analisis-data_statistik ekonomi sosial .ppt

enoksureskiarti2 8 views 44 slides Sep 09, 2025
Slide 1
Slide 1 of 44
Slide 1
1
Slide 2
2
Slide 3
3
Slide 4
4
Slide 5
5
Slide 6
6
Slide 7
7
Slide 8
8
Slide 9
9
Slide 10
10
Slide 11
11
Slide 12
12
Slide 13
13
Slide 14
14
Slide 15
15
Slide 16
16
Slide 17
17
Slide 18
18
Slide 19
19
Slide 20
20
Slide 21
21
Slide 22
22
Slide 23
23
Slide 24
24
Slide 25
25
Slide 26
26
Slide 27
27
Slide 28
28
Slide 29
29
Slide 30
30
Slide 31
31
Slide 32
32
Slide 33
33
Slide 34
34
Slide 35
35
Slide 36
36
Slide 37
37
Slide 38
38
Slide 39
39
Slide 40
40
Slide 41
41
Slide 42
42
Slide 43
43
Slide 44
44

About This Presentation

variabel sosial ekonomi


Slide Content

1
Analisis Variabel Sosial Ekonomi

Bagian-bagian dalam Tabel
1.Nomor
2.Title (Judul), biasanya ditempatkan di atas tabel, harus jelas, singkat, dan lengkap
3.Judul yang baik akan menjawab what, when, dan where
4.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-angka
7.Total (kolom/baris)
8.Foot Note
9.Source (sumber data) untuk data sekunder/tersier
Penyajian Melalui Tabel

 Karakteristik Responden N
Persentase Persepsi Hak
Suami Memukul Istri
SetujuTidak Total
Kelompok umur    
  15-24 45923,3176,69 100,00
  25-39 4.20117,3582,65 100,00
  40-54 4.07214,4985,51 100,00
  Total 8.73216,3383,67 100,00
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 2
Persentase 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
pasangan
Pakai
kondom
Tidak ber
hubungan
seks
Setia pada
satu
pasangan
Pakai
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
Data
Time
Series

SUMBER: DEPKES, 2009(DALAM KOMISI PENANGGULANGAN AIDS)
Contoh Grafik Batang Tunggal: Jumlah Kasus
Baru HIV/AIDS dari Tahun 2004-2008
10
Cocok
Data
Distribusi
Tunggal
Time Series

SUMBER: DEPKES, 2009(DALAM KOMISI PENANGGULANGAN AIDS)
Grafik Batang Berganda
(Multiple Bar Chart)
11
Cocok
Data
Perbandingan
Time Series

12
Cocok
Data
Distribusi
Tunggal

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
30
23
20 19
66
52
43
39
IDHS 1994IDHS 1997IDHS 2002-03IDHS 2007
DI YogyakartaIndonesia TotalIMR
TFR
Struktur Penduduk DI. Yogyakarta

• Asas
•Prinsip
•Tujuan
• Hak dan
Kewajiban
Aspek Substansi
Pengaturan
Aspek manajemn
pelaksanaan
PERMASALAHAN LINGKUNGAN
1.Pengendalian Pencemaran
2. Penurunan Emisi
3. Pengembangan Kualitas Hidup
4. Pengarahan Limbah
5. 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
kekeluargaa
n melintasi
ruang fisik
Pemeliharaa
n 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 Statistik
Menyederhanakan dataMenyederhanakan data
Instrumen pengolahan dan analisis DataInstrumen pengolahan dan analisis Data
Menggambarkan fenomena sosial dengan pasti.Menggambarkan fenomena sosial dengan pasti.
Meringkas hasil penelitian menjadi lebih yakin dan Meringkas hasil penelitian menjadi lebih yakin dan
bermakna. bermakna.
Menguraikan sebab akibat yang kompleks dan rumit Menguraikan sebab akibat yang kompleks dan rumit
Mengadakan peramalan secara ilmiahMengadakan peramalan secara ilmiah
Generalisasi 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 gambar
Penyajian karakteristik data dg nilai statistik
(mean, median, modus, SD, variance, minimum,
maksimum, range, jumlah sampel)

Apa yang dapat disimpulkan???
151718192020262930313537394042
151718192020262930313537394043
151718192022282930313538394043
151718202022282930313538394043
151718202022282930313538404043
151718202022282930333538404144
151718202022282930333538404144
151719202022282930333538404144
161719202022283030333639404145
161719202022283030333639404145
161719202026283031333639404245
161719202026283031333639404245
161819202026283031353739404245

……….. ????
Umur f Umur f
15 8 33 7
16 5 35 9
17 12 36 4
18 8 37 3
19 9 38 6
20 25 39 9
22 8 40 14
26 8 41 5
28 11 42 4
29 8 43 4
30 15 44 3
31 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 29
Modus 20
Mean 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 digunakan
Apa 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 tunggal
Validasi 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 kontrasepsif % valid %cum%
PIL 30 7,5012,99 7,50
Susuk 88 22,0038,10 29,50
IUD 15 3,756,49 33,25
Suntik 55 13,7523,81 47,00
Steril 3 0,751,30 47,75
Tradisional 40 10,0017,32 57,75
missing 169 42,25  100,00
231   
  400100,00100,00 
Kapan % dan valid %
bernilai sama?

Bagaimana mengkelaskan data
Mengetahui distribusi data,
Melalui interval range
Melihat 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 kualitasIndeks : Indikator untuk mengukur kualitas
contoh : HDI, GDI, HPIcontoh : HDI, GDI, HPI
(Maksimum – Actual)/(Actual – minimum)(Maksimum – Actual)/(Actual – 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 DATA
Data kualitatif: pengukurannya bukan angka, misal:
jenis kelamin
Data kuantitatif: pengukurannya dalam bentuk angka,
misal: harga barang, pendapatan

Data kuantitatif:
Data diskrit: data yang terputus-putus
Data continuous: data yang bersambung
Jenis Pengukuran Data/skala:
1. nominal
2. ordinal
3. interval
4. 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 INFERENSIALTAHAPAN ANALISIS STATISTIK INFERENSIAL
1. Mengkode data:
jawaban pertanyaan terbuka dengan listing jawaban,
mengklasifikasikan, mengkode
jawaban pertanyaan tertutup
2. Penyiapan data
siapkan sheet untuk data entry
data entry
cleaning 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 rasio
b. 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 sample
b. Dependent/Match T-test
c. Independent T-test
Syarat:
a. Data berskala interval atau rasio
d. Data berdistribusi normal

TAHAP:
1. Nyatakan hipotesis:
Ho:  = 
o
Ha:  # 
o
  
o
  
o
2.

Hitung t-hitung
3. Tentukan daerah penolakan (tingkat kesalahan, satu atau dua ekor,
degree of freedom)
4. Pengambilan keputusan
5. Simpulkan

PROGRAM SPSS VERSI 15.0
SYNTAX:
Analyse
Compare mean
One-sample t-test

2. UJI BEDA TIGA ATAU LEBIH MEAN:
ANALYSIS OF VARIANCE (ANOVA)
Single factor Analysis of Variance
Two-factor Analysis of Variance
Syarat:
a. variance semua grup sama-->
b. data berdistribusi normal
c. observasi independen

Analisis Uji Beda
1. 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-Square
1. Data terdistribusi normal
2. Skala Data Nominal

2.Correlation analysis: hubungan dua variabel
(dengan data kontinyu)
Asumsi:
Random sampling
Skala interval atau rasio
Normal distribusi
Hubungan dua variabel linear
Homoskedastisitas: variance skor Y uniform untuk semua nilai X
Sampling distribusi normal

3. Regression Analysis
A. Simple atau Multiple Linear Regression: satu DV dan satu atau
lebih IV
Aturan:
Data interval atau rasio
Data berdistribusi normal
Asumsi:
Multicollinearity
Auto/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
Tags