Kind: captions
Language: id
Assalamualaikum warahmatullahi
wabarakatuh berjumpa lagi dengan saya di
channel YouTube saya
ensiklopedia Ahmad Fauzi channel yang
menjelaskan berbagai hal yang berkaitan
dengan penelitian statistika publikasi
dan berbagai pengetahuan lain yang
mungkin dapat meningkatkan pengetahuan
ataupun keterampilan
kalian di video kali ini saya akan
membahas salah satu konsep penting dalam
statistika
inferensia yaitu konsep yang berkaitan
dengan pengecekan asumsi di video kali
ini kita akan membahas apa dan mengapa
kita harus mengecek asumsi sebelum kita
melakukan uji hipotesis dalam statistika
inferensia Oke ketika kita melakukan
penelitian dan ketika kita memutuskan
kita ingin analisis data dari sampel
kita dengan menggunakan statistika
inferensia yang tujuan akhirnya adalah
ingin menggambarkan populasi secara
keseluruhan ada satu hal penting yang
harus selalu kita pegang yaitu Jangan
pernah langsung berasumsi bahwa kita
telah memilih analisis statistika
inferensia yang
tepat asumsi sendiri dapat kita Artikan
beranggapan ya jadinya jangan pernah
langsung beranggapan bahwasanya uji
hipotesis yang kita pilih merupakan Iji
hipotesis yang tepat yang dapat
menggambarkan populasi secara
keseluruhan Kenapa karena sebelum
memastikan bahwa uji hipotesis tersebut
tepat kita harus mengecek keterpenuhan
asumsinya terlebih dahulu di video
Sebelumnya saya telah menyinggung bahwa
dalam statistika inferensia tujuan
utamanya adalah menarik kesimpulan
terkait gambaran populasi berdasarkan
data sampel data sampel itu data yang
mewakili populasi ketika kita ingin
melakukan penelitian terkadang kita
kesulitan mengambil data keseluruhan
populasi apalagi bila populasinya amat
sangat besar Oleh karena itu kita harus
mengambil sebagian data yang kita anggap
dapat atau mampu mewakili keseluruhan
populasi tersebut dan ketika kita ingin
melakukan analisis kita melakukan
analisis dalam ranah statistika
inferensia sehingga hasil analisisnya
dapat kita gunakan untuk menginvert atau
untuk menyimpulkan untuk menarik
kesimpulan kondisi populasi secara
keseluruhan dan di sini ternyata ketika
kita melakukan uji hipotesis atau akan
melakukan uji hipotesis kita tidak tidak
boleh langsung melakukan uji tersebut
kita tidak boleh langsung melakukan
analisis statistika inferensia tersebut
karena kita tidak boleh
beranggapan bahwa analisis statistika
inferensia yang kita pilih pasti dapat
menggambarkan kondisi populasi
berdasarkan data sampel
kita kenapa karena sebelum kita
melakukan analisis statistika inferensia
kita harus mengecek kondisi data kita
apa Apakah memenuhi asumsi yang telah
ditentukan oleh uji hipotesis tersebut
secara sederhananya asumsi itu merupakan
prasyarat ketika kita akan melakukan uji
hipotesis dalam statistika inferensia
data-data sampel kita harus memenuhi
prasyarat bila tidak memenuhi prasyarat
maka adaakanya kita tidak boleh lanjut
ke uji hipotesis
tersebut Nah sekarang kita Bah Mengapa
kita harus tepat dalam memilih dan
melakukan uji
asumsi misalkan saja kita melakukan
penelitian kemudian penelitian tersebut
menghasilkan data setelah kita melakukan
proses pengumpulan data dan tujuan akhir
kita adalah menyimpulkan kondisi dari
populasi Berdasarkan data
tersebut dan di sini sebelum kita
menyimpulkan data kita perlu melakukan
uji hipotesis akakukan analisis data dan
sebelum analisis data kita harus
mengecek asumsinya terlebih dahulu
ketika kita salah mengecek asumsi atau
kita melupakan asumsi atau bahkan kita
salah memahami asumsi dan salah
mengambil asumsi maka bisa saja
kesimpulan yang kita dapat menjadi
kesimpulan yang salah atau bahkan
menyesatkan Sekarang kita coba lihat
contoh kasus pentingnya asumsi bukan
dari ranah bidang statistika atau
penelitian tetapi dari bidang
sehari-hari Bagaimana akibatnya ketika
kita salah mengambil asumsi ketika kita
salah
berasumsi Misalkan seperti ini sekarang
di tahun 2020 kita dalam kondisi pandemi
pandemi covid-19 covid-19 sendiri
merupakan penyakit yang disebabkan oleh
virus baru yang dinamai sebagai sarskov
2 Dan sekarang banyak berita bahwa
masyarakat di berbagai negara
terdiagnosis oleh covid-19 atau covid-19
ini misalkan saja anda melihat ada
tetangga anda didiagnosis covid-19 oleh
rumah sakit namun tetangga anda sama
sekali tidak memiliki gejala penyakit
tertentu misalkan anda melihat tetangga
atau mungkin orang lain dia didiagnosis
Oca mengalami atau terjangkit covid-19
tetapi kita tidak melihat gejalanya kita
tidak melihat batuk pusing demam dan
sebagainya maka pada umumnya kemudian
masyarakat langsung menyimpulkan bahwa
covid-19 merupakan konspirasi yang
menguntungkan pihak
tertentu kita merasa dibohongi kita
menganggap covid-19 ini merupakan
konspirasi Kenapa karena dari data yang
kita ambil tadi ternyata banyak
masyarakat yang sehat namun dikatakan
dia terjangkit
covid-19 nah sebelum menarik kesimpulan
tersebut kita telah berasumsi kita telah
beranggapan di dalam pikiran kita kita
anggap seorang yang terjangkit virus
akan menunjukkan gejala sakit jadinya
sebelum kita menyimpulkan bahwa covid-19
itu konspirasi kita sudah beranggapan
kalau orang sakit itu pasti kena gejala
memiliki gejala kalau orang sakit itu ya
biasanya demam pusing dan sebagainya
sehingga asumsi kita adalah kalau orang
tersebut terjangkit virus ya dia pasti
menunjukkan gejala dari penyakit
tersebut Apakah ini tepat Apakah
asumsinya tepat dan apakah kesimpulannya
tepat Nah bagi orang kesehatan bagi
orang biologi atau bagi orang yang
memahami virus atau imunitas kita bisa
mengetahui bahwa asumsi ini salah dan
tentunya kesimpulannya menjadi
menyesatkan ya
jadinya kita kalau belajar biologi kita
tahu bahwa tidak selalu virus penyebab
penyakit ketika menginfeksi seseorang
orang tersebut akan menunjukkan gejala
penyakit bisa saja tidak menunjukkan
sama sekali bisa saja menunjukkan
gejalanya dalam waktu yang sekian lama
dan hal ini tidak hanya terjadi pada
covid-19 misalkan orang terinfek oleh
HIV HIV itu disebabkan oleh eh mohon
maaf orang yang terinfeksi kena penyakit
AIDS A itu disebabkan oleh virus yang
kita kenal sebagai HIV nah orang yang
terinfeksi oleh virus HIV tidak akan
menunjukkan gejala penyakit Ace selama
bertahun-tahun Apakah dengan demikian
dia dikatakan tidak terjangkit HIV tidak
dia tetap terinfeksi oleh HIV sehingga
dia sebetulnya memil AIDS tetapi gejala
aid tidak ditampakkan pada tubuh orang
tersebut dan masih banyak virus-virus
lain yang menyebabkan penyakit namun
gejalanya bisa saja tidak muncul di
sebagian orang bisa juga muncul tapi di
tahun-tahun atau di waktu-waktu
selanjutnya atau bahkan memang gejala
tersebut sangatlah kecil penampakannya
sehingga Kelihatannya tidak ada gejala
sama sekali dan covid-19 merupakan salah
satu penyakit yang gejalanya itu tidak
dapat nampak pada semua orang atau tidak
dapat nampak langsung Setelah orang
tersebut terinfeksi sarskov 2 Nah di
sini bisa kita lihat ketika kita
mengangkat asumsi atau berpendapat atau
berasumsi yang salah maka kesimpulan
yang kita hasilkan bisa salah juga
bahkan bisa
menyesatkan itulah pentingnya ketepatan
berasumsi kita ambil contoh lain
berkaitan dengan dunia akademis
berkaitan dengan dunia mahasiswa dan
dosen misalkan saja anda seorang
mahasiswa semester akhir Kemudian Anda
ingin bimbingan ke dosen pembimbing satu
anda untuk melakukan pembimbingan Anda
harus berkomunikasi terhadap dosen
pembimbing tersebut dan salah satu
caranya adalah dengan mengirimkan sourch
message atau SMS ke dosen pembimbing
tersebut
Nah misalkan Anda mengirimkan SMS ke
dosen pembimbing namun dosen anda tidak
kunjung membalas SMS tersebut misalkan
pagi ini anda SMS ke dosen pembimbing
Anda Namun sampai siang atau bahkan
sampai sore dosen tersebut tidak
membalas-balas SMS anda tadi lalu
kemudian Anda langsung menyimpulkan
bahwasanya dosen pembimbing Saya malas
dalam memberikan bimbingan kepada
mahasiswanya
dengan dasar bahwasanya dosennya tadi
tidak membalas SMS Anda kenapa Anda bisa
mengambil kesimpulan tersebut karena
biasanya kebanyakan mahasiswa berasumsi
bahwa dosen selalu membawa HP atau
asumsi yang lain dosen selalu sempat
membaca pesan yang masuk ke dalam HP
mereka nah ini pun juga merupakan asumsi
yang kurang tepat seringkiali dosen
tidak membawa hp karena ada
pertemuan yang harus menyebabkan dosen
tersebut menyimpan HP
tersebut ada kalanya juga dosen tersebut
mengikuti meeting dia bisa membuka HP
tetapi dia tidak bisa membaca pesan yang
masuk karena misalkan dia sedang menjadi
pemateri dari seminar Dia mungkin sedang
mengajar di kelas atau dia diundang ke
kampus lain untuk memberikan materi
tertentu Atau mungkin bertemu dengan
pejabat tinggi
nah ketika kita berasumsi bahwa dosen
selalu membawa HP dan selalu sempat
membaca pesan yang masuk kemudian ketika
kita SMS SMS kita tidak dibalas maka
kita dapat mengambil kesimpulan yang
kurang tepat seperti ini Nah dari dua
contoh kehidupan sehari-hari ini kita
dapat dengan jelas Memahami pentingnya
asumsi dan pentingnya ketepatan dalam
berasumsi Nah sekarang kita kita masuk
ke dalam
statistika ketika kita membahas
statistika inferensi ya kita akan
mengelompokkan dua uji dua analisis
dalam statistika inferensia menjadi dua
kelompok besar yaitu parametrik dan non
parametrik nah dalam statistika
parametrik kita mengumpulkan data sampel
untuk menyimpulkan kondisi data sampel
tersebut dan digunakan sebagai gambaran
kesimpulan umum dari
populasi dan sama dengan kegiatan kita
sehari-hari tadi ketika kita ingin
mengambil kesimpulan ketika kita
melakukan prosedur statistika parametrik
Kita juga harus menetapkan
asumsi-asumsi
tertentu Kenapa karena pengambilan
kesimpulan dalam prosedur statistika
parametrik itu dibangun di atas
asumsi-asumsi tentang
data dan ingat ketika
asumsi tersebut salah misalkan di
contoh-contoh tadi ya ataupun kita tidak
melakukan uji asumsi tidak mengecek
asumsi atau juga kita melanggar asumsi
artinya asumsi yang sudah ditetapkan
kita langgar tetapi kita tetap lanjut
melakukan uji statistika parametrik maka
pastinya kesimpulan yang kita dapat
dipertanyakan gitu ya jadinya seperti
yang saya sampaikan statistika
parametrik model di dalam statistika
parametrik itu dalam pengambilan
kesimpulannya didasarkan pada
asumsi-asumsi tentang data kita
beranggapan kita berasumsi bahwa data
sampel kita ini merupakan data yang baik
sehingga dapat mewakili populasi nah
data yang baik itu memiliki berbagai
kriteria nah berbagai kriteria itu perlu
kita cek melalui pengecekan
asumsi-asumsi yang sudah ditetapkan oleh
para ahli Sta
k tetapi pada kenyataannya banyak yang
salah memilih uji asumsi banyak yang
salah melakukan uji
asumsi sebagian yang lain tahu bahwa
asumsi itu penting namun tidak
melakukannya atau memang dia tidak paham
bahwa sebelum melakukan uji hipotesis
dalam statistika parametrik kita wajib
mengecek asumsi namun dia tidak
melakukan atau mungkin di kasus yang
lain dia telah melakukan berbagai
pengecek asumsi sebelum uji hipotesis
kemudian dia menemukan bahwa salah satu
asumsi tidak terpenuhi namun dia lanjut
ke uji hipotesis sehingga dia melanggar
asumsi yang ada nah dari kasus-kasus ini
Apakah salah melakukan uji asumsi tidak
melakukan uji asumsi atau bahkan
melanggar asumsi yang ada maka
kesimpulan yang didapat dari penelitian
tersebut merupakan kesimpulan yang tidak
valid sehingga kita akan memberikan
gambaran terkait populasi yang
sebetulnya Gambaran tersebut tidak
tergambar atau tidak terjadi di
kehidupan nyata tidak nampak atau tidak
muncul di populasi yang nyata itulah
pentingnya pengecekan asumsi di dalam
statistika
parametrik Nah ada berbagai asumsi yang
umum dicek ketika kita melakukan
penelitian yang melibatkan uji
statistika
parametrik asumsi yang pertama adalah
berkaitan dengan skala pengukurannya Nah
kita telah menyinggung ada berbagai uji
beda uji beda dalam ranah statistika
parametrik misalkan Uji T kemudian
Anova kemudian Anova itu ada oneway dan
2W satu jalur dan dua jalur kemudian Uji
T itu ada Uji T berpasangan dan tidak
berpasangan dan sebelum kita melakukan
uji t uji Anova kita harus mengecek
skala pengukuran variabel bebas dan
variabel triikat saya ini memenuhi
asumsi Uji T atau tidak misalkan saja
ketika kita melakukan uji Anova Variabel
terikat kita haruslah dalam skala rasio
atau interval atau berupa variabel
kontinu nah ini asumsi yang harus kita
cek terlebih dahulu seperti yang saya
katakan di awal kita jangan langsung
memastikan bahwa uji hipotesis yang kita
pilih pasti dapat memberikan kesimpulan
yang tepat kita tidak boleh melakukan
hal tersebut tetap tapi kita harus
mengecek asumsi dari data kita tadi
asumsi yang pertama yang perlu kita
lihat adalah Variabel terikat kita dan
variabel bebas kita sesuai dengan asumsi
yang ada atau tidak kemudian selain
skala
pengukuran asumsi yang umum dicek juga
sebelum kita melakukan statistika
inferensia adalah
independensi observasi independensi itu
berasal dari kata independen
bebas ervasi itu pengamatan ketika kita
melakukan penelitian kita melakukan
pengamatan untuk pengambilan data
misalkan kita melakukan penelitian
eksperimen dalam penelitian eksperimen
tersebut kita melibatkan dua
kelompok dikatakan independensi
observasi bila salah satu semua subjek
di satu kelompok tidak mempengaruhi
subjek dari kelompok yang lain begitu ya
kita membandingkan dua kelompok kita
pastikan bahwa kedua kelompok ini tidak
berkaitan kedua kelompok ini tidak
berhubungan artinya tidak ada subjek di
kelompok a yang dapat mempengaruhi data
dari kelompok
satunya atau dalam kasus lain ketika
kita membandingkan kedua data dua data
tersebut bukan berasal dari subjek yang
sama misalkan kita ingin
membandingkan
perubahan konsentrasi gula sebelum dan
sesudah memakan nasi misalkan seperti
itu itu maka sebelum memakan nasi kita
mengumpulkan data 10 orang kemudian 10
orang tersebut memakan nasi kemudian
kita ambil data kadar gula darah setelah
mereka makan nasi ini contoh data yang
berhubungan data semacam ini melanggar
independensi
observasi nah ketika dia tidak memenuhi
independensi observasi kita bisa memilih
analisis data yang dikhusus kan untuk
menganalisis data-data yang saling
berhubungan semacam itu bisa uji
berpasangan bisa juga
mungkin repeat misers
Anova Tetapi kalau Uji T tidak
berpasangan kemudian twoway atau one way
Anova itu kita disyaratkan bahwa data
kita itu tidak
mengalami hal seperti tadi Oleh karena
itu independensi observasi harus
terpenuhi
asumsi lain yang sering juga perlu kita
cek adalah
normalitas normalitas ini berkaitan
dengan distribusi data dari data sampel
kita pada umumnya variabel-variabel di
alam ini khususnya variabel yang
berikatan dengan kehidupan kita misalkan
tinggi badan berat badan konsentrasi
gula darah kemudian
IQ literasi yang berkaitan dengan
manusia ataupun yang berkaitan dengan
hewan ataupun yang berkaitan dengan
tumbuhan variabel-variabel tersebut pada
umumnya secara alami ketika kita ambil
data keseluruhan populasi distribusi
datanya itu normal distribusi data
normal itu distribusi data ketika kita
grafikkan membentuk kurva normal kurva
mirip lonceng kurva mirip gunung jadinya
tendensi sentralnya berada benar-benar
di sentral di tengah min median modus di
bagian tengah jadinya rerata atau Min
nya itu di bagian tengah dan rerata
tersebut dapat membagi data menjadi dua
bagian yang sama rata jadinya bentuknya
seperti gunung jadinya secara sederhana
ketika data itu terdistribusi normal
maka sebagian besar subjek datanya itu
dekat dengan rerata dan hanya sebagian
kecil dari subjek yang datanya jauh dari
rerata misalkan tinggi badan reratanya
Maka nanti yang kisaran berat badannya
80 lebih banyak dari kisaran berat badan
75 kisaran berat badan 70 itu lebih
sedikit dari 75 kisaran berat badan yang
50 misalkan karena semakin jauh dengan
rerata juga jumlahnya menjadi lebih
sedikit jya semakin mendekati rerata
semakin banyak subjek yang memiliki
tinggi badan sesuai rata-rata tersebut
frekuensinya semakin tinggi semakin
mendekati rerata itu yang disebut atau
dianggap sebagai distribusi normal Nah
kenapa Data kita harus normal kenapa
Data sampel kita harus normal karena
seperti yang saya jelaskan tadi secara
alami populasi itu datanya normal Nah
kita itu ingin melakukan analisis sampel
yang sampel itu nanti kesimpulannya
digunakan untuk menggambarkan populasi
kalau populasinya distribusinya normal
tentunya data kita sampel kita
kondisinya harus sama dengan populasi
yaitu distribusinya juga harus normal
ketika populasinya distribusinya normal
namun data kita tidak normal maka asumsi
normalitas dilanggar Kenapa karena
distribusi sampel kita tidak sejalan
tidak sesuai dengan kondisi alami dari
populasi kemudian asumsi yang sering
digunakan tetapi tidak selalu dilakukan
pada berbagai uji hipotesis adalah uji
homogenitas
itu kalau kita Artikan secara sederhana
adalah sama homogen sama kalau heterogen
kan berbeda di sini apa yang dianggap
sama apa yang harus homogen yang harus
homogen adalah varian data nah
homogenitas ini asumsi yang biasa kita
gunakan sebelum kita melakukan uji beda
misalkan uji oneway Anova tu Anova Uji T
tidak berpasangan nah ketika kita
menggunakan berb sebagai uji-uji ini
sebetulnya kan kita membandingkan
beberapa atau dua kelompok nah salah
satu asumsi yang harus kita cek adalah
varian data dari satu kelompok dengan
kelompok yang lain harus tidak berbeda
signifikan atau dalam arti yang lain
harus homogen masih ingat apa itu
varian kalau kita mengingat varian dalam
konsep statistika deskriptif varian itu
keragaman data seberapa tersebar data
kita dari
rerata ya misalkan kita membandingkan
dua kelompok dua kelompok tersebut yang
satu reratanya 50 yang satu reratanya
80 ketika varian data kedua kelompok ini
sama misalkan kurang lebih 2 Nah
misalkan 50 plus min 2 maka varian data
kedua kelompok ini dikatakan homogen
secara sederhananya seperti itu dan
ketika kita Bandingkan kita dapat
memperoleh Kesimpulan yang tepat namun
ketika kita memiliki dua kelompok data
sama reratanya yang satu 50 yang 1 80
namun di kelompok yang reratanya 50 Plus
minusnya variannya hanya 2,1 misalkan
sedangkan yang di kelompok yang
reratanya 80 plus minusnya 10 Misalkan
jadinya varian datanya luas maka ketika
kita membandingkan dua kelompok data ini
kesimpulan yang kita peroleh bisa saja
berbeda tidak
sesuai jadinya yang satunya 50 plus-2
jadinya rentangan data di kelompok
tersebut ya 49 48 50 51 52 50 dan
sebagian besar itu dekat dengan 50 namun
kelompok satunya tadi 80 plus minus 10
jadinya rentangan datanya sebaran
datanya luas Oleh karena itu biasanya
kalau sebaran datanya terlalu luas maka
Densi sentralnya anya itu tidak mampu
menggambarkan kondisi dari data tersebut
dengan baik sehingga ketika kita
membandingkan dua data yang variannya
berbeda semacam ini hasil perbandingan
tersebut berbeda signifikan atau tidak
berbeda signifikan di antara dua
kelompok itu biasanya hasilnya kurang
valid lalu ketika asumsi tidak terpenuhi
Apa yang harus kita
lakukan di sini ada beberapa informasi
yang dapat kita jadikan dasar agar
ketika kita melakukan pengumpulan data
atau melakukan penelitian dan ternyata
asumsi tidak terpenuhi kita tidak
mengalami salah
langkah ada satu kabar baik yang perlu
saya sampaikan terlebih dahulu
statistika parametrik itu dikatakan
bersifat robus robus itu secara
sederhananya dia itu Teguh artinya tidak
mudah mengalami perubahan meskipun ada
asumsi yang sedikit dililanggar
begitu ya jadinya ad kalanya kita
mengecek asumsi namun asumsi tersebut
tidak terpenuhi nah pada kondisi-kondisi
tertentu Meskipun asumsinya tidak
terpenuhi kita masih bisa melakukan
prosedur parametrik Kenapa karena
prosedur parametrik itu bersifat robus
tadi itu tidak mudah goyah namun
tentunya pada kondisi-kondisi tertentu
nanti akan kita bahas di video-video
yang lain kemudian ketika ternyata
asumsi kita itu memang tidak terpenuhi
dengan
jelas misalkan ada asumsi yang
benar-benar gagal kita penuhi maka kita
tetap melakukan uji parametrik Namun
kita alihkan menggunakan uji yang lain
misalkan Bagaimana misalkan t di uji e
asumsinya independensi observasi kita
ingin membandingkan dua kelompok awalnya
kita ingin melakukan uji t tidak
berpasangan jya kita membandingkan dua
kelompok Uji T kan untuk dua kelompok
tidak berpasangan jnya kita memiliki dua
kelompok yang tidak saling berkaitan
kita membandingkan kelompok A dan
kelompok B kita bisa menggunakan uji t
tidak berpasangan dan AS asumsinya
adalah independensi observasi namun
ketika kita ingin membandingkan dua
kelompok dan ternyata data kelompok a
dengan kelompok B itu saling berhubungan
atau kita mendapatkan data itu
berdasarkan penelitian yang time series
misalkan data pertama kita ambil di hari
pertama dan data kedua kita ambil di
hari kelima kemudian kita ingin
membandingkan data pertama dengan data
kelima maka data ini kan sebetulnya
berhubungan kita ambil dari subjek yang
sama maka ini tidak memenuhi asumsi
independensi observasi kita tetap bisa
menggunakan uji parametrik tapi kita
alihkan dengan uji parametrik yang lain
yaitu Uji T berpasangan
kemudian ketika memang asumsi lainnya
tidak terpenuhi dan benar-benar sangat
tidak terpenuhi dan kita tidak bisa
mengalihkan ke uji parametrik lainnya
maka kita harus mengalihkan uji kita ke
uji non
parametrik misalkan kita melakukan uji
one way Anova dan uji one way Anova itu
harus memiliki asumsi datanya normal
kemudian variabel terikatnya itu berupa
data variabel ktinu kemudian data satu
dengan kelompok data yang lain bersifat
homogen ketika asumsi misalkan asumsi
normalitas tidak terpenuhi maka kita
tidak boleh lanjut ke uji parametrik
maka kita alihkan ke uji nonparametrik
pengganti uji Anova Nah nanti kita akan
belajar berbagai macam uji nonparametrik
yang kita gunakan ketika data kita tidak
memenuhi prasyarat tidak memenuhi asumsi
parameter
dan yang terakhir biasanya para peneliti
juga melakukan transformasi data jya
datanya ditransform diubah biasanya
langkah transformasi data kita lakukan
ketika data kita tidak memenuhi
homogenitas transformasi data itu
pengubahan data misalkan data kita kita
kuadratkan semua itu namanya
transformasi kuadrat atau sebaliknya
kita akar semua jadinya seluruh data
kita misalkan kita memiliki 40 data dari
dua kelompok 40 data itu secara
keseluruhan kita akar sehingga kita
melakukan transformasi akar atau kita
lckkan semua ya atau juga kita lakukan
berbagai perubahan yang lain misalkan
aksin nanti akan kita belajar berbagai
macam transformasi data sesuai dengan
kondisi data kita dan mengapa sebagian
peneliti dan sebagian ahli mengatakan
transformasi data itu kurang tepat nanti
akan kita bahas di video yang lain Nah
demikian video saya kali ini video yang
telah menjelaskan apa itu asumsi dan
mengapa asumsi itu harus kita cek
sebelum kita melakukan uji hipotesis
dalam statistika
inferensia semoga ilmu dan pengetahuan
yang kita pelajari di video ini
bermanfaat dan Mohon maaf bila ada
kesalahan Terima kasih
asalamualaikum warahmatullahi
wabarakatuh