Manajemen Data Statistika dan Analisis Data

Flashcards untuk membantu siswa meninjau catatan kuliah tentang manajemen data statistik dan analisis data.

Manajemen Data

Proses merencanakan, menyiapkan, menyimpan, mengatur, dan memelihara pusat data

Manfaat Manajemen Data yang Efektif

• Meningkatkan produktifitas

• Membantu membuat keputusan akurat

• Mengurangi risiko kehilangan informasi penting

• Keamanan data lebih terjaga

Otomatisasi

Mengganti tenaga manusia dengan tenaga mesin yang otomatis bekerja tanpa pengawasan manusia

Contoh Ukuran Asosiasi

Chi-square

Ukuran Asosiasi

Ukuran keerataan hubungan antar peubah kategorik

Peubah/Variabel

Karakteristik dari objek yang dianalisis

Data

Nilai dari peubah yang dianalisis

Data Bivariat

Mengamati dua peubah

Data Univariat

Mengamati satu peubah

Tabel Kontingensi/Tabulasi Silang

Menyajikan hubungan antar dua peubah kategorik

Frekuensi Relatif Bersama (Joint Relative Frequency)

Persentase frekuensi satu kategorik/ total frekuensi

Frekuensi Relatif Marginal (Marginal Relative Frequency)

Persentase frekuensi seluruh peubah dalam baris atau kolom/total frekuensi

Frekuensi Relatif Bersyarat (Conditional Relative Frequency)

Persentase frekuensi satu peubah kategorik/ total frekuensi marginal

Asosiasi

Hubungan antara dua peubah yang membantu memprediksi nilai peubah lainnya

Boxplot

Menyajikan hubungan antara satu peubah kategorik dan satu peubah numerik

Scatter Plot

Menyajikan hubungan antar peubah numerik.

Ukuran korelasi

Ukuran keeratan hubungan antar peubah numerik

Koefisien Korelasi Peringkat Spearman

Nilai yang mengukur kekuatan hubungan linier antar dua peubah kategorik dengan skala ordinal (berurut, sesuai peringkat data bukan nilai aktual data)

Koefisien Korelasi Pearson

Nilai yang mengukur kekuatan hubungan linier antar dua peubah numerik dengan skala pengukuran interval atau rasio).

Analisis Regresi Linier

Memanfaatkan hubungan sebab akibat antara dua atau lebih peubah untuk meramal peubah lainnya

Peubah Tak Bebas (Y)

Peubah yang ingin dijelaskan dalam analisis regresi

Peubah Bebas (X)

Peubah yang menjelaskan peubah tak bebas dalam analisis regresi

Random Error Term

Komponen acak yang mencerminkan variasi yang tidak dapat dijelaskan oleh model regresi linier sederhana

Galat/Sisaan

Selisih antara nilai yang diamati dan nilai yang diprediksi dalam model regresi

Penduga Kuadrat Terkecil (Least Squares Estimators (LSE))

bo dan b₁ adalah dugaan bagi parameter regresi Bo dan ẞ₁ yang didapat salah satunya dengan cara meminimumkan jumlah kuadrat galat (JKG).

Formula Korelasi Spearman

Nilai rs mendekati +1 (Hubungan Positif)

Kenaikan satu peubah berasosiasi dengan kenaikan peubah lain

Nilai rs mendekati -1 (Hubungan Negatif)

Kenaikan satu peubah berasosiasi dengan penurunan peubah lain

Nilai rs=0

Tidak ada asosiasi/hubungan monoton