Statistik dalam Penelitian Psikologi

Laman web ini berisi materi Statistik dalam Penelitian Psikologi.

Materi berlisensi BY 4.0. Materi bebas digunakan kembali namun wajib mengatribusi sumber aslinya.

NoteUnduh materi dalam bentuk PDF

Klik navigation bar yang mengarah pada PDF materi, kemudian tekan ctrl dan p bersamaan. Setelah window untuk print muncul, pilih Save to PDF dan klik Save.

Outline materi

Bagian 1️⃣: Korelasi

  • Jenis-jenis koefisien korelasi
  • Faktor-faktor yang membuat koefisien korelasi bervariasi
  • Koreksi atenuasi dan measurement error
  • Variance-covariance dan correlation matrix
  • WARNING! Covariance/correlation matrix is not positive definite
  • Heywood dan Ultra-Heywood case
  • Bivariat, part, dan partial correlation
  • Metrik variabel (standardized vs unstandardized)

Bagian 2️⃣: Ordinary Least Square Regression

  • Berlatih menginspeksi data secara visual dengan scatterplot
  • Model regresi linear (ordinary least square)
  • Menarik garis regresi (fitted regression line)
  • Varians yang dapat dan yang tidak dapat dijelaskan oleh model (R2)
  • Menguji hipotesis
  • Mengecek kecocokan model dengan data (model fit)
  • Mengecek asumsi
    • Distribusi (normalitas) residual
    • Homoskedastisitas
    • Multikolinearitas
  • Mendeteksi outliers
  • Menguji interaction effects dan model change
  • Menulis hasil analisis regresi linear dengan interaction terms dalam manuskrip

Bagian 3️⃣: Regresi Logistik Binomial

  • Mengapa regresi linear tidak cocok untuk outcome biner?
  • Fungsi logistik dan kurva S (sigmoid)
  • Rantai konsep: probabilitas → odds → log odds (logit) → odds ratio (OR)
  • Persamaan model & interpretasi koefisien (β dan OR = e^β)
  • Estimasi dengan Maximum Likelihood (MLE): deviance, Likelihood Ratio Test
  • Membandingkan model: AIC, BIC, dan Pseudo R² (Nagelkerke)
  • Model dengan banyak prediktor: adjusted OR dan efek interaksi
  • Asumsi regresi logistik (lebih longgar dari OLS: tidak perlu normalitas residual atau homoskedastisitas)
  • Evaluasi akurasi prediksi: confusion matrix, sensitivity, specificity, AUC
  • Pelaporan hasil sesuai APA & terjemahan OR ke bahasa yang dipahami semua orang
  • Kesalahan umum: OR vs. risk ratio, events per variable (EPV), stepwise selection

Bagian 4️⃣: Analisis ROC (Receiver Operating Characteristic)

  • Uji diagnostik dalam psikologi: konteks dan permasalahan
  • Review: confusion matrix, sensitivity, dan specificity
  • Positive Predictive Value (PPV) dan Negative Predictive Value (NPV)
  • Trade-off antara sensitivity dan specificity
  • Kurva ROC: cara membangun dan membacanya
  • Area Under the Curve (AUC): ringkasan performa dalam satu angka
  • Youden’s Index: menentukan cut-off optimal
  • Membandingkan beberapa alat ukur sekaligus
  • Pengaruh prevalensi pada PPV dan NPV
  • Demonstrasi di jamovi (modul PPDA → TestROC)

Bagian 5️⃣: Pengantar Latent Variable Modeling

  • Apa yang dimaksud dengan variabel laten? Mengapa psikologi membutuhkannya?
  • Classical Test Theory sebagai model variabel laten paling sederhana
  • Reliabilitas dan measurement error: mengapa skor observasi selalu mengandung noise
  • Attenuation bias: bagaimana measurement error mendistorsi estimasi hubungan antar-variabel
  • Keluarga model variabel laten: CTT → EFA → CFA → SEM
  • Variabel laten dalam model reflektif vs formatif
  • Pilihan perangkat lunak
  • Cakupan materi dan keterbatasannya

Bagian 6️⃣: Model Jalur (Path Model) dan Model Regresi

  • Definisi path model
  • Nama variabel dan koefisien jalur (path coefficients)
    • δ (delta), ε (epsilon), ξ (ksi), η (eta), λ (lambda), γ (gamma), β (beta), φ (phi), ζ (zeta)
  • Representasi visual model jalur menggunakan diagram jalur (path diagram)
  • Menggambarkan hubungan antar-variabel dengan menggunakan diagram jalur
  • Spesifikasi model dengan syntax lavaan untuk spesifikasi model jalur di module SEMLj
  • Asumsi kausalitas (?) dan limitasi
TipMenggambar diagram jalur

Untuk menggambar diagram jalur, mahasiswa dapat menggunakan MS Power Point, Canva, atau software lainnya yang serupa. Rekomendasi saya: gunakan draw.io yang merupakan software open source dan sangat unggul untuk menggambar berbagai macam diagram, termasuk flowchart.

Bagian 7️⃣: Principal Component Analysis (PCA) dan Exploratory Factor Analysis (EFA)

  • Mengapa kita perlu analisis faktor? Measurement error dan attenuation bias
  • Keluarga model variabel laten: CTT → EFA → CFA → SEM
  • Principal Component Analysis (PCA): reduksi dimensi & unsupervised learning dalam ML
  • Eigenvalue, scree plot, dan component loadings
  • PCA vs EFA: tujuan, model, dan kapan menggunakan yang mana
  • Komunalitas (h²) dan keunikan
  • Menentukan jumlah faktor: parallel analysis, scree plot, Kaiser criterion
  • Rotasi orthogonal vs. oblique
  • Metode ekstraksi faktor: MinRes, PAF, dan Maximum Likelihood
  • Asumsi & kesiapan data: KMO, Bartlett’s test, dan ukuran sampel
  • Evaluasi model: fit indices (RMSEA, CFI, TLI) dan reliabilitas (α vs. ω)
  • Checklist pelaporan EFA & kesalahan umum

Bagian 8️⃣: Confirmatory Factor Analysis (CFA)

  • Definisi factor analysis
  • Exploratory vs confirmatory factor analysis
  • Kapan menggunakan CFA?
  • Constraining parameter model
  • Model pengukuran (paralel, tau equivalence, dan congeneric)
  • Variabel indikator (reflektif vs formatif)
  • Correlated error variances
  • Metode estimasi
  • Menuliskan hasil analisis CFA dalam laporan penelitian

Sumber belajar lainnya

Sebelum mulai materi

  • Sebaiknya semua mahasiswa sudah memasang jamovi pada perangkatnya masing-masing, untuk menghindari terlalu banyaknya waktu untuk menyelesaikan troubleshooting instalasi ketika kuliah.
  • Mahasiswa sangat disarankan untuk menonton video tutorial jamovi sebelum workshop untuk belajar menavigasikan menu dan fitur yang ada dalam jamovi. Cukup hanya dengan menonton bagian Welcome, Installing jamovi, dan Navigating jamovi (total durasi kurang lebih hanya 7 menit).

Cara instalasi module SEMLj v1.2.5

Gunakan jamovi versi stabil yang terbaru (2.6.44) untuk Windows atau MacOS.

Mohon untuk menyimak video cara mengelola modules di jamovi berikut ini. Di video ini saya mencontohkan cara instalasi module GAMLj. Instalasi modules SEMj v1.2.5 mengikuti prosedur yang persis sama.

Tutorial jamovi + modules

Saat ini, sudah cukup banyak tutorial jamovi yang tersedia. Salah satu yang paling populer dan komperhensif adalah tutorial di bawah ini ⬇️

Simak seluruh video tutorial di playlist.