Nama : Zahra Syafitri Tunnisa
NPM : 2313031035
1. Jenis Skala Pengukuran Setiap Item
Usia responden (dalam tahun): Rasio. Alasan: Data numerik kontinyu dengan nol absolut (usia 0=belum lahir), bisa operasi matematika lengkap (+,-,×,÷, rasio).
Jenis kelamin: Nominal. Alasan: Kategori mutual exclusive tanpa urutan (laki/perempuan), hanya bedakan kelompok.
Tingkat kepuasan pelayanan dosen: Ordinal. Alasan: Ada urutan jelas (Sangat tidak puas < Tidak puas < Netral < Puas < Sangat puas), tapi jarak antar kategori tidak sama/standar.
Jumlah mata kuliah: Rasio. Alasan: Numerik diskrit, nol absolut (0= tidak ambil), operasi matematika lengkap.
Urutkan prioritas (1-5): Ordinal. Alasan: Urutan prioritas jelas (1=paling penting), tapi jarak antar ranking tidak sama (gap 1 vs 2 ≠ gap 4 vs 5).
2. Analisis Statistik Parametrik
Tidak bisa. Alasan: Data campuran nominal (jenis kelamin), ordinal (kepuasan, ranking), dan rasio (usia, mata kuliah). Statistik parametrik mensyaratkan semua data interval/rasio dengan asumsi normalitas. Data ordinal/nominal harus pakai non-parametrik (Chi-square, Spearman, Mann-Whitney).
3. Hubungan Kepuasan vs Jumlah Mata Kuliah
Metode: Spearman Rank Correlation (rho).
Alasan:
Kepuasan = ordinal, mata kuliah = rasio → cocok non-parametrik
Uji hubungan monotonik (semakin banyak mata kuliah → kepuasan naik/turun?)
Tidak asumsi normalitas, robust untuk data ordinal
Output: rho (-1 hingga +1) + p-value
Alternatif jika data normal: Pearson, tapi ordinal lebih aman Spearman
NPM : 2313031035
1. Jenis Skala Pengukuran Setiap Item
Usia responden (dalam tahun): Rasio. Alasan: Data numerik kontinyu dengan nol absolut (usia 0=belum lahir), bisa operasi matematika lengkap (+,-,×,÷, rasio).
Jenis kelamin: Nominal. Alasan: Kategori mutual exclusive tanpa urutan (laki/perempuan), hanya bedakan kelompok.
Tingkat kepuasan pelayanan dosen: Ordinal. Alasan: Ada urutan jelas (Sangat tidak puas < Tidak puas < Netral < Puas < Sangat puas), tapi jarak antar kategori tidak sama/standar.
Jumlah mata kuliah: Rasio. Alasan: Numerik diskrit, nol absolut (0= tidak ambil), operasi matematika lengkap.
Urutkan prioritas (1-5): Ordinal. Alasan: Urutan prioritas jelas (1=paling penting), tapi jarak antar ranking tidak sama (gap 1 vs 2 ≠ gap 4 vs 5).
2. Analisis Statistik Parametrik
Tidak bisa. Alasan: Data campuran nominal (jenis kelamin), ordinal (kepuasan, ranking), dan rasio (usia, mata kuliah). Statistik parametrik mensyaratkan semua data interval/rasio dengan asumsi normalitas. Data ordinal/nominal harus pakai non-parametrik (Chi-square, Spearman, Mann-Whitney).
3. Hubungan Kepuasan vs Jumlah Mata Kuliah
Metode: Spearman Rank Correlation (rho).
Alasan:
Kepuasan = ordinal, mata kuliah = rasio → cocok non-parametrik
Uji hubungan monotonik (semakin banyak mata kuliah → kepuasan naik/turun?)
Tidak asumsi normalitas, robust untuk data ordinal
Output: rho (-1 hingga +1) + p-value
Alternatif jika data normal: Pearson, tapi ordinal lebih aman Spearman