15 December 2010

1

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?

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