Rabu, 13 Februari 2013
Minggu, 03 Juni 2012
THAHARAh (Bersuci) dan Adab-adabnya
Thaharah menurut bahasa berarti bersih dan suci dari segala kotoran, baik yang nyata seperti najis maupun yang tidak nyata seperti aib. Menurut syriat thaharah artinya melakukan sesuatu agar diizinkan sholat atau hal-hal lain yang sehukum dengannya,seperti wudhu, mandi wajib, menghilangkan najis dari pakainan, tubuh dan tempat sholat sebagaiman dalam surat Al-Bagarah ayat 222 :''Sesungguhnya Allah menyukai orang-orang yang gemar bertaubat dan menyukai oarang-orang yang mensucikan diri, dan juga hadis dari Rasulullah "Bersuci atau berthahara adalah separuh dari iman."
Hikmah Thaharah :
- Thaharah termasuk tuntuna fitrah
- Memelihara kehormatan dan harga diri
- Memelihra kesehatan
- Beribadah kepada Allah
Macam-macam Thaharah :
- Bersuci dari najis
- bersuci dari hadats
Air untuk bersuci
- Air yang turun dari langit seperti air hujan, air es atau salju, dsb.. Allah turunkan dari langit air yang sangat bersih untuk bersuci. (Al-Furgaan : 48, Al-Anfal: 11)
- Air yang keluar dari dalam bumi seperti air laut, air sumur, mata air dan air sungai.
Senin, 06 Juni 2011
Edit Foto Dengan Photoshop
Rasanya kurang apdol apabila seorang blogger tidak bisa mengedit gambar/foto, sebab mau tidak mau seorang blogger sehari-harinya sudah pasti akan bermain-main dengan teks dan gambar/foto. Setiap posting artikel rasanya kurang apdol jika tidak diselipkan gambar. Walaupun gambar dapat diambil dari internet, namun kadang-kadang ukuran byte-nya terlalu besar dan tentunya akan menyebabkan pemborosan space hosting. Juga kadang-kadang seorang blogger ingin memodifikasi tampilan themes blog dengan tampilan yang berbeda dengan orang lain atau berbeda dengan tampilan template standard. Seperti themes blog saya adalah inove, tetapi setelah saya lakukan sedikit modifikasi tinggi dan gambar header, warna dan ukuran title font, kemudian warna background saya ubah dari abu menjadi hitam, maka tampilan standard theme inove saya hampir tidak nampak lagi. Tapi ingat, jangan menghapus link pencipta/pemilik themes.
Apabila seorang blogger dapat melakukan editing gambar tentu akan dapat melakukan hal-hal tersebut di atas. Untuk mengerjakan editing gambar bisa anda gunakan Adobe Photoshop CS atau 7.0 sama saja. Kalau saya selama ini menggunakan Photoshop 7.0. Sekedar untuk keperluan web/blog, anda tidak perlu menjadi seorang ahli desain grafis, tapi anda hanya perlu bisa Photoshop minimalis ajah, seperti merubah ukuran gambar, pewarnaan, mengatur cahaya, menggabungkan beberapa gambar, dan mengatur teks pada gambar.. itu saja sudah cukup untuk keperluan blog/web.
Edit Gambar Menggunakan Photoshop :
Pastikan di komputer anda sudah terinstall software Photoshop. Apabila belum terisntall, anda bisa minta tolong install pada teman di sekitar rumah atau tempat kerja anda, atau ke warnet juga biasanya bisa. Jalankan Program Photosop anda kalau sudah terinstall.
Untuk keperluan gambar yang akan dipasang pada postingan artikel anda bisa mencari di google dengan mengetik kata kunci yang sesuai dengan kata kunci artikel anda dan mengcopas dari sana. Agar gambar beserta ukurannya berbeda dengan aslinya, maka anda bisa merubah ukuran gambar, warna dan mengatur cahaya.
Mengubah ukuran gambar : Pilih menu Image >> Image Size.. Lalu tindih angka pada kolom width dengan ukuran yang anda kehendaki, misal width aslinya 800 px anda ganti dengan 125 px. Heightnya tidak perlu diganti, dan lanjutkan proses berikutnya sampai selesai. Lalu save as ke dalam nama file aslinya.
Mengubah warna :
Kalo gambar yang baru anda edit ukurannya dan mau atur warnanya agak ke biru-biruan atau apa saja, pilih menu Image >> Adjustments >> Color Balance.. lalu atur warna dengan cara mengeser tombol pengaturan. Kalo sudah cocok lalu tekan Ok.
Selasa, 31 Mei 2011
BELAJAR STATISTIK
Statistik Deskriptif dan Inferensial
Sesuai dengan namanya, statistik deskriptif (descriptive statistics) digunakan untuk menggambarkan data yang dikumpulkan dalam studi penelitian, dan untuk secara akurat menjelaskan karakter dari variabel-variabel yang diamati pada sampel tertentu. Analisis deskriptif seringkali digunakan untuk membuat gambaran ringkas suatu sampel penelitian, sebelum dilakukannya analisis pada hipotesis utama penelitian tersebut. Hal ini akan memberikan informasi mengenai tingkat representasi dari sampel secara keseluruhan, dan juga informasi-informasi lain yang diperlukan para peneliti lain yang ingin mereplikasi penelitian tersebut. Tujuan utama dari statistik deskeriptif adalah untuk secara akurat menggambarkan bentuk (pola) distribusi dari variabel-variabel tertentu di dalam sebuah set data. Beberapa hal yang dipelajari di dalam statistik deskriptif adalah distribusi frekuensi (frequency distribution), tendensi sentral (central tendency - yang biasanya terdiri atas mean, median dan mode), dispersi (dispersion) dan variansi (variance), serta koefisien korelasi (correlation coefficent) dan determinasi (determination coefficient).
Selain menggambarkan serta memeriksa hubungan antar variabel di dalam set data, peneliti juga seringkali harus menjawab pertanyaan-pertanyaan yang berkenaan dengan populasi yang lebih besar. Karena tidak mungkin baginya untuk mengumpulkan data dari seluruh anggota populasi, peneliti melakukan riset terhadap sejumlah sampel yang bisa mewakili populasi (representatif), dengan maksud untuk dapat mengambil kesimpulan (inferences) tentang populasi dari mana sampel tersebut diambil. Analisis yang digunakan untuk memeriksa kesimpulan-kesimpulan ini dikenal sebagai statistik inferensial (inferential statistics).
Statistik inferensial membantu peneliti untuk mengambil konklusi mengenai sesuatu di luar (beyond) sampel dan data yang ada di depan matanya. Dengan perkataan lain, metode ini membantu peneliti mengambil kesimpulan umum mengenai populasi berdasarkan temuan-temuan yang dilihatnya pada sampel. Namun demikian, dalam generalisasi tersebut ada sedikit ketidakpastian yang harus tetap diperhitungkan. Dan untungnya, statistik inferensial memberi pula cara untuk mengetahui besarnya kesalahan yang mungkin terjadi (probable error).
Statistik inferensial biasanya membutuhkan pengambilan sampel secara acak (random sampling). Metode pengambilan sampel ini dianggap sebagai cara yang terbaik, karena bisa memastikan keterwakilan (representativeness) dari seluruh karakteristik populasi. Proses penarikan kesimpulan dimulai dengan pembentukan hipotesis tertentu mengenai karakteristik apa yang diramalkan dimiliki oleh populasi penelitian. Sayangnya, peneliti tidak akan mungkin dapat benar-benar membuktikan hipotesis tersebut secara pasti. Karena itu, peneliti harus menguji hipotesis nol (null hypothesis), dan menentukan apakah hipotesis tersebut bisa diterima atau harus ditolak. Di dalam penelitian tentang perbedaan karakteristik antar kelompok (komparasi), maka hipotesis nolnya adalah bahwa tidak ada perbedaan. Sementara pada penelitian mengenai hubungan antar variabel, maka hipotesis nolnya adalah bahwa tidak terlihat adanya hubungan.
Ada berbagai statistik inferensial yang dapat digunakan peneliti, namun metode yang tepat umumnya dipilih berdasarkan sifat dari pertanyaan penelitian yang diajukan, serta jenis variabel yang diamati dan dianalisis.
8.A Uji-T
Uji-t (t-test) digunakan untuk memeriksa perbedaan antar kelompok. Pada umumnya cara ini memerlukan adanya satu variabel dependen yang kontinu dan satu variabel independen yang dikotomis (misalnya kelompok eksperimental dan kelompok kontrol). Uji-t misalnya digunakan untuk memeriksa adanya perbedaan rerata antara 2 kelompok, misalnya kelompok mana yang cenderung lebih banyak melakukan kejahatan: pengguna kokain atau pengguna heorin?
8.B Analisis Varians
Analisis varians (analysis of variance - ANOVA) juga merupakan alat untuk memeriksa perbandingan antar kelompok. Namun dengan ANOVA peneliti bisa memeriksa perbandingan antara lebih dari 2 kelompok. Tidak sesuai dengan namanya, ANOVA melakukan pembandingan perbedaan antar rerata setiap kelompok, bukan variansnya. Nama analisis varians diangkat dari prosedur analisis ini yang menggunakan varians untuk menentukan apakah rerata-rerata tersebut berbeda.
Ada beberapa variasi ANOVA yang dapat dipilih peneliti, tergantung pada hipotesis dan desain penelitian yang digunakan. One-way ANOVA digunakan untuk memperbandingkan rerata antara 2 atau lebih tingkat variable indepenen tunggal. Jadi, misalnya, peneliti bisa menggunakan ANOVA untuk memeriksa perbedaan pengaruh dari 3 jenis pengobatan (treatment) terhadap tingkat depresi seseorang.
Multifactor ANOVA bisa digunakan untuk jika penelitian melingkupi 2 atau lebih variabel independen. Contohnya, peneliti bisa menggunakan desain faktor 2x3 untuk memeriksa efektifitas masing-masing jenis pengobatan (faktor/variabel 1) untuk menurunkan tingkat depresi pada masing-masing tingkat kondisi kebugaran (faktor/variabel 2).
Multiple ANOVA (MANOVA) digunakan bila pada penelitian yang bersangkutan tercapat 2 atau lebih variabel dependen, yang secara umum memiliki keterkaitan tertentu. Pada contoh di atas, misalnya, peneliti memeriksa efektifitas masing-masing jenis pengobatan (faktor/variabel 1), pada masing-masing tingkat kondisi kebugaran (faktor/variabel 2), untuk menurunkan tingkat depresi yang diukur dengan lebih dari 1 cara.
8.C Chi-Square (χ²)
Uji-t dan ANOVA yang telah dijelaskan di atas hanya dapat digunakan bila variabel dependen yang diukur bersifat kontinu (interval atau ratio). Jika variabel dependen itu adalah data nominal atau ordinal, maka harus digunakan uji chi-square. Cara ini menguji apakah proporsi-proporsi tertentu ternyata lebih tinggi atau lebih rendah dari yang diperkirakan. Chi-square merangkum perbedaan (discrepancy) antara frekuensi yang teramati dengan yang diperkirakan terjadi. Makin sedikit perbedaan tersebut, semakin kecil angka chi-squarenya.
Contohnya, peneliti melakukan studi mengenai karir orang-orang yang mengikuti sebuah pelatihan (training) tertentu, dan mengajukan hipotesis bahwa proporsi peserta training yang masih bekerja dalam kurun 1 tahun ke depan akan lebih besar dari pada yang tidak lagi bekerja. Karena kondisi yang diamati (outcome) tersebut bersifat dikotomis (“masih bekerja” dan “tidak lagi bekerja”), maka peneliti bisa menggunakan statistik chi-square untuk menguji hipotesis nol bahwa status bekerja pada 1 tahun ke depan tidak berhubungan dengan keikutsertaan seseorang pada training.
8.D Regresi
Regresi linier (linear regression) adalah sebuah metode estimasi atau peramalan (prediksi) nilai sebuah variabel dependen jika diketahui nilai satu atau lebih variabel independen. Seperti halnya uji korelasi, uji regresi memeriksa hubungan atau keterkaitan antara variabel. Namun perbedaannya adalah bahwa tujuan utama dari regresi adalah pada segi peramalan atau prediksinya. Misalnya, para ahli asuransi (adjuster) akan mampu memprediksi rentang umur hidup seseorang berdasarkan umurnya saat ini, berat badan, riwayat kesehatan, status perokok, dan sebagainya.
Regresi sederhana (simple regression) digunakan untuk memprediksi nilai variabel dependen berdasarkan nilai sebuah variabel independen tunggal, sementara regresi berganda (multiple regression) melakukan prediksi tersebut berdasarkan 2 atau lebih variabel independen.
Regresi logistik (logistic regression) memiliki kemampuan unik untuk bisa melakukan prediksi variabel-variabel dikotomis, misalnya meramalkan muncul atau tidaknya sebuah hasil (outcome) tertentu berdasarkan nilai beberapa variabel independen atau predictor tertentu. Seperti halnya uji korelasi, regresi logistik bisa memberikan informasi mengenai arah serta kekuatan dari hubungan antar variabel. Selain itu, koefisien regresi logistik dapat digunakan untuk mengestimasi odd ratio untuk setiap variabel inpenden di dalam model. Rasio ini akan menunjukkan seberapa besar kemungkinan suatu hasil (outcome) akan muncul bila diketahui adanya variabel-variabel independen tertentu.
Peneiliti, misalnya, dapat menggunakan regresi logistik dalam studi untuk menentukan apakah gaya hidup dan pola perilaku tertentu bisa menyebabkan bekas pecandu kembali menyalahgunakan obat-obatan. Peneliti mungkin ada mengajukan hipotesis bahwa ada 3 faktor yang bisa meramalkan kemungkinan terjadinya hal tersebut: (a) tinggal bersama seorang pecandu, (b) kondisi psikologis, dan (c) status bekerja. Dengan mengukur variabel-variabel ini pada sampel mantan pecandu yang telah sembuh, peneliti bisa membangun sebuah model untuk meramalkan apakah sang mantan pecandu kembali ke kebiasaannya semula. Model tersebut dapat pula digunakan untuk mengestimasi odd ratio dari masing-masing variabel, misalnya seberapa besar kemungkinan seseorang yang tidak bekerja kembali menjadi pecandu dibandingkan dengan mereka yang bekerja.
8.E Intepretasi Data dan Pengambilan Kesimpulan
Walaupun peneliti telah secara seksama merencanakan risetnya, dan kemudian mengumpulkan, mengelola, serta menganalisis datanya dengan tingkat integritas yang tinggi, mereka masih saja mungkin bisa melakukan kesalahn dalam menginterpretasikan data. Walaupun langkah-langkah di atas sudah merupakan keharusan yang harus diikuti, mereka ternyata belum cukup untuk dapat memastikan bahwa inti persoalan dapat dimengerti dan didiseminasikan. Beberapa isu penting yang patut dicermati dalam interpretasi data dan pengambilan kesimpulan dari temuan penelitain adalah sebagai berikut ini.
8.F Kekuatan Statistik
Salah satu penyebab bahwa temuan dapat disalahinterpretasikan (mis-intepretedi) adalah karena kekuatan statistiknya (statistical power) tidak mencukupi. Kekuatan statistik adalah suatu ukuran probabilitas dari sebuah uji statistik akan menolak sebuah hipotesis nol yang salah. Dengan perkataan lain, besarnya probabilitas untuk bisa menemukan sebuah hasil temuan yang signifikan bila memang benar-benar ada. Kekuatan statistik ini akan ditentukan oleh 3 faktor, yaitu (a) kriteria signifikansi α yang digunakan, (b) besarnya perbedaan rerata antar kelompok - dikenal dengan effect size, dan (c) ukuran sampel.
8.G Bentuk Distribusi
Interpretasi yang salah dari temuan statistik dapat pula disebabkan oleh kesalahan dalam mempertimbangkan karakteristik dari distribusi data. Hampir semua uji statistik menggunakan asumsi-asumsi tertentu. Misalnya, uji-t dan ANOVA mensyaratkan bahwa distribusi dari data memenuhi kondisi tertentu (yaitu normalitas dan indepensi). Jika syarat asumsi ini tidak dipenuhi, maka hasil yang diperoleh tidak akan akurat.
Aspek lain dari distribusi data yang harus diperhatikan dalam proses interpretasi temuan adalah data outliers. Nilai-nilai esktrim di dalam distribusi data dapat menyebabkan bentuk distribusi yang menceng (skewed) ke kiri (negatif) atau ke kanan (positif). Selain itu, besarnya kisaran nilai (range of values) juga sangat berpengaruh. Banyak peneliti yang gagal memperoleh hubungan antar variabel yang signifikan akibat terbatasnya kisaran atau varians dari nilai variabel dependen.
8.H Memancing Kesimpulan
Jika peneliti melakukan banyak komparasi dengan menggunakan data yang sama, maka probabilitas bahwa salah satu komparasi tersebut signifikan secara statistik akan meningkat. Hal ini sering kali disebut dengan memancing (fishing), karena berulang kali “memancing” kesimpulan dari “kolam” yang sama. Kesalahan ini akan mengakibatkan peneliti melihat suatu kesimpulan yang benar padahal sebenarnya salah (tidak ada).
8.I Reliabilitas dan Validitas Pengukuran
Faktor lain yang juga mempengaruhi temuan penelitian adalah kesalahan pengukuran. Walaupun hampir semua analisis statistik (dan juga para peneliti yang menggunakannya) berasumsi bahwa instrumen pengukur bersifat error free, namun pada kenyataannya tidaklah demikian.
8.J Signifikansi Statistik v/s Klinis
Peneliti seringkali terjebak dalam keakuratan pengambilan data, pengelolaa, serta analisisnya, sehingga percaya bahwa nilai akhir dari penelitiannya terletak pada p-value (signifikansi). Hal ini tentu saja tidak benar. Nilai yang sebenarnya dari penelitian tersebut terletak pada signifikansi klinis, bukan signifikansi statistik. Artinya, bagaimana temuan riset tersebut berlaku di dalam dunia nyata.
8.K Penjelasan Alternatif
Elemen kunci dari riset eksperimental adalah kontrol ilmiah dan kemampuannya untuk menggugurkan/mengsampingkan (rule out) penjelasan-penjelasa lain. Kecuali jika peneliti bisa yakin bahwa tidak ada perbedaan sistematis antara kelompok-kelompok eksperimental, dan yang berbeda hanya variabel-variabel yang dimanipulasi, maka ia tidak boleh mengesampingkan adanya penjelasan lain dari temuan tersebut.
8.L Korelasi v/s Hubungan Sebab-Akibat
Korelasi (correlation) bukanlah hubungan sebab-akibat (causation). Signifikan atau tidak, hipotesisnya diterima atau tidak, dan seberapa tinggipun koefisien korelasinya, sebuah ukuran korelasi tidak boleh diinterpretasikan sebagai adanya sebuah hubungan sebab akibat.
8.M Non-Signifikansi
Peneliti tidak boleh terlampau larut dalam menemukan suatu hasil temuan tertentu. Walaupun ia memiliki rasionalisasi untuk memhipotesiskan sebuah hasil (outcome) tertentu, ia tidak boleh menaruh harapan terlampau besar bahwa risetnya akan memberikan hasil seperti yang diharapkan. Hal ini bukan saja dapat menimbulkan bias, tetapi juga bisa menimbulkan mispersepsi. Non-signifikansi tidak selamanya berarti kegagalan (sia-sia). Sebaliknya, temuan yang non-signifikan bisa sama bergunanya dengan yang signifikan.
Langganan:
Postingan (Atom)