View
303
Download
4
Category
Preview:
Citation preview
Pertemuan XII dan XIIIPertemuan XII dan XIII
Analisis dan Penyajian DataAnalisis dan Penyajian Data
Sumber: Kuncoro (2003)
ANALISIS DESKRIPTIFANALISIS DESKRIPTIF
Metoda kasusMetoda kasus Metoda statistikMetoda statistik
Metoda kasus lebih Metoda kasus lebih sering digunakan sering digunakan untuk menemukan untuk menemukan ide-ide baru ide-ide baru mengenai hubungan mengenai hubungan antarvariabel, yang antarvariabel, yang kemudian diuji lebih kemudian diuji lebih mendalam dalam mendalam dalam penelitian eksploratifpenelitian eksploratif
Metoda yang paling Metoda yang paling luas diterapkan dalam luas diterapkan dalam bisnis. Penelitian yang bisnis. Penelitian yang disebut "survei" secara disebut "survei" secara umum menggunakan umum menggunakan metoda statistikmetoda statistik
DESKRIPSI DENGAN UKURAN NUMERIKDESKRIPSI DENGAN UKURAN NUMERIK
Ukuran tendensi Ukuran tendensi sentralsentral
Ukuran variabilitas/Ukuran variabilitas/ukuran penyimpanganukuran penyimpangan
Suatu ukuran yang mengukur Suatu ukuran yang mengukur tendensi suatu himpunan data tendensi suatu himpunan data yang mengelompok atau yang mengelompok atau memusat dalam nilai numerik memusat dalam nilai numerik tertentutertentu
Suatu ukuran yang mengukur Suatu ukuran yang mengukur sebaran data (seberapa jauh sebaran data (seberapa jauh data menyimpang dari rata-data menyimpang dari rata-ratanya)ratanya)
Rata-rataRata-rata MedianMedian ModusModus
Menjumlah-Menjumlah-kan seluruh kan seluruh data dibagi data dibagi dengan dengan banyaknya banyaknya data yang data yang adaada
Angka tengah Angka tengah yang yang diperoleh diperoleh apabila data apabila data disusun dari disusun dari nilai terendah nilai terendah hingga nilai hingga nilai tertinggitertinggi
NNilai yang ilai yang paling paling sering sering munculmuncul
Kecondongan RangeRange Deviasi Deviasi StandarStandarUkuran bentuk Ukuran bentuk
atau derajat atau derajat simetri distribusi simetri distribusi data data
Selisih Selisih antara antara nilai nilai terbesar terbesar dan nilai dan nilai terkecilterkecil
Ukuran Ukuran penyimpangan yang penyimpangan yang diperoleh dari akar diperoleh dari akar kuadrat dari rata-rata kuadrat dari rata-rata jumlah kuadrat jumlah kuadrat deviasi antara deviasi antara masing-masing nilai masing-masing nilai dengan rata-ratanyadengan rata-ratanya
UJI KUALITAS DATA UJI KUALITAS DATA
UJI NORMALITAS
UJIVALIDITAS
UJI RELIABILITAS
Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Uji dengan Uji dengan factor analysisfactor analysis
Analyze → Data Reduction → FactorAnalyze → Data Reduction → Factor
Masukkan semua butir pertanyaan kuesionerMasukkan semua butir pertanyaan kuesioner
Extraction Extraction →→ Principal component Principal component
Rotation → VarimaxRotation → Varimax
Item dianggap valid jika nilai Item dianggap valid jika nilai factor loading-nyafactor loading-nya >0.4 >0.4
Suatu kuesioner dikatakan reliabel jika jawabanSuatu kuesioner dikatakan reliabel jika jawaban
responden terhadap pernyataan:responden terhadap pernyataan:
STABILSTABILJawaban responden Jawaban responden tidak berubah dari tidak berubah dari waktu ke waktu.waktu ke waktu.
KONSISTEN KONSISTEN Jawaban antar butir-Jawaban antar butir-butir pertanyaan pada butir pertanyaan pada tiap faktor konsisten.tiap faktor konsisten.
Uji Uji Cronbach AlphaCronbach Alpha
Analyze → Scale → Reliability AnalysisAnalyze → Scale → Reliability Analysis
Memasukkan item-item pertanyaan kuesioner hanya Memasukkan item-item pertanyaan kuesioner hanya untuk satu variabeluntuk satu variabel
Model → alpha & Model → alpha & klikklik list item list item labelslabels
Lakukan langkah yang sama untuk semua Lakukan langkah yang sama untuk semua variabel yang adavariabel yang ada
Variabel dianggap reliabel jika nilai Variabel dianggap reliabel jika nilai Cronbach alpha Cronbach alpha tiap variabeltiap variabel > 0.6 > 0.6
Statistics → descriptives for, Statistics → descriptives for, klik semuanyaklik semuanya
Untuk mendeteksi apakah suatu data berdistribusi Untuk mendeteksi apakah suatu data berdistribusi normal atau tidak normal atau tidak
Gunakan rumus KOLMOGOROV SMIRNOVGunakan rumus KOLMOGOROV SMIRNOV
Analyze → non parametrics → 1 sample KSAnalyze → non parametrics → 1 sample KS
Masukkan variabelnya, lalu klik okMasukkan variabelnya, lalu klik ok
Jika asymp > Alpha (5%) berarti tidak signifikan, Jika asymp > Alpha (5%) berarti tidak signifikan, Ho diterima & data berdistribusi normal. Ho diterima & data berdistribusi normal.
TIPEDATA?
Berdistribusi normal?
JUMLAHDATA
Dapat didistribusika
n normal?
Pengujianparametrik
Pengujiannon-parametrik
Nominal/ordinal
tidak tidak
Interval/ rasio
ya
Kecil; n < 30
Besar; n ≥ 30
ya
Sumber: Hartono (2007) ; Cooper dan Schindler (2006).Cooper dan Schindler (2006).
Cara menormalkan distribusi yang tidak berbentuk kurva Cara menormalkan distribusi yang tidak berbentuk kurva normalnormal
Transformasi dataTransformasi data
Mentransformasikan Mentransformasikan nilai-nilai observasi nilai-nilai observasi data dengan me-log-data dengan me-log-kannya diharapkan kannya diharapkan dapat membentuk dapat membentuk distribusi yang distribusi yang normalnormal
TrimmingTrimming WinzorisingWinzorising
Memangkas Memangkas (membuang) (membuang) observasi yang observasi yang bersifat bersifat outlier, outlier, yaitu yang nilainya yaitu yang nilainya lebih kecil dari lebih kecil dari μμ – – 2 2 σσ atau lebih atau lebih besar dari besar dari μμ + 2 + 2 σσ
Mengubah nilai-nilai Mengubah nilai-nilai outlier outlier menjadi nilai-menjadi nilai-nilai minimum atau nilai minimum atau maksimum yang maksimum yang diizinkan supaya diizinkan supaya distribusinya distribusinya menjadi normalmenjadi normal
UJI BEDA 2 KELOMPOK JIKA DATA NORMAL JIKA DATA TDK NORMAL
1. UJI BEDA 2 KEL. SAMPEL(CO: MHSW AKT
VSMHSW MAN)
2. UJI BEDA 2 VARIABEL(CO: MENAIKKAN AKO
VSMENURUNKAN AKO)
INDEPENDENT SAMPLE T-TEST
2 INDEPENDENT SAMPLE
PAIRED SAMPLE T-TEST
2 RELATED SAMPLE
DATA NORMAL: ANALYZE → COMPARE MEANS → INDEPENDENT SAMPLE T- TEST ATAU PAIRED SAMPLE T-TEST
DATA TIDAK NORMAL: ANALYZE → NON PARAMETRIC TESTS → 2 INDEPENDENT SAMPLE ATAU 2 RELATED SAMPLE
HIPOTESIS PENELITIAN DIDUKUNGNILAI SIGNIFIKANSI < ALPHA 0.05
HIPOTESIS PENELITIAN DITOLAKNILAI SIGNIFIKANSI > ALPHA 0.05
Skala pengukuranContoh pertanyaan penelitian Metoda statistik
NOMINALApakah ada korelasi antara jenis
kelamin dengan kecepatan penyelesaian tugas
Chi-square testPhi-coefficient
Contigency coefficient
ORDINALApakah peringkat IQ mempunyaikorelasi dengan peringkat nilai
Chi-square testSpearman rank correlationKendall’s rank correlation
INTERVAL& RASIO
Apakah besarnya gaji berkorelasidgn peningkatan kinerja manajerial
Pearson correlationBivariate regression
analysis
Uji Asumsi Klasik Regresi BergandaUji Asumsi Klasik Regresi Berganda
Uji Multikolinieritas
Uji Normalitas
Uji Autokorelasi
Uji Heteroskedastisitas
Uji multikolinieritas bertujuan untuk mengetahui apakah di dalam model regresi terdapat korelasi antar variabel independen. Metoda yang dapat digunakan untuk menguji terjadinya multikolinieritas dapat dilihat dari matrik korelasi variabel-variabel bebas.Statistics Covariance Matrix dan Collinearity diagnostics
1. Pada matrik korelasi, jika antar variabel bebas terdapat korelasi yang cukup tinggi (umumnya di atas 0,90), maka hal ini merupakan indikasi adanya multikolinieritas.
2. Selain itu dapat juga dilihat nilai tolerance atau variance inflation factor (VIF). Batas dari nilai tolerance adalah 0,10 dan batas VIF adalah 5 (Santoso [2000]), tidak terjadi multikolinieritas.
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak (Ghozali [2002]).
Jika data menyebar disekitar garis diagonal pada grafik Normal P-P of regression standardized residual dan mengikuti arah garis diagonal tersebut, maka model regresi memenuhi asumsi normalitas, tetapi jika sebaliknya data menyebar jauh berarti tidak memenuhi asumsi normalitas tersebut (Santoso [2000]).
Plot Normal Probability Plot
Autokorelasi menunjukkan adanya kondisi yang berurutan di antara gangguan atau disturbansi ui atau ei yang masuk ke dalam fungsi regresi (Gujarati [1995]).
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Biasanya autokorelasi ini terjadi pada variabel yang menggunakan data runtut waktu atau time series.
Autokorelasi diuji dengan menggunakan Durbin-Watson. Secara umum dengan menggunakan angka Durbin-Watson bisa diambil patokan (Santoso [2000]): 1. Angka D-W di bawah -2 berarti ada autokorelasi positif2. Angka D-W di antara -2 sampai +2 berarti tidak ada
autokorelasi3. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variansi dari residual satu pengamatan ke pengamatan lainnya.
Salah satu cara pengujian heteroskedastisitas dilakukan dengan menggunakan uji Glejser (Gujarati [1995]). Pada uji Glejser, nilai residual absolut diregresi dengan variabel independen. Jika pengaruh variabel independen terhadap variabel dependen secara statistis adalah signifikan, maka terdapat heteroskedastisitas.
Sumber: Kuncoro (2003)
Sumber: Kuncoro (2003)
Rangkuman Teknik Multivariate untuk Rangkuman Teknik Multivariate untuk Analisis Ketergantungan (Dependence Analisis Ketergantungan (Dependence Analysis)Analysis)
Sumber: Kuncoro (2003)
Rangkuman Teknik Multivariate untuk Analisis Rangkuman Teknik Multivariate untuk Analisis Saling Ketergantungan (Interdependence Saling Ketergantungan (Interdependence Analysis)Analysis)
Recommended