.  Rekomendasi Buku Latihan Stata 3. Data dalam Statistik 4. Correlation - Case Motivasi Kerja 5. Regresi Linear - Slope, Intercept   6. Regresi Linear - SS Residual, Root MSE 7. Regresi Linear - Standardized Regression z 8. Regresi Linear - Covarian
Post a Comment
Read more

Variable Mediasi dan Moderasi

-
Image
Regresi Standar sumber disini . Motivasi kerja = a*Kemimpinan + b*Iklim + c Variable Mediasi Suhu dalam mobil berkorelasi dengan Komsumsi BBM. Namun jika dipikir ulang, korelasi tsb tidak lansung tapi ada variable perantara yaitu Penggunan AC. Karena suhu naik, maka orang menghidupkan AC mobil, dampaknya Konsumsi BBM naik. Logis bukan? Dalam contoh diatas Variable PengguaanAC sebagai Variable Mediasi (Perantara) Variable Moderasi Pendapatan naik menyebabkan konsumsi naik. Namun ada moderator dari relasi tersebut yaitu Gaya Hidup. Orang yang punya Gaya Hidup high akan mengamplifikasi pendapatan dan meningkatkan konsumsi. Apakah logis?
Post a Comment
Read more

Variabel Mediasi [Studi Kasus 1]

-
Image
Diberikan data sbb (penjelasan di video ): Sales Income Satisfaction 1 20 5 3 2 25 6 4 3 20 4 2 4 30 6 5 5 22 5 3 6 28 5 5 7 26 6 5 8 22 5 5 9 26 6 5 10 28 7 5 11 22 5 3 12 24 5 4 13 26 6 4 14 28 5 5 15 21 5 2 16 20 6 5 Tentukan apakah Satisfaction memediasi Income terhadap Sales. Di Video digunakan perhitungan menggunakan
Post a Comment
Read more

Cetral Limit Theory

-
Image
Central Limit Theory menyatakan bahwa, walaupun original variable nya diambil acak dari populasi akan tetapi jika jumlah sample yang diambil sangat banyak, maka distribusi dari mean akan mendekati kurva normal. Untuk lebih jelasnya bisa dibaca artikel ini . Misalkan kita punya taman. Di taman tsb terdapat 6 jenis bunga. Jumlah populasi bunga sangat banyak. Dan mean dari populasi adalah 3.5 (mean dari 1, 2, 3, 4, 5, 6). Jika kita lakukan 7 kali percobaan pengambilan sample, dengan tiap kali percobaan kita ambil 10 bunga, maka hasilnya sbb: Nah Central Limit Theory (CLT) menyatakan bahwa semakin banyak sample yang diambil tiap percobaan maka: mean_percobaan akan mendekati 3.5 Digambar terlihat:  mean_perc 1 = 3.7 mean_perc 2 = 3.7 mean_perc 3 = 2.5 mean_perc 4 = 4.1 mean_perc 5 = 3.6 mean_perc 6 = 3.9 mean_perc 7 = 3.3 ------------------------ mean of mean_perc = 3.54 CLT juga menyatakan bahwa, semakin sering percobaan dilakukan dan mean_perc dicari kembali mean-nya (mean of mean_perc) m
Post a Comment
Read more

Confident Interval 1 Tailed t test

-
Image
Stata menampilkan Confidence Interval untuk t test. Akan tetapi interval yang ditampilkan adalah untuk 2 tailed test. Bagaimana untuk 1 tailed test? Stata sudah cukup berbaik hati menampilkan probalility untuk 1 tailed t test. Namun untuk confident interval 1 tailed t test nya tidak ditampilkan. Berikut diberikan contoh kasus sbb . Terlihat akan diuji apakah terdapat kenaikan komsumsi kopi > 3 cangkir per hari. Ha: mean > 3 (rata-rata konsumsi kopi meningkat) Dengan hitung manual didapat hasil sbb. Dengan hitung manual p-value terletak antara 0.01 < p-value < 0.025. Karena p-value < 0.05 maka Ho reject, Ha accept. Artinya dapat disimpulkan: rata-rata konsumsi kopi meningkat dari sebelumnya 3 cangkir. Output dengan Stata: Terlihat bahwa Ha: mean > 3, Pr nya 0.0232 lebih kecil dari 0.05 sehingga Ha accept. Terlihat juga 95% Conf. Interval di output Stata. Namun ingat ini adalah output dari 2 tailed test. Bagaimana dengan output 1 tailed test nya? Kita harus buat 95% Lef
Post a Comment
Read more

Cara Membaca Null Hypotesis Stata

-
Image
Tulisan ini merupakan adaptasi dari artikel  https://www.ssc.wisc.edu/sscc/pubs/sfs/sfs-ttest.htm . Didalam artikel tsb diberikan penjelasan cara membaca Ha, pada output Stata.  Latar Belakang Pada saat melakuka test Hipotesis Null (Ho) apakah kita reject atau accept, perlu dibuatkan lawan dari Ho, yaitu Ha nya. Menariknya Stata akan menampilkan Ha, baik yang two tailed, maupun yang one tailed left, maupun right. Sebagai contoh:  Anggap kita ingin menguji bahwa rata-rata nilai educ (education) pada satu polulasi = 14 (Ho: mean = 14). Terlihat disini Stata mengasumsikan: Ho: mean =14 Dan stata menampilkan nilai Mean, Std. Err., dan Std. Dev dari 254 sample. Mean ditampilkan = 13.38583. Ditampilkan pula 95% Conf. Interval. Apakah Ho: mean = 14 bisa di Accept? Kita lihat bahwa 14, berada diluar range 95% Conf. Interval, sehingga: Ho: mean = 14 reject Konsekuensinya lawannya yaitu Ha: mean != 14, Accept. Perhatikan nilai P(|T| > |t|) nya = 0.0037 < 0.05 sehingga ini significant, juga
Post a Comment
Read more

Contoh Soal t-test dan z-test

-
Image
Uji t-test dan z-test pada dasarnya adalah uji Hipotesis. Biasanya uji t-test dilakukan pada sample yang terbatas, kurang dari 30, sedangkan uji z-test dialkukan pada sample lebih dari 30. Apa beda uji t-test dengan z-test? Dari Stata kita jadi tahu bahwa z-test hanya digunakan jika variance atau standard deviasi dari populasi diketahui.  Jika kita menggunakann z-test maka asumsinya Standar Deviasi populasi sudah diketahui. Jadi jika ada sample walau jumlahnya kecil akan tetapi 𝞼 diketahui, maka kita sebaiknya menggunakan z-test. Akan tetapi kita juga tahu dari Central Teorm Limit, bahwa jika n > 30, maka kurva z dan kurva t akan berhimpit (nyaris sama). Sehingga jika n > 30, kita tetap bisa pakai z-test walau 𝞼 tidak diketahui. 𝞼 akan hampir sama nilainya dengan standard deviasi sample s . Contoh Uji z-test Sebuah mesin menghasilkan minuman sebanyak 80 ml per botol (𝛍 populasi ). Seorang karyawan (peneliti) yakin bahwa mesin tersebut tidak menghasilkan sebanyak 80 ml per bo
Post a Comment
Read more

Confident Interval Tips & Trick

-
Image
Update 29 Nov 2020: Tips & Trick dibawah ini hanya berlaku untuk 2 tailed test. Sedangkan untuk 1 tailed test, baca artikel ini . Confidence Interval dapat digunakan untuk menentukan apakah H0 ditolak atau diterima. Kita tidak perlu ingat rumus seperti yang dibahas pada artikel t-test . Kita cukup melihat apakah value dari H0 masuk dalam range interval atau tidak. Jika masuk, maka H0 diterima. Sebagai contoh kita gunakan Buku Praktikum Analysis Statistik, karya Bpk. Surya Darma, edisi 2020. 1. Uji Proporsi  Perhatikan halam 29. Asumsi H0 yaitu proporsi latar belakang (variable Latar) menggunakan handphone, sebagai "hadiah" atau dengan cara "membeli", diasumsikan sama, alias 50:50, alias .05. Di gambar terlihat: H0:p = 0.5 ---> check apakah 0.5 masuk dalam rentang interval? Ternyata tidak masuk --> H0 ditolak. 2. Uji Beda Rata-rata (mean)  Perhatikan gambar halaman 31. Terlihat  H0: mean = 3 diluar range --> H0 ditolak. Lalu rata-rata menggunakan HP bera
Post a Comment
Read more