COMPOSITE INDEXING Oleh Karmaji

Ukuran: px

Mulai penontonan dengan halaman:

Download "COMPOSITE INDEXING Oleh Karmaji"

Budi Darmali
5 tahun lalu
Tontonan:

1 COMPOSITE INDEXING Oleh Karmaji Jakarta, 25 November 2017

2 TAHAPAN RISET KUANTITATIF SECARA UMUM Pengumpulan Data Entri Data Ke Media Komputer Penanganan Missing Value Validasi dan Konsistensi Data Transformasi Data Pengecekan Validitas dan Reliabilitas Penyusunan Bobot Indikator Penyusun Indeks Komposit Penghitungan Indeks Komposit 2

3 PENGUMPULAN DATA Wawancara vs Self-Enumeration Wawancara: Validasi langsung dan indepth interview Sumberdaya besar dan time consuming Self-Enumeration: Validasi tak langsung Sumberdaya sedikit dan efisien Pengawasan dan pemeriksaan dokumen/isian Editing dan Coding 3

4 ENTRI DATA KE MEDIA KOMPUTER Penngembangan aplikasi entri data With Vs Without Validation Centralized Vs Distributed Receiving dan Batching (paper-based survey) Entri Data Centralized Vs Distributed Synchronized Data Menggunakan DocID Identifikasi Duplicate Data Concatenate dan Exporting Data 4

5 PENANGANAN MISSING VALUE Missing Value Treatment: Exclude Cases Listwise data (case) dihapus dari dataset. Exclude Cases Pairwise variabel yang missing pada case dihapus dalam kalkulasi statistik. Replace With imputasi dengan mean, median, atau mode. Data Imputation Hot Dect informasi parameter sebagai dasar imputasi secara dinamis. Cold Dect informasi/karakteristik serupa sebagai dasar imputasi secara statis yang "most appropriate. Special Data Imputation: Kriging 5

6 VALIDASI DAN KONSISTENSI DATA Validasi Data: Single-Variable Rules ex. out-of-range check Cross-Variable Rules ex. logical expression Konsistensi Data: Sampling untuk memastikan konsistensi data hasil olah dengan dokumen Modify/verify/reentry dokumen sampel memastikan kesalahan olah minimal 6

7 TRANSFORMASI DATA Data Management: Merge gabung case atau variabel Sort mengurutkan data Transpose mengubah case vs variabel Select Case membuat subset data Aggregate menghasilkan dataset baru berisi statistik agregat. Transformasi Data: Recoding reclassification/reorder Computing membentuk variabel baru sesuai formula 7

8 PENGECEKAN VALIDITAS DAN RELIABILITAS #1 Validity: the degree to which it measures what it is supposed to measure. Construct Validity (measure what the theory says they do) Content Validity (non-statistical type of validity, test whether it covers domain to be measured) Convergent Validity (correlated with other measures that it is theoretically predicted to correlate with) Criterion Validity (correlation between the test and a criterion variable (or variables) taken as representative of the construct) Concurrent Validity (measures of the same construct that are measured at the same time) 8

9 PENGECEKAN VALIDITAS DAN RELIABILITAS #2 Reliability: the extent to which a measurement gives results that are consistent. Inter-Rater Reliability Test-Retest Reliability Inter-Method Reliability Internal Consistency Reliability Cronbach's alpha Ukuran yang Valid (sahih) biasanya Reliabel (terpercaya) 9

10 PENYUSUNAN BOBOT VARIABEL PENYUSUN INDEKS KOMPOSIT #1 Indentifikasi variabel dan skala ukur/unit. Identifikasi kumpulan variabel penyusun konsep. Dipastikan: skala ukur/unit dan magnitude tiap variabel sudah sama. Missing value treatment. Skenario pembobotan variabel penyusun indeks komposit: Bobot sama questionable Bobot berdasar Expert Judgement questionable Bobot tertimbang berdasar sebaran data dan framework akuntabel Exploratory vs Confirmatory 10

11 PEMBOBOTAN INDIKATOR INDEKS KOMPOSIT #2 Berdasarkan penilaian para ahli (expert judgment) Adanya keterbatasan derajat keahlian yang dimiliki oleh berbagai pemberi bobot serta kemungkinan terjadinya dominasi pemikiran subjektif yang sarat dengan berbagai kepentingan pribadi (personal interest). 25 November 2017 Pemberian bobot dengan nilai yang sama atau setara bagi semua dimensi, variabel, maupun indikator Setiap dimensi, variabel, atau indikator hampir mustahil memiliki kontribusi yang persis sama terhadap indeks. Pemberian bobot secara proporsional atau tertimbang berdasarkan sebaran data yang dihitung menggunakan metode statistik yang tepat Pembobotan bersifat objektif dan faktual berdasarkan data, serta terbebas dari pemikiran subjektif. 11

12 PENYUSUNAN BOBOT INDIKATOR PENYUSUN INDEKS KOMPOSIT #1 SEM (Structural Equation Modeling). Menggunakan model hibrid (hybrid model), mencakup 2 (dua) jenis model yaitu: model pengukuran dan model struktural. Bobot setiap indikator merupakan nilai efek total (total effect). Analisis Faktor Eksploratori (Exploratory Factor Analysis). Metode statistik multivariat untuk mereduksi data ataupun membuat ikhtisar data. Mengukur interrelasi antar beberapa variabel teramati dan membentuk faktor dan pembobot faktor (factor loading) November 2017

13 PENYUSUNAN BOBOT INDIKATOR PENYUSUN INDEKS KOMPOSIT #2 PCA vs EFA vs CFA. Principal Component Analysis: reduksi data, hasilkan loading. Exploratory Factor Analysis: reduksi data, deteksi struktur, hasilkan loading. Method: Principle Axis Factoring + Direct Oblimin Confirmatory Factor Analysis: uji struktur, hasilkan loading. Methods: CFA dan SEM Pemilihan methods bergantung tujuan dan ketersediaan data. 13

14 PENYUSUNAN BOBOT INDIKATOR PENYUSUN INDEKS KOMPOSIT #3 PCA, EFA atau CFA bersifat scale dependent Skala ukur/unit dan magnitude disetarakan/rescale Skala ukur/unit beda Standardized/parcelling sehingga skala ukur menjadi setara Normalized PCA with Correlation Matrix Identifikasi factor (model yang optimum): Eigenvalue > 1 Percentage of Variance >= 60% Loading Factor > 0,4 Struktur faktor memiliki makna teoritis Iterasi proses hingga tercapai model yang optimum 14

15 PENGHITUNGAN INDEKS KOMPOSIT Standardisasi loading factor tiap variabel dibentuk bobot/kontribusi terhadap indeks komposit (b). Formula indeks Transformasi skala indeks menjadi mudah diinterpretasi Interpretasi indeks Indeks Tiap responden memiliki indeks Dapat dihitung sub-indeks Dapat dihitung indeks agregat wilayah Perkembangan antar waktu menggunakan formula, struktur faktor dan bobot variabel yang sama. n i = 1 = n b i = 1 i b X i i 15

dokumen-dokumen yang mirip

STRUCTURAL EQUATION MODELING - PLS. SPSS for Windows

STRUCTURAL EQUATION MODELING - PLS SPSS for Windows A. PENILAIAN MODEL PENGUKURAN Penilaian model pengukuran dibagi menjadi 2 pengukuran yaitu pengukuran model reflektif dan pengukuran model formatif.