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?
• 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
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 theor y or hypothesi s
Speci fi cati on of the mathemati cal model of the theor y
Speci fi cati on of the stati sti cal or econometr i c model
Obtai ni ng the data
Esti mati on of the par ameter of the economi c model
Hypothesi s testi ng
For ecasti ng or pr edi cti on
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
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
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
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
Jumlah%Jumlah%Jumlah%
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
S T A T I S T I K A
PERANAN STATISTIKA
METODE
PENGUMPULAN DATA
METODA ANALISIS
DATA
SUMBER
DATA
DATA
EMPIRIK
INFORMASI
EMPIRIK
AKURAT !
Skala Pengukuran Data
Data
Kumpul an angka, fakta, fenomena, atau keadaan yang mer upakan hasi l
pengamatan, pengukur an, atau pencac ahan ter hadap kar akter i sti k atau si fat
dar i obyek yang dapat ber fungsi untuk membedakan obyek yang satu dengan
l ai nnya pada si fat yang sama
Skala
Pengukuran
Sifat
Nama
Tingkatan
Jaraknya
bermakna
Tidak
mungkin nol
Nominal
√
Skala Pengukuran Data
Ordinal
√
√
Interval
√
√
√
Pembagian
Teknik Analisis
Pengaruh
Teknik Analisis
Data
perbedaa
n
hubungan
Software
Basis
Mean
Covariance
SPSS, Eviews,
Minitab, SAS
LISREL, AMOS,
EQS
BEBERAPA STATISTIK DASAR
Va ria ns
Me a n:
n
n
i
i
X
X
X
n
X
X
=
=
+
+
+
∑
=
...
2
1
1
Va ria ns
Va ria si :
jumla h kua dra t simpa ng a n sua tu va ria ble te rha da p nila i
1
1
)
(
1
2
2
1
2
2
−
−
=
−
−
=
∑
=
∑
=
n
X
n
X
n
X
X
S
n
i
i
n
i
i
jumla h kua dra t simpa ng a n sua tu va ria ble te rha da p nila i
ra ta - ra ta nya .
Va ria ns :
jumla h kua dra t simpa ng a n sua tu va ria be l te rha da p nila i
ra ta - ra ta nya diba g i de ra ja t be ba s ya ng se sua i.
Sta nda r De via si :
1
n
x
x
S
n
1
i
2
i
−
∑
−
=
=
(
)
Dasar
Penggunaan
Pengaruh
Penggunaan
Software
perbedaa
n
hubungan
Endogen
Jeni s
Dependen
Inter veni ng
Confoundi ng
Independen
Moder ati ng
Pengar uh
Kedudukan
Endogen
Eksogen
Model
Li near
Non Li near
Bentuk
Seder hana
Bentuk
Berganda
Waktu
Jangka Pendek
Jangka Panj ang
fungsi
Standar di zed
JENIS VARIABEL
KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
I n de pe n de n
D e pe n de n
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
(
)
I n de pe n de n
(Mediating)
D e pe n de n
Moderator
I n de pe n de n
D e pe n de n
Con fou n din g
Concomitant
Control
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.
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
KAI D AH AN ALI SI S D ATA
( Pe m ode la n St a t ist ik a )
JENIS
PERMASALAHAN
PENELITIAN
RELEVAN
CODING
SCORING
TABULASI
PERIKSA
OUTLIERS
PENELITIAN
PILIH METODE
ANALISIS
INFORMASI
AKURAT
RELEVAN
JENIS DAN
KARAKTERISTIK
DATA
PEMILIHAN STATISTIK
STATISTIK
Deskriptif
Infferential
Frekuensi
Mean
Standar Deviasi
Kai tan Stati sti k & Vari abel
Banyak
Satu
Jumlah
Variabel
Dua
Analisis
Univariate
Analisis
Bivariate
Analisis
Multivariate
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 *
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
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
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
DATA
KORELASI
REGRESI
X
(I ndependen)
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
l
k
Logit, Probit, LPM Diskriminan, Dummy
variabel,
Logistik,
Dummy
variabel
h l
Realtive Risk
Regresi Theil Regresi garis resisten
Nominal
I nterval & 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
I nterval & Ratio
Rank Spearman
R
k K
d ll
Regresi, dummy variabel
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
I nterval & Ratio
Nominal
Biserial
Logit/ logistik, Probit, LPM, Diskriminan
I nterval & 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
I nterval & Ratio
I nterval & Ratio
Product Moment Pearson
Kanonik
Regresi
ANALI SI S KETERGANTUNGAN MULTI VARI AT
Nominal dan Ordinal
Analisis Korespondensi
I nterval dan ratio
Path Analisis
Principle Component Analysis
Faktor Analisis
Byplot analisis
LI SREL
LI SREL
ANALI SI S MULTI VARI AT
Nominal, Ordinal,
I nterval dan ratio
Cluster Analysis
Conjoint Analysis
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 Scalingp y p g / g p y p g / g
Bukan Angka Angka Bukan Angka Angka Apakah variabelnya I ndependennya 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 I nterDependensi
Analisis Multivariate
Multi hubungan pd bbrp variabel dependen dan independen
Satu variabel dependen pada satu hubungan bbrp 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
PROSEDUR PENGUJIAN HIPOTESIS
• Menyat akan Hipot esisnya
• Mem ilih Penguj ian St at ist iknya
g j
y
• Menent ukan Tingkat Keyakinan Yang
Diinginkan
• Menghit ung Nilai St at ist iknya
• Mendapat kan Nilai Uj i Krit is
M
i
ik
H
il
• Mengint erpret asikan Hasilnya
Level Of Si gni fi cance
10%
0 1
10%
= 0.1
5% =
0.05
1%
= 0 01
Logi c of Hypothesi s Testi ng
• 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
p
y
y
outcome to the tail specified by the
alternative hypothesis
TWO TAILED
Uj i t (Non Di r ecti onal )
Uj i r (non di r ecti onal )
Ho tidak ditolak
Ho ditolak
Ho ditolak
ONE TAILED
Uj i t (di r ecti onal )
Uj i Z
Uj i Z
Uj i F
Uj i r (di r ecti onal )
Uj i X
2Ho tidak ditolak
Ho ditolak
KRITERIA PENGUJIAN HIPOTESIS
Jika t , F, Z, r, X
2
hit ung > t , F, Z, r, X2 t abel
m aka Ho dit olak
m aka Ho dit olak
At au
Jika signifikansi < 0.1/ 0.05/ 0.01
m aka Ho dit olak
I ngat st at em ent Hipot esis adalah:
I ngat st at em ent Hipot esis adalah:
Ho
= Tidak Terdapat pengaruh/ perbedaan/ hubungan
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 ZAsymp. 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.
Lanj utan 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
4.678
a6
.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.
Lanj utan 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
Per bedaan GCG ber dasar kan tempat ker j a depar temen
a. Inter nal audi tor