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)