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