Analysis of Statistics

Missing Value adalah hilangnya beberapa data yang telah diperoleh. salah satu alasan terjadinya missing value adalah tidak terkumpulnya beberapa informasi. Misalnya : beberapa orang menolak untuk mengisi data berat badan, pendapatan bulanan, keterangan usia, dll. Cara-cara untuk mengatasi missing value antara lain menghilangkan beberapa data, membuat perkiraan data yang hilang menggunakan nilai mean (data yang normal) atau nilai median (data yang tidak normal), mengabaikan data yang missing , dll. Ada tiga jenis missing value yaitu Missing Completely at Random (MCAR), Missing at Random (MAR), dan Not Missing at Rnadom (NMAR)  MCAR adalah jenis missing value dimana distribusi data yang hilang tidak tergantung pada data pengamatan atau data missing value . Metode yang digunakan untuk mengatasi missing value antara lain Listwise, Pairwise, dan Estimasi Regresi. Contoh : Data yang diambil dari partisipan yang menggunakan koin uang untuk mengisi survey yang berisikan jawaban ya a...

EDA atau Analisis Ekspolasi Data adalah suatu pendekatan yang digunakan untuk menganalisis data menggunakan berbagai teknik khususnya secara grafis. Tujuannya adalah memaksimalkan wawasan dari sekumpulan data yang ada, mendeteksi outlier dan anomali data, untuk mengenali struktur dasar data, mengekstrak variabel yang dianggap penting, menguji asumsi dasar dari data, dan dapat mengembangkan parsimonious dari model. Terdapat perbedaan langkah dalam melakukan analisis data secara klasik, eksplorasi, maupun secara bayesian.  Klasik : masalah -> data -> model -> analisis -> kesimpulan Eksplorasi : masalah -> analisis -> model -> kesimpulan  Bayesian : masalah -> data -> model ->prior distribusi -> analisis -> kesimpulan  Dalam EDA ada beberapa hal yang harus diketahui pada data yang sudah terkumpul antara lain distribusi datanya apakah simetris, normal, atau skewness, masalah pada kualitas data, apakah ada outlier, dan masalah kore...

Uji asumsi klasik atau uji asumsi residual merupakan salah satu syarat yang harus dipenuhi pada analisis regresi linier. Apabila syarat-syarat terpenuhi maka estimasi parameternya tidak bias sehingga hasil dari pemodelannya dapat dipertanggungjawabkan .  Asumsi yang harus dipenuhi pada analisis antara lain residual harus i dentik, residual harus independen, dan residual berdistribusi normal.

Uji signifikansi parameter digunakan untuk mengetahui ada tidaknya hubungan parameter didalam model regresi. Uji signifikansi parameter dilakukan secara serentak (simultan) maupun parsial.

Regresi linier berganda adalah suatu analisis statistika yang bertujuan untuk mengukur pengaruh antara lebih dari satu variabel prediktor dan satu variabel respon.  Analisis ini dapat digunakan apabila antara variabel prediktor dan variabel respon berhubungan secara linier.  Hubungan kelinieran ini dapat dilihat melalui scatter plot.  Selain hubungan antar variabel yang linier salah satu syarat lain adalah tidak terjadi korelasi antar variabel prediktor (multikolinieritas). 

Berikut adalah contoh soal dari pengujian hipotesis. Contoh soal ini diambil dari buku “Pengantar Statistika” oleh Ronald E. Walpole.

PENDAHULUAN  Dalam suatu penelitian tentunya ada tahap-tahap yang harus dilakukan seperti mengidentifikasi masalah, menentukan hipotesis, melakukan eskperimen dan menganalisisnya, serta membuat kesimpulan. Pada tahap menentukan hipotesis, suatu hipotesis tersebut belum tentu benar. Metode statistika untuk menemukan kebenaran dari hipotesis adalah  pengujian hipotesis . Dalam pengujian hipotesis terdapat dua kemungkinan yaitu "menolak" suatu hipotesis atau "gagal tolak" suatu hipotesis. Perlu diingat bahwa dalam menentukan hipotesis hendaknya dibuat dengan mempelajari data yang ada, kemudian mencocokkannya dengan kondisi disekitarnya, sehingga hipotesis yang dibuat dapat dipertanggung jawabkan.