Apa anda pernah melihat nilai nol pada hasil ujian pada suatu mata pelajaran atau matakuliah. Hasl nol itu dapat berarti seseorang memiliki nilai itu tidak mengetahui sama sekali atau "kosong"pengetahuannya pada saat menjawab pertanyaan saat batas waktu yang ditetapkan untuk menjawab pertanyaan. Dan menjadi lain pengertiannya ketika penilaiaan itu dilihat dari keseluruhan materi yang telah di ajarkan.
Dalam ststistik terdapat 2 jenis data yaitu data diskrit dan kontinum. Data diskrit diperoleh dari hasil menghitung atau membilang, misalnya jumlah meja, kursi, mobil yang berpelat nomor hitam, dll. Contoh lain data nominal yang diperoleh dari penelitian eksploratif atau survei. Data kontinum diperoleh dari hasil pengukuran berupa data ordinal, interval dan ratio. Data ordinal ialah berjenjang atau berbentuk peringkat, jarak antara data tidak sama. Contohnya adalah rangking, nilai atara rengking 1 dan 2 tidak sama dengan jarak nilai rengking 2 dan 3.. Data interval memiliki jarak yang sama tetapi tidak memiliki nol yang mutlak atau absolut. Meskipun datanya nol tetapi memiliki nilai misalnya nol derajat Celcius ada nilainya atau nilai 0 pada tabel di bawah ini, produksi aluminium pada tahun1916 merupakan produksi pada tahun pertama (0) berjumlah 110,2 juta pon. Data rasio mirip dengan interval hanya bedanya data ini memiliki nilai nol yang mutlak atau absolut. Contohnya hasil pengukuran berat dan panjang. Kalau pengukurannya bernilai nol berarti tidak ada jumlah panjang dan berat, atau bendanya tidak ada.
Untuk memahami nilai nol ada harganya atau nilainya, berhubungan dengan data interval yang diperoleh dengan skala interval dengan ciri-ciri sebagai berikut:
- menunjukkan urutan objek dalam hal atribut tertentu.
-menunjukkan seberapa jarak antara objek dalam hal atribut tertentu.
- Yang lazim dipakai sebagai angka patokan, ukuran, yaitu angka 0 relatif, setiap objek atau orang bisa ditentukan berapa jarak dari mean tersebut.
-Sering disebut "skala-interval-setara (equal interval scale). Artinya semua interval pada skala ini adalah setara. Kendati implikasinya lain sama sekali. Sepeda motor yang melaju 60 km/jam adalah 30 km/jam lebih lebih cepat dari pada sepeda yang melaju dengan 30Km/ jam lebih lambat dari mobil yang melaju 90 km / jam. Tetapi apabila terjadi resiko kecelakaan, pengendara motor kemungkinan besar tidak akan setara kondisinya dengan pengendara sepeda mobil dan sepeda. Contoh dari skala ini dalam perhitungan mean, SD, r Product Moment, t-Tes, F-tes.
Jadi nol ada nilainya jika dilihat dalam prespektif data interval misalnya nilai 0 Celcius atau pada data di bawah ini (tabel dan grafik). Di bawah ini adalah model mencari tren garis Best Fit dengan metode perhitungan kuadrat terkeil (least squares atau nama panjangnya least deviation squares). Dalam perhitungan ini mengunakan rumus Y = a + bX dengan persamaan ƩY = Na + b ƩX dan ƩX Y= aƩX + bX ².
N adalah jumlah rangkaian data dalam Time Series
X adalah variabel waktu.
Untuk mendapatkat titik pangkal atau titik hulu dalam melukis Best Fit terlebih dahulu mencari nilai a dan b pada persamaan di atas dengan menggunakan tabel seperti contoh pada lukisan Garis Trend pada grafik produksi aluminium di Amerika Serikat tahun 1916 sampai 1930 pada tabel di bawah ini.
Selain perhitungan normal untuk mencari tren garis best fit, terdapat juga metode Least Square- metode sinkat jumlah tahun ganjil dan genap.
Sumber untuk analisis rangkaian waktu: Hadi,S. 2004. Statistik. Jilid 3. Yogyakarta: ANDI
Sumber asli: Arkin, H. and R.R. Colton. 1959.Statistical Methods as Applied to Economic, Business, Psychology, Education, and Biology, Fourth edition. Revised. New York Barnes & Nobel.
Komentar
Posting Komentar