Kamis, 06 Februari 2020

Analisa Variabel Moderating Kategorik

Variabel female adalah variabel dummy yang berkode nol/satu, dimana female=1 dan male=0. Adapun variabel kontinu socst yang merupakan nilai standar dari test pelajaran sosial akan dilihat pengaruhnya terhadap skore write dimana female sebagai variabel moderator yang berbentuk kategori. Data yang digunakan “hsbdemo.sav”
( Link data : hsbdemo.sav )















Kemudian ingin dilihat garis regresi antara female dan male dengan menggunakan sintax berikut:


















Tampak bahwa garis regresi antara male dan female tidak sejajar, hal ini menunjukan adanya interaksi gender dengan socst. Garis regresi untuk female cenderung slopenya lebih rendah jika dibandingkan dengan male dimana pada nilai socst rendah terlihat adanya perbedaan nilai write antara male dengan female. Seiring dengan meningkatnya nilai socst maka perbedaan tersebut semakin tidak nampak.

Koefisien female=15, yang artinya rata-rata skore write female lebih tinggi 15 jika dibandingkan dengan male. Sedang koefisien socst 0.6247 yang merupakan slope socst dari male. Untuk koefisien interaksi female dengan socst -0.2047 merupakan perbedaan rata-rata slope socst antara male dan female. Sehingga untuk mengetahui slope socst dari female adalah 0.6248-0.2047= 0.4201

Untuk mengetahui slope socst antara male dengan female dapat juga dengan menggunakan perintah margin











Ingin dilihat perbedaan slope antara male dan female pada bentuk tabel di beberapa nilai socst mulai dari 25 sampai dengan 70 dengan penambahan 5 nilai.

















Informasi tabel analisanya menunjukan nilai write pada berbagai nilai socst, contoh nilai write male pada socst=25 adalah 33.38182, sedangkan untuk write female adalah 43.26361. Perbedaan antara male dan female 43.26361 – 33.38182 = 9.88179. Untuk melihat perbedaan nilai write pada beberapa nilai socst antara male dan female dapat juga digunakan perintah margin dengan menulis perintah dydx pada option.





















Kemudian akan kita buat grafik perbedaan dengan nilai confiden intervalnya dengan perintah marginsplot.




















Dapat dilihat bahwa perbedaan antara male dan female terlihat signifikan pada nilai socst dibawah 60. Hal ini sejalan dengan garis regresi antara male dan female, dimana nilai socst dibawah 60 maka terlihat adanya perbedaan gap garis dan semakin besar perbedaannya semakin mengecil.

Analisa Variabel Moderating Kontinu

Ingin dilihat pengaruh skore math terhadap skore read dimana skore socst (pelajaran sosial) menjadi variabel moderating. Data yang digunakan “hsbdemo.sav” yg merupakan data dari 200 orang pelajar.
( Link data : hsbdemo.sav )

Model analisa









Melihat Dekripsi Variabel read , math & socst







Melakukan analisa pengaruh interaksi math dengan socst terhadap read













Hasil menunjukan adanya pengaruh interaksi “c.math#c.socst” dengan nilai p-value 0.032. Untuk melihat bagaimana bentuk interaksi yang terjadi antara math dengan socst akan dijelaskan dengan grafik slope pengaruh math terhadap read´pada kondisi nilai socst tetap. Misal nilai socst ditentukan ada 10 nilai, yaitu 30, 35, 40, 45, 50, 55, 60, 65, 70, 75. Berikut perintah melihat perubahan nilai read/slope pada beberapa nilai socst yang tetap (nilai antara 30 sampai dengan 75).












Hasil tabel diatas menunjukan slope (perubahan nilai read setiap perubahan satu satuan nilai math) dimana socst konstan dengan 10 nilai yang berbeda. Terlihat bahwa slope menunjukan nilai tidak signifikan pada socst dengan nilai 30.

Selanjutnya kita bisa menggambarkan slope dibeberapa nilai konstan socst 30 sampai dengan 75 dengan menarik garis yang melalui dua nilai math. Misalkan ditarik garis slope yang melewati nilai math 30 sampai dengan 70. Sintax berikut menunjukan nilai dari read untuk beberapa nilai konstan socst pada titik math = 30 dan math=75

















Hasil analisa dalam tabel menunjukan koordinat titik beberapa nilai socst pada nilai math=30 sampai math=70. Kemudian akan ditarik garis yang melalui kedua titik tersebut dengan menggunakan sintax sebagai berikut.




















Tampak bahwa gap antar nilai socst pada saat math=30 terlihat kecil, kemudian semakin besar nilai math maka gapnya semakin besar. Dapat dikatakan bentuk interaksi yang terjadi bahwa semakin tinggi nilai socst maka pengaruh math terhadap read semakin besar.

Selasa, 03 September 2019

Pengantar Predictive Analysis with R

Program R adalah software open source yang digunakan untuk melakukan analisa statistik dan grafik. Progrm R pertaman kali dibuat tahun 1992 oleh Ross Ihaka dan Robert Gentleman dari Statistics Departemen of the University of Auckland, New Zealand. Sifatnya yang open source (FREE) memungkinkan berbagai orang untuk mengambangkan berbagai analisa statistik dalam program R sehingga program R secara tidak langsung mengikuti perkembangan analisa statistik yang terkini, selain itu program R juga mampu berjalan diberbagai operasi sistem menjadikan R menjadi pilihan utama pada bidang analisa dewasa ini. Perusahaan besar seperti Google, Facebook, Twitter telah menggunakan   software R untuk keperluan Business Intelligent nya.
Pelatihan kali ini akan memberikan dasar-dasar penggunaan sofware R dari mulai instalasi, managemen data, visualisasi hingga melakukan berbagai analisa statistik yang menjadi dasar dalam membuat Predictive Modelling. Pembahasan terhadap ilmu statistik akan dilakukan secara detail dan mendalam, mulai dari konsep probabilitas, pendugaan parameter, termasuk nilai convident interval hingga pengujian hipotesis.

Target Pelatihan:

  1. Peserta dapat mengenal struktur program R .
  2. Peserta dapat meng-import data dari berbagai sumber kedalam program R.
  3. Peserta mampu melakukan berbagai operasi matematika dan statistik dengan program R.
  4. Peserta mampu melakukan manajemen data dengan program R.
  5. Peserta mampu memvisualisasi data dengan program R
  6. Peserta memahami dasar-dasar ilmu statistik (deskriptive & inferensial) yang nantinya digunakan untuk membuat predictive modelsdan mampu mengaplikasikan dengan program R
.

Lama Pelatihan :

2 hari, @ 420 menit

Referensi :

  • Walpole, R .E.  and R. H. Myer. 1989. Probability and statistics for engineers and scientists. Fourth edition. Macmillan Publising Co, Inc
  • M. R. Spiegel, J. Schiller, R. A. Srinivasan.2002. Probabilitas Dan Statistik. Schaum’s
  • A. A. Mattjik, I Made S. J. 2006. Perancangan Percobaan.  IPB Press

Biaya Pelatihan:

  • Akademisi                : Rp    2.750.000,- (termasuk PPN 10%)
  • Profesional               : Rp   3.850.000,- (termasuk PPN 10%)

Silabus:

NO
MATERI PELATIHAN
A
Konsep Statistik
01.
Konsep Kejadian
02.
Pengertian Dasar Statistik
03.
Metode Dalam Analisa Statistik
04.
Jenis Data
05.
Pengujian Statistik
06.
Prosedur Pengujian Statistik
B
Operasi Dasar Program R dan RStudio
01.
Pengenalan Program R dan RStudio
02.
Struktur Program R dan RStudio
03.
Cara Install Program R dan RStudio
04.
Data Dalam Program R dan Rstudio
05.
Sintax Program R dan RStudio
06.
Membuat dan Menyimpan Workshet pada Program R dan RStudio
07.
Tipe Data pada Program R dan Rstudio
08.
Menyalin Data pada Program R dan Rstudio
09.
Coding Data pada Program R dan Rstudio
10.
Membuat grafik pada Program R dan RStudio
C
Statistik Deskriptive
01.
Ukuran Pemusatan dan Penyebaran Data
02.
Diagram Steam and Leaf
03.
Tabulasi Silang
04.
Membuat Grafik
D
Statitistik Inferensial (Data Pengukuran)
01.
Pendugaan Paramater dan Confident Interval
02.
Null Hypotesis
03.
Uji 1 Kelompok Sample
04.
Uji 2 Kelompok Sample Bebas
05.
Uji 2 Kelompok Sample Terkait
06.
Uji Anova
07.
Normalitas Data
08.
Homogenitas Varian
09.
Uji Lanjutan