REPUBLIKA.CO.ID, JAKARTA -- Ikatan Dokter Anak Indonesia (IDAI) menyarankan setiap sekolah untuk tidak terpaku kegiatan pembelajaran dalam ruang kelas. Luar ruangan juga bisa sebagai area anak untuk belajar.

"IDAI bukan anti-pembelajaran tatap muka (PTM). Tapi lebih baik dilakukan pada kondisi yang tepat," kata Ketua Ikatan Dokter Anak Indonesia (IDAI), Piprim Basarah Yanuarso, dalam siaran langsung bertajuk "PTM 100% Apa Dampaknya?" yang diikuti secara daring di Jakarta, Kamis (6/1/2022).

Dia mengatakan meskipun vaksinasi Covid-19 sudah diberikan hingga anak-anak usia 6-11 tahun, nyatanya masih ada batita dan balita yang belum diperbolehkan menjalankan vaksinasi. Hal ini menimbulkan kekhawatiran akan terjadinya penularan mengingat terdapat sejumlah PAUD yang mulai menjalankan pembelajaran.

Oleh karena itu, setiap satuan pendidikan dirasa membutuhkan kreativitas yang dapat membuat anak tidak harus terus terpaku duduk di dalam kelas dan mendengarkan guru. Tetapi melalui pemanfaatan ruang terbuka seperti aula ataupun lapangan sekolah untuk area belajar.

Menurut Piprim, baik orang tua maupun sekolah dapat menerapkan metode pembelajaran jarak jauh (PJJ) pada kegiatan tatap muka saat ini, baik melalui metode pembelajaran yang sinkron maupun asinkron, seperti melatih keterampilan anak melalui bermain dengan sabun bersama keluarga atau belajar dengan alat-alat di rumah. Dia memaklumi bila terdapat orang tua dengan kondisi yang sibuk bekerja, sehingga lebih memilih mempercepat anaknya untuk masuk sekolah. Namun, dengan orang tua membuat permainan yang menarik, anak mendapatkan pembelajaran yang lebih bagus dan cepat.

Sekolah juga dapat memberikan pelajaran melalui pemanfaatan teknologi maupun merawat hewan untuk menimbulkan rasa cinta dan ketelitian anak dalam mengurus makhluk hidup." Di outdoor (luar ruangan) untuk anak kecil yang belum divaksin, bagaimana pembelajaran di outdoor kita bisa eksplorasi. Satu kotak rumputnya, ada berapa biji, ada hewan apa saja di situ, makanannya apa lalu bisa memikirkan ekosistem dan sebagainya," kata dia.

Ketua Satgas Covid-19 IDAI, Yogi Prawira, mengatakan kegiatan pembelajaran di Indonesia masih terpaku pada suatu paradigma yang menekankan pada belajar harus dilakukan dalam ruang tertutup dan berhadapan langsung dengan para guru. Padahal, menurutnya, setiap sekolah dapat mencari cara yang lebih kreatif mengingat sudah dua tahun pembelajaran dilakukan secara daring.Namun dalam hal ini, memang tergantung pada faktor risiko dari keluarga masing-masing siswa.

Dia berharap, sekolah dapat menciptakan beragam inovasi yang menarik untuk diberikan pada anak, tentunya dengan protokol kesehatan yang terus dijalankan, meski pandemi belum usai. "Jadi, sekali lagi kami dukung penuh PTM. Tapi, selama penyakit lokal terkendali, aturan kesehatan dan pemeriksaan akan ditegakkan dengan baik. Sebelum masuk sebaiknya dicek apakah benar-benar aman atau tidak." Saya kira belum ada laporannya karena belum dilakukan,” jelasnya.

Sumber: republika.co.id

Analisis varians

Analisis varians (ANOVA) adalah kumpulan model statistik dan teknik estimasi yang berhubungan dengan analisis perbedaan antar rata-rata (yaitu, "perbedaan" antar kelompok). ANOVA dikembangkan oleh ahli statistik Ronald Fisher. ANOVA didasarkan pada hukum varians total, yang membagi varians yang terdapat pada suatu variabel menjadi komponen-komponen yang berasal dari sumber yang berbeda. Dalam bentuknya yang paling sederhana, ANOVA memberikan uji statistik apakah dua atau lebih rata-rata populasi adalah sama, sehingga memperluas uji-t melampaui dua rata-rata. Dengan kata lain, ANOVA digunakan untuk menguji perbedaan antara dua mean atau lebih.

Sejarah

Menurut Stigler, analisis diferensial efektif pada abad ke-20, namun asal usulnya sudah ada sejak berabad-abad yang lalu. Ini termasuk pengujian hipotesis, analisis kuadrat terkecil, metode pengujian, dan pengambilan sampel acak. Laplace menguji hipotesis ini pada tahun 1770. Sekitar tahun 1800, Laplace dan Gauss mengembangkan metode kuadrat terkecil untuk menggabungkan observasi, yang kemudian menyempurnakan metode yang digunakan dalam astronomi dan geografi. Hal ini juga mengawali banyak penelitian tentang kontribusi terhadap jumlah kuadrat.

Laplace tahu bagaimana memperkirakan varians dari jumlah kuadrat (bukan jumlah) dari residu. Pada tahun 1827, Laplace menggunakan metode kuadrat terkecil untuk memecahkan masalah analisis variabilitas pasang surut atmosfer yang diukur. Sebelum tahun 1800, para astronom mengisolasi kesalahan visual akibat waktu reaksi ("penulisan independen") dan mengembangkan metode untuk mengurangi kesalahan ini. Metode eksperimen yang digunakan dalam kajian persamaan personal kemudian diadopsi oleh bidang psikologi, yang mengembangkan metode eksperimen kuat (semua aspek) dengan penambahan pengacakan dan penyamaran. Penjelasan non-matematis tentang model efek aditif tersedia pada tahun 1885.

Istilah penyebaran diciptakan oleh Ronald Fisher dan diterbitkan dalam makalahnya pada tahun 1918 tentang genetika populasi teoretis, "Relatives to the Postulates of Mendelian Inheritance". Analisis formal disajikan dalam “Koreksi antara” Penerapan pertama analisis varians terhadap analisis data diterbitkan pada tahun 1921 dalam “Studi Variasi Produk I”. Perubahan deret waktu dibagi menjadi beberapa kategori yang menunjukkan faktor tahunan dan peluruhan lambat. Karya Fisher berikutnya, "Study of Crop Variation II", yang ditulis bekerja sama dengan Winifred Mackenzie dan diterbitkan pada tahun 1923, mempelajari variasi tanaman di petak yang ditanami varietas berbeda, berbeda, dan diberi pupuk berbeda. Analisis varians menjadi dikenal luas setelah diperkenalkan dalam buku Fisher tahun 1925 "Statistical Methods for Research Workers". Berbagai peneliti telah mengembangkan model kerentanan. Buku pertama diterbitkan dalam bahasa Polandia pada tahun 1923 oleh Jerzy Neyman.

Contoh

Analisis varians dapat digunakan untuk menggambarkan hubungan kompleks antar variabel, seperti paparan anjing. Pada pertunjukan anjing, distribusi bobot ras anjing yang berbeda sulit dilakukan. Katakanlah Anda ingin memprediksi berat badan anjing berdasarkan serangkaian karakteristik setiap anjing. Salah satu cara untuk melakukannya adalah dengan membagi populasi anjing ke dalam kelompok berdasarkan karakteristik tersebut.

Misalnya, kelompokkan anjing berdasarkan kombinasi dua pasang karakteristik: kecil hingga tua, berbulu pendek, dan berbulu panjang. Silakan pertimbangkan ini. Golongan tersebut adalah X₁, X2, dst. Jika klasifikasi ini berhasil, perbedaan berat badan anjing di setiap kelompok menjadi kecil, dan rata-rata antar kelompok. Namun, jika terdapat variasi besar dalam distribusi bobot dalam suatu kelompok dan rata-ratanya serupa, klasifikasi tidak akan berguna dalam menjelaskan perubahan bobot anjing.

Artinya, klasifikasi mengelompokkan anjing berdasarkan karakteristik seperti jenis hewan peliharaan dan jenis kegiatan. Orang yang lebih banyak berjudi dan mereka yang lebih banyak berjudi lebih mungkin untuk berhasil. Anjing yang paling serius berukuran besar, kuat, dan fungsional, tetapi anjing yang dipelihara sebagai hewan peliharaan berukuran lebih kecil dan ringan. Distribusi bobot anjing dalam klasifikasi ini mungkin memiliki variasi yang lebih sedikit dibandingkan dengan metode klasifikasi.

Namun, penghitungan bobot berdasarkan ras dapat meningkatkan klasifikasi. Semua Chihuahua ringan dan semua Saint Bernard berat. Perbedaan bobot antara preskriptor dan indikator belum tentu berbeda. Analisis varians dapat menjadi alat formal untuk memvalidasi kesimpulan tersebut, dan teknik ini digunakan dalam analisis data eksperimen atau dalam pengembangan model untuk menggambarkan hubungan antar variabel. Keuntungan dari metode ini mencakup kemampuan untuk menangani data non-numerik dan memberikan penilaian keyakinan terhadap hubungan yang teridentifikasi.

Kelas Model

Ada tiga kelas model yang digunakan dalam analisis varians, dan ini diuraikan di sini.

Model efek tetap

Model efek tetap (kelas I) dari analisis varians berlaku pada situasi di mana pelaku eksperimen menerapkan satu atau lebih perlakuan pada subjek eksperimen untuk melihat apakah nilai variabel respons berubah. Hal ini memungkinkan pelaku eksperimen memperkirakan kisaran nilai variabel respons yang akan dihasilkan oleh perlakuan tersebut dalam populasi secara keseluruhan.

Model efek acak

Model efek acak (kelas II) digunakan ketika perlakuan tidak tetap. Hal ini terjadi ketika berbagai tingkat faktor diambil sampelnya dari populasi yang lebih besar. Karena levelnya sendiri merupakan variabel acak, beberapa asumsi dan metode kontras perlakuan (generalisasi multivariabel dari perbedaan sederhana) berbeda dari model efek tetap.

Model efek campuran

Model efek campuran (kelas III) memuat faktor-faktor eksperimental baik jenis efek tetap maupun efek acak, dengan interpretasi dan analisis yang berbeda untuk kedua jenis tersebut.

Contoh

Eksperimen pengajaran dapat dilakukan oleh perguruan tinggi atau departemen universitas untuk menemukan buku teks pengantar yang baik, dengan setiap teks dianggap sebagai pengobatan. Model efek tetap akan membandingkan daftar teks kandidat. Model efek acak menentukan apakah terdapat perbedaan signifikan antara daftar item yang dipilih secara acak. Model efek campuran membandingkan teks saat ini (tetap) dengan alternatif yang dipilih secara acak.Mengidentifikasi efek tetap dan acak terbukti sulit karena banyaknya definisi yang bersaing.

Karateristik

ANOVA digunakan untuk menganalisis uji komparatif, yaitu pengujian yang menunjukkan perbedaan hasil. Signifikansi statistik dari pengujian tersebut ditentukan oleh rasio kedua perbedaan tersebut. Angka ini tidak tergantung pada kemungkinan perubahan observasi tes. Menambahkan lampiran ke semua tampilan tidak mengubah maknanya. Mengalikan seluruh pengamatan dengan suatu konstanta tidak mengubah maknanya. Oleh karena itu, signifikansi statistik dari hasil ANOVA tidak bergantung pada satuan yang digunakan untuk menyatakan observasi, termasuk persistensi dan kesalahan skala. Di era komputer, konstanta dari setiap observasi biasanya dihilangkan (mirip dengan menghilangkan angka sebelumnya) untuk menyederhanakan entri data. Ini adalah contoh pengkodean data.

Analisis Terkait

Analisis varians (ANOVA) adalah alat statistik yang digunakan untuk mengevaluasi perbedaan antara rata-rata dua kelompok atau lebih. Proses ini mencakup beberapa langkah penting yang mendukung desain dan implementasi percobaan, termasuk analisis hasil yang paling penting.

Saat mempersiapkan analisis varians, peneliti harus mempertimbangkan jumlah unit eksperimen yang dirancang untuk memenuhi tujuan eksperimen. Pengujian dilakukan beberapa kali, dengan pengujian pertama bertujuan untuk memperkirakan efek perlakuan dan mengukur kesalahan pengujian dengan cara yang tidak memihak. Analisis kekuatan juga digunakan untuk menilai kemungkinan keberhasilan dalam menolak hipotesis nol, dengan mempertimbangkan desain eksperimen, ukuran efek, dan tingkat signifikansi.

Ada tiga kelas model yang biasa digunakan dalam pengambilan sampel ANOVA. panggung Model efek tetap, model efek acak, model efek acak campuran. Model efek tetap digunakan ketika pelaku eksperimen memberikan perlakuan kepada subjek untuk mendeteksi perubahan variabel respon. Di sisi lain, model efek acak digunakan ketika tingkat faktor diambil sampelnya dari populasi yang lebih besar. Model efek campuran mencakup dua jenis kondisi eksperimental: efek tetap dan efek acak.

Setelah model ditentukan, analisis ANOVA terdiri dari membandingkan mean dan varians serta rasio odds yang memenuhi ambang batas signifikansi. Jika tercapai maka hasilnya akan signifikan. Penghitungan efek pengobatan dilakukan dengan memperkirakan efek masing-masing perlakuan dengan selisih antara rata-rata observasi yang diberikan perlakuan dan rata-rata keseluruhan. Pengujian lanjutan dilakukan setelah ditemukan efek signifikan di ANOVA, seperti pengujian berpasangan atau perbandingan ganda.

Langkah terakhir adalah validasi model dan analisis lebih lanjut. Pengujian dilakukan untuk memastikan asumsi ANOVA tidak dilanggar, homoskedastisitas dan normalitas residu diperiksa. Berdasarkan hasil pengujian yang telah dilakukan sebelumnya, dilakukan analisis persiapan untuk menyesuaikan desain pengujian selanjutnya. Mengetahui langkah-langkah ini memungkinkan peneliti untuk melakukan dan menafsirkan ANOVA dalam kerangka penelitian statistik.

Disadur dari : en.wikipedia.org

KOMPAS.com - Dunia pendidikan mengalami perubahan besar sejak pandemi Covid-19. Kegiatan belajar mengajar yang biasa dilakukan di dalam kelas berubah menjadi pembelajaran jarak jauh (PJJ) atau pembelajaran daring sejak merebaknya pandemi Covid-19. Tentu saja hal ini tidak mudah dan memerlukan adaptasi baik dari siswa maupun guru. Kendala berbeda muncul ketika pembelajaran daring. Mulai dari gangguan sinyal hingga kecemasan di lingkungan keluarga, pembelajaran di rumah memiliki banyak tantangan.

Perlu kerja sama semua pihak

Salah satu guru SMAN 77 Jakarta, Fajar Selawati, berbagi pengalaman penerapannya yang terbatas. pembelajaran tatap muka (PTM). Ia mengatakan, pembentukan Satgas Covid-19 serta peran sekolah, siswa, komite orang tua, RT dan RW hingga puskesmas setempat memunculkan gagasan efektif dalam mendistribusikan siswa selama masa terbatas. masa PTM. Menurut guru yang akrab disapa Tutu Ruva Sela itu, blended learning merupakan perpaduan pembelajaran daring dan luring. “Pelaksanaan blended learning di SMAN 77 Jakarta sudah dilaksanakan sejak bulan Juni. Sederhananya, kami memadukan suasana belajar siswa yang belajar di rumah dengan suasana belajar yang dialami guru dan siswa di sekolah,” jelas Sela seperti dikutip dari website. Karya Ristek Departemen Guru dan Dosen Kementerian Pendidikan dan Kebudayaan, Senin (17 Januari 2022).

Sistem blended learning menggunakan gedung dan infrastruktur yang dimiliki sekolah. Selain itu, Anda juga dapat menggunakan program Google Meet dan Zoom. “Berbagai alat digunakan untuk menggabungkan lingkungan pembelajaran,” jelas Sela.

Tips menyelenggarakan blended learning

Sela memahami bahwa hampir semua sekolah memiliki karakteristik dan kebijakan masing-masing dalam menerapkan blended learning. Tips penerapan blended learning yang dirangkumnya sebagai berikut:

1. Pastikan dalam proses blended learning ini guru melibatkan seluruh warga sekolah 
2. Pastikan ada monitoring dan evaluasi yang berkala dan rutin "Karena ternyata dangan melibatkan seluruh warga sekolah, pembelajarannya jadi lebih maksimal," kata Sela
3. Ia menambahkan, kontribusi seluruh anak sekolah menjadi kekuatan setiap sekolah dalam pengembangan pendidikan bermutu. Selain itu, pemantauan dan evaluasi yang berkala dan rutin memberikan wawasan mengenai tindakan apa yang dapat diambil lebih lanjut. “Bahwa jika ada temuan, permasalahan, solusi dapat segera diselesaikan,” tambah guru spesialis PPKN ini.

Sela juga merekomendasikan agar monitoring dan evaluasi (monev) terdokumentasi dengan baik. Di SMAN 77 Jakarta, monev dilakukan dengan menggunakan Google Form, ditempel di dinding, dijilid dan diserahkan ke pihak sekolah.

Sumber : kompas.com

REPUBLIKA.CO.ID, BANDUNG - Keberhasilan studi tatap muka yang dimulai hari ini akan menentukan masa depan Indonesia.

Wakil Ketua MPR Ahmad Muzani menyampaikan hal tersebut dalam diskusi kelompok yang digelar SMA Darul Hikam Bandung, Jawa Barat pada Selasa (21/9).

Muzani mengatakan hal tersebut di awal pemerintahan keduanya, Joko , Widodo- Presiden Ma'ruf Amin memutuskan untuk meningkatkan sumber daya manusia.

Namun, karena krisis COVID-19 yang melanda negara kita dalam dua tahun terakhir, aktivitas pendidikan menjadi terhambat. Padahal pendidikan merupakan cara terpenting untuk meningkatkan sumber daya manusia.

Karena semuanya akan dilakukan secara online dan daring, maka segala kegiatan yang mempertemukan banyak orang, termasuk civitas akademika, akan dihentikan. Ahmad Muzani mengatakan, “Siswa tidak mengenal guru, guru tidak mengenal siswa, siswa tidak mengenal kelaparan.”

Pembelajaran online sangat dipengaruhi oleh ketersediaan perangkat, jaringan internet, dan situs internet. “Makanya pendidikan kita kurang. Malah lama kelamaan jadi membosankan, termasuk siswa, guru, dan penyelenggara pendidikan,” ujarnya.

Kualitas sumber daya manusia kami pada akhirnya tidak sesuai harapan. Karena itu adalah akibat dari pendidikan yang tidak sempurna. Selain itu, beasiswa ini tidak berlaku untuk semua pelajar dan wilayah di Indonesia. Ahmad Muzani yang juga Sekretaris Jenderal Kelompok Gerindra menyambut baik rencana pengangkatan satu juta guru honorer menjadi pekerja PPPK karena belum meratanya distribusi sarana dan prasarana kerja online, kata Muzani. sehingga siswa dan guru yang berkualitas dapat melakukan apa yang telah mereka lakukan selama bertahun-tahun, terkadang puluhan tahun.

Selanjutnya, kendala administrasi dan tes seleksi menjadi kendala bagi seorang guru honorer untuk menjadi pegawai PPPK. Untuk itu, Ketua Fraksi Partai Gerindra DPR RI mengatakan, guru honorer yang sudah bekerja beberapa tahun atau puluhan tahun sebaiknya tidak diuji.

"Pengabdian panjang mereka harus diakui dan dihargai dengan diangkat menjadi pekerja PPPK tanpa ujian," kata Muzani saat mengikuti FGD pendidikan di SMA Darul Hikam Bandung.

Menurutnya, mengajar adalah pengabdian atau panggilan sejati, bukan pencarian kerja. Oleh karena itu mereka melakukan pekerjaan ini dengan ikhlas dan penuh kehati-hatian, bahkan di tempat terpencil sekalipun dengan harga yang wajar.

Kebijakan pengangkatan 1 juta guru honorer menjadi tenaga PPPK merupakan peluang untuk merekrut jutaan guru honorer yang masih bekerja di dunia pendidikan. “Kita patut mengucapkan terima kasih atas kerja, waktu, dan tenaga mereka,” kata Muzani.

Menetapkan mereka sebagai pegawai PPPK akan menjamin kiprah mereka di dunia pendidikan, menjamin masa depan mereka. Hal ini akan meningkatkan kualitas pendidikan kita dan pada akhirnya meningkatkan sumber daya manusia kita.

FGD program “Pola Pendidikan Pasca Covid-19” juga dihadiri oleh Ketua DPRD Jabar, Brigjen TNI (Purn) M Taufik Hidayat serta pakar pendidikan dari ITB, UPI dan Unpad. , begitu pula para promotor pendidikan di Jawa Barat.

Sumber: republika.co.id

Uji Chi-Kuadrat

Uji chi-kuadrat (juga uji chi-kuadrat atau χ2) adalah uji hipotesis statistik yang digunakan dalam analisis tabel kontingensi ketika ukuran sampel besar. Secara sederhana, uji ini terutama digunakan untuk memeriksa apakah dua variabel kategorikal (dua dimensi dari tabel kontingensi) bersifat independen dalam mempengaruhi statistik uji (nilai dalam tabel).Uji ini valid jika statistik uji terdistribusi secara chi-kuadrat di bawah hipotesis nol, khususnya uji chi-kuadrat Pearson dan varian-variannya. Uji chi-kuadrat Pearson digunakan untuk menentukan apakah ada perbedaan yang signifikan secara statistik antara frekuensi yang diharapkan dan frekuensi yang diamati dalam satu atau lebih kategori tabel kontingensi. Untuk tabel kontingensi dengan ukuran sampel yang lebih kecil, uji eksak Fisher digunakan sebagai gantinya.

Dalam aplikasi standar uji ini, pengamatan diklasifikasikan ke dalam kelas-kelas yang saling terpisah. Jika hipotesis nol yang menyatakan bahwa tidak ada perbedaan antara kelas-kelas dalam populasi adalah benar, maka statistik uji yang dihitung dari pengamatan mengikuti distribusi frekuensi χ2. Tujuan dari pengujian ini adalah untuk mengevaluasi seberapa besar kemungkinan frekuensi yang diamati dengan asumsi hipotesis nol benar.

Statistik uji yang mengikuti distribusi χ2 terjadi ketika observasi bersifat independen. Ada juga uji χ2 untuk menguji hipotesis nol independensi dari sepasang variabel acak berdasarkan pengamatan terhadap pasangan tersebut.

Uji chi-kuadrat sering kali merujuk pada uji yang distribusi statistik uji mendekati distribusi χ2 secara asimtotik, yang berarti bahwa distribusi sampling (jika hipotesis nol benar) dari statistik uji mendekati distribusi chi-kuadrat semakin mendekati distribusi chi-kuadrat seiring dengan bertambahnya jumlah sampel.

Sejarah

Pada abad ke-19, metode analisis statistik terutama diterapkan dalam analisis data biologis dan merupakan kebiasaan bagi para peneliti untuk mengasumsikan bahwa pengamatan mengikuti distribusi normal, seperti Sir George Airy dan Mansfield Merriman, yang karyanya dikritik oleh Karl Pearson dalam makalahnya pada tahun 1900.

Pada akhir abad ke-19, Pearson menyadari adanya kemencengan yang signifikan dalam beberapa pengamatan biologis. Untuk memodelkan pengamatan terlepas dari normal atau miring, Pearson, dalam serangkaian artikel yang diterbitkan dari tahun 1893 hingga 1916, merancang distribusi Pearson, keluarga distribusi probabilitas kontinu, yang mencakup distribusi normal dan banyak distribusi miring, dan mengusulkan metode analisis statistik yang terdiri dari penggunaan distribusi Pearson untuk memodelkan pengamatan dan melakukan uji kecocokan (test of goodness of fit) untuk menentukan seberapa baik model tersebut benar-benar sesuai dengan pengamatan.

Uji Chi-Kuadrat Pearson

Pada tahun 1900, Pearson menerbitkan sebuah makalah tentang uji χ2 yang dianggap sebagai salah satu fondasi statistik modern. Dalam makalah ini, Pearson menginvestigasi uji kecocokan (goodness of fit).

Misalkan n pengamatan dalam sampel acak dari sebuah populasi diklasifikasikan ke dalam k kelas yang saling terpisah dengan masing-masing jumlah pengamatan xi (untuk i = 1,2,...,k), dan hipotesis nol memberikan probabilitas pi bahwa sebuah pengamatan masuk ke dalam kelas ke-i. Jadi kita memiliki angka yang diharapkan mi = npi untuk semua i, di mana :

Pearson berasumsi bahwa, dalam situasi di mana hipotesis nol benar, n → tidak terbatas, maka distribusi batas bawah adalah distribusi χ2.

Pearson pertama kali menyatakan kasus bahwa angka yang diharapkan adalah angka besar yang diketahui semua sel, dengan asumsi bahwa setiap pengamatan. χ 2 dan k − 1 derajat kebebasan.Namun, Pearson mempertimbangkan kasus di mana nilai yang diharapkan bergantung pada parameter yang ditentukan dalam model dan berasumsi bahwa indikator m i bilangan real dan m: ' I adalah bilangan yang diharapkan, yang mana berbeda.

Pearson pertama kali membahas kasus bahwa angka yang diharapkan (mi) adalah angka kritis yang diketahui semua sel, dengan asumsi bahwa setiap pengamatan (xi) dapat didistribusikan secara acak, dan ketika n, kita sampai pada hasil X^2 ​​di wilayah tersebut. Ini mengikuti distribusi chi-kuadrat dengan derajat kebebasan (k - 1).Namun, Pearson mempertimbangkan kasus di mana angka yang diharapkan di masa depan bergantung pada parameter yang ditentukan dalam contoh dan alasan, menggunakan notasi mi: angka dan m ' Saya adalah perkiraannya, perbedaannya.

Biasanya, kesalahan perkiraan ini akan positif dan cukup kecil untuk dihilangkan. Sebagai kesimpulan, Pearson berpendapat bahwa jika kita menganggap (X'^2) juga terdistribusi sebagai distribusi chi-kuadrat dengan (k - 1) derajat kebebasan, kesalahan dalam perkiraan ini tidak akan mempengaruhi keputusan praktis. Kesimpulan ini menimbulkan beberapa kontroversi dalam penerapan praktisnya dan baru diselesaikan selama 20 tahun hingga makalah Fisher tahun 1922 dan 1924.

Contoh lain dari uji Chi-kuadrat

Contoh lain dari uji chi-kuadrat adalah penggunaannya untuk memeriksa apakah varians suatu populasi yang berdistribusi normal mempunyai nilai tertentu berdasarkan varians sampel. Meskipun pengujian ini jarang dilakukan dalam praktiknya karena varians populasi tidak diketahui, ada beberapa statistik yang dapat digunakan untuk memperkirakan distribusi chi-kuadrat resmi.

Contohnya adalah uji eksak Fisher. Untuk menguji kemandirian, kami melakukan uji chi - 2 × 2. Terdapat juga uji binomial yang dapat digunakan sebagai alternatif uji chi-kuadrat 2 × 1 untuk menentukan goodness of fit.Beberapa uji chi lainnya persegi uji chi-kuadrat Cochran-Mantel-Haenszel digunakan. Uji kuadrat, uji McNemar digunakan untuk beberapa tabel berpasangan 2×2, uji korelasi Tukey dan uji Portmanteau dalam analisis deret waktu untuk menguji autokorelasi. Selain itu, uji rasio kemungkinan dalam pemodelan statistik digunakan untuk menguji apakah akan berpindah dari model sederhana ke model yang lebih kompleks yang berisi model sederhana.

Disadur dari: en.wikipedia.org

REPUBLIKA.CO.ID,JAKARTA--Salah satu komponen dalam lingkungan belajar dan akademis adalah literasi digital. Hal tersebut diperlukan dalam penggunaan teknologi.

Sejalan dengan itu, Universitas BSI (Bina Sarana Informatika) bersama Dinas Pendidikan Jakarta Pusat wilayah 2, mengadakan webinar dengan tajuk ‘Kepala Sekolah Masa Kini, Semakin Cakap dan Cerdas Digital’.

Bertindak sebagai narasumber, Dr Ir Mochamad Wahyudi selaku Rektor Universitas BSI dalam materinya menyampaikan bahwa, tidak banyak berbeda antara sekolah dan perguruan tinggi dalam pemanfaatan literasi digital. Akan tetapi bisa dilihat dari usia konsumennya. “Ketika membicarakan tentang literasi digital dalam dunia pendidikan, apa yang seharusnya dimaknai tentang literasi digital itu sendiri,” tutur Wahyudi, dalam keterangan tertulisnya Selasa (1/2).

Lanjutnya, literasi digital merupakan kemampuan untuk memahami dan menggunakan informasi dari berbagai bentuk, serta sumber yang sangat luas dan diakses melalui perangkat komputer. “Dasar dari literasi komputer sekitar tahun 1980-an, saat komputer mikro semakin luas dipergunakan tidak saja di lingkungan bisnis, namun juga di masyarakat,” katanya.

Sedangkan, literasi informasi baru hadir sekitar 1990-an, ketika informasi semakin mudah disusun, diakses, disebarluaskan melalui jaringan teknologi informasi.

“Dapat disimpulkan bahwa literasi digital merupakan pengetahuan dan kecakapan untuk menggunakan media digital, alat komunikasi, atau jaringan dalam menemukan, mengevaluasi, menggunakan, membuat informasi dan memanfaatkannya secara sehat, bijak, cerdas, cermat, tepat dan patuh hukum,” jelasnya.

Ia menjelaskan, ada beberapa kemampuan literasi digital yang perlu diajarkan di sekolah antara lain information literacy, ethical use of digital resources, understanding digital footprins, protecting yourself online, handling digital communication dan cyberbullying.

“Siswa saat ini mengandalkan internet sebagai sumber informasi utama untuk penggunaan pribadi dan sekolah. Oleh karena itu, penting untuk mengajari siswa cara mengevaluasi informasi tersebut dengan benar. “Ini bagian dari literasi informasi,” jelasnya.

Siswa juga perlu mengetahui cara menggunakan sumber daya digital secara etis. Jadi meskipun siswa tahu bahwa mereka harus menulis di buku, mereka mungkin lupa bahwa mereka juga harus menulis secara online.

“Mengetahui sidik jari adalah keterampilan yang perlu dikuasai siswa. Ketahui sidik jari Anda. “Jejak digital adalah informasi yang ditinggalkan orang dan kemampuan mereka untuk mengekspresikan diri secara online, terutama di laman media sosial. Gunakan kata sandi yang kuat, gunakan pengaturan privasi, dan waspadai hal-hal yang tidak boleh dibagikan di media sosial,” tuturnya. dikatakan Itulah mengapa penting untuk mengajari anak Anda cara berkomunikasi dengan benar dan aman.

“Keterampilan terakhir yang perlu Anda ketahui adalah cyberbullying. Dia menambahkan: "Penggunaan teknologi untuk menindas orang lain terjadi setiap hari di Amerika."

Dia mengatakan pendidikan digital di sekolah dapat membantu siswa, guru, staf akademik, dan kepala sekolah: Dia mengatakan hal itu bisa terjadi. Harus memiliki kemampuan mengakses, memahami dan menggunakan media digital, alat komunikasi dan jaringan. “Kemampuan ini memungkinkan kami menghasilkan informasi baru dan membagikannya secara cerdas,” katanya..

Sumber: republika.co.id