Home / Perkantoran / Kursus SPSS | SPSS Ultimate Class : Pelajari SPSS Dari Awal Hingga Mahir
Biaya Kursus Komputer Jogja Multimedia

Kursus SPSS | SPSS Ultimate Class : Pelajari SPSS Dari Awal Hingga Mahir

Kursus langkah demi langkah yang lengkap untuk menguasai IBM SPSS Statistics untuk melakukan Penelitian, Statistik & Analisis Data lanjutan

Apa yang akan Anda pelajari :

  • Menganalisis semua jenis data numerik menggunakan SPSS dengan keyakinan
  • Rencanakan studi riset Anda secara mandiri dari awal.
  • Memahami desain penelitian dan hasil yang disajikan dalam artikel jurnal berkualitas tinggi
  • Lakukan analisis data secara akurat dan sajikan hasilnya dalam format standar.

Persyaratan :

  • Kursus ini dibangun dari awal sehingga tidak ada pengetahuan sebelumnya tentang SPSS atau Statistik yang diperlukan. Kami membahas semua rincian yang diperlukan dalam kursus baik teori dan bagian praktis.
  • Peserta harus memiliki salinan perangkat lunak SPSS untuk mempraktikkan langkah-langkah yang diajarkan dalam kursus ini.

Deskripsi :

  • Data adalah perbatasan baru abad ke-21. Menurut Harvard Business Report (2012) ilmu data akan menjadi pekerjaan terpanas abad ke-21 dan analis data memiliki karir yang sangat cerah di masa depan. Kursus ini bertujuan untuk membekali peserta didik dengan kemampuan secara mandiri melakukan analisis data mendalam dengan kepercayaan dan akurasi profesional. Ini secara khusus akan membantu mereka yang ingin mendapatkan wawasan bisnis, memahami perilaku konsumen, mengembangkan rencana obyektif untuk usaha baru, studi merek, atau menulis artikel ilmiah dalam jurnal berdampak tinggi dan mengembangkan tesis / proyek kerja berkualitas tinggi.
  • Pengetahuan yang baik tentang analisis data kuantitatif adalah sine qua none untuk kemajuan di dunia akademik dan perusahaan. Dengan mengingat hal ini, kursus ini telah dirancang sedemikian rupa sehingga siswa, peneliti, guru, dan profesional korporat yang ingin membekali diri dengan keterampilan analisis data yang baik dan ingin maju dengan keterampilan ini dapat mempelajarinya secara mendalam dan menarik dengan menggunakan IBM SPSS Statistics.
  • Hasil Pelajaran
  • Setelah menyelesaikan kursus ini, Anda akan mengembangkan kemampuan untuk menganalisis dan memperlakukan data secara mandiri, merencanakan, dan melaksanakan pekerjaan penelitian baru berdasarkan minat penelitian Anda. Kursus ini mencakup sebagian besar jenis teknik penelitian utama yang digunakan dalam penelitian akademik dan profesional dengan cara yang paling komprehensif, mendalam dan bertahap.
  • Pedagogi
  • Fokus dari program pelatihan saat ini adalah untuk membantu peserta belajar keterampilan statistik melalui mengeksplorasi SPSS dan berbagai pilihannya. Fokusnya adalah untuk mengembangkan keterampilan praktis menganalisis data, mengembangkan kapasitas independen untuk secara akurat memutuskan tes statistik apa yang akan sesuai dengan jenis tertentu dari tujuan penelitian. Program ini juga akan membahas cara menulis output yang diperoleh dari SPSS dalam format APA.
  • Prasyarat
  • Kecintaan terhadap analisis data dan statistik, bakat penelitian, dan motivasi untuk melakukan pekerjaan penelitian yang hebat

Untuk siapa kursus ini :

  • Mahasiswa dan peneliti yang ingin menguasai keterampilan SPSS dan menerbitkan dalam jurnal berdampak tinggi
  • Profesional mencari karir di bidang analitik di sektor korporasi
  • Anggota fakultas ingin menguasai SPSS dan memajukan keterampilan analisis data mereka

Kurikulum Kursus :

  • Mengunduh dan Menginstal IBM SPSS Statistics 24 di Windows
  • Downloading SPSS Grad Pack: Student Version
  • Statistik: Definisi dan Jenis
  • Statistik Parametrik vs Non-Parametrik: Asumsi
  • Variabel Konseptualisasi: Variabel IV, DV, Kontrol, Moderator & Mediasi
  • Variable Type Numeric: Mendefinisikan Nama, Lebar, Desimal & Label untuk variabel
  • Tipe Variabel: Koma dan Dot
  • Tipe Variabel: Notasi Ilmiah
  • Jenis Variabel: Tanggal dan Perangko Waktu
  • Jenis Variabel: Dolar
  • Jenis Variabel: Mata Uang Ubahsuaian
  • Tipe Variabel: String
  • Jenis Variabel: Numerik Terbatas
  • Menentukan Nilai & Label
  • Menentukan Nilai-Nilai Hilang: Nilai-Nilai Diskrit, Rentang & Sistem-Hilang
  • Mengatur Kolom & Alignment
  • Mendefinisikan Pengukuran: Skala Pengukuran
  • Jenis-jenis File Data dalam Statistik SPSS
  • Membuka file data Excel di SPSS
  • Membuka jenis file yang Dipisahkan Koma atau CSV di SPSS
  • Kumpulan Data dan Sumber Daya: Fungsi RECODE
  • Fungsi COMPUTE VARIABLE: Apa itu dan Apa yang bisa dilakukannya untuk kita?
  • Menghitung Total menggunakan fungsi COMPUTE
  • Latihan: Coba COMPUTE menggunakan IF
  • Solusi Latihan: KOMPUTE menggunakan IF
  • FUNGSI RECODE: Mengapa Recode Variabel?
  • Mengapa Kami Memiliki Dua Fungsi RECODE?
  • Bagaimana melakukan RECODE INTO BERBEDA VARIABEL di SPSS?
  • KOMPUTASI Total Setelah RECODE
  • Recode menjadi Same Variable
  • Pengaturan Data untuk Analisis Deskriptif
  • Jenis Statistik Deskriptif
  • Memahami Tiga Tab Deskriptif Berbeda di SPSS
  • Menghitung Frekuensi
  • Analisis Deskriptif Menggunakan Crosstab
  • Ukuran Tendensi Pusat: Mean, Median, Mode – Konsep dan Penggunaan
  • Menghitung dan Menafsirkan Mean, Median & Mode
  • Mengkonfirmasi Mode dengan Frekuensi
  • Opsi Jelajah: Menghitung Deskripsi yang Dikelompokkan
  • Opsi Eksplorasi: Menafsirkan Mean Groupwise dan 95% Confidence Interval of Mean
  • 5% Pemotongan Mean: Konsep, Penggunaan dan Interpretasi
  • Jelajahi: Median, Deviasi Standar, Varian, Minimum, Maksimum, dan Rentang
  • Kuartil dan Rentang Inter-Kuartil menggunakan Opsi Jelajahi
  • Skewness dan Kurtosis: Fundamental
  • Menghitung & Mengartikan Tingkat Signifikansi Skewness
  • Kurtosis: Perhitungan, Interpretasi, dan Tingkat Pemahaman Signifikansi
  • Kesalahan Standar Mean: Konsep, Perhitungan dan Interpretasi
  • Uji-sampel sampel independen: Menentukan opsi input
  • Independent sample t-test: Menafsirkan output deskriptif (Mean, SD, SE)
  • Independent Sample t-test: Menafsirkan tes Levene, t, p, SE & 95% CI
  • Penulisan Gaya APA untuk uji-t Sampel Independen
  • Kapan menggunakan uji-t Paired Sample?
  • Menghitung Paired Sample t-test di SPSS
  • Menafsirkan Output Uji Sampel yang Dipasangkan
  • Penulisan Gaya APA untuk uji-t Paired Sample
  • Kapan Menggunakan ANOVA Satu Arah?
  • Menghitung ANOVA Satu Arah di SPSS
  • Menafsirkan keluaran ANOVA: Statistik Deskriptif
  • Menafsirkan Output: Tabel Ringkasan ANOVA
  • Melakukan analisis Post-hoc di ANOVA: Homogenitas Uji Varians & Post-hoc
  • Analisis Tren & Alat Berarti di ANOVA
  • Analisis Kontras dalam ANOVA
  • Apa itu regresi?
  • Kapan Menggunakan Regresi Linier Vs. Regresi Berganda?
  • Menentukan Opsi Input SPSS untuk Regresi Linier
  • Menafsirkan Output Regresi Linier: Variabel & Ringkasan Model
  • Menafsirkan Output Regresi Linier: Konstan, B, Beta, SE & t
  • Apa itu Regresi Berganda?
  • Asumsi Regresi Berganda: Linearitas & Pengujian Linearitas di SPSS
  • Asumsi 2: Independensi Kesalahan / Kurangnya Autokorelasi & Pengujian di SPSS
  • Asumsi 3: Homoscedasticity of Errors dan Mengujinya di SPSS
  • Asumsi 4: Normalitas Multivarian & Mengujinya di SPSS
  • Asumsi 5: Multikolinearitas & Mengujinya di SPSS
  • Memilih Metode Regresi Berganda: Masukkan Metode
  • Memilih Metode Regresi Berganda: Metode Seleksi Stepwise dan Forward
  • Memilih Metode Regresi Berganda: Metode Eliminasi Mundur
  • Menjalankan Metode Pemilihan Regresi Stepwise dan Forward di SPSS
  • Memilih Metode Regresi Berganda: Hapus Metode
  • Apa itu Analisis Regresi Hirarki dan kapan menggunakannya?
  • Mengatur Data dan Mendefinisikan Model dalam Regresi Hirarki
  • Penyempurnaan Model dan Mendeteksi Multikolinieritas melalui Matriks Korelasi
  • Menjinakkan Data Buruk: Menggunakan nilai beta, R kuadrat, dan p untuk lebih menyempurnakan model
  • Menafsirkan Output Regresi Hirarkis
  • Apa itu Analisis Faktor?
  • Memahami Variabel dan Indikator Laten di FA
  • Sampel Penelitian Menggunakan FA dalam Ilmu Sosial & Teknik
  • Asal Bersejarah FA & Penerapannya dalam Konstruksi Uji
  • Analisis Faktor Eksplorasi vs Analisis Faktor Konfirmatori (EFA vs CFA)
  • Pengaturan Data untuk Analisis Faktor
  • Memahami “Variabel Pilihan”
  • Univariate Descriptives & Solusi Awal: Deskriptif
  • Matriks Korelasi: Koefisien, Signifikansi, Determinan, KMO & Bartlett’s
  • Memahami Inverse, Reproduced, Anti-Image
  • Metode Ekstraksi: Analisis Komponen Utama
  • Metode Ekstraksi: Anjak Prinsip Sumbu
  • Metode Ekstraksi: Estimasi Kemungkinan Maksimum
  • Memilih Korelasi vs. Matriks Kovarian untuk Analisis Faktor
  • Menafsirkan Matriks Korelasi & Solusi Faktor Tidak Berputar
  • Menentukan sejumlah faktor: Scree Plot vs. kriteria nilai eigen Kaiser
  • Rotasi Faktor: Apa itu dan mengapa itu dilakukan?
  • Metode Rotasi: Varimax, Kuartimax, Equamax, Oblimin Langsung, Promax
  • Skor Faktor Menghitung: Regresi, Bartlett, Anderson-Rubin
  • Matriks Koefisien Skor Faktor
  • Analisis Nilai Hilang: Listwise, Pairwise, Ganti dengan Mean
  • Urutkan berdasarkan Ukuran & Menekan Koefisien Lebih Kecil
  • Proyek dalam Analisis Faktor Bagian 1: Mengidentifikasi Dimensi Kepribadian
  • Proyek dalam Analisis Faktor Bagian 2: Mengidentifikasi Dimensi Kepribadian
  • Proyek dalam Analisis Faktor Bagian 3: Mengidentifikasi Dimensi Kepribadian
  • Proyek dalam Analisis Faktor Bagian 4: Penamaan Faktor
  • Proyek dalam Analisis Faktor Bagian 5: Analisis Keandalan Faktor
  • Proyek dalam Analisis Faktor Bagian 6: Menyajikan Hasil dalam Gaya APA
  • Uji Chi Square: Pendahuluan dan Kapan Menggunakan Uji Chi-Square?
  • Asumsi Uji Chi-square
  • Formula untuk Perhitungan Uji Chi-Square
  • Mengatur Data untuk Perhitungan Chi-Square menggunakan Opsi Crosstabs
  • Menguji Asumsi uji Chi-Square Menggunakan Opsi Crosstabs
  • Menafsirkan Output Uji Chi-Square dan Pelaporan Gaya APA
  • One-way Chi Square: Kapan harus digunakan dan bagaimana bedanya dengan Chi square dua arah?
  • Mengatur Data untuk Uji Chi-Square Satu Arah
  • Perhitungan, Interpretasi, & Tulisan APA untuk One-Way Chi Square
  • Mempraktikkan kumpulan data untuk One-Way Chi square
  • Pengantar Analisis Keandalan
  • Apa itu Keandalan?
  • Model Skala Reflektif vs. Formatif
  • Haruskah Melaporkan Cronbach’s Alpha atau Composite Reliability?
  • Jenis Keandalan: Uji-Reliabilitas Reliabilitas
  • Jenis Keandalan: Bentuk Paralel
  • Jenis Keandalan: Keandalan Konsistensi Internal
  • Memahami Cronbach’s Alpha
  • Asumsi Cronbach’s Alpha
  • Formula Cronbach’s Alpha
  • Rentang Cronbach’s Alpha
  • Menghitung Keandalan: Memahami Skala jika suatu Item Dihapus
  • Menafsirkan Ringkasan Pemrosesan Kasus & Koefisien Alpha
  • Meningkatkan Keandalan Skala: Mendiagnosis Nilai yang Hilang
  • Meningkatkan Keandalan: Mendiagnosis Mean Skala dan Variansi
  • Meningkatkan Keandalan: Mendiagnosis Korelasi Item-Total
  • Meningkatkan Keandalan: Menghapus Item yang Ambigu dan Redundan
  • Indeks Diskriminasi Item
  • Grafik & Visualisasi Data dalam SPSS: Suatu Pengantar
  • Grafik mana yang Cocok untuk Saya: Aturan untuk Membuat Grafik Bagian 1
  • Grafik Yang Cocok untuk Saya: Aturan untuk Membuat Grafik Bagian 2
  • Membuat Bar Diagram di SPSS
  • Bagaimana Mengubah Warna Latar Belakang Diagram Bar di SPSS?
  • Bagaimana Mengubah Warna dan Pola Bar di Diagram Bar?
  • Bagaimana Cara Menyesuaikan Lebar Bar di Diagram Bar?
  • Bagaimana Mengganti Nama Sumbu X & Y Bar Diagram di SPSS?
  • Memahami Bar Kesalahan atas Diagram Bar: Apa, Mengapa & Bagaimana?
  • Bagaimana cara membuat diagram batang dengan bilah galat di SPSS?
  • Bagaimana Cara Menggunakan Pengganda (Standar Galat dan Deviasi Standar) dalam Bar Diagram?
  • Membuat Diagram Bar Clustered di SPSS
  • Pie Charts: Memahami dan Mengatur Dataset
  • Pie Charts Vs. Bar Diagram: Kapan Menggunakan Pie Vs. Diagram Bar?
  • Cara membuat Pie Chart di SPSS
  • Pie Chart: Bagaimana Mengubah Warna Pie?
  • Pie Chart: Bagaimana Cara Menggabungkan Irisan?
  • Apa itu Regresi Logistik?
  • Memahami Model Regresi Logistik
  • Memahami dan Model Regresi Logistik: Bentuk, Logit dan Probabilitas
  • Memahami Persamaan Regresi Logistik
  • Persyaratan untuk Analisis Regresi Logistik
  • Asumsi Regresi Logistik
  • Konsep Odd Ratios (Singkat)
  • Mengatur Data dan Memahami File Data
  • Bagaimana Kode Variabel Ketergantungan Biner dalam Regresi Logistik
  • Memahami Opsi Blok dan Opsi Interaksi
  • Memilih “Metode” dan Coding Variabel Kategorikal sebagai Variabel “Dummy”
  • Memahami Opsi Simpan: Probabilitas Yang Diprediksi & Keanggotaan Grup
  • Memahami Opsi Simpan: Pengaruh – Jarak Cook & Opsi DFBeta
  • Memahami Save: Residual – Standarisasi
  • Memahami Opsi Plot Klasifikasi
  • Memahami Opsi Uji Goodness of Fit Hosmer-Lemeshow
  • Memahami Daftar Residual yang Bijak
  • Memahami Korelasi Opsi Estimasi
  • Memahami Opsi “Riwayat Iterasi”
  • Memahami Opsi “CI untuk Exp (B)”
  • Termasuk Konstan dalam Model
  • Memahami “Cutoff Klasifikasi .5 & Bootstrapping”
  • Output: Memahami Ringkasan Pemrosesan Kasus & Dummy Variable Coding
  • Output: Memahami Blok 0 vs Blok Lain & Riwayat Iterasi
  • Output: Memahami -2 Log Likelihood & R kuadrat (Cox n Snell, Negelkerke)
  • Output: Memahami Tabel Klasifikasi (Sensitivitas & Spesifisitas)
  • Output: Variabel dalam Persamaan – Interpretasi Model Dasar
  • Output: Tabel Hosmer-Lemeshow & Contingency untuk Model Baseline
  • Output: Interpretasi Tes Hosmer-Lemeshow untuk Model Default
  • Output: Menafsirkan Variabel dalam Persamaan untuk Model Default
  • Output: Menafsirkan Tes Wald untuk Model Default
  • Rasio Ganjil (dalam Kedalaman): Bagian 1 – Fundamental, Derivasi & Perhitungan
  • Rasio Ganjil (dalam Kedalaman): Bagian 2 – Menghitung Peluang Kanker Paru-Paru dengan Merokok
  • Menafsirkan Rasio Ganjil dalam Variabel dalam Tabel Persamaan
  • Menafsirkan Tabel Korelasi dan Memahami Multikolinearitas
  • Plot Klasifikasi: Interpretasi & Aplikasi
  • Menafsirkan Daftar Kasus yang Sisa dari Hasil Residual
  • Menafsirkan Probabilitas yang Diprediksi dan Keanggotaan Grup
  • Menafsirkan Jarak Cook dan DFBeta
  • Menafsirkan Output Tes Omnibus
  • Menjelaskan Pseudo R Squares: – Kemungkinan 2Log, Cox & Snell dan Negelkerke
  • Penulisan Persamaan Terakhir Regresi Logistik Secara Manual
  • Presentasi Gaya dan Tabel APA
  • Pengantar Mediasi dan Analisis Moderasi
  • Data, PPT & Sumber Daya
  • Memahami analisis Moderasi dan Model Regresi – I
  • Memahami analisis Moderasi dan Model Regresinya – II
  • Persamaan Statistik Moderasi
  • Memahami Mediasi: Efek Langsung, Tidak Langsung dan Total
  • Memahami Perbedaan Antara Moderasi dan Mediasi
  • Mengunduh & Menginstal Proses Makro
  • Contoh moderasi: Story of Infosys dan Uber
  • Apa itu Mediasi: Memahami Model Mediasi
  • Apa yang Penuh dan Mediasi Parsial?
  • Memahami Efek Tidak Langsung Langsung dan Total
  • Apa itu Tes Sobel?
  • Sebagian Ditstandarisasi vs Efek Tidak Langsung Sepenuhnya Standar
  • Memahami Rasio efek Tidak Langsung: Tidak Langsung ke Total vs Tidak Langsung ke Langsung
  • Apa Proporsi Varian yang Dijelaskan oleh Efek Tidak Langsung?
  • Analisis moderasi: Pengembangan Data & Hipotesis
  • Memahami Nomor Model
  • Moderasi: Variabel, Bootstrapping, Kovariat, Usulan Moderator W, Z, V, Q
  • Moderation> Options: Mean Center for Products
  • Moderasi> Pilihan: Heteroscedasticity Konsisten SE, OLS / ML CI, Data Plotting
  • Moderation> Conditioning: Johnson-Neyman
  • Moderasi: Multi-kategori
  • Berurusan dengan Nama Panjang
  • Penjelasan Hasil Analisis Moderasi
  • Merencanakan efek Moderasi dalam SPSS dan Excel
  • Presentasi Gaya APA dari Efek Moderasi, Bagan dan Tabel
  • Model Mediasi Konseptual: Apakah Glukosa Memediasi Pengaruh Diabetes?
  • Memeriksa Kesesuaian Data untuk Analisis Mediasi
  • Mediasi: M-Variabel, Nomor Model, Sampel Bootstrap, dan Kovariat
  • Mediasi> Opsi: Interval Keyakinan OLS / MLE dan Ukuran Efek
  • Mediasi> Opsi: Tes Sobel
  • Mediasi> Pilihan: Model Efek Total, Bandingkan Efek Tidak Langsung, Model Cetak Cov
  • Mediasi: Pengkondisian, Multi-kategorikal, dan Nama Panjang
  • Mediasi> Output: Memahami Output Matriks Kovarian
  • Menjelaskan Keluaran Mediasi-Bagian 1
  • Menjelaskan Keluaran Mediasi-Bagian 2
  • Menjelaskan Keluaran Mediasi-Bagian 3
  • Output Mediasi: Efek Tidak Langsung Standar Sebagian dan Sepenuhnya
  • Output Mediasi: Rasio Efek Tidak Langsung ke Total & Efek Tidak Langsung ke Efek Langsung
  • Output Mediasi: Ukuran Efek Mediasi R-squared
  • Output Mediasi: Tes Teori Normal untuk Efek Tidak Langsung
  • Output Mediasi: Kappa Squared dan Mengapa Ditekan?
  • Menghitung Pengkhotbah dan Kelly’s Kappa Squared Secara Manual
  • Presentasi Gaya APA dari Hasil Analisis Mediasi
  • Literatur yang relevan: Analisis Mediasi dan Moderasi menggunakan PROSES
  • Kumpulan Data dan Sumber Daya: GLM
  • Pengantar (Model Linier Umum) GLM
  • Apa itu General Linear Models (GLM)?
  • Apa itu Distribusi Eksponensial?
  • Contoh dan Aplikasi Generalized Linear Models (GLIM)
  • General Linear Models (GLM) vs Generalized Linear Models (GLIM)
  • Kumpulan Data dan Sumber: ANOVA Satu Arah yang Diulang
  • Apa itu Desain Pengukuran Berulang (Contoh 1: Studi Depresi)
  • Apa itu Desain Pengukuran Berulang (Contoh 2: Kinerja dalam Studi Kebisingan)
  • Apa itu Desain Pengukuran Berulang (Contoh 3: Studi Kelompok Kontrol)
  • Haruskah saya melakukan t-test Berulang ANOVA atau Paired Sample?
  • Asumsi tentang Ukur Berulang ANOVA
  • Menjelaskan Tes Multivarian
  • Memahami Jejak Pillai & Wilk Lambda
  • Memahami Jejak Hotelling
  • Memahami Roy Root Terbesar
  • Apa itu Sphericity: Memahami Sphericity melalui Contoh
  • Memahami Uji Sphericity Mauchly
  • Memahami Dataset
  • Merumuskan Pertanyaan dan Hipotesis Penelitian berdasarkan Data
  • Memahami “Penamaan Faktor Dalam Subjek”
  • Memahami Opsi “Nama Pengukuran”
  • Memahami Pilihan “Antara Faktor Subjek dan Kovariat”
  • Memahami Output Awal
  • Model: Faktorial Lengkap, Persyaratan Bangunan / Kustom & Efek Utama dan Interaksi
  • Menjelaskan JENIS I, Tipe II, Tipe III, dan Tipe IV Jumlah Kuadrat
  • Kontras: Sederhana, Polinomial, Diulang, Penyimpangan, Perbedaan, Helmert
  • Menentukan Plot: Menjelajahi Semua Opsi
  • Pengantar Tes Post-hoc: Dua Keluarga Tes
  • Kapan Menggunakan Tes Tukey dan Scheffe?
  • Menjelaskan koreksi Bonferroni
  • Menjelaskan Tes LSD
  • Tukey, s HSD, Tukey’s WSD dan SNK Test
  • Waller-Duncan, Uji T Dunnett, Scheffe, Sidak, Duncan, dan Hochberg Gabriel
  • Game Howell, Tes T2 dan T3 Tamhane: Tes Post-hoc Non-parametrik
  • Pengantar Korelasi
  • Apa itu Korelasi?
  • Jenis-jenis Korelasi: Korelasi Positif dan Negatif
  • Memahami Koefisien Korelasi dan Kisarannya
  • Koefisien Korelasi Mana yang Digunakan dan Kapan?
  • Pengantar Korelasi Pearson: Asal, Penggunaan & Mengapa begitu Populer?
  • Mengapa disebut Koefisien Korelasi Saat Produk?
  • Asumsi Korelasi Product Moment Pearson
  • Perhitungan r: rumus Skor Penyimpangan
  • Perhitungan r: Z-Score Formula
  • Perhitungan r: Formula Skor Raw
  • Perhitungan r: Rumus Co-variance
  • Penghitungan r Manual menggunakan Metode Skor Baku
  • Pentingnya Koefisien Korelasi
  • Korelasi Palsu: Korelasi tidak menandakan sebab-akibat
  • Korelasi Pearson sebagai Koefisien Variabilitas (R-squared)
  • Perhitungan r dalam SPSS: Memeriksa Asumsi
  • Perhitungan r dalam SPSS: Memahami Pearson, Two tailed, dan Bootstrapping
  • Interpretasi Keluaran r
  • Bootstrap the Koefisien Korelasi (r)
  • Menulis Output r dalam gaya APA
  • Memperbaiki Bug Bootstrap di SPSS 25
  • Pengantar Korelasi Biserial dan Point Biserial
  • Kapan Menggunakan Biserial dan Kapan Menggunakan Korelasi Biserial Point?
  • Perhitungan dan Interpretasi Korelasi Biserial di SPSS
  • Pelaporan Gaya APA untuk Keluaran Korelasi Biserial
  • Latihan: Menghitung Korelasi Biserial Titik antara Gender dan Gaji
  • Cara Menghitung Korelasi Biserial Titik di SPSS
  • Cara Menafsirkan Korelasi Biserial Titik di SPSS
  • Bagaimana Melaporkan Titik Korelasi Biserial Output dalam gaya APA
  • Pengantar Koefisien Korelasi Urutan Peringkat Spearman (Rho)
  • Kapan Menggunakan Koefisien Korelasi Urutan Peringkat: Empat Contoh
  • Siapa yang memberi Rho dan Bagaimana itu Dilambangkan?
  • Asumsi Koefisien Korelasi Tingkat Pesanan Spearman
  • Memahami rumus Rho dan Metode Pemeringkatan
  • Bagaimana cara menghadapi Tied Ranks saat Menghitung Rho?
  • Haruskah Saya Memberi Peringkat Variabel Saya Pertama kemudian menghitung Rho?
  • Menghitung dan Menafsirkan Rho di SPSS
  • Rho r adalah pada Peringkat Data: Bukti
  • Pelaporan gaya APA dari Koefisien Korelasi Urutan Peringkat Spearman
  • Pendahuluan: Apa Perbedaan antara Asosiasi dan Korelasi
  • Memahami Pasangan Concordant dan Discordant
  • Memahami Pasangan berdasarkan Perhitungan Kolom dan Baris
  • Pengenalan Tentang Kendall’s Tau
  • Kapan Menggunakan Kendall’s Tau daripada Spearman’s Rho
  • Assumptions of Kendall’s Tau
  • Jangkauan dan Penafsiran Kendall’s Tau
  • Types of Kendall’s Tau Coefficients: Tau a, Tau b, Tau c & Kendall’s W
  • Kendall’s Tau a: Concept, When to use and Formula
  • Kendall’s Tau b and Tau c: Pendahuluan dan Kapan Menggunakannya
  • Kendall’s Tau b Formula
  • Kendall’s Tau c: Formula dan Kapan Digunakan
  • Kendall’s Tau a, Tau b, Tau c, dan Kendall’s W: Perbandingan
  • Kendall’s Tau b dalam SPSS: Memeriksa Peringkat Terikat
  • Kendall’s Tau b: Pelaporan Gaya APA
  • Kendall’s Tau c: Pemeriksaan Asumsi
  • Kendall’s Tau c: Perhitungan dan Interpretasi dalam SPSS
  • Kendall’s Tau c: Pelaporan Gaya APA
  • Kendall’s W: Pendahuluan dan Kapan Harus Digunakan
  • Kendall’s W: Memahami Formula
  • Kendall’s W in SPSS (menggunakan Kotak Dialog Otomatis Non-Parametrik)
  • Kendall’s W in SPSS (menggunakan Kotak Dialog Non-Parametrik Legacy)
  • Kendall’s W: Pelaporan Output Style APA
  • Memperbaiki Bug Bootstrap di SPSS 25
  • Analisis Deskriptif dalam SPSS
  • Jawaban atas Penugasan 1
  • Tugas 1: Penjelasan tentang Que 1, 2 dan 3
  • Tugas 1: Penjelasan tentang Que 4, 5, 6, 7 dan 8
  • Tugas 1: Penjelasan tentang Que 9 dan 10
  • Pendahuluan: Apa itu ANCOVA dan Kapan Menggunakannya?
  • Apa arti kovariat? Apakah ini berarti kontrol?
  • Cara ANCOVA dan Persyaratan untuk Melakukan ANCOVA
  • Memahami Asumsi dan Kumpulan Data
  • Desain Studi dan Dataset
  • Memahami Pilihan: DV, Faktor Tetap dan Faktor Acak
  • Memahami kovariat dan bobot WLS dan mengapa Tombol Post-hoc Tidak Aktif
  • Asumsi Pengujian
  • Pentingnya Mengontrol Kovariat
  • Opsi Menjelaskan: Model Jumlah Kuadrat dan Kontras
  • Opsi Menjelaskan: Plot
  • Opsi Menjelaskan: Estimasi Marginal (EM) Berarti
  • Opsi Menjelaskan: Bandingkan Efek Utama (LSD, Bonferroni, Sidak) & SIMPAN
  • Pilihan: Deskripsi, Ukuran Efek Parameter Perkiraan Homogenitas Uji Residual
  • Menjelaskan Output: Bagian 1
  • Menjelaskan Output: Bagian 2
  • Presentasi Gaya APA atas Hasil ANCOVA
  • Selesai
KURSUS KOMPUTER ONLINE DIMANAPUN ANDA BERADA

About Jogja Multimedia

Check Also

Kursus SPSS | Machine Learning Dan AI Foundations: Clustering Dan Association

Pembelajaran tanpa pengawasan adalah jenis pembelajaran mesin di mana algoritma mem-parsing data yang tidak berlabel. …

Kursus SPSS | SPSS Statistics Essential Training

SPSS adalah program statistik dan analisis data untuk bisnis, pemerintah, lembaga penelitian, dan organisasi akademik. …

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *