15 December 2010
1
Oleh :Dr. Zaenal Fanani, SE., M.SA., Ak
TEKNIK ANALISIS DATA KUANTITATIF
Email:[email protected]
yahoo!messenger, facebook, friendster:[email protected]
HP: Simpati 08125296854
Mempelajari Teknik Analisis Data: A Dream or Reality?
Let’s make data analyze becoming easy…
15 December 2010
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 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
Using model for control or policy purposes
15 December 2010
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 DataJumlah % Jumlah % Jumlah %
1 2 3 4 5 6 7 8 9
1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.581996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.671997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.701998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.701999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67Total 74 30.58% 130 53.72% 38 15.70% 242 2.67
Tahun Lulus IPK Rata-rata
Total Lulusan
IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0
PengumpulanData
VerifikasiData
PengelompokanData
Jumlah % Jumlah % Jumlah %1 2 3 4 5 6 7 8 9
1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.581996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.671997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.701998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.701999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67Total 74 30.58% 130 53.72% 38 15.70% 242 2.67
Tahun Lulus IPK Rata-rata
Total Lulusan
IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0
Jumlah % Jumlah % Jumlah %1 2 3 4 5 6 7 8 9
1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.581996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.671997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.701998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.701999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67Total 74 30.58% 130 53.72% 38 15.70% 242 2.67
Tahun Lulus IPK Rata-rata
Total Lulusan
IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0
IsiTabel2
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 KonsistensiData antar tabel
Pilih Alat Analisis Data Yang sesuai dgn Tujuan Penelitian
Jumlah % Jumlah % Jumlah %1 2 3 4 5 6 7 8 9
1995/1996 15 40.54% 18 48.65% 4 10.81% 37 2.581996/1997 13 33.33% 20 51.28% 6 15.38% 39 2.671997/1998 14 28.57% 27 55.10% 8 16.33% 49 2.701998/1999 15 30.00% 26 52.00% 9 18.00% 50 2.701999/2000 17 25.37% 39 58.21% 11 16.42% 67 2.67Total 74 30.58% 130 53.72% 38 15.70% 242 2.67
Tahun Lulus IPK Rata-rata
Total Lulusan
IPK < 2.5 IPK 2.5 - 3.0 IPK > 3.0
Kesimpulan : …………………………
Kesimpulan : …………………………
15 December 2010
4
S T A T I S T I K A
PERANAN STATISTIKA
METODE PENGUMPULAN DATA
METODA ANALISIS DATA
SUMBER DATA
DATAEMPIRIK
INFORMASIEMPIRIK
AKURAT !
Skala Pengukuran Data
DataKumpulan 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
SkalaPengukuran
Sifat
Nama Tingkatan Jaraknya bermakna
Tidak mungkin nol
Nominal √
Skala Pengukuran Data
Ordinal √ √
Interval √ √ √
Rasio √ √ √ √
15 December 2010
5
Pembagian Teknik Analisis
Pengaruh
Teknik Analisis Data
perbedaan
hubungan
SoftwareBasis
Mean
Covariance
SPSS, Eviews, Minitab, SAS
LISREL, AMOS, EQS
Variance PLS
15 December 2010
6
BEBERAPA STATISTIK DASAR
Varians
Mean:n
n
ii
XXXn
XX +++==
∑= ...21
1
Varians
Variasi :jumlah kuadrat simpangan suatu variable terhadap nilai
11
)(1
22
1
2
2
−
−=
−
−=
∑∑==
n
XnX
n
XXS
n
ii
n
ii
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 :
1n
xxS
n
1i
2i
−
∑ −= =
)(
Covariance
15 December 2010
7
Dasar Penggunaan
Pengaruh
Penggunaan Software
perbedaan
hubungan
Endogen
Jenis
Dependen
Intervening
Confounding
Independen
Moderating
Pengaruh
KedudukanEndogen
Eksogen
Model
Linear
Non Linear
Bentuk
Sederhana
BentukBerganda
Waktu
Jangka Pendek
Jangka Panjang
fungsi
Standardized
Unstandardized
15 December 2010
8
JENIS VARIABELKEDUDUKANNYA 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 VARIABELKEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
Intervening( )
Independen
(Mediating)
Dependen
Moderator
Independen Dependen
ConfoundingConcomitant Control
EXTRANEOUS
INTRANEOUS
15 December 2010
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 pembaurVariabel 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.
15 December 2010
10
NOMINAL
NONPARAMETRIKTIDAKNORMAL
Uji Beda dan Korelasi
ORDINAL
INTERVAL
NORMAL
TIDAKNORMAL
TRANSFORMASI
NORMAL
Log, Ln, delta (first difference)
< 30
RATIO
PARAMETRIKPERIKSANORMALITAS
NORMALJUMLAH DATA
> 30
KAIDAH ANALISIS DATA(Pemodelan Statistika)
JENIS PERMASALAHAN
PENELITIAN RELEVAN
CODINGSCORING
TABULASIPERIKSA OUTLIERS
PENELITIAN
PILIH METODE ANALISIS
INFORMASI AKURAT
RELEVAN
JENIS DAN KARAKTERISTIK
DATAVALID
15 December 2010
11
PEMILIHAN STATISTIK
STATISTIK
Deskriptif Infferential
Frekuensi
Mean
Standar Deviasi
Kaitan Statistik & Variabel
BanyakSatu
JumlahVariabel
Dua
AnalisisUnivariate
AnalisisBivariate
AnalisisMultivariate
? ? ?
15 December 2010
12
AnalisisUnivariate
Interval (I)Rasio (R)
Nominal (N)Ordinal (O)
Non-Parametrik Parametrik
JlhSampel 1k
•Binomial•X 2 satu sampel
Independen Berpasangan
N
Hal Berikut
•Fisher X2 (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 1k
Lanjutan…..
Sampelk
• Z-test
• t-test
Independen Berpasangan
•T-test
•Z-test
•One-way anova)*
• tr-test
•Repeated Measure Anova *
*) untuk multivariate
15 December 2010
13
AnalisisBivariate
Nominal
Koeficien Keterangan & Penggunaan
•Phi •γ2 : tabel 2 x 2
•Cramer’s V•Contingency•Lambda
•γ2 : 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…
AnalisisBivariate
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 gefek korelasi dari variabel lainnya.
15 December 2010
14
Analisis Multivariate
BebasTerikat
Analisis Interdependensi
Analisis Dependensi
kHal berikut
Factor analysis
Latent structure analysis
MDS (Multi Dimentional
Scaling)
Cluster Analysis
N&O1
SkalaVar.
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&RI&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
SkalaVar.
Terikat
N&O
I&R
Bebas •Conjoint Analysis
Skala Var.Bebas
N&O:
•Multivariate Analysis of Variance (MANOVA)
dari satuI&R:
•Canonical corelation Analysis
•Linear Structural Equation Model for Latent Variables (LISREL)
15 December 2010
15
ANALISIS UNIVARIATE
DATA KORELASI REGRESI
X(Independen)
Y(Dependen)
Nominal Nominal Kontigensi C (Chi Square)Odd RatioRealtive Risk
Logit, Probit, LPMDiskriminan, Dummy variabel,Logistik dummy variabel
Nominal Ordinal Kontigensi COdd Ratio
l k
Logit, Probit, LPM Diskriminan, Dummyvariabel, Logistik, Dummy variabel
h lRealtive Risk Regresi Theil Regresi garis resisten
Nominal Interval & Ratio Biserial Regresi, dummy variabel
Ordinal Nominal Kontigensi COdd RatioRealtive Risk
Logit, Probit, LPM, Diskriminan, Dummyvariabel,Logistik, dummy variabel
Ordinal Ordinal Rank SpearmanRank KendallRank Partial KendallRank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummyvariabel, Logistik, Dummy variabel,Regresi TheilRegresi garis resisten
Ordinal Interval & Ratio Rank SpearmanR k K d ll
Regresi, dummy variabelRank KendallRank Partial KendallRank Konkordansi Kendall
Interval & Ratio Nominal Biserial Logit/logistik, Probit, LPM, Diskriminan
Interval & Ratio Ordinal Rank SpearmanRank KendallRank Partial KendallRank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummyvariabel, Logistik, Dummy variabel,Regresi Theil Regresi garis resisten
Interval & Ratio Interval & Ratio Product Moment PearsonKanonik
Regresi
ANALISIS KETERGANTUNGAN MULTIVARIATNominal dan Ordinal Analisis KorespondensiInterval dan ratio Path Analisis
Principle Component AnalysisFaktor AnalisisByplot analisisLISRELLISREL
ANALISIS MULTIVARIATNominal, Ordinal,Interval dan ratio
Cluster AnalysisConjoint AnalysisMultidimentional Scalling (MDS)
15 December 2010
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 ClusterAnalisi faktor
Multidimensional Scaling
p y p g / g p y p g / g
Bukan Angka
Angka Bukan Angka
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
Angkag
Analisis faktor bukan angka
Analisi struktur variabel tersembunyi
MDS bukan angkaAnalisis cluster bukan
angka
g a g a
Analisis Diskriminan bergandaAnalisis logit dan probit
Analisis MCA dengan variabel DummyAnalisis Kanonik dengan dummy
MANOVA
Analisi Kanonik Lisrel
Regresi berganda- 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 S t i b l d dbb i b l d d
Apa Tipe Hubungan yang akan diteliti
Dependensi InterDependensi
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
PCAFaktor Analisis
Cluster analisis
Apa Skala Ukur data dan similaritasnya
Angka dan bukan angka
Object Similarity
VariabelCategory Similarity
Analisis R i
Analisis Di k i i
Korelasi Kanonik d V DDependen
Angka Bukan Angka
Analisis Korelasi kanonik
Analisis Regresi peubah ganda
MANOVA atau MANCOVA
Multidimensional Scalling
Coresponden Analisis
Regresi berganda
DiskriminanLogistikLogitProbitLPMGompitTobit
dgn Var Dummy
15 December 2010
17
PROSEDUR PENGUJIAN HIPOTESIS
•Menyatakan Hipotesisnya
•Memilih Pengujian Statistiknyag 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% 0 110% = 0.1
5% = 0.05
1% = 0 011% 0.01
15 December 2010
18
Logic of Hypothesis Testing
• Two tailed testdi 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
Uji t (Non Directional)Uji r (non directional)
Ho tidak ditolak Ho ditolakHo ditolak
0.0250.025
15 December 2010
19
ONE TAILEDUji t (directional)Uji ZUji ZUji FUji r (directional)Uji X2
Ho tidak ditolak Ho ditolak
KRITERIA PENGUJIAN HIPOTESIS
Jika t, F, Z, r, X2 hitung > t, F, Z, r, X2 tabel
maka Ho ditolakmaka Ho ditolak
Atau
Jika signifikansi < 0.1/0.05/0.01
maka Ho ditolak
Ingat statement Hipotesis adalah:Ingat statement Hipotesis adalah:
Ho = Tidak Terdapat pengaruh/perbedaan/hubungan
Ha = Terdapat pengaruh/perbedaan/hubungan
15 December 2010
20
Contoh
Correlations
1 .627**000
Pearson CorrelationSig (2-tailed)
Quantum Teaching (X)
QuantumTeaching (X)
MotivasiBelajar
Siswa (Y)
Uji rTest Statisticsb
RASIDLE2004 -
Uji Z
.00039 39
.627** 1
.00039 39
Sig. (2 tailed)NPearson CorrelationSig. (2-tailed)N
Motivasi Belajar Siswa (Y)
Correlation is significant at the 0.01 level (2-tailed).**.
Coefficients a
Model B Std Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig
Uji t
-4.996a
.000ZAsymp. Sig. (2-tailed)
RASIDLE2003
Based on positive ranks.a.
Wilcoxon Signed Ranks Testb.
-.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 langsungKeandalanDaya TanggapJaminanEmpati
Model1
B Std. Error Beta t Sig.
Dependent Variable: Kepuasan Nasabaha.
Lanjutan ContohANOVAb
44.372 5 8.874 31.625 .000a
26.378 94 .281RegressionResidual
Model1
Sum ofSquares df Mean Square F Sig.
Uji F
70.750 99Total
Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan,Keandalan
a.
Dependent Variable: Kepuasan Nasabahb.
Chi-Square Tests
Asymp Sig
Uji X2
4.678a 6 .5865.832 6 .442
.171 1 .679
70
Pearson Chi-SquareLikelihood RatioLinear-by-LinearAssociationN of Valid Cases
Value dfAsymp. Sig.
(2-sided)
7 cells (58.3%) have expected count less than 5. Theminimum expected count is 1.21.
a.
15 December 2010
21
Lanjutan Contoh
Uji F
ANOVA
Sum ofSquares df Mean Square F Sig
44.277 3 14.759 .901 .446950.110 58 16.381994.387 6143.782 3 14.594 .617 .607
1371.073 58 23.6391414.855 61218.458 3 72.819 1.230 .307
3434.010 58 59.2073652.468 61103.938 3 34.646 2.680 .055749.739 58 12.927853.677 61148.975 3 49.658 2.774 .049
Between GroupsWithin GroupsTotalBetween GroupsWithin GroupsTotalBetween GroupsWithin GroupsTotalBetween GroupsWithin GroupsTotalBetween Groups
Pemahaman
Kualifikasi
Fungsi
Manfaat bagi manajemen
Manfaat bagi perusahaan
Squares df Mean Square F Sig.
1038.396 58 17.9031187.371 61
Within GroupsTotal
Perbedaan GCG berdasarkan tempat kerja departemena. Internal auditorb. Akuntansi/keuanganc. Non akuntansid. Lain-lain