15 December 2010
TEKNIK ANALISIS DATA KUANTITATIF Oleh : Dr. Zaenal Fanani, SE., M.SA., Ak
Email:
[email protected] yahoo!messenger, facebook, friendster:
[email protected] HP: Simpati 08125296854
Mempelajari Teknik Analisis Data: A Dream or Reality?
Let’s make data analyze becoming easy…
1
15 December 2010
DEFINISI ANALISIS DATA • Data berasal dari bahasa latin datum yang berarti “memberi” • Data adalah kumpulan fakta, fenomena, atau keadaan yang merupakan hasil pengamatan, pengukuran, atau pencacahan terhadap h d kkarakteristik k i ik atau sifat if d darii obyek b k yang d dapat b berfungsi f i untuk membedakan obyek yang satu dengan lainnya pada sifat yang sama (Solimun, 2001) • Data yang terkumpul dari hasil penelitian biasanya banyak sekali yang terdiri dari catatan lapangan dan komentar peneliti, gambar, foto, dokumen, biografi, artikel, hasil wawancara dan sebagainya. • Pekerjaan analisis data adalah mengatur, mengurutkan, mengelompokkan, memberikan kode, dan mengkategorikannya (Moleong, 2000)
METODOLOGI ANALISIS DATA Statement of theory or hypothesis Specification of the mathematical model of the theory Specification of the statistical or econometric model Obtaining the data Estimation of the parameter of the economic model Hypothesis testing Forecasting or prediction Using model for control or policy purposes
2
15 December 2010
Menentukan Topik
Menentukan Fokus Pertanyaan Penelitian
Penulisan Laporan
Menyusun Desain Penelitian
Intepretasi Data
Mengumpulkan Data
Menganalisis Data
Tahapan Penelitian kualitatif
Berbeda
Tahapan Penelitian kuantitatif
Pola Non Linear (Cylical) Logic in practice
Pola Linear Fixed sequence of steps
Tidak Ketat
Ketat
Tahap Analisis Data Tahun Lulus 1
IPK < 2.5 Jumlah % 2
3
1995/1996 1996/1997 1997/1998 1998/1999 1999/2000 Total
15 13 14 15 17 74
Tahun Lulus
IPK < 2.5 Jumlah %
1
2
3
1995/1996 1996/1997 1997/1998 1998/1999 1999/2000 Total
15 13 14 15 17 74
Tahun Lulus
IPK < 2.5 Jumlah %
1
1995/1996 1996/1997 1997/1998 1998/1999 1999/2000 Total
2
4
40.54% 33.33% 28.57% 30.00% 25.37% 30.58%
5
18 20 27 26 39 130
4
5
18 20 27 26 39 130
5
18 20 27 26 39 130
6
48.65% 51.28% 55.10% 52.00% 58.21% 53.72%
7
4 6 8 9 11 38
6
7
4 6 8 9 11 38
7
4 6 8 9 11 38
8
10.81% 15.38% 16.33% 18.00% 16.42% 15.70%
9
37 39 49 50 67 242
2.58 2.67 2.70 2.70 2.67 2.67
Total IPK RataLulusan rata 8
10.81% 15.38% 16.33% 18.00% 16.42% 15.70%
IPK > 3.0 Jumlah % 6
Total IPK RataLulusan rata
10.81% 15.38% 16.33% 18.00% 16.42% 15.70%
IPK > 3.0 Jumlah %
48.65% 51.28% 55.10% 52.00% 58.21% 53.72%
IPK 2.5 - 3.0 Jumlah % 4
IPK > 3.0 Jumlah %
48.65% 51.28% 55.10% 52.00% 58.21% 53.72%
IPK 2.5 - 3.0 Jumlah %
40.54% 33.33% 28.57% 30.00% 25.37% 30.58%
3
15 13 14 15 17 74
IPK 2.5 - 3.0 Jumlah %
40.54% 33.33% 28.57% 30.00% 25.37% 30.58%
9
37 39 49 50 67 242
2.58 2.67 2.70 2.70 2.67 2.67
Total IPK RataLulusan rata 8
9
37 39 49 50 67 242
2.58 2.67 2.70 2.70 2.67 2.67
Isi Tabel2
Pengelompokan Data
Verifikasi Data
Pengumpulan Data
Total Lulusan pada Tabel 3.1.
Kesimpulan : …………… ……………
isinya sama dengan
Total Lulusan pada Tabel 3.2. isinya sama dengan
Total Lulusan pada Tabel 3.3.
Tahun Lulus 1
Cek Konsistensi Data antar tabel
1995/1996 1996/1997 1997/1998 1998/1999 1999/2000 Total
IPK < 2.5 Jumlah % 2
3
15 13 14 15 17 74
40.54% 33.33% 28.57% 30.00% 25.37% 30.58%
IPK 2.5 - 3.0 Jumlah % 4
5
18 20 27 26 39 130
48.65% 51.28% 55.10% 52.00% 58.21% 53.72%
IPK > 3.0 Jumlah % 6
7
4 6 8 9 11 38
10.81% 15.38% 16.33% 18.00% 16.42% 15.70%
Pilih Alat Analisis Data : Yang sesuai dgn Tujuan Penelitian Kesimpulan ……………
Total IPK RataLulusan rata 8
9
37 39 49 50 67 242
2.58 2.67 2.70 2.70 2.67 2.67
……………
3
15 December 2010
PERANAN STATISTIKA S TAT I S T I KA METODE PENGUMPULAN DATA
SUMBER DATA
METODA ANALISIS DATA
DATA EMPIRIK
INFORMASI EMPIRIK
AKURAT !
Data Kumpulan angka, fakta, fenomena, atau keadaan yang merupakan hasil pengamatan, pengukuran, atau pencacahan terhadap karakteristik atau sifat dari obyek yang dapat berfungsi untuk membedakan obyek yang satu dengan lainnya pada sifat yang sama
Skala Pengukuran Data Skala Pengukuran
Sifat Nama
Tingkatan
Jaraknya bermakna
Nominal
√
Ordinal
√
√
Interval
√
√
√
Rasio
√
√
√
Tidak mungkin nol
√
4
15 December 2010
Pengaruh Pembagian Teknik Analisis Data perbedaa n
hubungan
Basis
Software
Mean
SPSS, Eviews, Minitab, SAS
Covariance
LISREL, AMOS, EQS
Variance
PLS
5
15 December 2010
BEBERAPA STATISTIK DASAR n
Mean:
X=
∑X i =1
Varians
i
= X 1 + X 2 + ... + X n
n
n
S2 =
∑(X i =1
i
− X)
n −1
n
2
=
∑X i =1
2 i
− nX 2
n −1
Variasi : jumlah kuadrat simpangan suatu variable terhadap nilai rata-ratanya. Varians : jumlah kuadrat simpangan suatu variabel terhadap nilai rata-ratanya dibagi derajat bebas yang sesuai.
Standar Deviasi : n
S =
2 ∑ ( xi − x )
i=1
n − 1
Covariance
6
15 December 2010
Pengaruh Dasar Penggunaan Software perbedaa n
hubungan
Dependen Independen
Jenis
Intervening Moderating Confounding
Kedudukan
Endogen Eksogen
Pengaruh
Linear
Model Non Linear Sederhana
Bentuk Berganda Jangka Pendek
Waktu Jangka Panjang Standardized
fungsi Unstandardized
7
15 December 2010
JENIS VARIABEL
KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
Dependen
Independen
Variabel tergantung (dependent variables) : suatu variabel yang tercakup di dalam hipotesis penelitian, yang keragamannya dipengaruhi oleh variabel lain. Variabel bebas (independent variables) : suatu variabel tercakup di dalam hipotesis penelitian, yang mempengaruhi variabel tergantung. Keragamannya : intervensi peneliti, suatu keadaan atau kondisi atau fenomena yang ingin diselidiki, diteliti atau dikaji.
LANJUTAN JENIS VARIABEL
KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
Intervening ( (Mediating) ) Moderator Independen
Dependen
INTRANEOUS EXTRANEOUS Concomitant
Confounding
Control
8
15 December 2010
INTRANEOUS VARIABLES Variabel antara (intervene variables) : variabel yang bersifat menjadi perantara (mediating) dari hubungan variabel bebas ke variabel tergantung. Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemah pengaruh variabel bebas terhadap variabel tergantung.
EXTRANEOUS VARIABLES Variabel pembaur (confounding variables) : suatu variabel yang tidak tercakup dalam hipotesis penelitian, akan tetapi muncul dalam penelitian dan berpengaruh terhadap variabel tergantung. Pengaruhnya mencampuri atau t berbaur b b dengan d variabel i b l bebas. b b Variabel kendali (control variables) : adalah variabel pembaur (cofounding) yang pengaruhnya dapat dikendalikan. Pengendalian dapat diakukan dengan cara blocking atau kriteria ekalusi-inklusi, yaitu mengeluarkan obyek yang tidak memenuhi kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria. Variabel penyerta (concomitant variables) : variabel pembaur (confounding) yang tidak dapat dikendalikan, sehingga tetap menyertai (terikut) dalam proses penelitian. Konsekuensinya, data tersebut harus diamati. Pengaruh baurnya dihilangkan (dieliminasi) pada tahap analisis data.
9
15 December 2010
Uji Beda dan Korelasi NOMINAL TIDAK NORMAL
NONPARAMETRIK
ORDINAL
< 30
TIDAK NORMAL
TRANSFORMASI
Log, Ln, delta (first difference)
> 30
PERIKSA NORMALITAS
NORMAL
PARAMETRIK
INTERVAL JUMLAH DATA RATIO
KAIDAH ANALISIS DATA (Pemodelan Statistika) JENIS PERMASALAHAN PENELITIAN
CODING SCORING TABULASI
PERIKSA OUTLIERS
PILIH METODE ANALISIS
JENIS DAN KARAKTERISTIK DATA
RELEVAN
INFORMASI AKURAT
VALID
10
15 December 2010
PEMILIHAN STATISTIK STATISTIK
Deskriptif
Infferential
Frekuensi Mean Standar Deviasi
Kaitan Statistik & Variabel
Satu
Jumlah Variabel
Banyak
Dua
Analisis Univariate
Analisis Bivariate
Analisis Multivariate
?
?
?
11
15 December 2010
Analisis Univariate
Nominal (N) Ordinal (O)
Interval (I) Rasio (R)
Non-Parametrik
Parametrik Jlh Sampel
k Independen
Hal Berikut
Berpasangan
•Fisher X2
N
1
N
(dua sampel)
•Mc-Nemar
N
•Binomial •X
•Cohran Q*
2 satu sampel
• X2 k-sampel * O
O
•Umann-Whitney •Kolm-Smirnov
•Wilcoxon •Sign Test •Friedman
•Wald-Wolfowitz
O
•KolmogorovSmirnov •Run-Test
•two-way anova*
•Median Test •Kruskal-Wallis*
*) untuk multivariate
•one-way anova*
Parametrik
Lanjutan…..
(Interval & Rasio)
Jlh Sampel
k
1
Berpasangan
Independen
•T-test
• tr-test
• Z-test
•Z-test
•Repeated Measure Anova *
• t-test
•One-way anova)*
*) untuk multivariate
12
15 December 2010
Koeficien
Analisis Bivariate
Nominal
Ordinal
Keterangan & Penggunaan
•Phi
•γ2 : tabel 2 x 2
•Cramer’s V •Contingency •Lambda
•Fleksibel thd asumsi distribusi dan data
•Goodman & Kruskal’s tau
•Didasarkan PRE dengan marjinal tabel
•Uncertainty
•Untuk Tabel-tabel multidimensi
•Kappa
•Mengukur kesepakatan (agreement)
•Gamma
•Didasarkan concordant-disconcordant (P-O)
•γ2 : Penyesuaian jika tabel melebihi 2 x 2 •Interpretasi berdasarkan proportional reduction in error ((PRE))
•Kendall’s tau - b
•P-O : Penyesuaian untuk tied rank
Kendall s tau - c •Kendall’s
•P-O •P O : Penyesuaian untuk dimensi tabel
•Somer’s - d
•P-O : Penyesuaian untuk dimensi tabelPerluasan Gamma secara asimetrik
•Spearman’s rho
•Korelasi product-moment untuk data berurutan Hal berikut…
Hlanjutan…
Koeficien
Analisis Bivariate
Interval & Rasio
Keterangan & Penggunaan
•Pearson Product Moment
•Hub. Kontinyu secara linear
•Correlation ratio
•Data non linear (metric & non metric
•Biserial
•Satu variabel kontinyu, satu variabel dikotomi
•Bivariate Linear Regression
•Prediksi satu variabel dari skor variabel lainnya
•Partial Correlation
•Hub. Dua variabel; mengeluarkan g efek korelasi dari variabel lainnya.
13
15 December 2010
Analisis Multivariate
Terikat
Analisis Dependensi
k
Hal berikut
Bebas
Analisis Interdependensi
N&O:
1 N&O
Skala Var. Bebas
•MCA – Dummy Var (DM)
Factor analysis
•Canotical analysis – DM
Latent structure analysis
I&R: •Multiples Discriminant Analysis Skala Var. Terikat
•Logit & Probit Analysis
N&O
MDS (Multi Dimentional Scaling) Cluster Analysis
N&O:
I&R
Skala Var. Bebas
•Regresi ganda - DM
Factor analysis
•Loglinear
MDS
I&R
Cluster Analysis
I&R: •Regresi ganda •Multiples classification Analysis •Automatic Interaction Analysis
Lanjutan…
Analisis Dependensi
N&O
k
Skala Var. B b Bebas
N&O: •Conjoint Analysis
Skala Var. Terikat N&O:
Variabel terikat lebih dari satu
I&R
Skala Var. Bebas
•Multivariate Analysis of Variance (MANOVA) I&R: •Canonical corelation Analysis •Linear Structural Equation Model for Latent Variables (LISREL)
14
15 December 2010
ANALISIS UNIVARIATE KORELASI
DATA X
(Independen)
REGRESI
Y
(Dependen)
Nominal
Nominal
Kontigensi C (Chi Square) Odd Ratio Realtive Risk
Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik dummy variabel
Nominal
Ordinal
Kontigensi C Odd Ratio Realtive l Riskk
Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik, Dummy variabel Regresi Theil h l Regresi garis resisten
Nominal
Interval & Ratio
Biserial
Regresi, dummy variabel
Ordinal
Nominal
Kontigensi C Odd Ratio Realtive Risk
Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, dummy variabel
Ordinal
Ordinal
Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, Dummy variabel, Regresi Theil Regresi garis resisten
Ordinal
Interval & Ratio
Rank Spearman R k Kendall Rank K d ll Rank Partial Kendall Rank Konkordansi Kendall
Regresi, dummy variabel
Interval & Ratio
Nominal
Biserial
Logit/logistik, Probit, LPM, Diskriminan
Interval & Ratio
Ordinal
Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, Dummy variabel, Regresi Theil Regresi garis resisten
Interval & Ratio
Interval & Ratio
Product Moment Pearson Kanonik
Regresi
ANALISIS KETERGANTUNGAN MULTIVARIAT Nominal dan Ordinal Analisis Korespondensi Interval dan ratio Path Analisis Principle Component Analysis Faktor Analisis Byplot analisis LISREL
Nominal, Ordinal, Interval dan ratio
ANALISIS MULTIVARIAT Cluster Analysis Conjoint Analysis Multidimentional Scalling (MDS)
15
15 December 2010
Analisis Univariate Ya
Ya
Apakah lebih dari satu
Tidak
Apakah p variabelnya y berupa p angka/bukan g / angka g
Apakah variabelnya Independennya berupa angka/bukan angka
Apakah variabelnya berupa angka
Apakah p variabelnya y berupa p angka/bukan g / angka g
Angka
Bukan Angka
Tidak
Adakah dependen variabel dalam penelitian
Angka
Bukan Angka
Analisi Kojoin
Apakah variabelnya independenya berupa angka/bukan angka
Angka g
Bukan Angka
Apakah variabelnya independenya berupa angka/bukan angka
Analisis faktor bukan angka Analisi struktur variabel tersembunyi MDS bukan angka Analisis cluster bukan angka
Analisis Cluster Analisi faktor Multidimensional Scaling
Bukan Angka Bukan Angka g a
Angka
Angka
Bukan Angka g a
Angka MANOVA
Analisis Diskriminan berganda Analisis logit dan probit
Regresi berganda- Analisis klasifikasi bergandapendeteksian interaksi berganda
Analisi Kanonik Lisrel
Regresi berganda dengan variabel dummy
Analisis MCA dengan variabel Dummy Analisis Kanonik dengan dummy
Analisis Multivariate
Dependensi
InterDependensi
Apa Tipe Hubungan yang akan diteliti
Struktur Hubungan APA
Berapa Variabel yang terlibat
Multi M lti hubungan h b pd d bbrp bb variabel i b l dependen dan independen
Analisis Model
Analisis Path
bbrp variabel bb i b l dependen d d pada satu hubungan
Satu S t variabel i b ld dependen d pada satu hubungan
Apa Skala Ukur Var Dependen
Apa Skala Ukur Var Dependen
Angka
Angka
Bukan Angka
Bukan Angka
Structural equation modelling Apa Skala Ukur Var D Dependen d
Angka
Analisis Korelasi kanonik
Korelasi Kanonik d Var dgn V Dummy D
Bukan Angka
Analisis Regresi peubah ganda
Analisis R Regresi i berganda
Analisis Di k i i Diskriminan Logistik Logit Probit LPM Gompit Tobit
Variabel
Cases similarity
Obyek
PCA Faktor Analisis
Cluster analisis
Apa Skala Ukur data dan similaritasnya
Angka dan bukan angka Object Similarity
Multidimensional Scalling
Variabel Category Similarity
Coresponden Analisis
MANOVA atau MANCOVA
16
15 December 2010
PROSEDUR PENGUJIAN HIPOTESIS •Menyatakan Hipotesisnya g j Statistiknya y •Memilih Pengujian •Menentukan Tingkat Keyakinan Yang Diinginkan •Menghitung Nilai Statistiknya •Mendapatkan Nilai Uji Kritis •Menginterpretasikan M i ik H Hasilnya il
Level Of Significance
10% = 0.1 01 5%
= 0.05
1%
= 0.01 0 01
17
15 December 2010
Logic of Hypothesis Testing • Two tailed test – nondirectional di ti l ttestt – considers two possibilities • One tailed test – directional test –p places entire p probability y of an unlikely y outcome to the tail specified by the alternative hypothesis
TWO TAILED Uji t (Non Directional) Uji r (non directional)
Ho ditolak
0.025
Ho tidak ditolak
Ho ditolak
0.025
18
15 December 2010
ONE TAILED Uji t (directional) Uji Z Uji F Uji r (directional) Uji X2
Ho tidak ditolak
Ho ditolak
KRITERIA PENGUJIAN HIPOTESIS Jika t, F, Z, r, X2 hitung > t, F, Z, r, X2 tabel maka Ho ditolak Atau Jika signifikansi < 0.1/0.05/0.01 maka Ho ditolak Ingat statement Hipotesis adalah: Ho
= Tidak Terdapat pengaruh/perbedaan/hubungan
Ha
= Terdapat pengaruh/perbedaan/hubungan
19
15 December 2010
Contoh Uji Z Correlations
Test Statisticsb
Quantum Teaching (X)
RASIDLE2004 RASIDLE2003 -4.996a .000
Z Asymp. Sig. (2-tailed)
Motivasi Belajar Siswa (Y)
a. Based on positive ranks. b. Wilcoxon Signed Ranks Test
Pearson Correlation Sig (2-tailed) Sig. (2 tailed) N Pearson Correlation Sig. (2-tailed) N
Uji r
Motivasi Belajar Siswa (Y) .627** .000 000 39 39 .627** 1 .000 39 39
Quantum Teaching (X) 1
**. Correlation is significant at the 0.01 level (2-tailed).
Uji t Coefficients a
Model 1
Unstandardized Coefficients B Std Error Std. -.126 .332 .083 .032 .031 .047 .039 .044 .100 .043 .106 .069
(Constant) Bukti langsung Keandalan Daya Tanggap Jaminan Empati
Standardized Coefficients Beta .253 .079 .100 .264 .198
t -.379 2.578 .654 .875 2.320 1.544
Sig. Sig .705 .011 .515 .384 .022 .126
a. Dependent Variable: Kepuasan Nasabah
Lanjutan Contoh
Uji F
ANOVAb
Model 1
Sum of Squares 44.372 26.378 70.750
Regression Residual Total
df 5 94 99
Mean Square 8.874 .281
F 31.625
Sig. .000a
a. Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan, Keandalan b. Dependent Variable: Kepuasan Nasabah
Uji X2 Chi-Square Tests
Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
Value 4.678a 5.832 .171
6 6
Asymp. Sig Asymp Sig. (2-sided) .586 .442
1
.679
df
70
a. 7 cells (58.3%) have expected count less than 5. The minimum expected count is 1.21.
20
15 December 2010
Lanjutan Contoh Uji F ANOVA
Pemahaman
Kualifikasi
Fungsi
Manfaat bagi manajemen
Manfaat bagi perusahaan
Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total
Sum of Squares 44.277 950.110 994.387 43.782 1371.073 1414.855 218.458 3434.010 3652.468 103.938 749.739 853.677 148.975 1038.396 1187.371
df 3 58 61 3 58 61 3 58 61 3 58 61 3 58 61
Mean Square 14.759 16.381
F .901
Sig. Sig .446
14.594 23.639
.617
.607
72.819 59.207
1.230
.307
34.646 12.927
2.680
.055
49.658 17.903
2.774
.049
Perbedaan GCG berdasarkan tempat kerja departemen a. Internal auditor b. Akuntansi/keuangan c. Non akuntansi d. Lain-lain
21
