JASA ANALISIS STATISTIK PROFESIONAL

Hasil Akurat, Cepat, Bergaransi & Bimbingan Sampai Lulus!

Wizard Penentu Uji Statistik

Apa tujuan utama analisis data Anda?

Dokumentasi Akademik ST-Engine: Integrasi Perencanaan Riset & Kalkulator Mediasi

Dikembangkan Oleh:

ANWAR HIDAYAT

Alat analisis komprehensif ini dibangun dan didevelop oleh Anwar Hidayat. Digerakkan melalui Custom JavaScript Math Engine (Vanilla JS) yang presisi, platform ini menghimpun fungsi Penentuan Ukuran Sampel, Evaluasi Validitas-Reliabilitas, Pengujian Efek Mediasi, serta Sistem Pakar (*Wizard*) Penentuan Analisis Statistik ke dalam satu utilitas berbasis peramban klien tanpa koneksi server.

Dokumentasi ini menjabarkan spesifikasi matematis, dasar teoretis, dan prosedur pemanfaatan ST-Engine Research Planning & Mediation Calculator. Instrumen multifungsi ini diformulasikan untuk memfasilitasi peneliti pada dua kutub krusial metodologi: fase perencanaan desain penelitian (penarikan sampel dan seleksi model analitis) dan fase konfirmasi temuan (uji mediasi dan evaluasi batas psikometri).

Lanjutkan membaca referensi teoretis komprehensif, rumus matematis, dan panduan instrumen analisis ini.

1. Teori Dasar: Desain Sampel, Efek Mediasi, dan Sistem Keputusan

A. Perencanaan Ukuran Sampel (Sample Size Determination)
Tingkat presisi dari inferensi statistik sangat bergantung pada ukuran sampel (sample size) yang ditarik dari suatu populasi. Menentukan ukuran sampel yang optimal adalah langkah krusial untuk mencegah penelitian kekurangan daya uji (underpowered) maupun membuang sumber daya secara berlebihan. Formulasi matematika untuk ukuran sampel dibedakan berdasarkan tingkat pengetahuan terhadap proporsi populasi. Formula Slovin diperkenalkan untuk menetapkan sampel dari populasi berhingga (finite population) ketika proporsi parameter sama sekali tidak diketahui (Slovin, 1960). Sementara itu, formula Cochran menyediakan estimasi representatif bagi populasi tidak berhingga atau berskala sangat besar dengan mempertimbangkan margin galat dan proporsi atribut spesifik (Cochran, 1977). Adaptasi lain yang setara diusulkan oleh Lemeshow et al. (1990) yang lazim digunakan dalam survei kesehatan epidemiologi. Di sisi lain, tabel dan formula Isaac & Michael (1981) sering dipedomani dalam studi psikologi dan pendidikan untuk menaksir sampel pada probabilitas distribusi dengan parameter kesalahan tipe I yang terstruktur.

B. Uji Efek Mediasi (Intervening Variables)
Dalam pemodelan regresi dan jalur (path analysis), sebuah variabel mediator (M) bertindak sebagai mekanisme penyalur atau penghubung yang menjelaskan bagaimana variabel independen (X) memberikan efek pada variabel dependen (Y). Kerangka klasik untuk menguji eksistensi mediasi diajukan oleh Baron dan Kenny (1986). Meskipun demikian, untuk membuktikan apakah jalur efek tidak langsung (indirect effect) secara statistik berbeda dari nol, diperlukan uji formal. Sobel Test (Sobel, 1982) adalah uji parametrik yang mendistribusikan hasil perkalian dua parameter koefisien jalur ($a \times b$) ke dalam fungsi sebaran normal standar (Z-score). Karena standar error perkalian variabel acak memiliki struktur yang kompleks, modifikasi rumus penyebut diajukan oleh Aroian (yang menambahkan produk varians) dan Goodman (yang mengurangkan produk varians) (MacKinnon et al., 2002). Pengujian ini berlandaskan pada asumsi bahwa sampel harus berukuran memadai agar distribusi hasil perkalian koefisien dapat didekati dengan kurva normal asimtotik.

C. Evaluasi Validitas dan Sistem Pakar (Wizard)
Prosedur empiris validitas butir instrumen mensyaratkan pembandingan antara nilai R-Hitung observasi melawan R-Tabel. Nilai R-Tabel ini secara matematis bukanlah entitas yang berdiri sendiri, melainkan hasil derivasi dari fungsi distribusi Student’s t, di mana derajat kebebasan ditentukan berdasarkan ukuran sampel dikurangi dua ($n-2$) (Agresti, 2013). Di ranah yang berbeda, pemilihan uji statistika yang relevan dipengaruhi oleh tiga determinan: status distribusi (parametrik atau non-parametrik), desain subjek (independen atau berpasangan), serta kuantitas kelompok pembanding. Pohon keputusan (decision tree) yang ditanamkan dalam instrumen ini menyederhanakan kaidah biostatistika kompleks menjadi struktur rekomendasi taktis bagi pengguna, memastikan metode yang diaplikasikan tidak melanggar asumsi dasar data (Siegel & Castellan, 1988).

2. Formula Tiap Tahap Analisis dan Relevansinya

n = \frac{N}{1 + N \cdot e^2}

Formula Slovin (1960): N mewakili total populasi berhingga dan e melambangkan margin ketelitian (margin of error). Relevan untuk studi demografi komprehensif ketika asumsi keragaman populasi sama sekali tidak diketahui.

n = \frac{Z^2 \cdot P(1-P)}{d^2}

Formula Lemeshow & Cochran: Digunakan untuk menaksir proporsi. Z diturunkan dari tingkat kepercayaan (contoh 1.96 untuk 95%), P adalah proporsi target (lazim disetel 0.5 untuk varians maksimum), dan d adalah limit galat mutlak (Cochran, 1977).

n = \frac{\chi^2 \cdot N \cdot P(1-P)}{d^2 (N-1) + \chi^2 \cdot P(1-P)}

Formula Isaac & Michael (1981): Adaptasi proporsional dengan menggunakan sebaran probabilitas Chi-Square (\chi^2) untuk menentukan ukuran sampel minimum guna mereplikasi karakteristik populasi.

Z = \frac{a \times b}{\sqrt{b^2 s_a^2 + a^2 s_b^2 \pm s_a^2 s_b^2}}

Uji Mediasi Sobel, Aroian, & Goodman: Mengukur signifikansi jalur tidak langsung. a dan b adalah taksiran parameter regresi, s_a dan s_b adalah standar error-nya. Pada penyebut, metode Aroian menambahkan produk s_a^2 s_b^2 (tanda plus), metode Goodman menguranginya (tanda minus), sedangkan Sobel klasik mengabaikan elemen ketiga tersebut (MacKinnon et al., 2002).

r_{tabel} = \sqrt{\frac{t^2}{t^2 + df}} \quad \text{dimana} \quad df = n - 2

Konversi R-Tabel: Mentransformasi batas kritis dari distribusi T (t) kembali menjadi besaran metrik korelasi Pearson. Relevan untuk merumuskan justifikasi instan kelayakan butir instrumen tanpa harus membawa pedoman buku cetak distribusi.

3. Arsitektur Perangkat Lunak

Berbeda dengan platform analisis data matriks besar, modul ini didesain sebagai Statistical Summary Calculator berbasis aturan logika yang disusun murni menggunakan Vanilla JavaScript.

Efisiensi Deterministik: Tidak memproses pangkalan data observasi (.csv), melainkan mengolah masukan besaran ukuran (*input parameter*) berupa koefisien atau ringkasan empiris. Tidak melibatkan perpustakaan R-WASM yang memakan memori.
Logika Pohon Keputusan (Decision Tree): Modul Wizard Statistika merangkai struktur IF-THEN mendalam untuk menghasilkan saran berbasis panduan pohon metode statistik standar industri.

4. Panduan Manual Penggunaan Alat Analisis

A. Modul Kalkulator Sampel Minimal

Klik *tab* Hitung Sampel. Masukkan total populasi (N). Tentukan derajat presisi (biasa disetel 0.05 untuk margin 5%).
Pilih literatur metode (Slovin, Lemeshow, Isaac & Michael, atau Cochran). Tekan Hitung Sampel untuk memperoleh angka agregat subjek yang wajib didata.

B. Modul Kalkulator Uji Validitas & Reliabilitas

Beralih ke *tab* Validitas Rel. Modul ini difungsikan pasca proses pengumpulan kuesioner awal.
Masukkan jumlah sampel responden (N), nilai R-Hitung dari satu item yang sedang ditinjau, Nilai Signifikansi batas, serta skor Cronbach’s Alpha keseluruhan yang telah Anda kalkulasi sebelumnya. Sistem akan menggenerasi nilai R-tabel seketika dan menyatakan kelulusan uji item.

C. Modul Kalkulator Uji Mediasi Sobel

Diakses pada *tab* Uji Mediasi. Penggunaan modul ini mensyaratkan Anda telah melakukan dua pengujian regresi linear parsial sebelumnya.
Masukkan koefisien variabel bebas ke mediator (a) beserta Standar Error-nya (SE a). Kemudian masukkan koefisien mediator ke variabel terikat (b) dan Standar Error-nya (SE b).
Pilih penyesuaian penyebut (Sobel, Aroian, atau Goodman), lalu periksa apakah P-Value yang dihasilkan berada pada rentang < 0.05 untuk menahbiskan eksistensi sifat mediasi.

D. Modul Wizard Analisis Statistik

Fasilitas asistensi interaktif pada *tab* Wizard Analisis.
Pilih spesifikasi metodologis dari struktur data Anda: jenis distribusi (normal/tidak), jumlah variabel terikat, skala tipe data, rasio pengelompokan populasi, dan desain ketergantungan observasi (independen/berpasangan).
Berdasarkan parameter yang ditetapkan, Artificial Intelligence Rule-Based akan mendeklarasikan nama metode statistik (seperti Kruskal-Wallis, ANCOVA, Spearman, dll.) yang paling representatif untuk divalidasi dan dijalankan.

5. Manfaat Aplikasi (Kelebihan & Kekurangan)

Kelebihan Instrumental: Mengemas instrumen perumusan tahap pra-riset dan pos-riset ke dalam antarmuka utilitas yang ringkas, nir-instalasi, dan bersahabat. Merangkum empat fungsi perangkat lunak terpisah menjadi satu layar terpadu, tidak memerlukan sambungan backend untuk verifikasi, serta menjamin privasi absolut kerangka studi pengguna.
Kekurangan Bawaan: Pengujian Sobel merupakan prosedur mediasi konvensional yang meyakini distribusi normal pada komponen hasil kali standar error. Praktik ekonometrika terkini (milik Preacher & Hayes, 2004) lebih mensyaratkan pengujian berbasis metode sampel acak ulang (Bootstrapping) untuk signifikansi mediasi asimetris, yang mana metode tersebut memerlukan evaluasi terhadap matriks set data mentah secara utuh, bukan lewat kalkulator paramater sekunder ini. Aplikasi ini juga bukan merupakan pengolah matriks crosstab langsung.

6. Daftar Pustaka

Agresti, A. (2013). Categorical Data Analysis (3rd ed.). John Wiley & Sons.
Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182.
Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons.
Isaac, S., & Michael, W. B. (1981). Handbook in Research and Evaluation. EdITS Publishers.
Lemeshow, S., Hosmer, D. W., Klar, J., & Lwanga, S. K. (1990). Adequacy of Sample Size in Health Studies. World Health Organization.
MacKinnon, D. P., Lockwood, C. M., Hoffman, J. M., West, S. G., & Sheets, V. (2002). A comparison of methods to test mediation and other intervening variable effects. Psychological Methods, 7(1), 83-104.
Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717-731.
Siegel, S., & Castellan, N. J. (1988). Nonparametric Statistics for the Behavioral Sciences (2nd ed.). McGraw-Hill.
Slovin, E. (1960). Slovin’s formula for sampling technique. Unpublished Document.
Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. In S. Leinhardt (Ed.), Sociological Methodology 1982 (pp. 290-312). American Sociological Association.

Convert Excel To CSV For ST Engine Analysis

Daftar Tool Analisis Statistik Online Statistikian