What is the importance of English in the world of work

What is the importance of English in the world of work ... ?

     English is the international language, therefore I will give you a reason of the importance of the English language proficient in the modern era like today, especially in the world of work.

     Fluent in English very open employment opportunities especially at this time Indonesia is heading Asean Economic Community or AEC, which certainly would have appeared competitor - our competitors in the hunt for a decent job that came from abroad among so many of our domestic competitors.

     Therefore fluent in English would be an added value when looking for a job because you can speak two languages. In fact, you can get an international career if your English language skills are excellent.

     And even today many medium to large-scale enterprises begin to invest their English skills to its employees. It is not without reason, although perhaps they have not had an international working relationship, but did not rule out the possibility of international capacity clients also influenced somewhat by the MEA will soon join or do business with us.

     It will then be very funny when we lack so eloquently mastered the english language, for example, we follow the meetings that are important in general will be our colleagues who use the English language that can only make us misinterpret what is the purpose by our peers as he was presenting its goals and objectives and could lead to problems in our working relationship.

 
      As it seems to me the importance of mastering the english language in the world of work in my opinion, if there is something wrong or do not agree please apologize.

Distribusi Peluang Kontinu

 

DISTRIBUSI PELUANG KONTINU

 

• Pengertian Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai ada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas himpunan semua bilangan riil R bila :

 

 

 

Konsep dan Teorema Distribusi 

     

1.Distribusi Normal 

 

   Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang      paling penting baik dalam teori maupun aplikasi statistik. Distribusi ini paling banyak digunakan sebagai model bagi data riil di berbagai bidang yang meliputi antara lain karakteristik fisik makhluk hidup (berat, tinggi badan manusia, hewan, dll). Terdapat empat alasan mengapa distribusi normal menjadi distribusi yang paling penting : 

a.Distribusi normal terjadi secara alamiah. 

 

b.Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah ditransformasi menjadi suatu distribusi variabel acak yang normal. 

 

c.Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa berfungsi dengan benar jika model distribusinya merupakan distribusi normal. 

 

d.Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada populasinya, namun distribusi dari rata - rata sampel yang diambil secara random dari populasi tersebut ternyata menunjukkan distribusi normal.Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi peluang berbentuk lonceng seperti gambar berikut.

 

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri diantaranya: 

 

a.Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.

 

b.Simetris terhadap rataan (mean).

 

c.Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah    memotong. 

 

d.Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ 

 

e.Luas daerah di bawah lengkungan kurva tersebut dari - ~ sampai + ~ sama dengan 1 atau 100 %

• Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus yang digunakan adalah “koreksi yates”.
Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu ada cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus “Fisher Exact Test”.

Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang digunakan adalah “Pearson Chi-Square”.
Rumus Tersebut adalah:

Uji kai kuadrat (dilambangkan dengan “χ²” dari huruf Yunani “Chi” dilafalkan “Kai”) digunakan untuk menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategorik atau dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit. Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau kurang) dengan kejadian BBLR (ya atau tidak).

Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu (dari tabel χ²).
Uji Kai Kuadrat dapat digunakan untuk menguji :

1. Uji χ² untuk ada tidaknya hubungan antara dua variabel (Independency test).
2. Uji χ² untuk homogenitas antar- sub kelompok (Homogenity test).
3. Uji χ² untuk Bentuk Distribusi (Goodness of Fit)

Sebagai rumus dasar dari uji Kai Kuadrat adalah :
Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df = (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:

1. Sampel dipilih secara acak
2. Semua pengamatan dilakukan  dengan independen
3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengdan frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel
4. Besar sampel sebaiknya > 40 (Cochran, 1954)

Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data yang diskrit dengan pendekatan distribusi kontinu.Dekatnya pendekatan yang dihasilkan tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk menjamin pendekatan yang memadai digunakan aturan dasar “frekuensi harapan tidak boleh terlalu kecil” secara umum dengan ketentuan:

1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)

Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginyanya adalah dengan menggabungkan nilai dari sel yang kecil ke se lainnya (mengcollaps), artinya kategori dari variabel dikurangi sehingga kategori yang nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk tabel 2×2 hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji
“Fisher Exact atau Koreksi Yates”
Analisis Chi Square Contoh kasus
Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara gender dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta 25 responden mengisi identitas mereka dan sikap atau persepsi mereka terhadap produknya.
Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?
Hipotesis :

• H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC
• H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC

Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square hitung lebih besar (>) dari nilai chi-square tabel.

• Uji Kecocokan (goodness of fit ), membandingkan antara Frekuensi Observasi dengan Frekuensi Teoretis /Harapan. Apakah Frekuensi hasil Observasi menyimpang dari Frekuensi Harapan. Jika nilai (chi square) kecil, berarti kedua frekuensi tersebut sangat dekat, mengarah pada penerimaan kepada hipotesa nol ( Ho). 

Di mana :

Oi = fo = Frekuensi Observasi

Ei = fe = frekuensi Harapan / Teoretis

V = Derajat kebebasan / Degreesof Freedom = k - 1

 

CONTOH : MENGUJI NORMALITAS

 

 

DARI MANA ANGKA 9,488 ? Dapat dicari dari DAFTAR TABEL NILAI KRITIK CHI KUADRAT di bawah ini : Derajat kebebasan = k – 3 = 7 – 3 = 4 Dan pada α = 5 %, yaitu 0,05 ( baris ke kanan ).

Thanks to :

• http://www.statistikdasar.com/files/materi/konsep_distribusi_peluang_kontinu.pdf
• https://anyalfiyan.wordpress.com/2015/05/05/statistika-2-uji-chi-square/
• http://file.upi.edu/Direktori/FPSD/JUR._PEND._SENI_RUPA/195810131987031-MOCHAMAD_OSCAR_SASTRA/ANALISIS__CHI__KUADRAT.pdf

 

Probabilistik & Non Probabilistik

Probabilistik & Non Probabilistik

     Melanjutkan tugas softskill, pembahasan kali ini yaitu tentang probabilistik dan non probabilistik . . . . !    

Probabilitas atau Peluang adalah derajat tau tingkat kepastian atau keyakinan dari munculnya hasil percobaan statistic. Suatu probabilitas dilambangkan dengan P

Untuk membantu pemahaman konsep dasar probabilitas terlebih dahulu harus memahami analisis kombinatorial, yaitu analisis bilangan factorial,permutasi dan kombinasi.

 

Secar umum probabilitas dapat dipahami sebagai suatu nilai dari 0 s/d 1 yang mennjukkan seberapa besar terjadinya suatu peristiwa, suatu kejadian (event), adalah sekumpulan atau lebih dari hasil-hasil yang mungkin pada suatu eksprimen.

Adapun hasil (out come) adalah sekumpulan data yang merupakan seluruh hasil dari eksprimen. Sedangkan eksprimen sendiri menjelaskan suatu proses yang dilakukan untuk mendapat hasil-hasil yang diamati lebih jauh.

Sebagai contoh, proses pelemparan dadu untuk mendapatkan hasil adalah merupakan suatu eksprimen, sedangkan 1, 2, 3, 4, 5, 6 adalah keseluruhan hasil (out comes) yang mungkin terjadi. Kumpulan angka genap (2, 4, 6) atau kumpulan angka ganjil (1, 3, 5) adalah kejadian (event).

       

Rumus peluang:

      Probabilitas marginal merupakan probailitas yang tidak dibatasi oleh apapun, hanya kedua faktor utama di atas. Probabilitas marginal dapat dikatakan probabilitas tak bersyarat. Sebagai contoh adalah probabilitas pengambilan sebuah kelereng berwarna merah dalam sekali pengambilan pada sebuah kotak yang berisi 3 bola merah dan 7 bola biru. Dalam contoh ini, besarnya peluang terambilnya kelereng berwarna merah dibatasi oleh banyak sampel (yaitu 10 kelereng) dan banyaknya kejadian yang memungkinkan (terdapat 3 kelereng merah). Sehingga nilai probabilitas untuk contoh di atas adalah 3/10.

       

      Probabilitas kondisional, sesuai dengan namanya, maka jenis probabilitas ini terdapat kondisi yang turut membatasi nilai probabilitas yang dihasilkan.

Probabilitas ini disebut juga dengan probabilitas bersyarat, Syarat atau kondisi inilah yang digunakan sebagai acuan untuk menentukan nilai probabilitas.

Sebagai contoh sederhana adalah probabilitas pengambilan sebuah bola berwarna merah dari kotak A, dari 2 kotak (A dan B) yang memiliki kontent yang berbeda (kotak A = 2 merah + 3 putih ; kotak B = 3 merah + 4 putih).

Dalam contoh ini terdapat syarat yang secara implisit dapat dikatakan bahwa bola merah yang terambil harus berasal dari kotak A. Kotak A di sini menjadi acuan. 

Artinya yaitu kita harus melihat juga peluang kotak A dari kotak lainnya. Pada contoh ini dapat kita tentukan bahwa peluang kotak A dari kotak B adalah 1/2. Sedangkan besar peluang terambil bola merah dari kotak A sendiri yaitu 1/6.

Probabilitas kondisional ditentukan dari perbandingan peluang kejadian bersyarat dengan peluang syarat itu sendiri dari seluruh sampel yang ada.

Sehingga pada contoh di atas, nilai probabilitas kondisional untuk terambilnya bola merah dari kotak A adalah perbandingan antara peluang terambilnya bola merah dari kotak A dari seluruh sampel dengan peluang terambilnya bola dari kotak A terhadap seluruh sampel. Atau kita tuliskan menjadi (1/6) / (1/2) = 1/3.

Pengertian Teknik Samping Probabilitas

Teknik sampling probabilitas (probability) merupakan teknik yang memberikan peluang  atau kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Selain itu probability sampling merupakan pemilihan sampel tidak dilakukan secara subjektif, dalam arti sampel yang terpilih tidak didasarkan semata-mata pada keinginan si peneliti sehingga setiap anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai sampel. Dengan demikian diharapkan sampel yang terpilih dapat digunakan untuk mendug karakteristik populasi secara objektif..Teknik Probilitas ini bertujuan mendapatkan data seakurat mungkin agar diketahui jarak pasti dari kondisi ideal. (Asep, 2005)

Metode Penarikan Sampel Probabilitas

            Terdapat empat metode dalam penarikan sampel probabilitas. Metode dalam penarikan sampel probabilitas akan dijelaskan sebagai berikut: (Asep, 2005)

1.        Sampel Acak Sederhana

Metode sampel acak sederhana merupakan suatu prosedur yang memungkinkan setiap elemen dalam populasi akan memiliki peluang yang sama untuk dijadikan sampel.

2.        Sampel Berstrata

Metode penarikan sampel berstrata merupakan suatu prosedr penarikan sampel berstrata yang dalam hal ini suatu subsampel –subsampel acak sederhana ditarik dari setiap strata yang kurang lebih sama dalam beberapa karakteristik. Ada dua macam penarikan sampel berstrata yaitu, proporsional dan Non-Proporsional.

3.        Sampel Berkelompok

Metod penarikan data sampel berkelompok merupakan suatu prosedur penarikan sampel probabilitas yang memilih sub-populasi yang disebut cluster, kemudian setiap elemen didalam kelompok dipilih sebagai anggota sampel

4.        Sampel Sistematik

Metode penarikan sampel sistematik, populasi dibagi dengan ukuran sampel yang diperlukan (n) dan sampel diperoleh dengan cara mengambil setiap subyek ke-n.

Pengertian Teknik Sampling Non-Probabillity

            Teknik non-probilitas merupakan teknik yang tidak memberikan peluang atau kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Teknik ini terdiri sampling sistematis, sampling kuota, sampling aksidental, sampling purposive, sampling jenuh dan snowball sampling. nonprobability sampling seringkali menjadi alternative pilihan dengan pertimbangan yang terkait dengan penghematan biaya, waktu dan tenaga serta keterandalan subjektifitas peneliti. Di samping itu pertimbangan lainnya adalah walaupun probability sampling mungkin saja lebih unggul dalam teori, tetapi dalam pelaksanaannya seringkali dijumpai adanya beberapa kesalahan akibat kecerobohan dari si pelaksananya. Dalam penggunaan non-probability sampling, pengetahuan, kepercayaan dan pengalaman seseorang seringkali dijadikan pertimbangan untuk menentukan anggota populasi yang akan dipilih sebagai sampel. Pengambilan sampel dengan memperhatikan factor-faktor tersebut menyebabkan tidak semua anggota populasi memiliki kesempatan yang sama untuk dipilih secara acak sebagai sampel. Dalam prakteknya terkadang ada bagian tertentu dari populasi tidak dimasukkan dalam pemilihan sampel untuk mewakili populasi.

Teknik Pengambilan Sampel Non-Probability

Terdapat  lima teknik pengambilan teknik sampling non probabilistik. Berikut ini adalah uraian penjelasan dari ke lima teknik sampling non probabilistik: (Al-Assaf, 2009)

1.        Teknik Haphazard

Teknik hapzard adalah teknik pengambilan sampel dimana satuan pengamatannya diperoleh secara sembarangan atau sedapatnya.

2.        Teknik Voluntary

Teknik voluntary adalah teknik yang dilakukan jika satuan sampling dikumpulkan atas dasar sukarela.

3.        Teknik Purposive

Teknik purposive merupakan teknik  pengambilan sampel yang dilakukan dengan memilih satuan sampling atas dasar pertimbangan sekelompok pakar di bidangilmu yang sedang diteliti

4.        Teknik Snowball

Teknik snowball merupakan teknik pengambilan sampel dimana satuan pengamatan diambil berdasarkan informasi dari satuan pengamatan sebelumnya yang sudah terpilih.

5.        Teknik Kuota

Teknik pengambilan sampel ini banyak diterapkan pada penelitian pasar dan penelitian pengumpulan pendapat (opinion poll) atau jejak pendapat. Teknik dilakukan dengan melakukan penjatahan terhadap kelompok satuanpengamatan secara berjenjang.

 

Sumber . . . . .  !!!

       http://ahyaalif.blogspot.co.id/2015/11/probabilistik-non-probabilistik-a.html

       http://fajri-fafa.blogspot.co.id/2013/11/teknik-sampling-probabilitas-dan-non.html

 

 

Pengantar Statitiska

Melanjutkan tugas softskill statitiska

Diketahui hasil nilai dari tugas pengantar statitiska 2KB05 universitas gunadarma

Adalah sebagai berikut  :

70 71 70 72 72 73 74 74 75 73

73 73 76 76 77 77 78 76 78 76

80 81 80 80 80 79 79 81 81 80

82 82 83 84 83 84 87 85 86 86

1. Dari tabel Distribusi Frekuensi yang ada. Hitunglah :

        A. Rata – rata (Mean) adalah jumlah seluruh dibagi dengan jumlah data.

    Untuk populasi :



Jadi rata-ratanya adalah 78,2

    B. Median adalah nilai data yang terletak ditengah, apabila data-data  diurutkan       (disortasi) baik ascending maupun descending

Nilai dari data yang terletak ditengah :

catatan, berhubung tugas saya hanya memiliki 6 variabel jadi sebagai contoh saya akan ambil angka 80 sebagai contohnya 

 

Maka nilai tengah atau mediannya adalah 80

   C. Modus adalah Nilai yang sering muncul adalah 80

   D. Range adalah nilai selisih antara nilai terbesar dan nilai terkecil.

 

 

        jadi rangenya adalah 15

E. Ragam (Varians) adalah rata – rata selisih kuadrat antara nilai individual            dengan nilai tengahnya.

F. Simpangan Baku (Standar Deviasi)

    

2. Jelaskan arti dan cara perhitungan Kemencengan Kurva (Skewness) dan Kecuraman Kurva (Kurtosis) berserta Tentukan dan Interprestasikan sebaran data Anda menurut nilai skewness dan kurtosisnya.

- Kemencengan Kurva (Skewness)

   Kemiringan (skewnes) merupakan derajat ketidaksimetrian (keasimetrian), atau dapat juga disefinisikan sebagai penyimpangan dari kesimetrian dari suaru distribusi. Jika suatu kurva frekuensi (polygon frekuensi yang terhaluskan) dari suatu distribusi memiliki ekor kurva yang lebih panjang ke arah sisi kanan dibandingkan ke arah sisi kiri dari nilai maksimum tengah, maka distribusi ini lebih dikenal dengan nama distribusi miring ke kanan atau memiliki kemiringan positif. Untuk kondisi sebaliknya, distibusi dikenal dengan distribusi miring ke kiri atau kemiringan negatif.

   Maka untuk mencari nilai Skewnessnya adalah 

 

      Jadi Karena nilai SK nya -0.90 ( SK > 0 ) maka kurvanya menceng ke kanan atau menceng positif.

- Kecuraman Kurva (Kurtosis)

Kurtosis/keruncingan adalah derajat kepuncakan suatu distribusi, biasanya diambil relatif  terhadap distribusi normal. Ukuran keruncingan adalah suatu besaran yang digunakan untuk menentukan apakah sekumpulan data derajat kepuncakan leptokutik (lancip), normal atau platikurtik (tumpul). Tingkat keruncingan suatu kurva (kurtosis) memiliki 3 jenis, yaitu :

1.      Leptokurtis (puncak relative tinggi)

2.      Mesokurtis (puncak normal)

3.      Platikurtis (puncak relative rendah)

 Maka untuk mencari nilai kurtosisnya adalah :