TEKNIK ANALISIS DATA KUANTITATIF 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 Data: A Dream or Reality? Let s make data analyze becoming easy 1
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 karakteristik k ik 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 Using model for control or policy purposes 2
IPK < 2.5 IPK 2.5-3.0 IPK > 3.0 Total IPK Ratarata Tahun Lulus Jumlah % Jumlah % Jumlah % Lulusan 1 2 3 4 5 6 7 8 9 1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.58 1996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.67 1997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.70 1998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.70 1999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67 Total 74 30.58% 130 53.72% 38 15.70% 242 2.67 IPK < 2.5 IPK 2.5-3.0 IPK > 3.0 Total IPK Ratarata Tahun Lulus Jumlah % Jumlah % Jumlah % Lulusan 1 2 3 4 5 6 7 8 9 1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.58 1996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.67 1997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.70 1998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.70 1999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67 Total 74 30.58% 130 53.72% 38 15.70% 242 2.67 IPK < 2.5 IPK 2.5-3.0 IPK > 3.0 Total IPK Ratarata Tahun Lulus Jumlah % Jumlah % Jumlah % Lulusan 1 2 3 4 5 6 7 8 9 1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.58 1996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.67 1997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.70 1998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.70 1999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67 Total 74 30.58% 130 53.72% 38 15.70% 242 2.67 IPK < 2.5 IPK 2.5-3.0 IPK > 3.0 Total IPK Ratarata Tahun Lulus Jumlah % Jumlah % Jumlah % Lulusan 1 2 3 4 5 6 7 8 9 1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.58 1996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.67 1997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.70 1998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.70 1999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67 Total 74 30.58% 130 53.72% 38 15.70% 242 2.67 15 December 2010 Menentukan Topik Penulisan Laporan Menentukan Fokus Pertanyaan Penelitian Intepretasi Data Menyusun Desain Penelitian Menganalisis Data Mengumpulkan Data Tahapan Penelitian kualitatif Berbeda Tahapan Penelitian kuantitatif Pola Non Linear (Cylical) Logic in practice Tidak Ketat Pola Linear Fixed sequence of steps Ketat Tahap Data Isi Tabel 2 Pengelompokan Data Verifikasi Data Pengumpulan Data 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 Data Yang sesuai dgn Tujuan Penelitian Kesimpulan : Kesimpulan : 3
PERANAN STATISTIKA S T A T I S T I K A METODE PENGUMPULAN DATA METODA ANALISIS DATA SUMBER 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 Nama Tingkatan Sifat Jaraknya bermakna Tidak mungkin nol Nominal Ordinal Interval Rasio 4
Pengaruh Pembagian Teknik Data perbedaa n hubungan Basis Software Mean SPSS, Eviews, Minitab, SAS Covariance LISREL, AMOS, EQS Variance PLS 5
BEBERAPA STATISTIK DASAR Mean: Varians n i i= 1 X = = X1 + X 2 +... + n X X n S 2 = n i= 1 ( X i X ) n 1 2 = n i= 1 X 2 i nx n 1 2 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 : S n i = 1 = ( x i x ) n 1 2 Covariance 6
Pengaruh Dasar Penggunaan Software perbedaa n hubungan Dependen Independen Jenis Intervening Moderating Pengaruh Kedudukan Model Confounding Endogen Eksogen Linear Non Linear Bentuk Waktu fungsi Sederhana Berganda Jangka Pendek Jangka Panjang Standardized Unstandardized 7
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 (Mediating) Moderator Independen INTRANEOUS Concomitant Confounding Dependen EXTRANEOUS Control 8
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 berbaur b dengan variabel lbebas. 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
Uji Beda dan Korelasi NOMINAL TIDAK NORMAL NONPARAMETRIK ORDINAL < 30 TIDAK NORMAL TRANSFORMASI Log, Ln, delta (first difference) INTERVAL JUMLAH DATA > 30 PERIKSA NORMALITAS NORMAL PARAMETRIK RATIO KAIDAH ANALISIS DATA (Pemodelan Statistika) JENIS PERMASALAHAN PENELITIAN RELEVAN CODING SCORING TABULASI PERIKSA OUTLIERS PILIH METODE ANALISIS INFORMASI AKURAT JENIS DAN KARAKTERISTIK DATA VALID 10
PEMILIHAN STATISTIK STATISTIK Deskriptif Infferential Frekuensi Mean Standar Deviasi Kaitan Statistik & Variabel Satu Jumlah Variabel Banyak Dua Univariate Bivariate Multivariate??? 11
Nominal (N) Ordinal (O) Univariate Interval (I) Rasio (R) Non-Parametrik Parametrik k Jlh Sampel 1 Hal Berikut Independen Berpasangan N Fisher X 2 (dua sampel) N Mc-Nemar Cohran Q* N Binomial X 2 satu sampel X2 k-sampel * O Umann-Whitney Kolm-Smirnov Wald-Wolfowitz Median Test O Wilcoxon Sign Test Friedman two-way anova* O Kolmogorov- Smirnov Run-Test Kruskal-Wallis* one-way anova* *) untuk multivariate Lanjutan.. Parametrik (Interval & Rasio) k Jlh 1 Sampel Independen Berpasangan T-test Z-test One-way anova)* t r -test Repeated Measure Anova * Z-test t-test *) untuk multivariate 12
Bivariate Nominal Koeficien Phi γ 2 : tabel 2 x 2 Cramer s V Contingency Lambda Goodman & Kruskal s tau Uncertainty Kappa Keterangan & Penggunaan γ 2 : Penyesuaian jika tabel melebihi 2 x 2 Fleksibel thd asumsi distribusi dan data Interpretasi berdasarkan proportional reduction in error (PRE) Didasarkan PRE dengan marjinal tabel Untuk Tabel-tabel multidimensi Mengukur kesepakatan (agreement) Ordinal Gamma Kendall s tau - b Kendall s s tau- c Somer s - d Spearman s rho Didasarkan concordant-disconcordant (P-O) P-O : Penyesuaian untuk tied rank P-O O : Penyesuaian untuk dimensi tabel P-O : Penyesuaian untuk dimensi tabelperluasan Gamma secara asimetrik Korelasi product-moment untuk data berurutan Hal berikut Hlanjutan Bivariate Interval & Rasio Koeficien Pearson Product Moment Correlation ratio Biserial Bivariate Linear Regression Partial Correlation Keterangan & Penggunaan Hub. Kontinyu secara linear 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. 13
Terikat Multivariate Bebas Dependensi Hal berikut k Interdependensi 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 Latent structure analysis MDS (Multi Dimentional Scaling) Cluster Analysis N&O I&R Skala Var. Bebas Regresi ganda - DM Loglinear Factor analysis MDS I&R I&R: Cluster Analysis Regresi ganda Multiples classification Analysis Automatic Interaction Analysis Lanjutan Dependensi N&O Skala Var. Bebas N&O: Conjoint Analysis k Variabel terikat lebih dari satu Skala Var. Terikat I&R Skala Var. Bebas N&O: Multivariate Analysis of Variance (MANOVA) I&R: Canonical corelation Analysis Linear Structural Equation Model for Latent Variables (LISREL) 14
X (Independen) ANALISIS UNIVARIATE DATA KORELASI REGRESI Y (Dependen) Nominal Nominal Kontigensi C (Chi Square) Odd Ratio Realtive Risk Nominal Ordinal Kontigensi C Odd Ratio Realtive Risk Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik dummy variabel Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik, Dummy variabel Regresi Theil Regresi garis resisten Nominal Interval & Ratio Biserial Regresi, dummy variabel Ordinal Nominal Kontigensi C Odd Ratio Realtive Risk Ordinal Ordinal Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall Ordinal Interval & Ratio Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, dummy variabel Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, Dummy variabel, Regresi Theil Regresi garis resisten 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 Interval & Ratio Interval & Ratio Product Moment Pearson Kanonik Logit, Probit, LPM, Diskriminan, Dummy variabel, Logistik, Dummy variabel, Regresi Theil Regresi garis resisten Regresi ANALISIS KETERGANTUNGAN MULTIVARIAT Nominal dan Ordinal Korespondensi Interval dan ratio Path Principle Component Analysis Faktor Byplot analisis LISREL Nominal, Ordinal, Interval dan ratio ANALISIS MULTIVARIAT Cluster Analysis Conjoint Analysis Multidimentional Scalling (MDS) 15
Univariate Ya Adakah dependen variabel dalam penelitian Tidak Ya Apakah lebih dari satu Tidak Apakah variabelnya berupa angka Apakah variabelnya berupa angka/bukan angka Apakah variabelnya berupa angka/bukan angka Bukan Bukan Apakah variabelnya Independennya berupa angka/bukan angka Apakah variabelnya independenya berupa angka/bukan angka Bukan Analisi Kojoin Apakah variabelnya independenya berupa angka/bukan angka faktor bukan angka Analisi struktur variabel tersembunyi MDS bukan angka cluster bukan angka Cluster Analisi faktor Multidimensional Scaling Bukan Bukan ga Bukan ga MANOVA Diskriminan berganda logit dan probit Regresi berganda- klasifikasi bergandapendeteksian interaksi berganda Analisi Kanonik Lisrel MCA dengan variabel Dummy Kanonik dengan dummy Regresi berganda dengan variabel dummy Multivariate Dependensi Apa Tipe Hubungan yang akan diteliti InterDependensi Berapa Variabel yang terlibat Struktur Hubungan APA Multi hubungan pd bbrp variabel bbrp variabel dependen d Satu variabel dependen d dependen dan independen pada satu hubungan pada satu hubungan Variabel Cases similarity Obyek Model Apa Skala Ukur Var Dependen Apa Skala Ukur Var Dependen PCA Faktor Cluster analisis Apa Skala Ukur data dan similaritasnya Path Structural equation modelling Bukan Bukan Apa Skala Ukur Var Dependen Korelasi Kanonik dgn Var Dummy Bukan Regresi berganda Diskriminan i i Logistik Logit Probit LPM Gompit Tobit dan bukan angka Object Similarity Multidimensional Scalling Variabel Category Similarity Coresponden Korelasi kanonik Regresi peubah ganda MANOVA atau MANCOVA 16
PROSEDUR PENGUJIAN HIPOTESIS Menyatakan Hipotesisnya Memilih Pengujian Statistiknya Menentukan Tingkat Keyakinan Yang Diinginkan Menghitung Nilai Statistiknya Mendapatkan Nilai Uji Kritis Menginterpretasikan ik Hasilnya Level Of Significance 10% = 01 0.1 5% = 0.05 1% = 001 0.01 17
Logic of Hypothesis Testing Two tailed test nondirectional testt considers two possibilities One tailed test directional test places entire probability of an unlikely outcome to the tail specified by the alternative hypothesis TWO TAILED Uji t (Non Directional) Uji r (non directional) Ho ditolak Ho tidak ditolak Ho ditolak 0.025 0.025 18
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 Ha = Terdapat pengaruh/perbedaan/hubungan 19
Contoh Test Statistics b Z Asymp. Sig. (2-tailed) a. Based on positive ranks. b. Wilcoxon Signed Ranks Test Uji Z RASIDLE2004 - RASIDLE2003-4.996 a.000 Correlations Quantum Teaching (X) Pearson Correlation Sig. (2-tailed) N Motivasi Belajar Siswa (Y) Pearson Correlation Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed). Motivasi Quantum Belajar Teaching (X) Siswa (Y) 1.627**.000 39 39.627** 1.000 39 39 Uji r Coefficients a Uji t Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -.126.332 -.379.705 Bukti langsung.083.032.253 2.578.011 Keandalan.031.047.079.654.515 Daya Tanggap.039.044.100.875.384 Jaminan.100.043.264 2.320.022 Empati.106.069.198 1.544.126 a. Dependent Variable: Kepuasan Nasabah Lanjutan Contoh ANOVA b Uji F Model 1 Regression Residual Total Sum of Squares df Mean Square F Sig. 44.372 5 8.874 31.625.000 a 26.378 94.281 70.750 99 a. Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan, Keandalan b. Dependent Variable: Kepuasan Nasabah Uji X 2 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Chi-Square Tests Asymp. Sig. Value df (2-sided) 4.678 a 6.586 5.832 6.442.171 1.679 a. 7 cells (58.3%) have expected count less than 5. The minimum expected count is 1.21. 70 20
Lanjutan Contoh Uji F 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 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 1038.396 58 17.903 1187.371 61 Perbedaan GCG berdasarkan tempat kerja departemen a. Internal auditor b. Akuntansi/keuangan c. Non akuntansi d. Lain-lain 21