TEKNIK ANALISIS DATA KUANTITATIF

(1)

Oleh :

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

Email:

fanani_unair@yahoo.com

yahoo!messenger, facebook, friendster:

zaenal_ppsub@yahoo.com

HP:

Simpati 08125296854

Mempelajari Teknik Analisis Data:

A Dream or Reality?

(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 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

(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

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

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

Isi

Tabel

2

Total Lulusan pada Tabel 3.1.

isinya sama dengan

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

(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

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

√

(5)

Pembagian

Teknik Analisis

Pengaruh

Teknik Analisis

Data

perbedaa

n

hubungan

Software

Basis

Mean

Covariance

SPSS, Eviews,

Minitab, SAS

LISREL, AMOS,

EQS

(6)

BEBERAPA STATISTIK DASAR

Va ria ns

Me a n:

n

i

X

n

X

=

+

∑

=

...

2

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

2

1

2

−

=

−

=

∑

=

∑

=

n

X

n

X

n

X

S

n

i

n

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

S

n

1

i

2

i

−

∑

−

=

(

)

(7)

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

(8)

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

(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.

(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

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

(11)

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

(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 *

(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

(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

(15)

DATA

KORELASI

REGRESI

X

(I ndependen)

Y

(Dependen)

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

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

I nterval & Ratio

Nominal

Biserial

Logit/ logistik, Probit, LPM, Diskriminan

I nterval & Ratio

Ordinal

Rank Spearman

Rank Kendall

Logit, Probit, LPM, Diskriminan, Dummy

variabel,

Logistik,

Dummy

variabel,

Regresi Theil Regresi garis resisten

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

ANALI SI S MULTI VARI AT

Nominal, Ordinal,

I nterval 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 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

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

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

(17)

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

(18)

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

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

(19)

ONE TAILED

Uj i t (di r ecti onal )

Uj i Z

Uj i F

Uj i r (di r ecti onal )

Uj i X

2

Ho 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

At au

Jika signifikansi < 0.1/ 0.05/ 0.01

m aka Ho dit olak

I ngat st at em ent Hipot esis 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

.627**

1

.000

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.

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

a

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)

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