TEKNIK ANALISIS DATA KUANTITATIF
15 December 2010
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 Analisis Data:
A Dream or Reality?
Let’s make data analyze
becoming easy…
1
15 December 2010
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
h d kkarakteristik
k i ik atau sifat
if d
darii obyek
b k yang d
dapat b
berfungsi
f
i
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 econometri c model
Obtai ni ng the data
Esti mati on of the parameter of the economi c model
Hypothesi s testi ng
Forecasti ng or predi cti on
Usi ng model for control or pol i cy purposes
2
15 December 2010
Menentukan Topik
Menentukan Fokus Pertanyaan
Penelitian
Penulisan Laporan
Menyusun Desain Penelitian
Intepretasi Data
Mengumpulkan Data
Menganalisis Data
Tahapan Penelitian
kualitatif
Berbeda
Tahapan Penelitian
kuantitatif
Pola Non Linear (Cylical)
Logic in practice
Pola Linear
Fixed sequence of steps
Tidak Ketat
Ketat
Tahap Analisis Data
Tahun Lulus
1
IPK < 2.5
Jumlah %
2
3
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
15
13
14
15
17
74
Tahun Lulus
IPK < 2.5
Jumlah %
1
2
3
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
15
13
14
15
17
74
Tahun Lulus
IPK < 2.5
Jumlah %
1
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
2
4
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
5
18
20
27
26
39
130
4
5
18
20
27
26
39
130
5
18
20
27
26
39
130
6
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
7
4
6
8
9
11
38
6
7
4
6
8
9
11
38
7
4
6
8
9
11
38
8
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Total IPK RataLulusan rata
8
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
IPK > 3.0
Jumlah %
6
Total IPK RataLulusan rata
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
IPK > 3.0
Jumlah %
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK 2.5 - 3.0
Jumlah %
4
IPK > 3.0
Jumlah %
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK 2.5 - 3.0
Jumlah %
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
3
15
13
14
15
17
74
IPK 2.5 - 3.0
Jumlah %
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Total IPK RataLulusan rata
8
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Isi
Tabel2
Pengelompokan
Data
Verifikasi
Data
Pengumpulan
Data
Total Lulusan pada Tabel 3.1.
Kesimpulan :
……………
……………
isinya sama dengan
Total Lulusan pada Tabel 3.2.
isinya sama dengan
Total Lulusan pada Tabel 3.3.
Tahun Lulus
1
Cek Konsistensi
Data antar tabel
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
IPK < 2.5
Jumlah %
2
3
15
13
14
15
17
74
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
IPK 2.5 - 3.0
Jumlah %
4
5
18
20
27
26
39
130
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK > 3.0
Jumlah %
6
7
4
6
8
9
11
38
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
Pilih Alat Analisis Data
:
Yang sesuai dgn Tujuan Penelitian Kesimpulan
……………
Total IPK RataLulusan rata
8
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
……………
3
15 December 2010
PERANAN STATISTIKA
S TAT I S T I KA
METODE
PENGUMPULAN DATA
SUMBER
DATA
METODA ANALISIS
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 ber fungsi untuk membedakan obyek yang satu dengan
l ai nnya pada sifat yang sama
Skala Pengukuran Data
Skala
Pengukuran
Sifat
Nama
Tingkatan
Jaraknya
bermakna
Nominal
√
Ordinal
√
√
Interval
√
√
√
Rasio
√
√
√
Tidak
mungkin nol
√
4
15 December 2010
Pengaruh
Pembagian
Teknik Analisis
Data
perbedaa
n
hubungan
Basis
Software
Mean
SPSS, Eviews,
Minitab, SAS
Covariance
LISREL, AMOS,
EQS
Variance
PLS
5
15 December 2010
BEBERAPA STATISTIK DASAR
n
Me a n:
X=
∑X
i
= X 1 + X 2 + ... + X n
i =1
n
Va ria ns
n
S2 =
∑(X
i
− X)
i =1
n −1
n
2
=
∑X
2
i
− nX 2
i =1
n −1
Va ria si :
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 :
n
S =
2
∑ ( xi − x )
i=1
n − 1
Cova ria nc e
6
15 December 2010
Pengaruh
Dasar
Penggunaan
Software
perbedaa
n
hubungan
Dependen
Independen
Jeni s
Inter veni ng
Moderati ng
Confoundi ng
Endogen
Kedudukan
Eksogen
Pengaruh
Li near
Model
Non Li near
Sederhana
Bentuk
Berganda
Jangka Pendek
Waktu
Jangka Panj ang
Standardi zed
fungsi
Unstandardi zed
7
15 December 2010
JENIS VARIABEL
KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
D e pe n de n
I n de 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
(
(Mediating)
)
Moderator
I n de pe n de n
D e pe n de n
INTRANEOUS
EXTRANEOUS
Concomitant
Confounding
Control
8
15 December 2010
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
t berbaur
b b
dengan
d
variabel
i b l bebas.
b 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
15 December 2010
Uji Beda dan Korelasi
NOMINAL
TIDAK
NORMAL
NONPARAMETRIK
ORDINAL
< 30
TIDAK
NORMAL
TRANSFORMASI
Log, Ln, delta
(first difference)
> 30
PERIKSA
NORMALITAS
NORMAL
PARAMETRIK
INTERVAL
JUMLAH
DATA
RATIO
KAI D AH AN ALI SI S D ATA
( Pe m ode la n St a t ist ik a )
JENIS
PERMASALAHAN
PENELITIAN
CODING
SCORING
TABULASI
PERIKSA
OUTLIERS
PILIH METODE
ANALISIS
JENIS DAN
KARAKTERISTIK
DATA
RELEVAN
INFORMASI
AKURAT
VALID
10
15 December 2010
PEMILIHAN STATISTIK
STATISTIK
Deskriptif
Infferential
Frekuensi
Mean
Standar Deviasi
Kai tan Stati sti k & Vari abel
Satu
Jumlah
Variabel
Banyak
Dua
Analisis
Univariate
Analisis
Bivariate
Analisis
Multivariate
?
?
?
11
15 December 2010
Analisis
Univariate
Nominal (N)
Ordinal (O)
Interval (I)
Rasio (R)
Non-Parametrik
Parametrik
Jlh
Sampel
k
Independen
Hal Berikut
Berpasangan
•Fisher X2
N
1
N
(dua sampel)
•Mc-Nemar
N
•Binomial
•X
•Cohran Q*
2 satu sampel
• X2 k-sampel *
O
O
•Umann-Whitney
•Kolm-Smirnov
•Wilcoxon
•Sign Test
•Friedman
•Wald-Wolfowitz
O
•KolmogorovSmirnov
•Run-Test
•two-way anova*
•Median Test
•Kruskal-Wallis*
*) untuk multivariate
•one-way anova*
Parametrik
Lanjutan…..
(Interval & Rasio)
Jlh
Sampel
k
1
Berpasangan
Independen
•T-test
• tr-test
• Z-test
•Z-test
•Repeated Measure
Anova *
• t-test
•One-way anova)*
*) untuk multivariate
12
15 December 2010
Koeficien
Analisis
Bivariate
Nominal
Ordinal
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))
•Goodman & Kruskal’s tau
•Didasarkan PRE dengan marjinal tabel
•Uncertainty
•Untuk Tabel-tabel multidimensi
•Kappa
•Mengukur kesepakatan (agreement)
•Gamma
•Didasarkan concordant-disconcordant (P-O)
•Kendall’s tau - b
•P-O : Penyesuaian untuk tied rank
Kendall s tau - c
•Kendall’s
•P-O
•P O : Penyesuaian untuk dimensi tabel
•Somer’s - d
•P-O : Penyesuaian untuk dimensi
tabelPerluasan Gamma secara asimetrik
•Spearman’s rho
•Korelasi product-moment untuk data
berurutan
Hal berikut…
Hlanjutan…
Koeficien
Analisis
Bivariate
Interval
& Rasio
Keterangan & Penggunaan
•Pearson Product Moment
•Hub. Kontinyu secara linear
•Correlation ratio
•Data non linear (metric & non metric
•Biserial
•Satu variabel kontinyu, satu variabel
dikotomi
•Bivariate Linear Regression
•Prediksi satu variabel dari skor
variabel lainnya
•Partial Correlation
g
•Hub. Dua variabel; mengeluarkan
efek korelasi dari variabel lainnya.
13
15 December 2010
Analisis
Multivariate
Terikat
Analisis
Dependensi
k
Hal berikut
Bebas
Analisis
Interdependensi
N&O:
1
N&O
Skala Var.
Bebas
•MCA – Dummy Var (DM)
Factor analysis
•Canotical analysis – DM
Latent structure
analysis
I&R:
•Multiples Discriminant Analysis
Skala
Var.
Terikat
•Logit & Probit Analysis
N&O
MDS (Multi
Dimentional
Scaling)
Cluster Analysis
N&O:
I&R
Skala Var.
Bebas
•Regresi ganda - DM
Factor analysis
•Loglinear
MDS
I&R
Cluster Analysis
I&R:
•Regresi ganda
•Multiples classification Analysis
•Automatic Interaction Analysis
Lanjutan…
Analisis
Dependensi
N&O
k
Skala Var.
B b
Bebas
N&O:
•Conjoint Analysis
Skala
Var.
Terikat
N&O:
Variabel
terikat lebih
dari satu
I&R
Skala Var.
Bebas
•Multivariate Analysis of Variance
(MANOVA)
I&R:
•Canonical corelation Analysis
•Linear Structural Equation Model
for Latent Variables (LISREL)
14
15 December 2010
ANALI SI S UNI VARI ATE
KORELASI
DATA
X
REGRESI
Y
(I ndependen)
Nominal
(Dependen)
Nominal
Kontigensi C ( Chi Square)
Odd Ratio
Realtive Risk
Nominal
Ordinal
Kontigensi C
Odd Ratio
Realtive
l
Risk
k
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik dummy variabel
Logit, Probit, LPM Diskriminan, Dummy
variabel,
Logistik,
Dummy variabel
Regresi Theil
h l Regresi garis resisten
Nominal
I nterval & Ratio
Biserial
Regresi, dummy variabel
Ordinal
Nominal
Kontigensi C
Logit, Probit, LPM, Diskriminan, Dummy
variabel,
Logistik, dummy variabel
Odd Ratio
Realtive Risk
Ordinal
Ordinal
Ordinal
I nterval & Ratio
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummy
variabel, Logistik,
Dummy variabel,
Regresi Theil
Regresi garis resisten
Rank Spearman
Regresi, dummy variabel
Rankk Kendall
R
K d ll
Rank Partial Kendall
Rank Konkordansi Kendall
I nterval & Ratio
Nominal
Biserial
Logit/ logistik, Probit, LPM, Diskriminan
I nterval & Ratio
Ordinal
Rank Spearman
Logit, Probit, LPM, Diskriminan, Dummy
variabel, Logistik,
Dummy variabel,
Regresi Theil Regresi garis resisten
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
I nterval & Ratio
I nterval & Ratio
Product Moment Pearson
Regresi
Kanonik
ANALI SI S KETERGANTUNGAN MULTI VARI AT
Nominal dan Ordinal
I nterval dan ratio
Analisis Korespondensi
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
Multidimentional Scalling (MDS)
15
15 December 2010
Analisis Univariate
Ya
Ya
Apakah lebih dari satu
Tidak
Apakah
p
variabelnya
y berupa
p angka/
g / bukan angka
g
Apakah variabelnya
I ndependennya berupa
angka/ bukan angka
Apakah variabelnya berupa angka
Apakah
p
variabelnya
y berupa
p angka/
g / bukan angka
g
Angka
Bukan
Angka
Tidak
Adakah dependen variabel
dalam penelitian
Angka
Bukan
Angka
Analisi Kojoin
Apakah variabelnya
independenya berupa
angka/ bukan angka
Angka
g
Bukan
Angka
Apakah variabelnya
independenya berupa
angka/ bukan angka
Analisis faktor bukan
angka
Analisi struktur variabel
tersembunyi
MDS bukan angka
Analisis cluster bukan
angka
Analisis Cluster
Analisi faktor
Multidimensional
Scaling
Bukan
Angka
Bukan
Angka
g a
Angka
Angka
Bukan
Angka
g a
Angka
MANOVA
Analisis Diskriminan berganda
Analisis logit dan probit
Regresi berganda- Analisis klasifikasi bergandapendeteksian interaksi berganda
Analisi Kanonik
Lisrel
Regresi berganda dengan variabel dummy
Analisis MCA dengan variabel Dummy
Analisis Kanonik dengan dummy
Analisis Multivariate
Dependensi
I nterDependensi
Apa Tipe Hubungan
yang akan diteliti
Struktur Hubungan APA
Berapa Variabel yang
terlibat
Multi
M
lti hubungan
h b
pd
d bbrp
bb variabel
i b l
dependen dan independen
Analisis
Model
bbrp variabel
bb
i b l dependen
d
d
pada satu hubungan
Satu
S
t variabel
i b ld
dependen
d
pada satu hubungan
Apa Skala Ukur Var Dependen
Apa Skala Ukur Var
Dependen
Variabel
Cases
similarity
Obyek
PCA
Faktor Analisis
Cluster
analisis
Apa Skala Ukur data dan
similaritasnya
Analisis Path
Angka
Angka
Bukan
Angka
Bukan Angka
Structural equation
modelling
Apa Skala Ukur Var
D
Dependen
d
Angka
Analisis Korelasi
kanonik
Korelasi Kanonik
d
dgn
Var
V Dummy
D
Bukan
Angka
Analisis Regresi
peubah ganda
Analisis
R
Regresi
i
berganda
Analisis
Di k i i
Diskriminan
Logistik
Logit
Probit
LPM
Gompit
Tobit
Angka dan bukan
angka
Object Similarity
Multidimensional
Scalling
Variabel
Category
Similarity
Coresponden
Analisis
MANOVA atau
MANCOVA
16
15 December 2010
PROSEDUR PENGUJIAN HIPOTESIS
• Menyat akan Hipot esisnya
g j ian St at ist iknya
y
• Mem ilih Penguj
• Menent ukan Tingkat Keyakinan Yang
Diinginkan
• Menghit ung Nilai St at ist iknya
• Mendapat kan Nilai Uj i Krit is
• Mengint
M
i erpret asikan
ik
H
Hasilnya
il
Level Of Si gni fi cance
10%
= 0.1
0 1
5%
= 0.05
1%
= 0.01
0 01
17
15 December 2010
Logi c of Hypothesi s Testi ng
• Two tailed test
– nondirectional
di ti
l ttestt
– considers two possibilities
• One tailed test
– directional test
–p
places entire p
probability
y of an unlikely
y
outcome to the tail specified by the
alternative hypothesis
TWO TAILED
Uj i t (Non Di recti onal )
Uj i r (non di recti onal )
Ho ditolak
0.025
Ho tidak ditolak
Ho ditolak
0.025
18
15 December 2010
ONE TAILED
Uj i
Uj i
Uj i
Uj i
Uj i
Ho tidak ditolak
t (di recti onal )
Z
F
r (di recti onal )
X2
Ho ditolak
KRITERIA PENGUJIAN HIPOTESIS
Jika t , F, Z, r, X2 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
Ha
= Terdapat pengaruh/ perbedaan/ hubungan
19
15 December 2010
Contoh
Uji Z
Correlations
Test Statisticsb
Quantum Teaching (X)
RASIDLE2004 RASIDLE2003
-4.996a
.000
Z
Asymp. Sig. (2-tailed)
Motivasi Belajar Siswa (Y)
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
Pearson Correlation
Sig (2-tailed)
Sig.
(2 tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
**. Correlation is significant at the 0.01 level (2-tailed).
Uji t
Coefficients a
Model
1
Uji r
Motivasi
Belajar
Siswa (Y)
.627**
.000
000
39
39
.627**
1
.000
39
39
Quantum
Teaching (X)
1
Unstandardized
Coefficients
B
Std Error
Std.
-.126
.332
.083
.032
.031
.047
.039
.044
.100
.043
.106
.069
(Constant)
Bukti langsung
Keandalan
Daya Tanggap
Jaminan
Empati
Standardized
Coefficients
Beta
.253
.079
.100
.264
.198
t
-.379
2.578
.654
.875
2.320
1.544
Sig.
Sig
.705
.011
.515
.384
.022
.126
a. Dependent Variable: Kepuasan Nasabah
Lanj utan Contoh
Uji F
ANOVAb
Model
1
Sum of
Squares
44.372
26.378
70.750
Regression
Residual
Total
df
5
94
99
Mean Square
8.874
.281
F
31.625
Sig.
.000a
a. Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan,
Keandalan
b. Dependent Variable: Kepuasan Nasabah
Uji X2
Chi-Square Tests
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value
4.678a
5.832
.171
6
6
Asymp. Sig
Asymp
Sig.
(2-sided)
.586
.442
1
.679
df
70
a. 7 cells (58.3%) have expected count less than 5. The
minimum expected count is 1.21.
20
15 December 2010
Lanj utan Contoh
Uji F
ANOVA
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
Sum of
Squares
44.277
950.110
994.387
43.782
1371.073
1414.855
218.458
3434.010
3652.468
103.938
749.739
853.677
148.975
1038.396
1187.371
df
3
58
61
3
58
61
3
58
61
3
58
61
3
58
61
Mean Square
14.759
16.381
F
.901
Sig.
Sig
.446
14.594
23.639
.617
.607
72.819
59.207
1.230
.307
34.646
12.927
2.680
.055
49.658
17.903
2.774
.049
Perbedaan GCG berdasarkan tempat kerj a depar temen
a. Internal audi tor
b. Akuntansi / keuangan
c. Non akuntansi
d. Lai n-l ai n
21
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 Analisis Data:
A Dream or Reality?
Let’s make data analyze
becoming easy…
1
15 December 2010
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
h d kkarakteristik
k i ik atau sifat
if d
darii obyek
b k yang d
dapat b
berfungsi
f
i
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 econometri c model
Obtai ni ng the data
Esti mati on of the parameter of the economi c model
Hypothesi s testi ng
Forecasti ng or predi cti on
Usi ng model for control or pol i cy purposes
2
15 December 2010
Menentukan Topik
Menentukan Fokus Pertanyaan
Penelitian
Penulisan Laporan
Menyusun Desain Penelitian
Intepretasi Data
Mengumpulkan Data
Menganalisis Data
Tahapan Penelitian
kualitatif
Berbeda
Tahapan Penelitian
kuantitatif
Pola Non Linear (Cylical)
Logic in practice
Pola Linear
Fixed sequence of steps
Tidak Ketat
Ketat
Tahap Analisis Data
Tahun Lulus
1
IPK < 2.5
Jumlah %
2
3
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
15
13
14
15
17
74
Tahun Lulus
IPK < 2.5
Jumlah %
1
2
3
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
15
13
14
15
17
74
Tahun Lulus
IPK < 2.5
Jumlah %
1
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
2
4
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
5
18
20
27
26
39
130
4
5
18
20
27
26
39
130
5
18
20
27
26
39
130
6
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
7
4
6
8
9
11
38
6
7
4
6
8
9
11
38
7
4
6
8
9
11
38
8
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Total IPK RataLulusan rata
8
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
IPK > 3.0
Jumlah %
6
Total IPK RataLulusan rata
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
IPK > 3.0
Jumlah %
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK 2.5 - 3.0
Jumlah %
4
IPK > 3.0
Jumlah %
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK 2.5 - 3.0
Jumlah %
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
3
15
13
14
15
17
74
IPK 2.5 - 3.0
Jumlah %
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Total IPK RataLulusan rata
8
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
Isi
Tabel2
Pengelompokan
Data
Verifikasi
Data
Pengumpulan
Data
Total Lulusan pada Tabel 3.1.
Kesimpulan :
……………
……………
isinya sama dengan
Total Lulusan pada Tabel 3.2.
isinya sama dengan
Total Lulusan pada Tabel 3.3.
Tahun Lulus
1
Cek Konsistensi
Data antar tabel
1995/1996
1996/1997
1997/1998
1998/1999
1999/2000
Total
IPK < 2.5
Jumlah %
2
3
15
13
14
15
17
74
40.54%
33.33%
28.57%
30.00%
25.37%
30.58%
IPK 2.5 - 3.0
Jumlah %
4
5
18
20
27
26
39
130
48.65%
51.28%
55.10%
52.00%
58.21%
53.72%
IPK > 3.0
Jumlah %
6
7
4
6
8
9
11
38
10.81%
15.38%
16.33%
18.00%
16.42%
15.70%
Pilih Alat Analisis Data
:
Yang sesuai dgn Tujuan Penelitian Kesimpulan
……………
Total IPK RataLulusan rata
8
9
37
39
49
50
67
242
2.58
2.67
2.70
2.70
2.67
2.67
……………
3
15 December 2010
PERANAN STATISTIKA
S TAT I S T I KA
METODE
PENGUMPULAN DATA
SUMBER
DATA
METODA ANALISIS
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 ber fungsi untuk membedakan obyek yang satu dengan
l ai nnya pada sifat yang sama
Skala Pengukuran Data
Skala
Pengukuran
Sifat
Nama
Tingkatan
Jaraknya
bermakna
Nominal
√
Ordinal
√
√
Interval
√
√
√
Rasio
√
√
√
Tidak
mungkin nol
√
4
15 December 2010
Pengaruh
Pembagian
Teknik Analisis
Data
perbedaa
n
hubungan
Basis
Software
Mean
SPSS, Eviews,
Minitab, SAS
Covariance
LISREL, AMOS,
EQS
Variance
PLS
5
15 December 2010
BEBERAPA STATISTIK DASAR
n
Me a n:
X=
∑X
i
= X 1 + X 2 + ... + X n
i =1
n
Va ria ns
n
S2 =
∑(X
i
− X)
i =1
n −1
n
2
=
∑X
2
i
− nX 2
i =1
n −1
Va ria si :
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 :
n
S =
2
∑ ( xi − x )
i=1
n − 1
Cova ria nc e
6
15 December 2010
Pengaruh
Dasar
Penggunaan
Software
perbedaa
n
hubungan
Dependen
Independen
Jeni s
Inter veni ng
Moderati ng
Confoundi ng
Endogen
Kedudukan
Eksogen
Pengaruh
Li near
Model
Non Li near
Sederhana
Bentuk
Berganda
Jangka Pendek
Waktu
Jangka Panj ang
Standardi zed
fungsi
Unstandardi zed
7
15 December 2010
JENIS VARIABEL
KEDUDUKANNYA DI DALAM HIPOTESIS PENELITIAN
D e pe n de n
I n de 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
(
(Mediating)
)
Moderator
I n de pe n de n
D e pe n de n
INTRANEOUS
EXTRANEOUS
Concomitant
Confounding
Control
8
15 December 2010
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
t berbaur
b b
dengan
d
variabel
i b l bebas.
b 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
15 December 2010
Uji Beda dan Korelasi
NOMINAL
TIDAK
NORMAL
NONPARAMETRIK
ORDINAL
< 30
TIDAK
NORMAL
TRANSFORMASI
Log, Ln, delta
(first difference)
> 30
PERIKSA
NORMALITAS
NORMAL
PARAMETRIK
INTERVAL
JUMLAH
DATA
RATIO
KAI D AH AN ALI SI S D ATA
( Pe m ode la n St a t ist ik a )
JENIS
PERMASALAHAN
PENELITIAN
CODING
SCORING
TABULASI
PERIKSA
OUTLIERS
PILIH METODE
ANALISIS
JENIS DAN
KARAKTERISTIK
DATA
RELEVAN
INFORMASI
AKURAT
VALID
10
15 December 2010
PEMILIHAN STATISTIK
STATISTIK
Deskriptif
Infferential
Frekuensi
Mean
Standar Deviasi
Kai tan Stati sti k & Vari abel
Satu
Jumlah
Variabel
Banyak
Dua
Analisis
Univariate
Analisis
Bivariate
Analisis
Multivariate
?
?
?
11
15 December 2010
Analisis
Univariate
Nominal (N)
Ordinal (O)
Interval (I)
Rasio (R)
Non-Parametrik
Parametrik
Jlh
Sampel
k
Independen
Hal Berikut
Berpasangan
•Fisher X2
N
1
N
(dua sampel)
•Mc-Nemar
N
•Binomial
•X
•Cohran Q*
2 satu sampel
• X2 k-sampel *
O
O
•Umann-Whitney
•Kolm-Smirnov
•Wilcoxon
•Sign Test
•Friedman
•Wald-Wolfowitz
O
•KolmogorovSmirnov
•Run-Test
•two-way anova*
•Median Test
•Kruskal-Wallis*
*) untuk multivariate
•one-way anova*
Parametrik
Lanjutan…..
(Interval & Rasio)
Jlh
Sampel
k
1
Berpasangan
Independen
•T-test
• tr-test
• Z-test
•Z-test
•Repeated Measure
Anova *
• t-test
•One-way anova)*
*) untuk multivariate
12
15 December 2010
Koeficien
Analisis
Bivariate
Nominal
Ordinal
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))
•Goodman & Kruskal’s tau
•Didasarkan PRE dengan marjinal tabel
•Uncertainty
•Untuk Tabel-tabel multidimensi
•Kappa
•Mengukur kesepakatan (agreement)
•Gamma
•Didasarkan concordant-disconcordant (P-O)
•Kendall’s tau - b
•P-O : Penyesuaian untuk tied rank
Kendall s tau - c
•Kendall’s
•P-O
•P O : Penyesuaian untuk dimensi tabel
•Somer’s - d
•P-O : Penyesuaian untuk dimensi
tabelPerluasan Gamma secara asimetrik
•Spearman’s rho
•Korelasi product-moment untuk data
berurutan
Hal berikut…
Hlanjutan…
Koeficien
Analisis
Bivariate
Interval
& Rasio
Keterangan & Penggunaan
•Pearson Product Moment
•Hub. Kontinyu secara linear
•Correlation ratio
•Data non linear (metric & non metric
•Biserial
•Satu variabel kontinyu, satu variabel
dikotomi
•Bivariate Linear Regression
•Prediksi satu variabel dari skor
variabel lainnya
•Partial Correlation
g
•Hub. Dua variabel; mengeluarkan
efek korelasi dari variabel lainnya.
13
15 December 2010
Analisis
Multivariate
Terikat
Analisis
Dependensi
k
Hal berikut
Bebas
Analisis
Interdependensi
N&O:
1
N&O
Skala Var.
Bebas
•MCA – Dummy Var (DM)
Factor analysis
•Canotical analysis – DM
Latent structure
analysis
I&R:
•Multiples Discriminant Analysis
Skala
Var.
Terikat
•Logit & Probit Analysis
N&O
MDS (Multi
Dimentional
Scaling)
Cluster Analysis
N&O:
I&R
Skala Var.
Bebas
•Regresi ganda - DM
Factor analysis
•Loglinear
MDS
I&R
Cluster Analysis
I&R:
•Regresi ganda
•Multiples classification Analysis
•Automatic Interaction Analysis
Lanjutan…
Analisis
Dependensi
N&O
k
Skala Var.
B b
Bebas
N&O:
•Conjoint Analysis
Skala
Var.
Terikat
N&O:
Variabel
terikat lebih
dari satu
I&R
Skala Var.
Bebas
•Multivariate Analysis of Variance
(MANOVA)
I&R:
•Canonical corelation Analysis
•Linear Structural Equation Model
for Latent Variables (LISREL)
14
15 December 2010
ANALI SI S UNI VARI ATE
KORELASI
DATA
X
REGRESI
Y
(I ndependen)
Nominal
(Dependen)
Nominal
Kontigensi C ( Chi Square)
Odd Ratio
Realtive Risk
Nominal
Ordinal
Kontigensi C
Odd Ratio
Realtive
l
Risk
k
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik dummy variabel
Logit, Probit, LPM Diskriminan, Dummy
variabel,
Logistik,
Dummy variabel
Regresi Theil
h l Regresi garis resisten
Nominal
I nterval & Ratio
Biserial
Regresi, dummy variabel
Ordinal
Nominal
Kontigensi C
Logit, Probit, LPM, Diskriminan, Dummy
variabel,
Logistik, dummy variabel
Odd Ratio
Realtive Risk
Ordinal
Ordinal
Ordinal
I nterval & Ratio
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Logit, Probit, LPM, Diskriminan, Dummy
variabel, Logistik,
Dummy variabel,
Regresi Theil
Regresi garis resisten
Rank Spearman
Regresi, dummy variabel
Rankk Kendall
R
K d ll
Rank Partial Kendall
Rank Konkordansi Kendall
I nterval & Ratio
Nominal
Biserial
Logit/ logistik, Probit, LPM, Diskriminan
I nterval & Ratio
Ordinal
Rank Spearman
Logit, Probit, LPM, Diskriminan, Dummy
variabel, Logistik,
Dummy variabel,
Regresi Theil Regresi garis resisten
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
I nterval & Ratio
I nterval & Ratio
Product Moment Pearson
Regresi
Kanonik
ANALI SI S KETERGANTUNGAN MULTI VARI AT
Nominal dan Ordinal
I nterval dan ratio
Analisis Korespondensi
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
Multidimentional Scalling (MDS)
15
15 December 2010
Analisis Univariate
Ya
Ya
Apakah lebih dari satu
Tidak
Apakah
p
variabelnya
y berupa
p angka/
g / bukan angka
g
Apakah variabelnya
I ndependennya berupa
angka/ bukan angka
Apakah variabelnya berupa angka
Apakah
p
variabelnya
y berupa
p angka/
g / bukan angka
g
Angka
Bukan
Angka
Tidak
Adakah dependen variabel
dalam penelitian
Angka
Bukan
Angka
Analisi Kojoin
Apakah variabelnya
independenya berupa
angka/ bukan angka
Angka
g
Bukan
Angka
Apakah variabelnya
independenya berupa
angka/ bukan angka
Analisis faktor bukan
angka
Analisi struktur variabel
tersembunyi
MDS bukan angka
Analisis cluster bukan
angka
Analisis Cluster
Analisi faktor
Multidimensional
Scaling
Bukan
Angka
Bukan
Angka
g a
Angka
Angka
Bukan
Angka
g a
Angka
MANOVA
Analisis Diskriminan berganda
Analisis logit dan probit
Regresi berganda- Analisis klasifikasi bergandapendeteksian interaksi berganda
Analisi Kanonik
Lisrel
Regresi berganda dengan variabel dummy
Analisis MCA dengan variabel Dummy
Analisis Kanonik dengan dummy
Analisis Multivariate
Dependensi
I nterDependensi
Apa Tipe Hubungan
yang akan diteliti
Struktur Hubungan APA
Berapa Variabel yang
terlibat
Multi
M
lti hubungan
h b
pd
d bbrp
bb variabel
i b l
dependen dan independen
Analisis
Model
bbrp variabel
bb
i b l dependen
d
d
pada satu hubungan
Satu
S
t variabel
i b ld
dependen
d
pada satu hubungan
Apa Skala Ukur Var Dependen
Apa Skala Ukur Var
Dependen
Variabel
Cases
similarity
Obyek
PCA
Faktor Analisis
Cluster
analisis
Apa Skala Ukur data dan
similaritasnya
Analisis Path
Angka
Angka
Bukan
Angka
Bukan Angka
Structural equation
modelling
Apa Skala Ukur Var
D
Dependen
d
Angka
Analisis Korelasi
kanonik
Korelasi Kanonik
d
dgn
Var
V Dummy
D
Bukan
Angka
Analisis Regresi
peubah ganda
Analisis
R
Regresi
i
berganda
Analisis
Di k i i
Diskriminan
Logistik
Logit
Probit
LPM
Gompit
Tobit
Angka dan bukan
angka
Object Similarity
Multidimensional
Scalling
Variabel
Category
Similarity
Coresponden
Analisis
MANOVA atau
MANCOVA
16
15 December 2010
PROSEDUR PENGUJIAN HIPOTESIS
• Menyat akan Hipot esisnya
g j ian St at ist iknya
y
• Mem ilih Penguj
• Menent ukan Tingkat Keyakinan Yang
Diinginkan
• Menghit ung Nilai St at ist iknya
• Mendapat kan Nilai Uj i Krit is
• Mengint
M
i erpret asikan
ik
H
Hasilnya
il
Level Of Si gni fi cance
10%
= 0.1
0 1
5%
= 0.05
1%
= 0.01
0 01
17
15 December 2010
Logi c of Hypothesi s Testi ng
• Two tailed test
– nondirectional
di ti
l ttestt
– considers two possibilities
• One tailed test
– directional test
–p
places entire p
probability
y of an unlikely
y
outcome to the tail specified by the
alternative hypothesis
TWO TAILED
Uj i t (Non Di recti onal )
Uj i r (non di recti onal )
Ho ditolak
0.025
Ho tidak ditolak
Ho ditolak
0.025
18
15 December 2010
ONE TAILED
Uj i
Uj i
Uj i
Uj i
Uj i
Ho tidak ditolak
t (di recti onal )
Z
F
r (di recti onal )
X2
Ho ditolak
KRITERIA PENGUJIAN HIPOTESIS
Jika t , F, Z, r, X2 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
Ha
= Terdapat pengaruh/ perbedaan/ hubungan
19
15 December 2010
Contoh
Uji Z
Correlations
Test Statisticsb
Quantum Teaching (X)
RASIDLE2004 RASIDLE2003
-4.996a
.000
Z
Asymp. Sig. (2-tailed)
Motivasi Belajar Siswa (Y)
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
Pearson Correlation
Sig (2-tailed)
Sig.
(2 tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
**. Correlation is significant at the 0.01 level (2-tailed).
Uji t
Coefficients a
Model
1
Uji r
Motivasi
Belajar
Siswa (Y)
.627**
.000
000
39
39
.627**
1
.000
39
39
Quantum
Teaching (X)
1
Unstandardized
Coefficients
B
Std Error
Std.
-.126
.332
.083
.032
.031
.047
.039
.044
.100
.043
.106
.069
(Constant)
Bukti langsung
Keandalan
Daya Tanggap
Jaminan
Empati
Standardized
Coefficients
Beta
.253
.079
.100
.264
.198
t
-.379
2.578
.654
.875
2.320
1.544
Sig.
Sig
.705
.011
.515
.384
.022
.126
a. Dependent Variable: Kepuasan Nasabah
Lanj utan Contoh
Uji F
ANOVAb
Model
1
Sum of
Squares
44.372
26.378
70.750
Regression
Residual
Total
df
5
94
99
Mean Square
8.874
.281
F
31.625
Sig.
.000a
a. Predictors: (Constant), Empati, Bukti langsung, Daya Tanggap, Jaminan,
Keandalan
b. Dependent Variable: Kepuasan Nasabah
Uji X2
Chi-Square Tests
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value
4.678a
5.832
.171
6
6
Asymp. Sig
Asymp
Sig.
(2-sided)
.586
.442
1
.679
df
70
a. 7 cells (58.3%) have expected count less than 5. The
minimum expected count is 1.21.
20
15 December 2010
Lanj utan Contoh
Uji F
ANOVA
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
Sum of
Squares
44.277
950.110
994.387
43.782
1371.073
1414.855
218.458
3434.010
3652.468
103.938
749.739
853.677
148.975
1038.396
1187.371
df
3
58
61
3
58
61
3
58
61
3
58
61
3
58
61
Mean Square
14.759
16.381
F
.901
Sig.
Sig
.446
14.594
23.639
.617
.607
72.819
59.207
1.230
.307
34.646
12.927
2.680
.055
49.658
17.903
2.774
.049
Perbedaan GCG berdasarkan tempat kerj a depar temen
a. Internal audi tor
b. Akuntansi / keuangan
c. Non akuntansi
d. Lai n-l ai n
21