Posted by: tonyteaching | November 15, 2010

Istilah-istilah Statistics

Sekedar mengingat…
habis kalo saya belajar hal baru, sukanya hal-hal lama somehow bisa lupa🙂 astaghfirrullohal ‘adziim

berikut saya mencoba mengingat kembali pengertian istilah-istilah yang sering kali muncul & dipakai sebagai parameter analisis statistics khususnya SEM:

1. SE atau Standard Error
istilah lainnya Standard Error of the Mean
yakni deviasi standar (Standard Deviation) dari Mean tiap-tiap sample (Sampling Means) dengan Mean Populasi.

intinya..Standard Error itu seberapa besar nilai baku simpangan tiap-tiap sample mean terhadap mean populasinya?

cara ngitung SE = ({(tiap-tiap sampling mean dikurangi population mean utk tahu selisih masing-masing) masing-masing selisih tadi dikuadratkan dulu karena yang kita pengin tahu nilai bakunya aja} baru dijumlahkan utk memperoleh nilai baku total selisihnya} kemudian dibagi banyaknya item sampling mean yang ada) kemudian pembilang (yakni total selisih semua sampling mean dgn population mean) & penyebut (jumlah item sampling mean) diakar pangkat dua lagi.

untuk mengingat lagi rumusnya:

Standard Deviation (simpangan untuk 1 kelompok sample)

Standard Error (simpangan untuk banyak kelompok sample)

Semakin Kecil SE semakin Akurat sample kita mewakili populasisemakin bagus sample kita…….karena SE yang kecil menunjukkan semakin mirip sampling means kita dengan population mean (asumsi disini population mean sama dengan mean jika tiap-tiap item data dalam populasi di Survey semua dan dicari mean nya).
Semakin besar SE kita berarti menunjukkan semakin banyak penyimpangan sampling means kita dengan population mean..artinya semakin jelek sampling kita.

***********

2. Variance atau lambangnya S kuadrat

sama dengan  standard deviation yang belum dikembalikan ke nilai tunggalnya (belum di akar-kuadratkan)

“Variance” itu ya ‘variety’ data saya…artinya seberapa bervariasi data saya dari acuan nilai sebenarnya dalam model saya (dalam hal ini biasanya nilai acuannya adalah nilai mean).

Semakin KECIL Variance kita semakin akurat Model kita (disini Mean) mewakili nilai sebenarnya
semakin Besar Variance semakin Tidak Akurat model kita mewakili nilai sebenarnya.

Jadi sekali lagi: Variance, Standard Deviation atau  Standard Error (standard deviation untuk populasi) dapat dipakai sebagai acuan seberapa akurat model kita mewakili nilai sebenarnya.
Semakin besar Variance atau Standard Deviation atau Standard Error semakin tidak akurat model kita,
Semakin KECIL Variance atau Standard Deviation atau Standard Error semakin AKURAT model kita.

******************************************************************

3. Factor Loading atau sering disebut juga Regression Weight

 


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Categories

%d bloggers like this: