Metode Cepat Tapi Tak Lengkap
Agung Santoso
September 8, 2016
Halaman ini digunakan untuk menunjukkan aplikasi kode program yang saya buat dan saya lampirkan dalam artikel berjudul Metode Cepat Tapi Tak Lengkap.
Bagian Pertama
Berikut ini adalah kode-program yang ada dalam file yang saya lampirkan dalam halaman tersebut di atas. Kita perlu me-run kode tersebut terlebih dulu sebelum dapat menggunakannya. Untuk me-run kode tersebut pembaca tinggal mencopy-paste kode tersebut dalam console R dan menekan “Enter”.
#################################
#Bab 5: Metode Cepat Tak Lengkap#
#################################
# Urutan Peringkat #
#################################
urut.peringkat=function(x,g,dikotomi=T){
x=as.matrix(x)
n=dim(x)[1]
ni=dim(x)[2]
if(is.null(g)|length(g)!=n){stop("Ada kekeliruan dalam input variabel kelompok")}
if(length(unique(g))!=2){stop("Variabel kelompok tidak memiliki dua nilai")}
if(min(g)!=0|max(g)!=1){warning("Kode angka kelompok bukan 0 dan 1.
Kelompok dengan kode angka terkecil dianggap focal group,
kode angka terbesar dianggap reference group")}
g[g==min(g)]=0
g[g==max(g)]=1
if(dikotomi==T){
p.r=colMeans(x[g==1,])
p.f=colMeans(x[g==0,])
res=cbind(p.r,rank(p.r),p.f,rank(p.f))
dimnames(res)=list(1:ni,c("p Reference Group","Urutan p Reference Group","p Focal Group","Urutan p Focal Group"))
}else{
kat=sort(unique(c(x)))
nk=length(kat)
p.r=matrix(NA,nrow=ni,ncol=nk)
p.f=matrix(NA,nrow=ni,ncol=nk)
for(i in 1:ni){
for(j in 1:nk){
p.r[i,j]=length(which(x[g==1,i]==kat[j]))
p.f[i,j]=length(which(x[g==0,i]==kat[j]))
}
}
p.r=cbind(p.r/rowSums(p.r),colMeans(x[g==1,]),rank(colMeans(x[g==1,])))
dimnames(p.r)=list(1:ni,c(kat,"Mean Referensi","Urutan Mean Referensi"))
p.f=cbind(p.f/rowSums(p.f),colMeans(x[g==0,]),rank(colMeans(x[g==0,])))
dimnames(p.f)=list(1:ni,c(kat,"Mean Fokal","Urutan Mean Fokal"))
res=cbind(p.r,p.f)
}
return(res)
}
############################
# Metode Kelompok Skor #
############################
klp.skor=function(x,g,ga=5){
x=as.matrix(x)
tot=rowSums(x)
p=seq(1/ga,1,1/ga)
q.r=q.f=c(min(tot),quantile(tot,probs=p))
ni=dim(x)[2]
n=dim(x)[1]
kat=sort(unique(c(x)))
nk=length(kat)
g.skor=function(xit,tot,kat,nk){
p.r=matrix(NA,ncol=ga,nrow=nk)
p.f=matrix(NA,ncol=ga,nrow=nk)
for(i in 1:ga){
for(j in 1:nk){
p.r[j,i]=length(xit[g==1&tot>q.r[i]&tot<=q.r[i+1]&xit==kat[j]])
p.f[j,i]=length(xit[g==0&tot>q.f[i]&tot<=q.f[i+1]&xit==kat[j]])
}
}
p.r=p.r/rep(colSums(p.r),each=nk)
dimnames(p.r)=list(kat,p)
p.f=p.f/rep(colSums(p.f),each=nk)
dimnames(p.f)=list(kat,p)
p.rf=rbind(p.f,p.r)
p.rf[is.nan(p.rf)]=0
return(p.rf)
}
p.all=array(NA,dim=c(nk*2,ga,ni))
for(i in 1:ni){
p.all[,,i]=g.skor(x[,i],tot,kat,nk)
}
dimnames(p.all)=list(c(paste('fokal',kat),paste('referensi',kat)),round(p,2),paste("item",1:ni))
list("Jumlah kelompok"=ga,"Jumlah Kategori"=nk,"Hasil"=p.all)
}
plot.klp.skor=function(h,no.item=1){
ni=dim(h$Hasil)[3]
ga=dim(h$Hasil)[2]
nk=dim(h$Hasil)[1]/2
kat=dimnames(h$Hasil)[[1]]
plot(1:h$'Jumlah kelompok',seq(0,1,length.out=h$`Jumlah kelompok`),type='n',
xaxt='n',xlab="Kelompok",ylab="Tingkat Kesulitan",main=paste("Item",no.item),
xlim=c(1,h$`Jumlah kelompok`+.5),ylim=c(0,1.2))
for(i in 1:(nk*2)){
lines(1:h$'Jumlah kelompok',h$Hasil[i,,no.item],type='b',
pch=ceiling(i/2),cex=1.2,col=2*(ceiling(i/2)),lwd=2)
text(h$`Jumlah kelompok`+0.25,h$Hasil[i,h$`Jumlah kelompok`,no.item],labels=paste("skor=",kat[i]),
col=2*ceiling(i/2),cex=0.8)
}
legend('topleft',legend=c("Kelompok Fokal","Kelompok Referensi"),pch=c(1,2),col=c(2,4),cex=0.8,
lwd=c(2,2))
axis(1,at=1:ga)
}Bagian Kedua
Setelah program di-run, kita memanggil data yang akan dianalisis dan menyimpannya dalam objek bernama hasiltes.
hasiltes=read.table(file.choose(),header=T)Dalam file yang digunakan, kolom 1 hingga 10 merupakan data hasil tes sementara kolom 11 merupakan informasi mengenai dua kelompok yang akan dibandingkan. Oleh karena itu kita perlu menuliskan baris program berikut untuk memilah keduanya.
kelompok=hasiltes[,11]
skortes=hasiltes[,1:10]Kemudian kita melakukan analisis Urutan Peringkat Item dengan mengetikkan:
urut.peringkat(skortes,kelompok)## p Reference Group Urutan p Reference Group p Focal Group
## 1 0.04 1.0 0.10
## 2 0.08 2.0 0.20
## 3 0.24 4.0 0.26
## 4 0.22 3.0 0.28
## 5 0.34 5.0 0.40
## 6 0.48 6.0 0.42
## 7 0.50 7.0 0.48
## 8 0.58 8.5 0.56
## 9 0.58 8.5 0.64
## 10 0.70 10.0 0.62
## Urutan p Focal Group
## 1 1
## 2 2
## 3 3
## 4 4
## 5 5
## 6 6
## 7 7
## 8 8
## 9 10
## 10 9Untuk melakukan analisis dengen Metode Kelompok Skor, kita mengetikkan:
hasil=klp.skor(skortes,kelompok,ga=4)Perlu dicatat bahwa dalam perintah di atas, hasil analisis disimpan dalam objek bernama hasil agar dapat digunakan untuk menampilkan grafik. Perintah ga=4 merupakan perintah untuk membagi subjek secara keseluruhan menjadi 4 kelompok skor.
Untuk menampilkan hasil analisis kita cukup mengetikkan nama objek hasil tadi.
hasil## $`Jumlah kelompok`
## [1] 4
##
## $`Jumlah Kategori`
## [1] 2
##
## $Hasil
## , , item 1
##
## 0.25 0.5 0.75 1
## fokal 0 1.00000000 0.95454545 0.6666667 0.8
## fokal 1 0.00000000 0.04545455 0.3333333 0.2
## referensi 0 0.95652174 1.00000000 0.9000000 1.0
## referensi 1 0.04347826 0.00000000 0.1000000 0.0
##
## , , item 2
##
## 0.25 0.5 0.75 1
## fokal 0 0.92307692 0.7727273 0.7777778 0.6
## fokal 1 0.07692308 0.2272727 0.2222222 0.4
## referensi 0 0.91304348 0.8181818 1.0000000 1.0
## referensi 1 0.08695652 0.1818182 0.0000000 0.0
##
## , , item 3
##
## 0.25 0.5 0.75 1
## fokal 0 0.84615385 0.6818182 0.5555556 1.0
## fokal 1 0.15384615 0.3181818 0.4444444 0.0
## referensi 0 0.95652174 0.7272727 0.5000000 0.4
## referensi 1 0.04347826 0.2727273 0.5000000 0.6
##
## , , item 4
##
## 0.25 0.5 0.75 1
## fokal 0 0.92307692 0.68181818 0.5555556 0.6
## fokal 1 0.07692308 0.31818182 0.4444444 0.4
## referensi 0 0.78260870 0.90909091 0.7000000 0.6
## referensi 1 0.21739130 0.09090909 0.3000000 0.4
##
## , , item 5
##
## 0.25 0.5 0.75 1
## fokal 0 0.5384615 0.7727273 0.6666667 0.0
## fokal 1 0.4615385 0.2272727 0.3333333 1.0
## referensi 0 0.8260870 0.7272727 0.3000000 0.4
## referensi 1 0.1739130 0.2727273 0.7000000 0.6
##
## , , item 6
##
## 0.25 0.5 0.75 1
## fokal 0 0.7692308 0.5000000 0.5555556 0.4
## fokal 1 0.2307692 0.5000000 0.4444444 0.6
## referensi 0 0.7391304 0.5454545 0.2000000 0.0
## referensi 1 0.2608696 0.4545455 0.8000000 1.0
##
## , , item 7
##
## 0.25 0.5 0.75 1
## fokal 0 0.6923077 0.5454545 0.4444444 0.0
## fokal 1 0.3076923 0.4545455 0.5555556 1.0
## referensi 0 0.6086957 0.3636364 0.5000000 0.2
## referensi 1 0.3913043 0.6363636 0.5000000 0.8
##
## , , item 8
##
## 0.25 0.5 0.75 1
## fokal 0 0.6923077 0.3181818 0.3333333 0.4
## fokal 1 0.3076923 0.6818182 0.6666667 0.6
## referensi 0 0.5217391 0.2727273 0.6000000 0.0
## referensi 1 0.4782609 0.7272727 0.4000000 1.0
##
## , , item 9
##
## 0.25 0.5 0.75 1
## fokal 0 0.6153846 0.2727273 0.2222222 0.2
## fokal 1 0.3846154 0.7272727 0.7777778 0.8
## referensi 0 0.4782609 0.4545455 0.3000000 0.2
## referensi 1 0.5217391 0.5454545 0.7000000 0.8
##
## , , item 10
##
## 0.25 0.5 0.75 1
## fokal 0 0.3846154 0.5000000 0.2222222 0.0
## fokal 1 0.6153846 0.5000000 0.7777778 1.0
## referensi 0 0.4782609 0.1818182 0.0000000 0.2
## referensi 1 0.5217391 0.8181818 1.0000000 0.8Untuk menampilkan grafik yang menggambarkan proporsi subjek dengan skor tertentu untuk suatu item (dalam contoh misalnya item nomor 1) dalam tiap kelompok, kita mengetikkan:
plot.klp.skor(hasil,no.item=1)