Mempelajari Teknik Analisis Data: A Dream or Reality?

(1)

Oleh :

Dr. Zaenal Fanani, SE., M.SA., Ak

TEKNIK ANALISIS DATA KUANTITATIF

Email:

fanani_unair@yahoo.com

yahoo!messenger, facebook, friendster:

zaenal_ppsub@yahoo.com

HP:

Simpati 08125296854

Mempelajari Teknik Analisis Data:

A Dream or Reality?

Let’s make data analyze

becoming easy…

(2)

• Data berasal dari bahasa latin

datum

yang berarti “memberi”

• Data adalah kumpulan fakta, fenomena, atau keadaan yang

merupakan hasil pengamatan, pengukuran, atau pencacahan

h d

k

i ik

if

d i b

k

d

b f

i

DEFINISI ANALISIS DATA

terhadap karakteristik atau sifat dari obyek yang dapat berfungsi

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

(3)

Menentukan Topik

Penulisan Laporan

Menentukan Fokus Pertanyaan

Penelitian

Intepretasi Data

Menganalisis Data

Menyusun Desain Penelitian

Mengumpulkan Data

Tahapan Penelitian

kualitatif

Tahapan Penelitian

kuantitatif

Berbeda

Pola Non Linear (Cylical)

Logic in practice

Pola Linear

_{Fixed sequence of steps}

Tidak Ketat

_Ketat

Tahap Analisis Data

Jumlah%Jumlah%Jumlah%

1 2 34 56 78 9 1995/1996 1540.54%1848.65% 410.81%372.58 1996/1997 1333.33%2051.28% 615.38%392.67 1997/1998 1428.57%2755.10% 816.33%492.70 1998/1999 1530.00%2652.00% 918.00%502.70 1999/2000 1725.37%3958.21%1116.42%672.67 Total 7430.58%13053.72%3815.70%2422.67 Tahun Lulus IPK Rata-rata Total Lulusan IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0

Pengumpulan

Data

Verifikasi

Data

Pengelompokan

Data

Isi

Tabel

2 Total Lulusan pada Tabel 3.1.

isinya sama dengan

Total Lulusan pada Tabel 3.2.

isinya sama dengan

Total Lulusan pada Tabel 3.3.

Cek Konsistensi

Data antar tabel

Pilih Alat Analisis Data

Yang sesuai dgn Tujuan Penelitian

1 23456789 1995/1996 1540.54%1848.65%410.81%372.58 1996/1997 1333.33%2051.28%615.38%392.67 1997/1998 1428.57%2755.10%816.33%492.70 1998/1999 1530.00%2652.00%918.00%502.70 1999/2000 1725.37%3958.21%1116.42%672.67 Total 7430.58%13053.72%3815.70%2422.67 Tahun Lulus IPK Rata-rata Total Lulusan IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0 Kesimpulan : ……… ……… Kesimpulan : ……… ………

(4)

S T A T I S T I K A

PERANAN STATISTIKA

METODE

PENGUMPULAN DATA

METODA ANALISIS

DATA

SUMBER

DATA

EMPIRIK

INFORMASI

EMPIRIK

AKURAT !

Skala Pengukuran Data

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

Sifat

Nama

Tingkatan

Jaraknya

bermakna

Tidak

mungkin nol

Nominal

_√

Skala Pengukuran Data

Ordinal

_√

Interval

_√

(5)

Pembagian

Teknik Analisis

Pengaruh

Teknik Analisis

Data

perbedaa

n

hubungan

Software

Basis

Mean

Covariance

SPSS, Eviews,

Minitab, SAS

LISREL, AMOS,

EQS

Variance

_PLS

(6)

BEBERAPA STATISTIK DASAR

Varians

Mean:

n n i i

X

n

X

=

+

∑

=

_...

2 1 1

Varians

Variasi :

jumlah kuadrat simpangan suatu variable terhadap nilai

1

1 )

(

1

2

1

2

2 −

−

=

−

=

∑

=

∑

=

n

X

n

X

n

X

S

n

i

n

i

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 :

1 n

x

S

n

1 i

2 i

−

∑

−

=

(

)

Covariance

(7)

Dasar

Penggunaan

Pengaruh

Penggunaan

Software

perbedaa

n

hubungan

Endogen

Jenis

Dependen

Intervening

Confounding

Independen

Moderating

Pengaruh

Kedudukan

Endogen

Eksogen

Model

Linear

Non Linear

Bentuk

Sederhana

Bentuk

Berganda

Waktu

Jangka Pendek

Jangka Panjang

fungsi

Standardized

Unstandardized

(8)

JENIS VARIABEL

KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN

Independen

Dependen

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

(

)

Independen

(Mediating)

Dependen

Moderator

Independen

Dependen

Confounding

Concomitant

Control

EXTRANEOUS

INTRANEOUS

(9)

Variabel antara

(

intervene variables

) : variabel yang bersifat menjadi

perantara (

mediating

) dari hubungan variabel bebas ke variabel

INTRANEOUS VARIABLES

perantara (

mediating

) dari hubungan variabel bebas ke variabel

tergantung.

Variabel Moderator adalah variabel yang bersifat memperkuat atau

memperlemah pengaruh variabel bebas terhadap variabel tergantung.

Variabel pembaur

(

confounding variables

) : suatu variabel yang tidak

tercakup dalam hipotesis penelitian

,

akan tetapi muncul dalam penelitian

dan berpengaruh terhadap variabel tergantung. Pengaruhnya mencampuri

t

b b

d

i b l b b

EXTRANEOUS VARIABLES

atau berbaur dengan variabel bebas.

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

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.

(10)

NOMINAL

NONPARAMETRIK

TIDAK

NORMAL

Uji Beda dan Korelasi

ORDINAL

INTERVAL

NORMAL

TIDAK

NORMAL

TRANSFORMASI

NORMAL

Log, Ln, delta

(first difference)

< 30

RATIO

PARAMETRIK

PERIKSA

NORMALITAS

NORMAL

JUMLAH

DATA

> 30

KAIDAH ANALISIS DATA

(Pemodelan Statistika)

JENIS

PERMASALAHAN

PENELITIAN

RELEVAN

CODING

SCORING

TABULASI

PERIKSA

OUTLIERS

PENELITIAN

PILIH METODE

ANALISIS

INFORMASI

AKURAT

RELEVAN

JENIS DAN

KARAKTERISTIK

DATA

VALID

(11)

PEMILIHAN STATISTIK

STATISTIK

Deskriptif

Infferential

Frekuensi

Mean

Standar Deviasi

Kaitan Statistik & Variabel

Banyak

Satu

Jumlah

Variabel

Dua

Analisis

Univariate

Analisis

Bivariate

Analisis

Multivariate

?

(12)

Analisis

Univariate

Interval (I)

Rasio (R)

Nominal (N)

Ordinal (O)

Non-Parametrik

Parametrik

Jlh

Sampel

1 k

• Binomial

• X

2

satu sampel

Independen

Berpasangan

N

Hal Berikut

• Fisher X

2 (dua sampel)

N

• Mc-Nemar

• Cohran Q*

N

• Kolmogorov-Smirnov

• Run-Test

O

• X2

k-sampel *

• Umann-Whitney

• Kolm-Smirnov

• Wald-Wolfowitz

• Median Test

• Kruskal-Wallis*

• one-way anova*

O

• Wilcoxon

• Sign Test

• Friedman

• two-way anova*

O

*) untuk multivariate

Parametrik

(Interval & Rasio)

Jlh

₁

k

Lanjutan…..

Sampel

k

• Z-test

• t-test

Independen

Berpasangan

• T-test

• Z-test

• One-way anova)*

• t

r

-test

• Repeated Measure

Anova *

*) untuk multivariate

(13)

Analisis

Bivariate

Nominal

Koeficien

Keterangan & Penggunaan

• Phi

• γ

2

_{: tabel 2 x 2}

• Cramer’s V

• Contingency

• Lambda

• γ

2

_{: Penyesuaian jika tabel melebihi 2 x 2}

• Fleksibel thd asumsi distribusi dan data

• Interpretasi berdasarkan proportional

reduction in error (PRE)

• Kappa

• Goodman & Kruskal’s tau

• Uncertainty

(

)

• Didasarkan PRE dengan marjinal tabel

• Untuk Tabel-tabel multidimensi

• Mengukur kesepakatan (agreement)

Ordinal

• Gamma

• Kendall’s tau - b

• Kendall’s tau - c

• Didasarkan concordant-disconcordant (P-O)

• P-O : Penyesuaian untuk tied rank

• P O : Penyesuaian untuk dimensi tabel

• Somer’s - d

Kendall s tau c

• Spearman’s rho

• P-O : Penyesuaian untuk dimensi tabel

• P-O : Penyesuaian untuk dimensi

tabelPerluasan Gamma secara asimetrik

• Korelasi product-moment untuk data

berurutan

Hal berikut…

Hlanjutan…

Analisis

Bivariate

Koeficien

Keterangan & Penggunaan

• Pearson Product Moment

• Hub. Kontinyu secara linear

Interval

& Rasio

• Bivariate Linear Regression

• Correlation ratio

• Biserial

• Partial Correlation

• Data non linear (metric & non metric

• Satu variabel kontinyu, satu variabel

dikotomi

• Prediksi satu variabel dari skor

variabel lainnya

• Hub. Dua variabel; mengeluarkan

g

efek korelasi dari variabel lainnya.

(14)

Analisis

Multivariate

Bebas

Terikat

Analisis

Interdependensi

Analisis

Dependensi

k

Hal berikut

Factor analysis

Latent structure

analysis

MDS (Multi

Dimentional

Scaling)

Cluster Analysis

N&O

1 Skala

Var.

Terikat

N&O

Skala Var.

Bebas

N&O:

• MCA – Dummy Var (DM)

• Canotical analysis – DM

I&R:

• Multiples Discriminant Analysis

• Logit & Probit Analysis

N&O:

Factor analysis

MDS

Cluster Analysis

I&R

Skala Var.

Bebas

N&O:

• Regresi ganda - DM

• Loglinear

I&R:

• Regresi ganda

• Multiples classification Analysis

• Automatic Interaction Analysis

Lanjutan…

_Analisis

Dependensi

N&O

Skala Var.

_{B b}

N&O:

k

Variabel

terikat lebih

dari satu

Skala

Var.

Terikat

N&O

I&R

Bebas

• Conjoint Analysis

Skala Var.

Bebas

N&O:

• Multivariate Analysis of Variance

(MANOVA)

dari satu

I&R:

• Canonical corelation Analysis

• Linear Structural Equation Model

for Latent Variables (LISREL)

(15)

DATA

KORELASI

REGRESI

X

(Independen) (Dependen)Y

Nominal

Kontigensi C (Chi Square)

Odd Ratio

Realtive Risk

Logit, Probit, LPM

Diskriminan, Dummy variabel,

Logistik dummy variabel

Nominal

Ordinal

Kontigensi C

Odd Ratio

l

k

Logit, Probit, LPM Diskriminan, Dummy

variabel,

Logistik,

Dummy variabel

h l

Realtive Risk

Regresi Theil 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

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 K d ll

Regresi, dummy variabel

Rank Kendall

Rank Partial Kendall

Rank Konkordansi Kendall

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

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

ANALISIS MULTIVARIAT

Nominal, Ordinal,

Interval dan ratio

Cluster Analysis

Conjoint Analysis

(16)

Adakah dependen variabel dalam penelitian

Apakah lebih dari satu Apakah variabelnya berupa angka

Apakah variabelnya berupa angka/bukan angka Apakah variabelnya berupa angka/bukan angka

Ya Tidak Bukan Angka Ya Tidak

Analisis Univariate

Analisis Cluster Analisi faktor Multidimensional Scaling p y p g / g p y p g / g Bukan

Angka Angka AngkaBukan Angka

Apakah variabelnya Independennya berupa angka/bukan angka Apakah variabelnya independenya berupa angka/bukan angka Bukan Angka Angka Bukan Angka Angka

Analisi Kojoin Apakah variabelnya

independenya berupa angka/bukan angka Bukan Angka Angka Angka g

Analisis faktor bukan angka Analisi struktur variabel

tersembunyi MDS bukan angka Analisis cluster bukan

angka

g a g a

Analisis Diskriminan berganda Analisis logit dan probit

Analisis MCA dengan variabel Dummy Analisis Kanonik dengan dummy

MANOVA

Analisi Kanonik Lisrel Regresi Analisis klasifikasi

berganda-pendeteksian interaksi berganda

Regresi berganda dengan variabel dummy

Berapa Variabel yang

terlibat Struktur Hubungan APA

M lti h b d bb i b l bb i b l d d S t i b l d d

Apa Tipe Hubungan yang akan diteliti

Dependensi InterDependensi

Analisis Multivariate

Multi hubungan pd bbrp variabel

dependen dan independen bbrp variabel dependen pada satu hubungan Satu variabel dependen pada satu hubungan

Apa Skala Ukur Var

Dependen Apa Skala Ukur Var Dependen

Bukan Angka

Angka Angka Bukan Angka

Apa Skala Ukur Var

D d Analisis Model Analisis Path Structural equation modelling Variabel Cases similarity Obyek PCA

Faktor Analisis Cluster analisis Apa Skala Ukur data dan similaritasnya

Angka dan bukan angka Object Similarity Variabel Category Similarity Analisis R i Analisis Di k i i Korelasi Kanonik d V D Dependen Angka Bukan Angka Analisis Korelasi kanonik Analisis Regresi peubah ganda MANOVA atau MANCOVA Multidimensional

Scalling Coresponden Analisis Regresi

berganda DiskriminanLogistik Logit Probit LPM Gompit Tobit dgn Var Dummy

(17)

PROSEDUR PENGUJIAN HIPOTESIS

•Menyatakan Hipotesisnya

•Memilih Pengujian Statistiknya

g j

y

•Menentukan Tingkat Keyakinan Yang

Diinginkan

•Menghitung Nilai Statistiknya

•Mendapatkan Nilai Uji Kritis

M

i

ik

H il

•Menginterpretasikan Hasilnya

Level Of Significance

10%

0 1

10% = 0.1

5% =

0.05 1%

= 0 01

1%

0.01

(18)

Logic of Hypothesis Testing

• Two tailed test

di

ti

l t

t

– nondirectional test

– considers two possibilities

• One tailed test

– directional test

– places entire probability of an unlikely

p

y

outcome to the tail specified by the

alternative hypothesis

TWO TAILED

Uji t (Non Directional)

Uji r (non directional)

Ho tidak ditolak

Ho ditolak

(19)

ONE TAILED

Uji t (directional)

Uji Z

Uji F

Uji r (directional)

Uji X

2 Ho tidak ditolak

Ho ditolak

KRITERIA PENGUJIAN HIPOTESIS

Jika t, F, Z, r, X

2 _{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

(20)

Contoh

Correlations 1 .627** 000 Pearson Correlation Sig (2-tailed) Quantum Teaching (X) Quantum Teaching (X) Motivasi Belajar Siswa (Y)

Uji r

Test Statisticsb RASIDLE2004

-Uji Z

.000 39 39 .627** 1 .000 39 39 Sig. (2 tailed) N Pearson Correlation Sig. (2-tailed) N Motivasi Belajar Siswa (Y)

Correlation is significant at the 0.01 level (2-tailed). **.

Coefficients

a

Model

B

Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t

Sig

Uji t

-4.996a .000 Z

Asymp. Sig. (2-tailed)

RASIDLE2003

Based on positive ranks. a.

Wilcoxon Signed Ranks Test b.

-.126

.332

-.379

.705

.083

.032

.253

2.578 .011

.031

.047

.079

.654

.515

.039

.044

.100

.875

.384

.100

.043

.264

2.320 .022

.106

.069

.198

1.544 .126

(Constant)

Bukti langsung

Keandalan

Daya Tanggap

Jaminan

Empati

Model

1 B

Std. Error

Beta

t

Sig.

Dependent Variable: Kepuasan Nasabah

a.

Lanjutan Contoh

ANOVA

b

44.372

5

8.874

31.625 .000

a

26.378

94 .281

Regression

Residual

Model

1 Sum of

Squares

df

Mean Square

F

Sig.

Uji F

70.750

99 Total

Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan,

Keandalan

a.

Dependent Variable: Kepuasan Nasabah

b.

Chi-Square Tests Asymp Sig

Uji X

2

4.678a ₆ _.586 5.832 6 .442 .171 1 .679 70 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Value df Asymp. Sig. (2-sided)

7 cells (58.3%) have expected count less than 5. The minimum expected count is 1.21.

(21)

Lanjutan Contoh

Uji F

ANOVA

Sum of

Squares df Mean Square F Sig

44.277 3 14.759 .901 .446 950.110 58 16.381 994.387 61 43.782 3 14.594 .617 .607 1371.073 58 23.639 1414.855 61 218.458 3 72.819 1.230 .307 3434.010 58 59.207 3652.468 61 103.938 3 34.646 2.680 .055 749.739 58 12.927 853.677 61 148.975 3 49.658 2.774 .049 Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Pemahaman Kualifikasi Fungsi

Manfaat bagi manajemen

Manfaat bagi perusahaan

Squares df Mean Square F Sig.

1038.396 58 17.903

1187.371 61

Within Groups Total

Perbedaan GCG berdasarkan tempat kerja departemen

a. Internal auditor

b. Akuntansi/keuangan

c. Non akuntansi

d. Lain-lain