Diskusi 9 Manfaat Dan Kelemahan Analisis Frekwensi Data Kategorik - Febri [PDF]

  • 0 0 0
  • Suka dengan makalah ini dan mengunduhnya? Anda bisa menerbitkan file PDF Anda sendiri secara online secara gratis dalam beberapa menit saja! Sign Up
File loading please wait...
Citation preview

Diskusi.9 Rabu, 28 Agustus 2019, 09:00 DISKUSI INI DINILAI. Saudara mahasiswa, silakan pelajari serta diskusikan dengan sesama temannya mengenai topik Analisis Frekwensi Data Kategorik pada inisiasi ke-7 yang terdapat dalam modul. Jelaskan manfaat serta kelemahan dari analisis dimaksud. Selamat berdiskusi. Tutor Jawab : Mohon ijin menanggapi diskusi mengenai manfaat serta kelemahan dari Analisis Frekwensi Data Kategorik Manfaat Analisis Frekwensi Data Kategorik (chi-square) adalah : 1. Dapat digunakan sebagai uji hipotesis tentang perbandingan Antara frekuensi observasi dengan frekuensi harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus atau data yang ambil untuk diamati 2. Bermanfaat dalam melakukan analisis statistic jika kita tidak memiliki informasi tantang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistic parametric tidak terpenuhi 3. Menguji seberapa baik kesesuaian diantara frekuensi yang teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan dihipotesiskan, atau juga menguji perbedaan antara dua kelompok pada data dua kategorik untuk dapat menguji signifikansi asosiasi dua kelompok pada data dua katagorik tersebut. 4. Mengetahui ada tidaknya asosiasi antara 2 variabel (Independent test) 5. Mengetahui apakah suatu kelompok homogen atau tidak (Homogenity test) 6. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test) 7. Digunakan untuk menganalisis data yang berbentuk frekuensi. 8. Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-variabel yang dianalisis 9. Cocok digunakan untuk data kategorik, data diskrit atau data nominal



Kelemahan yang melekat pada uji dengan menggunakan Analisis Frekwensi Data Kategorik (chi-square) adalah : 1. Uji ini sensitif terhadap banyaknya sampel yang digunakan. Uji ini akan menjadi kurang akurat jika terdapat nilai frekuensi harapan yang kurang dari 5 pada sel tabel kontingensi. Bahkan uji ini tidak bisa digunakan jika frekuensi harapan yang kurang dari 5 terdapat lebih dari 20 % dari total sel yang ada atau bila terdapat nila frekuensi harapan yang kurang dari 1. Hal ini mengindikasikan bahwa uji ini baik digunakan pada jumlah sampel yang cukup besar dan tidak efektif digunakan untuk sampel yang kecil. Beberapa alternatif bisa digunakan untuk mengatasi masalah tersebut. Penggabungan kolom atau baris untuk menghilangkan nilai frekuensi harapan yang kurang dari 5 bisa dilakukan asalkan penggabungan tersebut tidak menghilangkan



makna dari pengklasifikasian yang ada pada tabel. Dengan kata lain penggabungan hanya bisa dilakukan apabila masih masuk akal (common sense) dan bermakna. Sebagai contoh, klasifikasi tingkat pendidikan Sekolan Dasar, Sekolah Menengah Pertama, Sekolah Menengah Atas, dan Perguruan Tinggi dapat dilakukan penggabungan klasifikasi menjadi Sekolah Dasar, Sekolah Menengah Pertama, dan minimial Sekolah Menengah Atas. Dari contoh tersebut dilakukan penggabungan klasifikasi antara Sekolah Menengah Atas dan Perguruan Tinggi menjadi minimal Sekolah Menengah Atas. Penggabungan tersebut juga hanya berlaku untuk tabel kontingensi yang bukan 2×2, untuk tabel kontingensi tabel 2×2 bisa menggunkan Uji Exact Fisher. Bahkah Cohran menyarankan untuk menggunkan Uji Exact Fisher untuk tabel kontingensi 2×2 apabila jumlah sampelnya kurang dari 20 atau kurang dari 40 dan terdapat frekuensi harapan yang kurang dari 5. 2. Uji Chi-Square hanya memberikan informasi tentang ada atau tidaknya hubungan antara kedua variabel. Uji ini tidak memberikan informasi mengenai seberapa besar hubungan yang ada antara kedua variabel tersebut serta bagaimana arah hubungan yang ada. Oleh karena itu, dibutuhkan alat analisis sebagai informasi tambahan yang akan mendukung analisis menggunakan Uji Chi Square. Untuk mengetahui seberapa besar hubungan yang ada dapat menggunakan Odds Ratio dan Relative Risk. Odds Ratio dan Relative Risk juga dapat memberikan informasi mengenai arah hubungan yang ada dari kedua variabel. Selain itu, dengan melakukan dekomposisi Chi-Square dan mempelajari residualnya dapat lebih mempertajam analisis. 3. Uji Chi-Square hanya bagus digunakan untuk skala data nominal untuk kedua variabel yang diuji. Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal. Uji Chi-Square bergantung pada jumlah marginal dan bukan pada pengurutan dari baris dan kolom. Jadi, pengubahan urutan dari baris atau kolom tidak akan menguabah nilai dari uji chi square yang didapat. Dengan kata lain, uji ini memperlakukan klasifikasi yang ada pada baris dan kolom sebagai nominal. Dengan demikian, jika terdapat dari sala satu variabel yang berskata ordinal sebaiknya menggunkan uji yang lain seperti koefisien gamma dan yang lainnya.



Sumber : https://parameterd.wordpress.com/2013/09/24/keterbatasan-chi-square-limitation-of-chisquare/ https://elearningti3605.wordpress.com/2013/12/26/uji-chi-square/



Sekian tanggapan dari saya, mohon koreksi apabila terdapat kekeliruan. Terimakasih.