UJI ONE WAY ANOVA

Pada artikel kali ini, kita akan membahas tentang melakukan uji One Way Anova atau Anova Satu Jalur dengan menggunakan software SPSS For Windows.

Anova merupakan singkatan dari "analysis of varian" adalah salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata IQ antara siswa kelas SLTP kelas I, II, dan kelas III. Ada dua jenis Anova, yaitu analisis varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova). Pada artikel ini hanya akan dibahas analisis varian satu faktor.

Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:

    Sampel berasal dari kelompok yang independen
    Varian antar kelompok harus homogen
    Data masing-masing kelompok berdistribusi normal (Pelajari juga tentang uji normalitas)


Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok lain. Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap data. Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.

Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber variasi yaitu variasi di dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu), maka berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan efek yang berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya perbedaan.

Setelah kita pahami sedikit tentang One Way Anova, maka mari kita lanjutkan dengan mempelajari bagaimana melakukan uji One Way Anova dengan SPSS.

Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul "Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C".  (Ingat bahwa uji One Way Anova dilakukan apabila variabel terikat adalah interval dan variabel bebas adalah kategorik). (Pelajari juga tentang Pengertian Data)

TUTORIAL PENERAPAN ONE WAY ANOVA

Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C adalah sebagai berikut:

Sebelum diinput ke dalam SPSS susunan data harus dirubah dahulu karena data diatas berbentuk matriks, untuk yang datanya tidak dalam bentuk matriks tabel, tidak perlu dirubah. Tabelnya adalah seperti tabel berikut:

Data ini kemudian dapat dimasukkan ke dalam worksheet SPSS agar dapat dilakukan analisis.

Hipotesis yang digunakan adalah:

H0 : µ1 = µ2 = µ3 = µ4 = µ5 (mean dari masing-masing kelompok metode adalah sama)

H1: µ1 <> µ2 <> µ3 <> µ4 <> µ5 (terdapat mean dari dua atau lebih kelompok metode tidak sama)

Langkah-langkah pengujian One Way ANOVA dengan software SPSS adalah sebagai berikut:

1. Input data ke dalam worksheet SPSS, tampilannya akan seperti berikut ini:
Data view:

Sedangkan Variabel view:

2. Kemudian jalankan analisis dengan memilih ANALYZE – COMPARE MEANS – ONE WAY ANOVA, seperti berikut ini:

3. Setelah muncul kotak dialog, maka pindahkan variabel metode ke DEPENDEN LIST, dan variabel waktu ke FACTOR.

4. Setelah variabel dependen dimasukkan pilih OPTION, kemudian checklist Descriptive dan Homogeneity-of-Variance box, seperti gambar berikut kemudian klik continue.

5. Setelah itu pilih post Hoc Test, untuk melihat kelompok mana aja seh yang signifikan (satu persatu). Anda bisa memilih Post Hoc Test - Tukey, lalu continue – OK.

6. Setelah itu maka akan muncul output berupa seperti berikut ini:

7. Sedangkan Output Post Hoc Test akan berupa tabel MULTIPLE COMPARRISON seperti berikut ini:

8. Interpretasi:

Hasil uji Homogeneity-of-Variance box menunjukkan nilai sig. (p-value) sebesar 0,848, ini mengindikasikan bahwa kita gagal menolak H0, berarti tidak cukup bukti untuk menyatakan bahwa mean dari dua atau lebih kelompok metode tidak sama.

Hasil uji one way ANOVA yang telah dilakukan mengindikasikan bahwa nilai uji-F signifikan pada kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 11,6 yang lebih besar daripada F(3,9) sebesar 3,86 (Fhitung > Ftabel), diperkuat dengan nilai p = 0.003 lebih kecil daripada nilai kritik α=0,05.

Tukey post hoc test untuk multiple comparisons mengindikasikan bahwa hanya kelompok 4 yang memiliki nilai sig. (F statistik) yang signifikan secara statistik. Hasil ini mengindikasikan bahwa perbedaan rata-rata antara metode waktu belajar 1, 2 dan 3 secara statistik tidak signifikan dan meannya secara signifikan berbeda daripada mean metode 4 yang signifikan secara statistik.

Sumber :
- http://statistik4life.blogspot.com/2009/11/uji-one-way-anova.html
- http://statistikian.blogspot.com/2012/11/one-way-anova-dalam-spss.

Mengapa anda perlu mengkonsultasikan data anda ke FNI Statistics?

FNI Statistics

Analisis data merupakan suatu cara yang dilakukan untuk menggali/mendapatkan informasi yang relevan yang terkandung didalam data tersebut dan menggunakan hasil analisis tersebut untuk memecahkan suatu masalah atau mengambil suatu kesimpulan.Untuk itu diperlukan penganalisisan data yang tepat.

Berdasarkan hasil survey yang telah dilakukan pada beberapa mahasiswa, 75% responden menyatakan bahwa statistika itu sulit dan cukup mahalnya biaya untuk melakukan analisis data pada beberapa biro analisis di kota malang membuat enggan mahasiswa untuk menggunakan layanan ini . Untuk itu, kami mendirikan lembaga di bidang jasa konsultasi statistika yang bernama ”FNI STATISTIK”. Lembaga ini diharapkan mampu membantu menyelesaikan masalah-masalah yang ada khususnya dalam hal penelitian baik dari akademisi, instansi pemerintah maupun swasta.

FNI STATISTIK memiliki tujuan sebagai berikut :
1. Membantu dan membimbing mahasiswa dalam memahami permasalahan-permasalahan statistika yang dalam dalam penelitian
2. Memberikan jasa analisis data untuk memudahkan mahasiswa memahami data hasil penelitian
3. Memberikan jasa pelatihan software statistika yang dapat membantu mahasiswa dalam mengoperasikan software sehingga mampu menganalisis data sendiri nantinya

FNI Statistics siap membantu mengatasi kesulitan anda
- Analisis data CEPAT & PENJELASAN LENGKAP
- Bimbingan konsultasi GRATIS (sampai selesai compre)
- Lama pengerjaan 1-3 hari
- Pelatihan software dengan biaya terjangkau
- Memiliki tenaga analisis yang kompeten dan berpengalaman

VALIDITAS DAN RELIABILITAS

Di dalam suatu penelitian data memiliki kedudukan yang paling tinggi, karena data merupakan penggambaran variable yang diteliti, dan berfungsi sebagai alat pembuktian hipotesis. Oleh karena itu, benar tidaknya datasangat menetukan bermutu tidaknya hasil penelitian. Sedangkan benar tidaknya data tergantung dari baik tidaknya instrument pengumpul data. Dua karakteristik yang harus ada pada setiap instrument adalah valid dan reliable.

1.    Validitas

Validitas adalah suatu ukuran yang menunjukkan tingkat – tingkat kevalidan atau kesahihan suatu instrument. Setiap instrument yang valid mempunyai validitas tinggi. Sebaliknya instrument yang kurang valid berarti memiliki validitas rendah.

Validitas data menunjukkan tingkat kemampuan suatu instrumen untuk mengungkapkan sesuatu yang menjadi objek pengukuran yang dilakukan dengan instrumen penelitian tersebut. Jika suatu item pernyataan dinyatakan tidak valid, maka item pernyataan itu tidak dapat digunakan dalam uji-uji selanjutnya. Sebuah instrumen dikatakan valid apabila mampu mengukur apa yang diinginkan dan dapat mengungkap data dari objek yang diteliti secara tepat. Tinggi rendahnya validitas instrumen menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang objek yang dimaksud.

Secara statistik, angka korelasi yang diperoleh harus dibandingkan dengan angka kritik Tabel Korelasi. Cara melihat angka kritik adalah dengan melihat baris N-2. Jadi kalau misalanya jumlah responden ada 10 orang, maka jalur yang dilihat adalah baris 10-2 = 8. Untuk taraf signifikansi 5% angka kritiknya adalah 0,632, sedangkan untuk taraf signifikansi 1% angka kritiknya adalah 0,765.

2.    Reliabilitas

Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur dipakai dua kali untuk mengukur segala yang sama dan hasil pengukuran yang diperoleh relative konsisten, maka alat pengukur tersebut reliable.

UJI KUISIONER

Uji Kuisioner

Sebuah penelitian yang bersifat kualitatif misalnya survey, selalu menggunakan instrumen berupa angket atau kuesioner. Kuesiner yang digunakan tidaklah sembarangan, harus baik dan relevan. Oleh karena itu, kuesioner yang baik dan relevan harus memenuhi dua buah persyaratan, yaitu :

1.  Valid

    Diuji dengan menggunakan uji validitas
2. Reliabel

    Diuji dengan menggunakan uji reliabilitas

1. Uji Validitas

Sebuah kuesioner yang digunakan dalam penelitian harus valid. Arti valid disini yaitu mampu menunjukkan samapi sejauh mana suatu alat ukur mampu mengukur apa yang ingin diukur (mampu menjadi alat ukur objek penelitian). Misalnya, meteran yang digunakan sebagai alat untuk mengukur panjang. Meteran tersebut menjadi tidak valid jika digunakan untuk mengukur berat.

Pada uji validitas ini, digunakan korelasi Product Moment Pearson (metode interkorelasi). Cara pengukurannya yaitu dengan cara menghitung korelasi antara skor masing-masing item pertanyaan pada kuesioner dengan skor total kuesioner. Jika nilai koefisien korelasi positif dan lebih besar dari 0,3, maka item pertanyaan tersebut dianggap valid. 

2. Uji Reliabilitas

Selain sebuah kuesioner harus valid, kueioner juga harus reriabel. Arti dari reliabel di sini adalah ajeg atau mempunyai presisi yang tinggi. Yaitu dimana suatu alat ukur mampu menunjukkan sampai sejauh mana alat ukur tersebut dapat dipercaya atau diandalkan. Misalnya, meteran akan valid jika digunakan untuk mengukur panjang, tetapi tidak reliabel jika meteran tersebut terbuat dari karet karena karet sifatnya elastis sehingga panjangnya bisa berubah-ubah. Salah satu ukuran reliabilitas yang paling sering digunakan adalah koefisien Alpha Cronbach. Cara pengukurannya adalah seluruh item pertanyaan yang telah valid dimasukkan dan diukur koefisien Alpha Cronbachnya. Jika nilai yang diperoleh lebih besar dari 0,6, maka kuesioner tersebut telah reliabel.

Alasan Pentingnya Statistika

FNI Statistics, Statistika, Statistik, Statistik Malang, Malang, FNI, Skripsi

 

Statistika adalah persamaan matematika yang digunakan untuk menganalisis apa yang sedang terjadi di sekitar kita . Statistika memungkinkan kita memperkirakan hal yang akan terjadi. Statistika bisa digunakan untuk mendeskripsikan terhadap suatu populasi. Statistika bisa sebagai pijakan kita untuk mengambil langkah-langkah dalam dunia bisnis.  Berikut adalah contoh – contoh penerapan Statistika dalam kehidupan  kita sehari – hari .

1.   Peramalan Cuaca.

Pernahkah anda mendengar info mengenai ramalan cuaca. Statistika bisa digunakan untuk memprediksi Cuaca berdasarkan data- data di masa lampau. Bagian dari Ilmu statistika untuk hal ini biasanya disebut dengan Forecasting .

PENGERTIAN STATISTIK DESKRIPTIF

 

  
    Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa mengambil keputusan untuk  populasi. Dengan kata lain hanya melihatgambaran secara umum dari data yang didapatkan.Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalahilmu yang berkenaan dengan data.Iqbal Hasan (2004:185) menjelaskan : Analisis deskriptif adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satusample. Analisa deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti hasil penelitian dapat digeneralisasikan. Analisisdeskriptif ini menggunakan satu variable atau lebih tapi bersifat mandiri, oleh karena ituanalisis ini tidak berbentuk perbandingan atau hubungan.Iqbal Hasan (2001:7) menjelaskan : Statistik deskriptif atau statistic deduktif adalah bagian dari statistic mempelajari cara pengumpulan data dan penyajian data sehinggamuda dipahami. Statistic deskriptif hanya berhubungan dengan hal menguraikan ataumemberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena.Dengan kata statistic deskriptif berfungsi menerangkan keadaan, gejala, atau persoalan.Penarikan kesimpulan pada statistic deskriptif (jika ada) hanya ditujukan pada kumpulandata yang ada. 

        Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :1. Distribusi frekuensi beserta bagian-bagiannya seperti : a. Grafik distibusi (histogram, poligon frekuensi, dan ogif); b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dansebagainya); c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan sebagianya); d. Kemencengan dan keruncingan kurva 2. Angka indeks 3.Times series/deret waktu atau berkala 4. Korelasi dan regresi sederhanaBambang Suryoatmono (2004:18) menyatakan Statistika Deskriptif adalah statistika yangmenggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulanmengenai kelompok itu saja

• Ukuran Lokasi: mode, mean, median, dll

• Ukuran Variabilitas: varians, deviasi standar, range, dll

       Ukuran Bentuk: skewness, kurtosis, plot boksPangestu Subagyo (2003:1) menyatakan : Yang dimaksud sebagai statistika deskriptif adalah bagian statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilaistatistika, pembuatan diagramatau gambar mengenai sesuatu hal, disini data yangdisajikan dalam bentuk yang lebih mudah dipahami atau dibaca.Sudjana (1996:7) menjelaskan : Fase statistika dimana hanya berusaha melukiskan ataumengalisa kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok yang lebih besar dinamakan statistika deskriptif.

Statistik Deskriptif dapat dinyatakan dengan frekuensi, mode, dan keragaman (variability)

a.       Frekuensi (F)

Biasanya dinyatakan dengan persentase, bentuk yang tepat dalam menampilkan data frekuensi adalah diagram dan grafik.

Pada sampel di bawah ini kita lihat data perolehan suara pada pemilihan walikota kota A, dengan jumlah suara yang diperoleh bapak Mamat memimpin dengan 38,89%.

Data ini akan lebih menarik jika disajikan dalam bentuk diagram batang (histogram) distribusi frekuensi suara pada pemilihan walikota kota A.

b.       Mode dan Median

Mode adalah nilai yang paling sering muncul, ia menyatakan jumlah kategori yang paling sering muncul pada suatu kasus. Ketika anda membagikan kuesioner kepada karyawan kantor untuk memilih apa yang paling suka mereka lakukan di waktu luang, jika sebagian besar menjawab mendengarkan musik, maka mendengarkan musik adalah mode. Mode cocok untuk diterapkan pada data yang bersifat nominal. (lihat chapter tipe data statistik disini >>>)

Median adalah nilai tengah, ia merupakan titik tengah pembagi data. Contoh berikut dapat mendeskripsikan median yang biasa digunakan untuk data-data ordinal.

 

c.       Mean (M)

Mean merupakan rataan dari skor yang diukur, menghitung mean untuk variable X dapat menggunakan rumus:

Fosfat yang dihasilkan dari limbah deterjen merk A, B, C, D, dan E adalah berturut-turut 43, 42, 31,32,37, hitunglah mean;

 

d.       Variabilitas/Dispersi

Salah satu teknik untuk mengelompokkan data pada teknik statistik deskriptif adalah menghitung dispersi atau variabilitas. Tiga cara menghitung variabilitas antara lain:

Contoh perhitungan keragaman dan standar deviasi dapat kita lihat di bawah ini:

*** berikut ini diberikan data hasil ujian statistik dasar untuk 10 mahasiswa di perguruan tinggi LOLipop dengan data yang diberikan sebagai berikut:

*** Menghitung Nilai Rataan:

*** Menghitung Keragaman (variance):

*** Menghitung Standar Deviasi:

Menjalankan statistik deskriptif pada SPSS dapat melalui menubar analyse –descriptive statistic – descriptives.(yos)

 

Sumber :
http://eka-purwandari.blogspot.com/2012/06/artikel-statistik-deskriptif.html

http://www.scribd.com/doc/32185113/Statistika-deskriptif-adalah

APLIKASI STATISTIK DALAM SEPAK BOLA

    

1. Hubungan Statistika dalam Sepakbola

    SepakBola merupakan olahraga yang paling disukai di seluruh dunia. Setiap pertandingan bahkan seperti telah menjadi candu yang luar biasa hebat. Permainan antara 22 pemain yang terbagi dalam 2 tim ini selalu menyuguhkan atraksi-atraksi yang enak ditonton dengan terciptanya gol-gol indah. Tapi apa hubungannya antara sepakbola dengan statistika?

    Dalam sebuah pertandingan sepakbola, pasti menghasilkan data-data yang berkaitan dengan pertandingan tersebut. Misalnya jumlah gol, tendangan ke gawang, pelanggaran, dan lain sebagainya yang menjadi representasi dari pertandingan tersebut. Dan itulah yang tercantum dalam statistik sebuah pertandingan. Sehingga orang yang tidak menonton dapat mengetahui jalannya pertandingan melalui statistik tersebut.

    Berikut adalah contoh statistik pertandingan sepak bola:

      Setelah melihat statistik tersebut dapat diketahui melalui analisa sederhana bahwa yang memegang kendali permainan adalah Real Madrid, mereka unggul dengan 63 persen ball possession, dengan keunggulan penguasaan bola tersebut Real Madrid lebih leluasa untuk melakukan tendangan ke gawang sehingga jumlah tendangan yang mereka lakukan lebih banyak daripada Manchester United. Dengan demikian peluang mereka untuk mencetak gol lebih besar. Dan hasilnya adalah mereka menang atas Manchester United.
    Tidak hanya itu, performa pemain juga bisa diketahui dari statistik. Lionel Messi yang merupakan pemain terbaik dunia tahun 2011 adalah pencetak gol terbanyak di Real Madrid. Rasio golnya mencapai 1,09 pada musim lalu di setiap pertandingan. Jelas raihan yang sangat luar biasa. Namun sebaliknya, Fernando Torres hanya mampu mencetak 2 gol saja dari sekitar 30 laga yang dimainkannya. Ini berarti rasio golnya sangat kecil, hanya berkisar 0,07 di setiap pertandingan.
    Tren menggunakan pendekatan ilmiah dalam sepak bola bukan barang baru. Pada medio 1970-an, pelatih legendaris Ukraina, Valeriy Lobanovskiy diketahui berkolaborasi dengan para ilmuwan Sovyet untuk merumuskan bagaimana strategi dan mencari pemain yang kompeten. Di era modern, Arsene Wenger adalah salah satu pionir dari metode ini dan bukan tanpa sebab ia dipanggil profesor. Metode statistika inilah yang digunakan oleh Arsene Wenger dalam mencari pemain, ia melihat pada statistika pemain tersebut. Ia adalah salah satu pionir dari metode ini dan bukan tanpa sebab ia dipanggil profesor.
    Wenger mempelajari dengan benar statistik permainan pemain muda bernama Patrick Vieira di AC Milan dan saat ia disia-siakan di Italia, tanpa ragu Wenger memboyongnya ke London. Begitu juga dengan Thierry Henry yang terpaku di Juventus. Henry awalnya ragu ia bisa menjadi striker tapi analisa Wenger menunjukkan bahwa Henry bisa lebih berguna sebagai ujung tombak dibandingkan sekadar sayap.
Saat Wenger hendak mencari pelapis Vieira, ia membaca laporan analisa jarak lari semua pemain di liga-liga Eropa dan ia menemukan bahwa ada gelandang muda Marseille bernama Mathieu Flamini yang berlari 14 km tiap pertandingan.
Satu hal yang penting dalam membaca statistik sepak bola adalah angka tersebut harus kontekstual. Wenger tak langsung membeli Flamini berdasarkan jarak tempuh Flamini yang sensasional itu, tapi ia juga harus melihat apakah Flamini berlari ke arah yang benar dan bisakah ia memegang bola
     Maka dari sini dapat disimpulkan bahwa terdapat hubungan antara statistika dan sepakbola yang sangat berkaitan diantara keduanya.

2. Manfaat Statistika dalam Sepakbola

    Setelah diketahui bahwa antara statistika dan sepakbola memiliki hubungan, maka dari hubungan tersebut dalam diambil manfaat atau kegunaan. Adanya statistika dalam sepakbola ini mempunyai peranan yang cukup penting, baik bagi pemain, pelatih, club, sponsor maupun penikmat sepakbola dari kalangan umum.
    Bagi pemain, statistika membantu untuk menentukan dan memilih club. Biasanya pemain memilih club yang mempunyai prestasi yang cukup bagus. Berapa kali club tersebut juara, kompetisi apa yang pernah dimenangi, berapa pendapatan club tersebut, serta bagaimana perkembangan club tersebut dalam kurun beberapa waktu terkhir adalah beberapa acuan yang digunakan oleh pemain untuk memilih club. Dan sebaliknya, suatu club juga menggunakan acuan-acuan untuk memilih dan membeli pemain dengan cara melihat bagaimana statistik pemain tersebut dalam acuan-acuan yang telah ditentukan.
    Namun manfaat yang paling besar adalah bagi pelatih. Selain berguna untuk meningkatkan kompetensi tim, statistika juga digunakan oleh para pelatih untuk melihat kekuatan calon lawan. Dengan begitu diharapkan tim yang diasuhnya mampu meraih kemenangan. Bukan hanya pada saat sebelum pertandingan saja, tetapi juga pada saat pertandingan. Pelatih memperhatikan bagaimana jalannya pertandingan yang sedang berlangsung, lalu memberikan instruksi kepada pemainnya apa yang harus dilakukan, tentunya dengan membaca statistik pertandingan tersebut. Dan pada saat pertandingan usai, statistika menjadi sarana yang tepat untuk mengadakan evaluasi tim, agar tim itu menjadi lebih baik pada pertandingan-pertandingan selanjutnya
    Bahkan dewasa ini, ada suatu lembaga khusus yang mencatat seluruh data tentang sepakbola, yang tentunya sangat berguna bagi para pelatih. Fantasista Football adalah solusi inovatif untuk kebutuhan statistik sepakbola. Dengan Fantasista Football, semua kebutuhan statistik, mulai dari pemain, tim, hingga kompetisi dalam sebuah pertandingan maupun secara keseluruhan dapat dicatat dan ditampilkan sesuai kebutuhan.
Fantasista Football terdiri dari tiga bagian utama yang akan membantu Anda dalam pencatatan, pengelolaan, dan analisis statistik sepakbola; Database Management, Match Recorder, dan Benchmark & Analyzer.
    Database Management merupakan bagian dari Fantasista Football yang didesain untuk kemudahan Anda dalam memasukan dan mengelola data-data dasar yang berhubungan dengan tim Anda. Dengan memasukan data melalui Database Management, Anda telah bersiap untuk merekam dan menganalisis tim Anda dan lawan Anda.Dengan Database Management Fantasista Football, Anda tidak perlu lagi untuk  bersusah payah  mengetahui data tentang pemain, tim, kompetisi, wasit, pelatih Anda, lawan, ataupun tim manapun yang ingin Anda ketahui. Database Management menyimpan kebutuhan data tersebut secara aman di server online sehingga kecil kemungkinan terjadinya kehilangan data yang dibutuhkan.
    Match Recorder adalah bagian vital pada Fantasista Football untuk mencatat dan merekam sebuah pertandingan sepakbola. Dengan merekam pertandingan sepakbola dan mencatat statistiknya, Anda mendapatkan gambaran saat pertandingan bagaimana performa tim Anda di kedua babak. Selain itu, pasca pertandingan data yang didapat akan dikumpulkan dan menjadi sebuah akumulasi yang dapat menjadi dasar pengambilan keputusan pelatih terhadap tim Anda. Dengan kemudahan operasionalnya, Match Recorder Fantasista Football hanya memerlukan 1 orang untuk dapat mencatat dan merekam statistik pertandingan Anda. Statistik yang Anda dapatkan adalah gambaran nyata hasil pencatatan di lapangan sehingga Anda dapat melihat dengan nyata dan akurat sejauh mana tim Anda bermain.
    Analyzer & Benchmark adalah asisten personal Anda dalam mengambil keputusan. Pemain mana yang performanya menurun? Apakah sebenarnya pemain Anda efektif dalam melakukan serangan? Pemain lawan mana yang benar-benar berbahaya dalam pertandingan nanti? Pertanyaan-pertanyaaan tersebut dapat Anda jawab dengan menggunakan Analyzer & Benchmark Fantasista Football. Performa tim Anda pun akan meningkat dengan keunggulan data dan informasi yang anda miliki. Dan dengan kemudahannya, Anda dapat mencari tahu apa yang Anda inginkan dengan cepat dari tim dan juga lawan Anda
    Jelas sudah begitu banyak manfaat dari statistika dalam sepakbola. Para penggemar sepak bola awam dan mereka yang berpandangan konvensional akan beranggapan bahwa segala angka dan statistik ini hanya coret-coretan di atas kertas belaka, dan bahwa sepak bola yang sebenarnya adalah permainan yang dilakukan di atas lapangan hijau, bukan di tempat lain. Betul bahwa apa yang menentukan adalah permainan di lapangan, tapi data dan statistik membantu kita untuk mengerti dan menilai bagaimana performa sebuah tim saat bermain.

SUMBER :
Boeree, C. George.2008.General Psychology.Yogyakarta:Prismasophie. Diterjemahkan oleh Helmi J. Fauzi.
Koestono, Adi.1997.Taktik Sepakbola.Bandung: Pena Jaya.
Raharjo, Marsudi.2003.Makalah Statistika.PPG Matematika Yogyakarta.
www.beritasatu.com/
www.fantasista.com/
www.id.wikipedia.org/

Pengenalan Software SPSS

PENGENALAN MENU SPSS
1. Memulai program SPSS
·   Klik pada tombol start
·   Klik pada menu program
·   Klik pada SPSS for Windows
·   Klik pada SPSS 10.00 for Windows

2.   Menu Utama Pada SPSS

• File  --> Digunakan untuk membuat file baru, membuka file yang tersimpan, membaca database, membaca text data, menyimpan file, mencetak dan lain - lain
• Edit --> Digunakan untuk mengcopy, menghapus, mencari dan mengganti data serta memodifikasi dari submenu option
• Data --> Digunakan untuk memilih dari file data SPSS, seperti menyisipkan variable, transpose, merge file, memilih case dan lain - lain
• Transform -->Digunakan untuk memodifikasi nilai – nilai variable baru dari variable yang sudah ada dengan operasi tertentu, misalnya aritmatika atau membentuk variable baru yang nilainya merupakan hasil transformasi dari variable yang sudah ada.
• Analyze -->Digunakan untuk memilih metode – metode statistic, yaitu deskripsi statistic, perbandingan mean, regresi, klasifikasi, nonparametric dan lain – lain.
• Graphs --> Digunakan untuk menampilkan grafik, misalnya bar, histogram, pie, diagram pencar, grafik normal dan lain - lain
• Utilities --> Digunakan untuk menampilkan variabel – variabel yang ada pada file, menampilkan berbagai informasi mengenai isi file dan lain – lain.
• Windows -->Digunakan untuk mengatur, memilih atribut-atribut yang ada di SPSS, menampilkan layar – layar yang digunakan oleh SPSS

Sebelum memulai dalam pengerjaan pada SPSS sebaiknya mengikuti beberapa tahapan syarat yang harus dikerjakan dahulu yaitu :
1. Adanya File Data : Data bisa dibuat pada SPSS sendiri, atau melalui program spreadsheet (Excel) kemudian dimasukkan datanya.
2.   Menggunakan metode – metode statistic melalui menu Analyze
3.   Memilih variable – variable yang digunakan untuk analisis dan beberapa ukuran statistic yang diperlukan kemudian menjalankan prosedurnya.

3. Membuat Data Baru
Sebelum memasukkan data baru klik menu bar Variable View  sehingga tampil kotak dialog SPSS Data Editor

Langkah – langkah dalam memasukkan data :
1. Name : Ketik nama variable yang diinginkan
2. Type : Isikan tipe data yang sesuai dengan datanya. Tipe data yang disediakan oleh SPSS :

• Numeric : data yang berbentuk numeric, dianggap valid dalam bentuk angka, bisa bertanda plus maupun minus di depan angka.
• Comma : apabila data berbentuk numeric tapi ditandai dengan koma sebagai pembeda ribuan
• Dot : apabila data berbentuk numeric tapi ditandai dengan titik sebagai pembeda ribuan
• Scientific Notation : apabila data berbentuk numeric, ditandai dengan symbol E
• Date : tipe data format waktu
• Dollar : data berbentuk numeric, yang ditandai ($) dengan tanda koma sebagai pemisah tanda ribuan
• Custom Currency : bentuk tipe data yang digunakan untuk menampilkan format mata uang yang dibuat melalui kotak dialog Option dari menu edit.
• String : data dalam bentuk huruf/alphabetic, angka atau karakter lainnya.

3. Width dan Decimal : secara otomatis akan terisi sesuai dengan tipe variabelnya.
4. Label : untuk memberi nama keterangan pada variable supaya member arti yang jelas pada variabelnya.
5.  Values : digunakan untuk mendefinisikan variable dalam bentuk kategori. Misalnya untuk scoring data
6. Missing : untuk menentukan nilai – nilai yang hilang / missing, secara default tidak usah dirubah
7. Measurement : merupakan skala pengukuran, didalam statistic ada 4 skala pengukuran, yaitu nominal, ordinal, interval dan rasio

Menyimpan file (Data dan output)

• File data : untuk menyimpan file data dengan menggunakan perintah Save pada menu. Hasil dari simpanan SPSS berextensi .sav
• Output File : untuk menyimpan file output pada SPSS dengan menggunakan perintah Save pada menu. Hasil dari simpanan SPSS berextensi. spo

Teori Statistik

Statistik dan Komputer Statistik

1. Apa yang dimaksud dengan statistik? Dan apa saja kegunaannya dalam kehidupan sehari-hari?

Pada prinsipnya statistik bisa diartikan sebagai sebuah kegiatan untuk :
* Mengumpulkan data
* Meringkas/menyajikan data
* Menganalisis data dengan metode tertentu
* Menginterpretasi hasil analisis tersebut


Contoh Kegunaan statistik :

* Ingin memperkirakan berapa rata-rata Penghasilan sebuah keluarga di Jakarta Utara setiap bulannya.
* Apakah ada hubungan antara banyaknya Iklan yang ditayangkan dengan peningkatan Penjualan sebuah perusahaan?
* Jika seseorang semakin banyak belajar dan makan makanan bergizi tinggi, apakah kecerdasan orang tersebut akan bertambah?

Dan sebagainya.


2. Mengapa seseorang harus mempelajari dan mengerti statistik?

Ilmu statisik berguna untuk membantu dalam pengambilan keputusan atas tertentu.

Misalnya sebuah perusahaan ingin mengetahui berapa biaya Iklan yang dikeluarkan untuk mencapai target penjualan tertentu?

Dengan Ilmu statistik, akan dikumpulkan data iklan, penjualan dan
sebagainya, membuat ringkasan data yang penting, melakukan analisis
dan korelasi, dan interpretasi data tersebut, hingga bisa membantu
mengambil langkah terbaik, berapa biaya iklan yang seharusnya dikeluarkan.


3. Apakah dalam statistik dikenal beberapa pembagian seperti pada ilmu yang lain?

Pada umumnya, statistik dibagi menjadi dua bagian:

· STATISTIK DESKRIPTIF Bagian ini menjelaskan bagaimana data dikumpulkan dan diringkas pada hal­hal yang penting dalam data tersebut.

· STATISTIK INFERENSI Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk menganalisis data, dan kemudian menginterpretasikan hasil analisis tersebut.

Dalam praktek, statistik inferensi mengambil peran yang jauh lebih banyak dan penting dibanding statistik deskriptif.


Data

4. Telah disebutkan bahwa statistik berhubungan dengan pengolahan data. Apakah data di sini bisa dibagi lagi?

Dari sudut pandang statistik, data bisa dibagi menjadi :

· DATA KUALITATIF

Data Kualitatif adalah sebuah data yang dinyatakan dalam bentuk bukan angka.

Sebagai contoh: Jenis Pekerjaan seseorang (bisa Petani, Nelayan, Pegawai dan sebagainya), Status Pernikahan (Belum Menikah, Menikah, Duda, Janda), Gender (Pria, Wanita), kepuasan seseorang (tidak puas, cukup puas, sangal peas) dan sebagainya. Data jenis ini harus dikuantifikasi agar bisa diolah dengan statistik.

· DATA KUANTITATIF

Data kuantitatif adalah data yang dinyatakan dalam bentuk angka.

Sebagai contoh. Usia seseorang, Tinggi seseorang, Penjualan dalam sebulan Jumlah bakteri dalam sebuah percobaan biologi tertentu, dan sebagainya.


5. Mengapa data kualitatif harus dikuantifikasikan agar bisa diproses? Dan bagaimana caranya?

Data kualitatif tidak berupa angka, sedangkan statistik hanya bisa memproses data yang berupa angka. Karena itu, data kualitatif harus dikuantifikasikan, atau di ubah menjadi data kuantitatif. Pengubahan bisa dengan cara memberi skor tertentu (seperti Pria diberi skor 1, sementara Wanita diberi skor 2), memberi ranking (Tidak Puas 1, Puas 2 dan seterusnya), dan sebagainya.


6. Apa yang dimaksud data nominal? Dan apa ciri data tersebut?

Data berskala nominal (sering disebut skala nominal, data nominal atau jenis data nominal) adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

Contoh data nominal :

* Jenis Pekerjaan, diklasifikasi sebagai :

Ø Pegawai Negeri diberi tanda 1

Ø Pegawai Swasta diberi tanda 2

Ø Wiraswasta diberi tanda 3

Ciri data nominal adalah :

* Posisi data setara. Dalam contoh di atas, Pegawai Negeri tidak lebih tinggi dari Wiraswasta, dan sebaliknya, walaupun angka kodenya berbeda.
* Tidak bisa dilakukan operasi matematika (x, /, +, - dan A). Contoh: tidak mungkin 3 - 2 = 1, atau Pegawai Swasta - Wiraswasta = Pegawai Negeri, dan kemungkinan operasi lain.

Catatan: Data nominal adalah data yang paling lemah tingkatannya dibanding yang lain.


7. Apa yang dimaksud data ordinal? Dan apa ciri data tersebut?

Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan.

Contoh data ordinal:

* Kepuasan Pelanggan, diklasifikasi sebagai :

Ø Sangat Puas diberi tanda 1

Ø Puas diberi tanda 2

Ø Cukup Puas diberi tanda 3

Ø Tidak Puas diberi tanda 4

Ø Sangat Tidak Puas diberi tanda 5

Ciri data ordinal adalah :

* Posisi data tidak setara. Dalam contoh di atas, Sikap Pelanggan `Sangat Puas' lebih tinggi dari `Puas', dan `Puas' lebih tinggi dari `Cukup Puas' dan seterusnya, disesuaikan dengan angka kodenya.

Catatan: Penyusunan angka bisa dari 5 ke 1, tergantung kesepakatan.

* Tidak bisa dilakukan operasi matematika (x, /, +, - dan A). Contoh: tidak mungkin 1 + 2 = 3, atau Sangat Puas + Puas = Cukup Puas, dan kemungkinan operasi lain.


8. Apa yang dimaksud data interval? Dan apa ciri data tersebut?

Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak dua titik pada skala sudah diketahui. Hal ini berbeda dengan skala ordinal, di mana jarak dua titik tidak diperhatikan (seperti berapa jarak antar `Puas' dengan `Tidak Puas', yang sebenarnya menyangkut perasaan sese­orang saja).

Contoh data interval :

· Temperatur suatu ruangan :

Bisa diukur dalam °C (Celcius) atau °F (derajat Fahrenheit), dengan masing-masing mempunyai skala sendiri-sendiri.

Untuk air membeku dan mendidih :

Ø Celcius pada 0°C sampai 100°C.

Skala tersebut jelas jaraknya, yaitu 100 – 0 = 100.

Ø Fahrenheit pada 320C sampai 2120C.

Skala tersebut jelas jaraknya, yaitu 212 – 32 = 180.


· Sistem Kalender:

Tanggal 1 Januari 2000 adalah sistem penanggalan Masehi. Jika dilihat dari sistem Penanggalan Jawa, atau China akan berbeda. Namun demikian, tetap ada jarak yang jelas, seperti antara 1 Januari dengan 10 Januari 2000 ada jarak 10 hari.

Ciri data interval adalah:

· Tidak ada kategorisasi atau pemberian kode seperti data kualitatif (nominal dan ordinal).

· Bisa dilakukan operasi matematika (x, /, +, - dan ^).

Contoh :

10°C + 30°C = 40°C

100C - 30°C = -20°C

Panas 40°C adalah dua kali lebih panas dibanding 20°C.


9. Apa yang dimaksud data rasio? Dan apa ciri data tersebut?

Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak dua titik pada skala sudah diketahui, dan mempunyai titik 0 yang absolut. Hal ini berbeda dengan skala interval, di mana tidak ada titik nol mutlak, seperti titik 0°C tentu beda dengan titik 0°F. Atau pergantian tahun pada sistem kalender Masehi (setiap 1 januari) tentu beda dengan pergantian tahun Jawa, China dan lainnya, sehingga tidak ada `tahun baru' dalam pengertian benar-benar diakui baru oleh setiap sistem kalender.

Contoh data rasio:

Jumlah Buku di kelas :

Jika 5, berarti ada 5 buku, jika 0, berarti tidak ada buku sama sekali

absolut, benar-benar 0).

Ciri data rasio adalah:

* Tidak ada kategorisasi atau pemberian kode seperti data kualitatif nominal dan ordinal).
* Bisa dilakukan operasi matematika (x, /, +, - dan ^).

Contoh :

170 cm+ 120 cm=290 cm

5 Jeruk – 2 jeruk = 3 jeruk


Catatan : pengolahan data statistik untuk data kuantitatif sebagian besar menggunakan data rasio.

10. Apa gunanya mengetahui jenis data dalam pengolahan data statistik?

Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan. Data jenis kuantitatif akan menggunakan prosedur statistik parametrik, sedangkan data kualitatif cenderung mengarah pada statistik non parametrik.

Contoh:

* Ingin mengetahui (statistik inferensi) apakah rata-rata Tinggi Badan Pria dan Wanita di Jakarta sama ataukah berbeda secara nyata? Karena Tinggi Badan adalah jenis data rasio (bisa ditambah, dikurang dan sebagainya), maka akan digunakan metode statistik parametrik, seperti uji t, uji F dan sebagainya.
* Ingin mengetahui apakah rata-rata Kepuasan Pelanggan Pria dan Wanita di Jakarta sama ataukah berbeda secara nyata?

Karena Kepuasan Pelanggan adalah jenis data ordinal (tidak bisa ditambah, dikurang dan sebagainya), maka akan digunakan metode statistik non parametrik, seperti uji Wilcoxon, Kruskal-Wallis, Median dan sebagainya.


Pengolahan Data Statistik

11. Bagaimana pembagian ilmu statistic dalam kaitannya dengan pengolahan data

Prosedur /Metode Statistik bisa dibagi menjadi :

A. PARAMETER

Berdasarkan parameter yang ada, dan untuk keperluan inferensi statistic bisa dibagi menjadi :

· STATISTIK PARAMETER

Berhubungan dengan inferensi statistik ( pengambilan keputusan atas masalah tertentu) yang membahas parameter – parameter populasi, seperti rata – rata, proporsi dan sebagainya.Ciri parametric adalah jenis data interval atau rasio, serta distribusi data (populasi) adalah normal atau mendekati normal.

· STATISTIK NON PARAMETRIK

Inferensi statistic tidak membahas parameter – parameter populasi. Ciri non parametric adalah jenis data nominal atau ordinal, serta distribusi data (populasi) tidak diketahui atau bisa disebut normal.

Catatan: Statistik non parametrik dibahas pada buku yang lain.


B. JUMLAH VARIABEL

Pembagian:

· ANALISIS UNIVARIAT

Di sini hanya ada satu pengukuran (variabel) untuk n sampel, seperti Penjualan Jam Tangan (variabel) di kota besar di Indonesia (sampel). Atau bisa juga pengukuran beberapa variabel, namun masing-masing variabel dianalisis tersendiri.

Alat analisis seperti: uji t, uji F, ANOVA dan sebagainya.

· ANALISIS MULTIVARIAT

Di sini ada dua atau lebih pengukuran (variabel) untuk n sampel, seperti Penjualan Jam Tangan, Biaya Promosi Jam dan Jumlah Pengunjung setiap hari (tiga variabel), di mana analisis antar variabel dilakukan bersamaan.

Alat analisis seperti: regresi, korelasi, dan sebagainya.

Sejarah Statistik

 

FNI, Statistik, Malang, FNI Statistik, Sejarah Statistik, Statistika

Pengertian Statistik

Secara etimologis kata “statistik” berasal dari kata status (bahasa latin) yang mempunyai persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang dalam bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata “statistik” diartika sebagai “kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar bagi suatu negara. Namun, pada perkembangan