Uji Kruskal – Wallis (skripsi dan tesis)

Uji Kruskal – Wallis sering pula disebut Uji H Kruskal – Wallis, adalah rampatan uji jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk menguji hipotesis nol bahwa k sampel bebas berasal dari populasi yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada tahun 1945, uji ini merupakan padanan cara nonparametrik untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila si pencoba ingin menghindari bahwa sampel berasal dari populasi normal.

Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi anggapan k kenormalan dari data. Analisis yang digunakan berdasarkan Rij yaitu ranking data, bukan data itu sendiri.

Langkah – langkah uji Kruskal – Wallis :

  1. H0 : Semua K populasi adalah identik
  2. H1 : Tidak semua K populasi identik
  3. Tentukan taraf nyatanya.
  4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan derajat kebebasan v = k-1
  5. Melakukan perhitungan uji kruskal – wallis dengan rumus dibawah ini

h =

dengan ni  merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang dalam satu sampel data pengamatan.

  1. Bila nilai h jatuh dalam daerah kritis pada tabel, dengan derajat kebebasan v = k – 1, tolak H0 pada taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah kritis pada tabel.

Uji Rang-Tanda (skripsi dan tesis)

Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini disebut sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih. Uji rang-tanda Wilcoxon digunakan untuk kasus dua sampel yang dependen bila skala ukur memungkinkan kita menentukan besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan yang berbeda saja. Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih antara pasangan-pasangan harga pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan. Apabila kita dapat menentukan besarnya setiap selisih, maka kita dapat menetapkan peringkat untuk masing-masing selisih itu. Melalui penyusunan peringkat selisih – selisih inilah uji Wilcoxon memanfaatkan informasi tambahan yang tersedia.

Asumsi :

  • Data untuk analisis terdiri atas n buah beda. D1 = Y1 – X1
  • Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda X1 – Y1,  X2 -Y2…dst bersifat kontinyu pula.
  • Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai pengamatan kedua sampel sama dengan nol.

Langkah – langkah uji rang-tanda Wilcoxon :

  1. Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua sampel adalah variable acak kontinyu.
  2. Hipotesis
  • Uji satu sisi :
  1. Ho : W (+) = W (-)               Hi  : W (+) > W (-)
  2. Ho : W (+) = W (-)               Hi  : W (+) < W (-)
  • Uji dua sisi :

Ho : W (+) = W (-)                Hi  : W (+) ≠ W (-)

W (+)  : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda positif.

W (-) :  Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda negative

  1. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di = Xi – Yi).
  2. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari peringkat 1 untuk perbedaan terkecil hingga peringkat n untuk perbedaan terbesar. Bila terdapat perbedaan nilai pasangan yang sama, perbedaan pasangan nilai yang sama di beri peringkat rata-ratanya . untuk beda nol, tidak diperhatikan.
  3. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau negative sesuai dengan tanda perbedaan nilai pengamatan aslinya.
  4. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative (disebut W_).
  5. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah W+ atau W_ yang nilainya lebih kecil :
  6. W+ = ∑ Ri (Semua peringkat positif) dan               │W-│= │∑Ri│(Semua peringkat Negatif)

Hipotesa nol ditolak apabilai nilai W+, W–, atau W lebih kecil atau sama dengan nilai di tabel yang sesuai.

Uji Tanda (skripsi dan tesis)

Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang relevan untuk diuji.

Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda, yaitu positif dan negatif. Ini mengapa ia disebut uji tanda.

Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan pengujiannya dan tidak memakan waktu yang lama. Pengerjaan pengujian ini terbilang cukup mudah. Apabila setiap nilai pengamatan memiliki nilai lebih besar dari nilai rataannya maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai kurang dari nilai rataannya maka diganti dengan tanda (-). Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka nilai pengamatan tersebut harus dibuang.

Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis nolnya beserta dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta nilai proporsi peubah binomial X-nya. Kemudian melakukan penghitungan  Z hitung (apabila jumlah sampel lebih dari 30) dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan dengan nilai rataannya dan nilai x adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai Z akan didapat dan nilai P (proporsi)nya dapat ditentukan. Keputusan H0 akan ditolak apabila nilai P yang didapat lebih kecil atau sama dengan nilai taraf nyatanya.

SPSS (Skripsi dan tesis)

SPSS adalah sebuah aplikasi yang digunakan untuk melakukan analisis statistik tingkat lanjut, analisis data dengan algoritma machine learning, analisis string, serta analisis big data yang dapat diintegrasikan untuk membangun platform data analisis. SPSS adalah kependekan dari Statistical Package for the Social Sciences. SPSS sangat populer di kalangan peneliti dan statistikawan untuk membantu melakukan perhitungan terkait analisis data. SPSS menyediakan library untuk perhitungan statistika dengan antarmuka interaktif yang menjadikannya sebagai software analisis data tingkat lanjut paling populer di berbagai universitas, instansi, dan perusahaan (Advernesia, 2018). Terdapat beberapa fitur dasar yang disediakan SPSS, yaitu: statistika deskriptif, statistika bivariat, regresi linear, identifikasi kelompok, analisis spasial, dan R extension. Terdapat dua fitur dasar yang digunakan dalam penelitian ini, yaitu fitur statistika deskriptif dan fitur statistika bivariat. Statistika deskriptif adalah sebuah metode yang berkaitan dengan pengumpulan dan penyajian data untuk memperoleh suatu informasi dari data tersebut. Beberapa contoh statistika deskriptif yang sering digunakan adalah mean, median, modus, standar deviasi, dan lain-lain. Statistika bivariat digunakan untuk melakukan pengujian antar 2 variabel (variabel bebas dan variabel terikat). Beberapa contoh statistika bivariat adalah ANOVA, uji t, teorema bayes, uji non parametrik, dan lain-lain

Analysis of Variance (ANOVA) (skripsi dan tesis)

Analysis of Variance atau disingkat sebagai ANOVA adalah sebuah metode analisis yang digunakan untuk menguji hipotesis kesamaan rata-rata dari populasi yang berjumlah tiga atau lebih (Pritasari, Parhusip, & Susanto, 2013). Hasil akhir dari analisis ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada perbedaan bermakna rata-rata pada semua kelompok (Hidayat, 2017). ANOVA dibagi menjadi 3 jenis yaitu :
a. One Way ANOVA One Way ANOVA digunakan ketika variabel bebas berjumlah satu dan variabel terikat berjumlah satu atau lebih dari satu.
b. Two Way ANOVA Two Way ANOVA digunakan ketika variabel bebas berjumlah dua dan variabel terikat berjumlah satu atau lebih dari satu.
 c. Mixed ANOVA Mixed ANOVA digunakan ketika variabel bebas berjumlah lebih dari dua dan variabel terikat berjumlah satu atau lebih dari satu.

Statistik Analisis Inferential (Skripsi dan tesis)

Menurut (Jaya & Ardat, 2013), Statistik adalah rekapitulasi dari fakta yang berbentuk angka-angka disusun dalam bentuk tabel dan diagram yang mendeskripsikan suatu permasalahan. Sedangkan statistik inferensial adalah statistik yang digunakan untuk menganalisis data dari suatu sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana sampel tersebut diambil. Terdapat dua macam statistik inferensial yaitu:
 a. Statistika Parametrik terutama digunakan untuk menganalisis data interval atau rasio yang diambil dari populasi yang berdistribusi normal. Seperti korelasi product moment pearson, ANOVA, t-tes, F-tes, regresi dan lain-lain.
 b. Statistika Non Parametrik digunakan terutama untuk menganalisis data nominal dan ordinal dari populasi yang bebas distribusi, jadi tidak harus normal. Seperti: Korelasi spearman rank, kendal tau, chi kuadrat dan lain-lain

Regresi Logistik Multinomial (skripsi dan tesis)

Regresi logistik multinomial merupakan regresi logistik yang digunakan saat variabel dependen mempunyai skala yang bersifat polichotomous atau multinomial. Skala multinomial adalah suatu pengukuran yang dikategorikan menjadi lebih dari dua kategori. Metode yang digunakan dalam penelitian ini adalah regresi logistik dengan variabel dependen berskala nominal dengan tiga kategori. Mengacu pada regresi logistik trichotomous[5] untuk model regresi dengan variabel dependen berskala nominal tiga kategori digunakan kategori variabel hasil Y dikoding 0,1, dan 2. Variabel Y terparameterisasi menjadi dua fungsi logit. Sebelumnya perlu ditentukan kategori hasil mana yang digunakan untuk membandingkan.Pada umumnya digunakan Y=0 sebagai pembanding. Untuk membentuk fungsi logit, akan dibandingan Y=1 dan Y=2, terhadap Y=0.  Bentuk model regresi logistik dengan p variabel prediktor(Yudissanta dan Ratna,2012)

Analisis Regresi Logistik (skripsi dan tesis)

Regesi logistik adalah salah satu metode yang dapat digunakan untuk mencari hubungan variabel respon yang bersifat dikotomus (bersekala nominal atau ordinal dengan dua kategori) atau bersifat polikotomus (yang mempunyai skala nominal atau ordinal lebih dari dua kategori) dengan satu atau lebih variabel prediktor yang bersifat kontinu atau kategorik. Perbedaan regresi linier sederhana dan regresi logistik terletak pada variabel respon dimana respon pada regresi logistik adalah berupa kategorik Agresti(2002). Pada regresi logistik, untuk variabel responnya dianggap hanya mempunyai dua nilai yang mungkin, yaitu 0 (gagal) atau 1 (sukses), sehingga variabelrespon (y) tersebut mengikuti distribusi Bernoulli dengan fungsi peluang distribusi)

Regresi Semiparametrik (skripsi dan tesis)

Regresi semiparametrik merupakan gabungan dari regresi parametrik dan nonparametrik (Ruppert, 2003). Dalam regresi semiparametrik mengandung komponen regresi parametrik dan nonparametrik. Komponen dari regresi parametrik yaitu diketahui bahwa terdapat variabel yang memiliki kurva berpola. Sedangkan, komponen regresi nonparametrik yaitu terdapat variabel yang tidak diketahui bentuk kurvanya.

Regresi Nonparametrik (skripsi dan tesis)

Regresi nonparametrik merupakan salah satu model regresi selain regresi parametrik. Regresi nonparametrik sangat tepat digunakan untuk mendeteksi adanya sifat nonlinieritas dan hubungan nonlinier dalam model (Eubank, 1999). Nonlinier tersebut dapat terlihat pada kurva yang terbentuk. Kurva regresi nonparametrik yang terbentuk tidak mengandung pola tertentu atau bisa dikatakan bahwa bentuk kurvanya tidak diketahui.

Regresi Parametrik (skripsi dan tesis)

Regresi parametrik merupakan salah satu model regresi yang digunakan dalam menganalisis hubungan variabel respon (Y) dengan variabel prediktor (X). Dalam regresi terdapat kurva yang terbentuk berdasarkan data yang digunakan. Regresi parametrik memiliki bentuk kurva yang berpola, misal kurva membentuk pola linier, kuadratik, atau eksponensial, dan lain-lain. Dalam regresi parametrik dapat digunakan untuk mengetahui hubungan yang linier terhadap model yang terbentuk. Berikut ini merupakan model regresi berganda jika diberikan n observasi dengan p variabel prediktor (Hardle, 1994)

Persepsi Terhadap Makna Cost (skripsi dan tesis)

 Dalam dunia akademis maupun praktisi, orang sering mengartikan bahwa cost memiliki arti yang sama dengan biaya, harga pokok maupun sebagai harga perolehan. Kerancuan dalam mengartikan makna cost disebabkan karena orang tidak memandang cost sebagai sesuatu yang netral atau generic. Kerancuan ini dipicu karena orang memandang cost sebagai objek, wadah, atau elemen (misalnya expense, loss, asset) dan bukan sebagai pengukur (monetary measurement) elemen itu sendiri, cost bukanlah suatu informasi tapi bila cost dilekati oleh objek atau elemen maka cost tersebut yang bisa dikatakan sebagai suatu informasi (Suwardjono, 2006). Cost bisa dikatakan sebagai sesuatu yang netral atau generic karena cost tidak memiliki konotasi sebagai sesuatu hal yang negative atau mengurangi dan tidak tersangkut dengan waktu terjadinya. Cost dapat diletakan pada berbagai macam objek atau wadah tergantung dari transaksi yang terjadi dalam organisasi, misalnya terjadi pembelian peralatan kantor, maka dalam kasus ini cost melekat pada wadah yang namanya asset (peralatan kantor), cost tersebut dapat berguna sebagai pengukur dalam unit moneter (rupiah) supaya menjadi suatu informasi yang berguna sarana pelaporannya adalah neraca.
 Berdasarkan konsep kesatuan usaha, pada mulanya cost diperlakukan sebagai asset baru kemudian diperlakukan sebagai biaya atau sebagai beban pendapatan, tergantung apakah cost yang melekat pada suatu wadah tersebut dikonsumsi atau tidak dalam menghasilkan pendapatan. Bila sumber ekonomik telah dikonsumsi untuk memproduksi suatu barang dan jasa, dan produk atau jasa tersebut belum diakui atau belum diserahkan kepada pihak ketiga maka sumber ekonomi yang dikorbankan tersebut belum bisa diakui sebagai biaya (expense) tetapi masih dikategorikan sebagai asset. Harga pokok sering digunakan oleh para praktisi maupun akademisi untuk mengartikan makna dari cost of good sold. Padahal kedudukan cost dalam menghasilkan pendapatan adalah sama pentingnya sebab bila dua faktor atau lebih sama-sama diperlukan dalam mencapai suatu tujuan maka tidak logis bila mengatakan faktor yang satunya lebih penting dari faktor yang lain sehingga pengaruh faktor tersebut akan hilang atau berkurang. Setiap faktor memberikan kontribusi yang sama dalam menimbulkan pendapatan berapapun kecilnya, dalam hal ini cost tidak dirangking (Suwardjono, 2006). Oleh karena cost sering terjadi salah presepsi dan sering tertukar oleh expense, maka sebaliknya akan dijelaskan makna expense tersebut, sehingga kerancauan yang terjadi dapat diminimalkan. Sampai saat ini pun orang sering mengartikan expense sebagai beban dan cost sebagai biaya yang dapat kita lihat pada SAK, 2007: Beban (expense) adalah penurunan manfaat ekonomi selama suatu periode akuntansi dalam bentuk arus keluar berkurangnya asset atau terjadinya kewajiban yang mengakibatkan penurunan ekuitas yang tidak menyangkut pembagian kepada penanam modal.
Beban mencakupi baik kerugian maupun  beban yang timbul dalam pelaksanaan aktivitas perusahaan yang biasa. Beban yang timbul dalam pelaksanaan aktivitas perusahaaan yang biasa meliputi, misalnya: beban pokok penjualan, gaji dan penyusutan. Beban tersebut biasanya berbentuk arus keluar atau berkurangnya asset seperti kas (dan setara kas), persediaan, asset tetap. Dari beberapa definisi cost yang diuraikan di atas, tidak sesuai bila cost disamakan dengan biaya karena cost merupakan sesuatu yang netral dimana cost dapat dilekatkan pada berbagai wadah atau objek yang masih dikonsumsi, disimpan, serta memiliki manfaat dimasa yang akan datang. Sebagai pengukur dalam unit moneter, sebagai bahan olah akuntansi dan yang terpenting cost bukan merupakan wadah layaknya biaya, rugi dan aktiva, sedangkan biaya merupakan sesuatu yang bersifat pengurang atau merupakan suatu pengorbanan dalam menciptakan pendapatan. Cost yang telah menjadi biaya tidak dapat lagi dikonsumsi. Biaya merupakan objek yang harus diukur dengan cost dan bukan sebagai pengukur itu sendiri. Hal ini sesuai dengan definisi yang dikemukakan oleh FASB, Cost is the sacrifice incurred in economic activities-that whice is given up or forgone to consume, to save, to exchange, to produce, etc. Expense are outflows or other using up of asset or incurrences of liabilities (or combination of both) juring a period frome delivering or producing goods, rendering service, or carrying out other activities that constitute the entity’s ongoing major or central operation. Sebagai contoh jika biaya menjadi padanan kata cost, maka cost of goods sold dan cost of product tidak diterjemahkan sebagai harga pokok penjualan, harga pokok produk, tetapi sebagai biaya barang terjual dan biaya produk. Ketidak konsistenan dalam penggunaan istilah tersebut yang bisa membingungkan dunia akademisi maupun praktisi, hal ini disebabkan karena biaya tidak memiliki makna 20 luas seperti halnya cost. Jadi dapat disimpulkan bahwa expense sangat tepat jika diterjemahkan sebagai biaya, dan cost diserap dengan kata lain yang memiliki makna yang general atau netral. Biaya mempunyai makna sebagai sesuatu yang dikorbankan untuk mencapai tujuan akhir, yaitu berupa penyerahan-penyerahan produk atau jasa untuk memperoleh pendapatan. Pemahaman ini berbeda dengan pemahaman kebanyakan orang yang memandang biaya hanya sekedar pengorbanan. Menurut literatur akuntansi berbahasa Inggris menerangkan bahwa perusahaan mempunyai tujuan khusus selain tujuan akhir. Pengorbanan sumber ekonomik untuk memperoleh potensi jasa berupa mesin, bahan baku dan jasa lainnya yang memproduksi barang, bukan merupakan tujuan akhir suatu unit usaha tetapi lebih merupakan tujuan khusus

Hubungan Cost dan Expense (skripsi dan tesis)

 Dari beberapa definisi yang dikemukakan oleh beberapa para ahli di bawah ini, mengatakan bahwa cost memiliki pengertian yang berbeda dengan   biaya (expense) yang didasarkan pada manfaat yang dimilikinya, adalah sebagai berikut: Cost merupakan sesuatu yang timbul dari terdahulu, sebuah pengorbanan yang dibuat untuk mengamankan manfaat, dan diukur dengan harga pertukaran. Expense merupakan penurunan aktiva bersih akibat dari penggunaan jasa ekonomi dalam pembentukan suatu penerimaan atau akibat dari pengenaan pajak pemerintah. Definisi Sprouse dan Moonist (dikutip dari Swardjono, 2006). Expenditure atau pengeluaran kas, kekayaan lainnya, modal saham atau jasa atau yang terjadinya hutang dimana untuk hal tersebut diidentifikasi dengan barang atau jasa yang diperoleh atau dengan kerugian yang terjadi, dan diukur melalui jumlah kas yang dibayar atau hutang atau nilai pasar dari kekayaan lainnya, modal saham, atau jasa yang diberikan dalam tukar menukar atau dalam situasi yang lain, yang mana dasar penilaiannya diterima secara umum. Definisi Kother (dikutip dari Suryaningsum, 2003).
Cost merupakan suatu ukuran moneter dari jumlah sumber daya yang digunakan untuk maksud-maksud tertentu. Expenditure merupakan suatu penurunan aktiva (biasanya kas) atau suatu peningkatan hutang yang dihubungkan dengan terjadinya cost. Expenditure dalam periode akuntansi sama saja dengan cost dari semua barang atau jasa yang diperoleh pada periode itu. Expense merupakan suatu istilah dari cost yang dapat dipergunakan untuk periode akuntansi sekarang, expense mewakili sumber daya yang dikonsumsi melalui aktifitas-aktifitas perusahaan dalam mendapatkan laba (earning) selama periode sekarang. Ketika expenditure terjadi cost yang diralat merupakan aktiva atau merupakan biaya (expense). Jika cost memberikan manfaat (benefit) pada periode mendatang, maka disebut aktiva. Jika tidak, ini merupakan pengurangan dalam laba ditahan dari periode sekarang. Disbursement merupakan pembayaran tunai. Expenditure (pengeluaran) tunai merupakan suatu disbursement, tetapi ada juga pembayaran kas seperti pembayaran hutang, pembayaran kembali pinjaman, atau pembayaran deviden tunai kepada para pemegang saham. Definisi Anthony dan Reece (dikutip dari Suryaningsum, 2003). Pada hakekatnya, cost mempunyai dua kedudukan penting yaitu bisa dikategorikan sebagai aktiva (potensi jasa) dan sebagai biaya (beban pendapatan) secara berurutan. Diantara kedua kedudukan tersebut kadang cost mengalami beberapa proses penggabungan, pemecahan, dan reklasifikasi sebelum menjadi biaya, mula-mula cost akan diperlakukan sebagai aktiva (potensi jasa) yang kemudian akan diperlakukan sebagai biaya (beban pendapatan), (Suwardjono, 2006).
 Dua kedudukan penting cost tersebut dapat memperjelas apakah makna dari cost itu sendiri dan apa makna dari biaya (expense). Cost memiliki makna yang general sedangkan biaya merupakan bagian dari cost, cost yang dikategorikan sebagai aktiva (potensi jasa) masih memiliki manfaat dimasa yang akan datang dan masih dikuasai oleh perusahaan sedangkan cost yang tidak memiliki lagi manfaat dimasa yang akan datang disebut biaya (expense). Cost yang melekat pada suatu objek atau wadah tertentu pada setiap akhir periode harus ditentukan. Apakah cost tersebut akan dibebankan sebagai biaya atau sebagai aktiva atau langsung dibebankan dalam laporan rugi/laba. Menurut Chariri dan Ghozali (2007) ada beberapa kriteria yang harus dipenuhi jika cost yang melekat dalam suatu objek dikatakan sebagai aktiva: a. Masih memiliki manfaat dimasa yang akan mendatang. b. Masih dikuasai oleh perusahaan. Aktiva bisa dikatakan sebagai pengurang pendapatan yang belum dibebankan, yang menunggu sampai saatnya nanti ditandingkan dengan pendapatan sebagai cost of good sold atau sebagai biaya (expense).
 Menurut Suwardjono (2006), cost bisa dikatakan sebagai biaya jika memiliki kriteria sebagai berikut: a. Tidak lagi dikuasai oleh perusahaan atau telaah keluar dari kesatuan usaha. b. Maanfaatnya telah habis pada periode berjalan atau telah dikonsumsi. c. Hilangnya cost karena menghasilkan pendapatan yang merupakan tujuan akhir dari perusahaan dapat dikategorikan sebagai biaya. Tetapi jika manfaat cost habis bukan karena tujuan akhir dari perusahaan (menghasilkan pendapatan), dalam hal ini manfaatnya habis karena sebab lain (lack of benefit) dikategorikan sebagai rugi. Biaya (expense) merupakan aliran keluarnya aktiva, merupakan asset, bertambahnya hutang dalam rangka menghasilkan pendapatan.

Definisi Cost (skripsi dan tesis)

 Definisi terhadap makna cost banyak diajukan oleh para ahli, definisidefinisi yang dikemukakan oleh para ahli berbeda-beda sudut pandangnya. Dalam   makalah ini akan dikemukakan beberapa definisi yang dirasa cukup mewakili makna cost yang sebenarnya dalam konteks akuntansi sebagai penyedia informasi. Berikut ini beberapa definisi cost yang diambil dari beberapa literatur akuntansi: Makna cost adalah cost yang timbul dari terdahulu, sebuah pengorbanan yang dibuat untuk mengamankan manfaat, dan diukur dengan harga pertukaran. Definisi Sprouse dan Moonits (dikutip dari Suwardjono, 2006). Makna cost adalah sebagai pengukur moneter sumber daya yang digunakan untuk beberapa tujuan, dalam rangka untuk suatu kegiatan, yang nantinya dapat menghasilkan suatu penghasilan. Definisi Anthony, Hawkins, dan Merchant (dikutip dari Suwardjono, 2006). Makna cost adalah aliran keluar (outflows) atau pemakaian aktiva atau timbulnya hutang (atau kombinasi keduanya) selama satu periode yang berasal dari penjualan atau produksi barang, atau penyerahan jasa atau pelaksanaan kegiatan yang lain yang merupakan kegiatan utama suatu entitas.Definisi FASB (dikutip oleh Chariri dan Ghozali, 2007).

Makna cost adalah jumlah yang diukur dalam satuan uang, atau kas yang dibelanjakan atau kekayaan lain yang ditransfer, modal saham yang dikeluarkan, pelayanan yang dijalankan atau hutang yang terjadi, dengan pertimbangan barang atau jasa diterima atau menjadi diterima. Cost dapat diklasifikasikan (dikelompokan) sebagai cost yang belum habis masa manfaatnya. Cost yang belum habis (aktiva) merupakan cost yang dapat dipergunakan untuk produksi dari penerimaan masa mendatang, dan untuk alasan itu diperlakukan sebagai pengurang dari penerimaan sekarang atau dibebankan terhadap laba ditahan. Cost yang belum habis, dapat ditransfer dari satu kelompok (klasifikasi) ke kelompok yang lain sebelum menjadi cost yang sudah habis manfaatnya sebagaimana yang didefinisikan di atas. Definisi Grady (dikutip dari Suwardjono, 2006). Dari definisi di atas dapat diketahui bahwa cost merupakan pengukur dalam unit moneter suatu pengorbanan yang dilakukan dalam memperoleh barang atau jasa, cost sebagai pengukur dalam unit moneter bukan sebagai sesuatu yang harus dikorbankan, tetapi yang sebenarnya dikorbankan adalah sumber ekonomiknya baik yang berupa fisik maupun non fisik.

 Sebagai pengukur dalam unit moneter maka cost mengukur seberapa banyak atau seberapa besar penggunaan sumber ekonomik dalam unit moneter untuk tujuan tertentu. Menurut Suwardjono (dikutip oleh Suryaningsum, 2003), pengukuran ini sangat penting karena hasil pengukuran kuantitatif akan menjadi data dasar dalam penyedia informasi untuk menentukan beberapa penggunaan berbagai jenis dan jumlah sumber ekonomik dalam satuan yang homogeny. Pengorbanan yang dilakukan oleh satu unit usaha dalam rangka untuk memperoleh barang dan jasa bukan saja berasal dari pengeluaran kas. Tapi dapat pula berasal dari sumber ekonomik yang lainnya misalnya surat berharga, jasa perusahaan, saham maupun obligasi perusahaan. Dengan kata lain terciptanya cost karena adanya kejadian ekonomik dalam suatu organisasi. Dari segi akuntansi, sebenarnya bukan cost itu sendiri yang mempunyai arti penting akan tetapi justru jasa yang ada dibalik angka cost yang termuat dalam rekeninglah yang mempunyai arti penting. Jadi arti penting objek atau jasa diwakili oleh cost yang tercatat dalam setiap rekening. Jasa-jasa tersebut adalah daya, kemampuan, atau kapasitas yang kalu digabungkan atau ditukar satu sama lainnya dapat menimbulkan daya, kemampuan, atau kapasitas lain yang kekuatannya (besarannya) paling tidak sama dengan yang sebelum dimiliki perusahaan. Misalnya, kas ditukar dengan mesin, ini berarti bahwa daya beli ditukarkan dengan daya produksi (Suwardjono, 2006)

Wilcoxon signed rank tes (skripsi dan tesis)

Wilcoxon signed rank test Merupakan uji non parametrik yang digunakan untuk menganalisis data berpasangan karena adanya dua perlakuan yang berbeda (Pramana, 2012). Wilcoxon signed rank test digunakan apabila data tidak berdistribusi normal. Dasar pengambilan keputusan untuk menerima atau menolak H0 pada uji wilcoxon signed rank test adalah sebagai berikut: Jika probabilitas (Assymp.sig)<0,05 maka H0 ditolak dan Ha diterima. Jika probabilitas (Assymp.sig)<0,05 maka H0 diterima dan Ha ditolak.

Kinerja PErusahaan (skripsi dan tesis)

Menurut Jumingan (2006) kinerja merupakan gambaran prestasi yang dicapai perusahaan dalam kegiatan operasionalnya baik menyangkut aspek keuangan, aspek pemasaran, aspek penghimpunan dana dan penyaluran dana, aspek teknologi, maupun aspek sumber daya manusianya Bagi investor, informasi mengenai kinerja perusahaan dapat digunakan untuk melihat apakah mereka akan mempertahankan investasi mereka di perusahaan tersebut atau mencari alternatif lain. Apabila kinerja perusahaan baik, maka nilai usaha akan tinggi. Dengan nilai usaha yang tinggi membuat para investor melirik perusahaan tersebut untuk menanamkan modalnya sehingga akan terjadi kenaikan harga saham. Atau dapat dikatakan bahwa harga saham merupakan fungsi dari nilai perusahaan. Kinerja reksadana dapat diukur dengan menghitung total return dengan melibatkan faktor risiko dalam mencapai kinerja tersebut. Selain melihat return, reksadana juga harus melihat tingkat risiko dalam melakukan portofolionya. Selain itu melihat kinerja suatu reksadana dapat dilihat dari Nilai Aktiva Bersih (NAB) Periode pengukuran dapat dilakukan secara harian, mingguan atau bulanan. Penggunaan subperiode harian merupakan yang paling akurat karena pengaruh deviden dapat diperhitungkan secara tepat

Pengukuran Jensen (skripsi dan tesis)

Tandelilin (2001) menjelaskan metode Jensen merupakan metode yang menunjukkan perbedaan antara tingkat return aktual yang diperoleh portofolio dengan tingkat return yang diharapkan jika portofolio tersebut berada pada garis pasar modal. Persamaan metode Jensen dengan metode Treynor adalah kedua metode ukuran kinerja portofolio tersebut menggunakan garis pasar sekuritas sebagai dasar untuk membuat persamaan. Sedangkan perbedaannya adalah bahwa metode Treynor sama dengan slope garis yang menghubungkan posisi portofolio dengan return bebas risiko, sedangkan metode Jensen merupakan selisih antara return portofolio dengan return portofolio yang tidak dikelola dengan cara khusus

Pengukuran Treynor (skripsi dan tesis)

Tandelilin (2011) menjelaskan metode Treynor merupakan ukuran kinerja portofolio yang dikembangkan oleh Jack Treynor. Pengukuran dengan metode Treynor juga didasarkan atas risk premium, seperti halnya metode Sharpe. Perbedaannya dengan metode Sharpe adalah menggunakan garis pasar sekuritas (security market line) sebagai patok duga, dan bukan garis pasar modal seperti m etode Sharpe. Pengukuran kinerja reksa dana saham menggunakan metode Treynor dihitung dengan memperhatikan fluktuasi pasar. Dalam perhitungannya digunakan pembagi beta ( ) yang merupaka risiko fluktuasi terhadap risiko pasar dan return reksa dana saham dengan varians benchmark

Pengukuran Kinerja Portofolio (skripsi dan tesis)

Agar dapat mengetahui kinerja dari suatu portofolio sudah seharusnya dilakukan evaluasi. Sehingga saat ini evaluasi kinerja portofolio sudah berkembang dengan pesat dan memiliki banyak metode. Evaluasi kinerja portofolio merupakan bagian yang tidak terpisahkan dari pengambilan keputusan investasi, baik investasi yang dilakukan sendiri maupunmelalui manajer investasi. Dana yang dikelola meliputi mutual funds, dana pensiun, dana abadi perguruan tinggi (college endowment), dan lain-lain. Evaluasi kinerja investasi sudah berkembang pesat. Teori portofolio modern telah mengubah proses evaluasi yang tidak hanya didasarkan pada return dan risiko tetapi juga sumber return dan risiko tersebut. Karena pengukuran kinerja saham dan portofolio berkaitan dengan pengukuran perubahan return dan risiko investasi tersebut dari waktu ke waktu. Elton dan Gruber mengatakan bahwa ada empat prinsip yang harus diperhatikan dalam mengevaluasi portofolio, yaitu: (Zubir, 2011) a) Mengukur kinerja investasi keseluruhan b) Menguraikan faktor-faktor yang mempengaruhi kinerja investasi c) Mengetahui karakter yang bersifat umum dari manajer investasi untuk menghasilkan yang terbaik, dan d) Memprediksi kinerja manajer investasi

Teori Portofolio (skripsi dan tesis)

 

Menurut Fahmi dan Hadi (2011:2) portofolio adalah sebuah bidang ilmu yang khusus mengkaji tentang bagaimana cara yang dilakukan oleh seorang investor untuk menurunkan risiko dalam berinvestasi seminimal mungkin, termasuk salah satunya dengan menganekaragamkan risiko tersebut. Menurut Zubir (2011) portofolio saham adalah investasi yang terdiri dari berbagai saham perusahaan yang berbeda dengan harapan bila harga salah satu saham menurun, sementara yang lain meningkat, maka investasi tersebut tidak mengalami kerugian Menurut Jogiyanto (2003) model Markowitz menggunakan asumsi-asumsi sebagai berikut:
1. Waktu yang diberikan hanya satu periode
2. Tidak ada biaya transaksi
3. Preferensi investor hanya berdasarkan ekspektasi imbal hasil dan risiko dari portofolio
 4. Tidak ada pinjaman dan simpanan bebas risiko
Kemampuan untuk mengestimasikan return saham merupakan hal yang sangat penting dan diperlukan untuk investasi saham. Untuk dapat mengestimasikan return suatu saham dengan baik dan mudah diperlukan suatu model estimasi yaitu dengan menggunakan Capital Asset Pricing Model (CAPM) (Jogiyanto, 2003)

Reksa Dana (skripsi dan tesis)

Reksa dana merupakan salah satu alternatif investasi bagi masyarakat pemodal, khususnya pemodal kecil dan pemodal yang tidak memiliki banyak waktu dan keahlian untuk menghitung risiko atas investasi mereka. Reksa dana dirancang sebagai sarana untuk menghimpun dana dari masyarakat yang memiliki modal dan mempunyai keinginan untuk melakukan investasi, namun hanya memiliki waktu dan pengetahuan yang terbatas. Selain itu, reksa dana juga diharapkan dapat meningkatkan para pemodal lokal yang berinvestasi di pasar modal. Sangat perlu untuk memahami jenis reksa dana yang tersedia, guna mengetahui mengenai instrumen dimana reksa dana melakukan investasi, karakteristik potensi keuntungan serta risiko yang akan terjadi. Menurut Pratomo dan Nugraha (2004), berdasarkan portofolio investasinya reksa dana terdiri dari empat kategori, yaitu: 1) Reksa Dana Pasar Uang 2) Reksa Dana Pendapatan Tetap 3) Reksa Dana Campuran 4) Reksa Dana Saham

 Menurut Siamat (2005), seperti halnya wahana investasi lainnya, disamping mendatangkan berbagai peluang keuntungan, reksa dana pun mengandung berbagai peluang risiko, antara lain:
1. Risiko berkurangnya nilai Unit Penyertaan.
2. Risiko ini dipengaruhi oleh turunnya harga dari Efek (saham, obligasi, dan surat berharga lainnya) yang masuk dalam portfolio reksa dana tersebut.
3. Risiko likuiditas.
4. Risiko ini menyangkut kesulitan yang dihadapi oleh manajer investasi jika sebagian besar pemegang unit melakukan penjualan kembali (redemption) atas unit-unit yang dipegangnya. Manajer investasi kesulitan dalam menyediakan uang tunai atas redemption tersebut.
5. Risiko wanprestasi Risiko ini merupakan risiko terburuk, dimana risiko ini dapat timbul ketika perusahaan asuransi yang mengasuransikan kekayaan reksa dana tidak segera membayar ganti rugi atau membayar lebih rendah dari nilai pertanggungan saat terjadi hal-hal yang tidak diinginkan, seperti wanprestasi dari pihakpihak yang terkait dengan reksa dana, pialang, bank kustodian, agen pembayaran, atau bencana alam, yang dapat menyebabkan penurunan Nilai Aktiva Bersih (NAB) reksa dana

Abnormal Return (skripsi dan tesis)

Abnormal return adalah return yang di dapat investor yang tidak sesuai dengan pengharapan. Abnormal return adalah selisih antara return yang diharapkan dengan return yang didapatkan. Selisih return akan positif jika return yang didapatkan lebih besar dari return yang diharapkan atau return yang dihitung. Sedangkan return akan negatif jika return yang didapat lebih kecil dari return yang diharapkan atau return yang dihitung.   Abnormal return adalah salah satu indikator yang dipakai untuk melihat keadaan pasar yang sedang terjadi. Informasi dapat dikatakan memiliki nilai bagi investor apabila informasi tersebut memberikan reaksi untuk melakukan transaksi di pasar modal (Jogiyanto, 2009:557). Aspek kepercayaan dari investor merupakan salah satu aspek yang sangat berpengaruh dalam pasar saham. Oleh sebab itu, suatu pengumuman atau pengungkapan akan ditanggapi oleh investor dengan beragam. Abnormal return adalah selisih antara realized return dan expected return (Jogiyanto, 2009:557). Abnormal return akan positif jika return yang didapatakan lebih besar daripada return yang diharapkan atau return yang dihitung. Sedangkan abnormal return akan negatif jika return yang didapat lebih kecil dari return yang diharapkan atau return yang dihitung. Berikut model abnormal return yang ditunjukkan Brown dan Warner dalam Eduardus Tandelilin (2010:225):
1. Mean-adjusted return
Model ini menganggap jika pasar efisien dan return saham bervariasi secara random di sekitar nilai sebenarnya, maka rata-rata return sekuritas yang dihitung dari periode sebelumnya dapat digunakan sebagai expected return

2. Market-adjusted return
Model ini menghitunh abnormal return dengan menghilangkan pengaruh pasar terhadap return harian sekuritas
3. Market model return ‘Model ini menggambarkan hubungan antara sekuritas dengan pasar dalam sebuah persamaan regresi linier sederhana antara return saham sekuritas dengan return pasar
Return merupakan hasil atau keuntungan yang akan diperoleh investor dari investasi yang dilakukan. Menurut Jogiyanto (2009: 199), return itu sendiri dapat dibedakan menjadi dua, yaitu:
a. Realized return Realized return merupakan return yang sesungguhnya terjadi.
b. Expected return Expected return merupakan return yang diharapkan oleh investor ketika menanamkan sahamnya. Brown dan Wardan dalam jogiyanto (2009:558) mengestimasikan expected return menggunakan tiga model, yaitu:
1. Mean-adjusted model Model ini menganggap bahwa expected return bernilai konstan yang sama dengan rata-rata realized return sebelumnya selama periode estimasi.
2. Market model Perhitungan expected return dengn model pasar (market model) dilakukan dengan dua tahap, yaitu: (1) membentuk model ekspektasi dengan menggunakan data realisasi selama periode estimasi dan (2) menggunakan model ekspectasian ini untuk mengestimasi expected return di event window. Model ekspektasi dapat dibentuk menggunakan teknik regresi menggunakan teknik regresi OLS (Ordinary Least Square)
3. Market adjusted return Model market adjusted return menganggap bahwa praduga yang terbaik untuk mengestimasi return saham adalah return indeks pasar pada saat tersebut. Dengan menggunakan model ini, maka tidak perlu menggunakan periode estimasi untuk membentuk model estimasinya, karena return saham yang diestimasi adalah sama dengan return indeks pasar

Pengertian Return Saham (skripsi dan tesis)

Return saham atau tingkat pengembalian saham adalah tingkat pengembalian saham biasa, dan merupakan pembayaran kas yang diterima akibat pemilikan suatu saham dengan perubahan harga pasar saham lalu dibagi dengan harga saham pada saat investasi. Jadi tingkat pengembalian ini berasal dari dua sumber, yaitu pendapatan (deviden) dan perubahan harga saham (capital gain) (Nur Azlina, 2009). Dividen adalah pembagian keuntungan yang diberikan perusahaaan penerbit saham tersebut atas keuntungan yang dihasilkan perusahaan. Sedangkan capital gain merupakan selisih antara harga beli dan harga jual yang diperoleh investor dengan adanya aktivitas perdagangan saham di pasar sekunder (Darmadji, 2011 : 9). Lebih rincinya, capital gain adalah selisih antara harga jual dan harga beli saham per lembar dibagi dengan harga beli

Pengertian Saham (Skripsi dan tesis)

Saham adalah satu instrumen keuangan yang diperjualbelikan di pasar modal Indonesia. Saham (stock) menurut Tjiptono Darmadji (2011 : 3) dapat didefinisikan sebagai tanda penyertaan atau kepemilikan seseorang atau badan dalam suatu perusahaan. Saham berwujud selembar kertas yang menerangkan bahwa pemilik kertas tersebut adalah pemilik perusahaan yang menerbitkan surat berharga tersebut. Saham yang diperdagangkan di bursa ada dua jenis yaitu saham biasa (common stock) dan saham preferen (preferred stock) (Anogara, 2006: 54). Saham biasa (common stock) adalah saham yang memiliki hak-hak yang setara, tidak memiliki hak istimewa terhadap dividen tetapi memiliki hak suara. Sedangkan saham preferen (preferred stock) adalah saham dengan kelompok khusus yang memiliki preferensi atau karakteristik tertentu yang dimiliki oleh saham biasa. Karakteristik yang paling sering berkaitan dengan saham preferen adalah : (1) saham preferen kumulatif (2) saham preferen partisipasi (3) saham preferen konvertibel, (4) saham preferen yang dapat ditarik, (5) saham preferen 30 yang dapat ditebus (Kiesso. et. al, 2007 : 746). Dari kedua jenis saham tadi, yang paling sering diperdagangkan di BEI adalah saham biasa.

Anomali Pasar (skripsi dan tesis)

 Anomali adalah suatu bentuk fenomena yang ada di pasar. Pada anomali ditemukan berbagai macam hal-hal yang seharusnya tidak ada menjadi pasar efisien yang benar-benar ada. Artinya suatu peristiwa dapat dimanfaatkan untuk memperoleh abnormal return. Dengan kata lain adanya kemungkinan seorang investor untuk memperoleh abnormal return dengan mengandalkan suatu peristiwa tertentu (Gumanti dan Utami, 2002, h.54). Salah satu anomali yang terjadi adalah January Effect. January Effect adalah kecenderungan naiknya harga  saham antara tanggal 31 Desember sampai dengan akhir minggu pertama pada bulan Januari. Terjadinya January Effect dapat ditunjukkan dengan adanya return yang tidak normal atau abnormal return yang diperoleh investor. Ada beberapa penyebab yang memungkinkan terjadinya anomali perilaku saham pada bulan Januari, yaitu: a. Tax Loss Selling Hipotesis tax-loss selling menyatakan bahwa investor akan menjual saham yang nilainya turun. b. Window dressing Window dressing yaitu terjadinya aksi jual pada saham-saham yang memiliki kinerja buruk di akhir tahun. Window dressing ini tidak jauh berbeda dengan tax loss selling, perbedaannya adalah hal ini dilakukan oleh manajer keuangan dengan tujuan agar laporan kinerja portofolio saham yang dilaporkan pada akhir tahun akan tampak bagus kinerjanya. c. Small stock’s beta Saham dengan kapitalisasi pasar kecil memiliki resiko yang lebih besar pada bulan Januari daripada bulan-bulan lainnya. Bila hal tersebut benar maka saham kapitalisasi kecil tersebut akan memiliki rata-rata return yang relatif lebih tinggi pada bulan Januari dibandingkan dengan bulan-bulan lainnya. Para investor harus hati-hati dalam memaksimalkan masalah anomali pasar ini sebagai suatu alat dalam mengambil keputusan investasi.
Tidak ada jaminan bagi para investor bahwa anomali pasar akan membantu mereka dalam memperbaiki keputusan investasi karena hasil pengujian empiris mengenai anomali pasar ini bukan merupakan strategi investasi sesungguhnya. Berdasarkan penjelasan di atas maka dapat disimpulkan bahwa fungsi anomali pasar adalah untuk memberikan gambaran yang sekaligus memberikan petunjuk dan arahan kepada investor dan memberikan informasi kepada investor dalam pengambilan keputusan.

Pasar Modal Yang Efisien (skripsi dan tesis)

Konsep efisiensi pasar modal mempunyai banyak pengertian yang berbeda tergantung keperluan pelaku yang menerapkannya. Jogiyanto (2009) membedakan pengertian internal efficiency dengan eksternal efficiency. Eksteral efficiency menunjukkan bahwa pasar berada pada posisi keseimbangan sehingga pengambilan keputusan perdagangan saham atas dasar informasi yang tersedia di pasar tidak dapat memberikan tingkat keuntungan di atas tingkat keuntungan pasar ekuilibrium. Sebaliknya internal efficiency menunjukkan bahwa pasar modal tidak hanya memberikan harga yang benar tetapi juga memberikan jasajasa yang diperlukan dengan biaya serendah mungkin. Jogiyanto (2009) mengungkapkan bentuk efisiensi pasar dapat ditinjau dari segi ketersediaan informasinya saja (enformationally efficient market) atau efisiensi pasar dapat pula ditinjau tidak dari ketersediaan informasi saja tetapi juga dilihat dari kecanggihan pelaku pasar dalam pegambilan keputusan berdasarkan analisis dari informasi yang tersedia (decisionally efficient market).
Berikut diuraikan secara rinci bentuk efisiensi pasar tersebut:
1. Efisiensi pasar berdasarkan informas
 a. Efisiensi bentuk lemah (weak form), pasar dikatakan efisien dalam bentuk lemah jika harga-harga dari sekuritas tercermin secara penuh (fully reflect) informasi masa lalu. Informasi masa lalu ini merupakan informasi yang sudah terjadi. Bentuk efisiensi pasar secara lemah ini berkaitan dengan teori langkah acak (random walk theory) yang menyatakan bahwa masa lalu tidak 25 berhubungan dengan nilai sekarang. Jika pasar efisien secara bentuk lemah, maka nilai-nilai masa lalu tidak dapat digunakan untuk memprediksi harga sekaranng. Ini berarti bahwa bentuk pasar yang efisien bentuk lemah, investor tidak dapat menggunakan informasi masa lalu untuk mendapatkan abnormal return. b. Efiensi pasar bentuk setengah kuat (semistrong form), pasar dikatakan efisien bentuk setengah kuat jika harga-harga sekuritas secara penuh (fully reflect) mencerminkan semua informasi yang dipublikasikan (all publicly available) semua informasi yang berada di laporan-laporan keuangan perusahaan emiten. Pengaruh suatu informasi yang dipublikasikan terhada harga dapat berbentuk informasi yang hanya berpengaruh terhadap harga sekuritas yang bersangkutan, informasi yang mempengaruhi harga-harga sejumlah perusahaan atau informasi yang dipublikasikan dapat pula berpengaruh terhadap harga-harga sekuritas semua perusahaan yang terdaftar di pasar saham. c. Efiensi pasar bentuk kuat (strong form), pasar dikatakan efisien dalam bentuk kuat jika harga-harga sekuritas secara penuh mencerminkan (fully reflect) semua informasi yang tersedia termasuk informasi privat. Jika pasar efisien dalam bentuk ini maka tidak ada individual investor atau grup dari investor yang dapat memperoleh keuntungan tidak normal (abnormal return) karena mempunyai informasi privat.
 2. Efisiensi pasar berdasarkan keputusan
Pembagian efisiensi berdasarkan informasi tidaklah cukup untuk menjamin efisiensi pasar, perbedaan kemampuan dalam menganalisis dan menginterpretasikan informasi sebagai informasi baik atau buruk, memungkinkan bagi pelaku pasar untuk memperoleh abnormal return karena kecanggihannya. Efisiensi pasar perlu juga dilihat berdasarkan kecanggihan pelaku pasar dalam mengolah informasi untuk pengambilan keputusan sehingga efisiensi pasar secara keputusan dapat didefinisikan sebagai efisiensi pasar dimana semua pelaku pasar dapat mengambil keputusan dengan canggih. Terdapat beberapa alasan yang menyebabkan pasar menjadi efisien. Pasar efisien terjadi karena peristiwa-peristiwa sebagai berikut ini: a. Investor adalah penerima harga (price takers), yang berarti bahwa sebagai pelaku pasar, investor seorang diri tidak dapat mempengaruhi harga dari suatu sekuritas. b. Informasi tersedia luas kepada semua pelaku pasar pada saat yang bersamaan dan harga untuk memperoleh informasi tersebut murah. c. Informasi dihasilkan secara acak (random) dan tiap-tiap pengumuman informasi sifatnya random satu dengan yang lainnya sehingga investor tidak dapat memprediksi kapan emiten akan mengumumkan informasi yang baru.  d. Investor bereaksi dengan menggunakan informasi secara penuh dan cepat, sehingga harga sekuritas berubah dengan semestinya mencerminkan informasi tersebut utnuk mencapai keseimbangan yang baru.
Sebaliknya pasar dikatakan efisien jika kondisi-kondisi berikut terjadi, yaitu: a. Terdapat sejumlah kecil pelaku pasar yang data mempengaruhi harga dari sekuritas. b. Harga dari informasi adalah mahal dan terdapat akses yang tidak seragam antara pelaku pasar yang satu dengan yang lainnya terhadap suatu informasi. c. Informasi yang disebarkan dapat diprediksi baik oleh sebagian dari pelakupelaku. d. Investor adalah individual-individual yang lugas (naïve investor) dan tidak canggih

Pengertian Pasar Modal (skripsi dan tesis)

Secara umum pasar modal adalah tempat atau sarana bertemunya antara permintaan dan penawaran atas instrumen keuangan jangka panjang. Umumnya 23 lebih dari satu tahun. Pasar modal (capital market) merupakan tempat diperjualbelikannya berbagai instrument keuangan jangka panjang, seperti utang, saham, instrument derivatif, dan instrument lainnya. Pasar modal merupakan sarana pendanaan bagi perusahaan maupun institusi lainnya. Pasar modal merupakan sarana pendanaan bagi perusahaan maupun institusi lain, dan sebagai sarana kegiatan berinvestasi (Darmadji, 2011: 1). Pasar modal yang maju dan berkembang adalah impian dari banyak negara karena pasar modal juga dapat mendorong terciptanya alokasi dana yang efisien karena dengan adanya pasar modal pihak yang kelebihan dana (investor) dapat memilih alternatif investasi yang memberikan return relatif besar (Luhgianto : 2011). Menurut Darmadji (2011 : 2), dengan adanya pasar modal, pihak investor dapat menginvestasikan dana tersebut dengan harapan memperoleh imbalan (return), sedangkan pihak issuer (dalam hal ini perusahaan) dapat memanfaatkan dana tersebut tanpa harus menunggu tersedianya dana dari operasi perusahaan. Pasar modal memiliki peran besar bagi perekonomian suatu negara karena pasar modal menjalankan dua fungsi sekaligus, fungsi ekonomi dan fungsi keuangan. Selain itu, dengan adanya pasar modal, diharapkan aktivitas perekonomian menjadi meningkat karena pasar modal merupakan alternatif pendanaan bagi perusahaan-perusahaan sehingga perusahaan dapat beroperasi dengan skala yang lebih besar dan pada gilirannya akan meningkatkan pendapatan perusahaan dan kemakmuran masyarakat luas

Signalling Theory (skripsi dan tesis)

 Investor harus berhati-hati dengan naik, turun, dan konstannya saham di pasar akan memberikan sinyal positif dan negatif. Apapun informasi yang terjadi dari kondisi saham suatu perusahaan selalu memberi efek bagi keputusan investor sebagai pihak yang menangkap sinyal tersebut. Konsep Signalling theory disini menjadi sangat berperan. Teori sinyal digunakan untuk menjelaskan bahwa pada dasarnya suatu informasi dimanfaatkan untuk memberi sinyal positif maupun negatif kepada pemakainya. Teori sinyal (Leland dan Pyle dalam Scott, 2012:475) menyatakan bahwa pihak eksekutif perusahaan yang memiliki informasi lebih baik mengenai perusahaannya akan terdorong untuk menyampaikan nilai perusahaan melalui pelaporannya dengan mengirimkan sinyal melalui laporan tahunannya. Manajemen tidak sepenuhnya menyampaikan seluruh informasi yang diperolehnya tentang semua hal yang dapat mempengaruhi nilai perusahaan ke pasar modal, sehingga jika manajemen menyampaikan suatu informasi ke pasar, maka umumnya pasar akan bereaksi terhadap informasi tersebut sebagai suatu sinyal (Listiana:2009).
 Teori sinyal adalah suatu teori yang menjelaskan bahwa suatu perusahaan harus memberikan sinyal kepada para pengguna laporan keuangan untuk kepentingan mereka (Brigham dalam Susilowati,2011). Sinyal yang diberikan  tersebut berupa informasi tentang kondisi perusahaan kepada pemilik ataupun pihak yang berkepentingan. Misalnya melalui pengungkapan informasi akuntansi seperti laporan keuangan, bisa juga melalui laporan tentang apa yang sudah dilakukan oleh manajer untuk merealisasikan keinginan pemilik perusahaan, atau mungkin berupa informasi yang menyatakan bahwa perusahaan tersebut lebih baik daripada perusahaan lain. Tujuannya adalah supaya para investor atau calon investor mengerti bagaimana keadaan perusahaan sebenarnya. Teori sinyal juga menjelaskan tentang bagaimana seharusnya seorang investor harus memiliki informasi yang sama tentang prospek perusahaan selain manajer. Namun faktanya manajer sering memiliki informasi yang lebih baik dari investor luar misalnya dalam hal prospek perusahaan yang akan datang. Hal semacam ini disebut dengan informasi asimetri. Teori sinyal juga menjelaskan mengapa perusahaan mempunyai dorongan untuk memberikan informasi laporan keuangan pada pihak eksternal. Salah satunya adalah karena adanya informasi asimetri tersebut. Motivasi signaling mendorong manajemen menyajikan laporan laba yang dapat mencerminkan laba sesungguhnya (Sunarto, 2008 dalam Susilowati, 2011). Investor akan melihat prospek return masa depan perusahaan melalui sinyal yang diberikan. Dengan adanya sinyal yang diberikan tersebut investor bisa dengan mudah menentukan keputusannya

Uji Tanda (Sign-Test) (skripsi dan tesis)

Apabila telah ditetapkan pasangan ukuran ordinal yang diambil dari subyek yang sama atau subyek yang dicocokkan, dan apabila hanya ingin diselidiki apakah terdapat perbedaan nyata atau tidak tanpa memperhatikan perbedaan tersebut, maka prosedur uji tanda harus digunakan. Prosedur uji tanda didasarkan pada tanda negatif atau positif dari perbedaan antara pasangan data ordinal. Pada hakekatnya pengujian ini hanya memperhatikan arah perbedaan dan bukan besarnya perbedaan itu.

Statistik Non parametrik (skripsi dan tesis)

Menurut Webster (1998), uji nonparametrik adalah prosedur statistik yang dapat digunakan untuk melakukan uji hipotesis jika tidak ada asumsi tentang distribusi parameter-parameter atau populasi. Menurut Supranto (2002), metode statistik parametrik, seperti statistik uji t atau F, digunakan apabila peneliti mengetahui fakta yang pasti mengenai sekelompok data yang menjadi sumber sampel. Pada dasarnya, peneliti harus bekerja dengan data yang telah diambil secara independen dan tanpa bias dari sekelompok item. Data tersebut haruslah berasal dari populasi yang terdistribusi secara normal dan mempunyai varians yang sama, dan harus diukur setidaknya pada tingkat interval. Metode Statistik nonparametrik dipakai apabila peneliti tidak mengetahui karkteristik kelompok item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data yang diukur dengan skala ordinal dan dalam kasus tertentu, dengan skala nominal. Pengujian nonparametrik bermanfaat untuk digunakan apabila sampelnya kecil dan lebih mudah dihitung dari pada metode parametrik. Metode nonparametrik juga digunakan secara luas guna mengenalisis data di bidang ilmu sosial (Supranto, 2002).

Pembahasan mengenai statistik nonparametrik meliputi : uji tanda, uji peringkat bertanda Wilcoxon, uji Mann-Whitney, uji deret, dan koefisien korelasi peringkat Spearman. Statistika parametrik adalah ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan dengan metode statistika non-parametrik, atau setidak-tidaknynya dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dan lain-lain. Menurut Kurniawan (2007), statistika non-parametrik adalah statistika bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dan lain-lain. Dalam praktik, tidak semua data statistik bisa diolah menggunakan metode parametrik, baik hal itu disebabkan jumlah data yang minim, distribusi data yang tidak normal, jenis data ataupun sebab lainnya. Menurut Santoso (2010, sebagai alternatif dapat digunakan berbagai metode nonparametrik, yang dengan dukungan software seperti SPSS memungkinkan pengguna mengolah data dan menginterpretasi output dengan mudah. Menurut Tentua (2009), metode statistik nonparametrik digunakan untuk situasi seperti: (1) apabila ukuran sampel demikian kecil sehingga distribusi statistik pengambilan sampel tidak mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat tentang bentuk distribusi populasi yang menjadi sumber sampel; (2) apabila digunakan data peringkat atau ordinal; (3) apabila data nominal digunakan (data nominal adalah data di mana sebutan seperti laki-laki atau perempuan diberikan kepada item dan tidak ada implikasi di dalam sebutan tersebut bahwa item yang satu lebih tinggi atau lebih rendah daripada item lainnya). Menurut Tentua (2009), keuntungan dari penggunaan metode nonparametric, yaitu: (1) metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering juga dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala distribusi data dan lebih luas penggunaannya.; (2) metode non parametrik dapat dipakai untuk level data seperti nominal dan ordinal; (3) metode non parametrik lebih sederhana dan mudah dimengerti daripada pengerjaan Metode Parametrik. Di samping berbagai keunggulan di atas, metode non parametrik juga mempunyai beberapa kelemahan, seperti: (1) tidak adanya sistematika yang jelas seperti pada metode parametrik, hasilnya dapat meragukan karena kesederhanaan metodenya; (2) tabel-tabel yang dipakai lebih bervariasi dibanding tabel-tabel standar pada metode Parametrik. Beberapa metode statistik non parametrik yang digunakan secara luas

SP SS for Windows (skripsi dan tesis)

 SPSS adalah program atau software yang digunakan untuk olah data statistik. Dari berbagai program olah data statistik lainnya, SPSS merupakan yang paling banyak digunakan dan diminati oleh para peneliti. Dahulu SPSS digunakan untuk olah data statistik pada ilmu sosial sehingga saat itu kepanjangan SPSS adalah Statistical Package for the Social Sciences, tapi seiring berjalannya waktu SPSS mengalami perkembangan dan penggunaan semakin kompleks SPSS yang dahulunya merupakan singkatan dari statistical package for social science merupakan paket program statistika yang paling popular dan paling banyak digunakan di seluruh dunia. Hal inilah yang membuat kepanjangan dari SPSS saat ini adalah statistical product and service solution. Dengan SPSS semua kebutuhan pengolahan data dapat diselesaikan dengan mudah dan cepat. Kemampuan yang dapat diperoleh dari SPSS meliputi pemrosesan segala bentuk file data, modifikasi data, membuat tabulasi berbentuk distribusi frekuensi, analisis statistik lanjut dan sederhana maupun komplek, pembuatan grafik dan sebagainya. SPSS sebagai software statistika, pertama kali dibuat tahun 1868 oleh tiga mahasiswa Stanford University, yang dioperasikan pada computer mainframe.
 Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai 29 populernya sistem operasi Windows SPSS pada tahun 1992 juga mengeluarkan versi Windows. Selain itu, antara tahun 1994 sampai tahun 1998, SPSS melakukan berbagai kebijakan strategis untuk mengembangkan software statistik dengan mengakuisisi software home terkemuka. Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu social, sekarang diperlukan untuk melayani berbagai jenis user, seperti untuk proses produksi di pabrik, riset ilmu-ilmu sains dan lainnya (Singgih, 2005: 10).

Uji Kolmogorov Smirnov (skripsi dan tesis)

Dua Sampel Uji Kolmogorov Smirnov digunakan untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal yang telah tersususn pada tabel distribusi frekuensi kumulatif dengan menggunakan klas-klas interval. Prinsip rumus Kolmogorov Smirnov adalah menghitung selisih absolut antara pada masing-masing interval kelas. Nilai D kemudian dibandingkan dengan nilai kritis tabel Kolmogorov Smirnov, pada ukuran n dan tingkat kemaknaan α.

Uji Mann-Whitney (skripsi dan tesis)

Uji Mann-Whitney digunakan untuk menguji signifikansi hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal. Test ini merupakan yang terbaik untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal. Bila dalam suatu pengamatan data berbentuk interval, maka perlu dirubah dulu ke dalam data ordinal. 24 Ukuran sampel tidak harus sama karena sampel tersebut tidak berpasangan atau independen sehingga kedua sampel tidak saling mempengaruhi. Sampel diambil dari 2 populasi, di mana perbedaan kedua populasi diamati berdasar sampel acak dari populasi tersebut. Asumsi-asumsi yang diperlukan dalam uji Mann-Whitney antara lain : data merupakan sampel acak hasil pengamatan dari populasi 1 dan sampel acak hasil pengamatan dari populasi 2, kedua sampel tidak saling mempengaruhi, variabel yang diamati adalah variabel acak, dan skala pengukuran yang dipakai adalah ordinal

Distribusi Frekuensi (skripsi dan tesis)

Menurut Santoso (2003: 73) disebutkan bahwa: “distribusi frekuensi pada prinsipnya adalah menyusun dan mengatur data kuantitatif yang masih mentah ke dalam beberapa kelas data yang sama, sehingga setiap kelas bisa menggambarkan karakteristik data yang ada.” Tujuan utama distribusi frekuensi adalah untuk mengorganisasikan data secara sistematik ke dalam berbagai macam klasifikasi tanpa mengurangi informasi yang ada dari data tersebut. Untuk data yang jumlahnya cukup banyak, maka pembuatan distribusi frekuensi dapat dilakukan dengan membagi data-data tersebut ke dalam beberapa kelas sesuai dengan nilainilai (hasil) data yang diperoleh, tetapi bila jumlah data relatif sedikit, maka pembuatan distribusi frekuensi tidak perlu dilakukan dengan membagi ke dalam berbagai macam kelas, sehingga data yang jumlahnya sedikit tersebut digolongkan ke dalam data yang tidak berkelompok. Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang sama, kita lakukan sebagai berikut:

 (1) Tentukan rentang, rentang adalah data terbesar dikurangi data terkecil.
 (2) Tentukan banyak kelas interval yang diperlukan. Banyak kelas sering biasa diambil paling sedikit 5 kelas dan paling banyak 15 kelas, dipilih menurut keperluan. Cara lain cukup bagus untuk n berukuran besar misalnya, dapat menggunakan aturan Sturges,
(3) Tentukan panjang kelas interval p.
(4) Pilih ujung bawah kelas interval pertama. Untuk ini bisa diambil sama dengan data terkecil atau nilai data yang lebih kecil dari data terkecil tetapi selisihnya harus kurang dari panjang kelas yang telah ditentukan. Selanjutnya daftar distribusi diselesaikan dengan menggunakan harga-harga yang telah dihitung.
(5) Membuat tabel distribusi frekuensi yang sesuai dengan jumlah kelas yang ada serta kelas intervalnya.

Pengertian Rank (skripsi dan tesis)

Pandang peubah acak yang masing-masing mempunyai nilai pengamatan . Nilai-nilai pengamatan ini diberi nomor 1, nomor 2, dan seterusnya dari urutan terbesar sampai terkecil. Nomor urutan tersebut adalah rank, yaitu bilamana yang diberikan pada setiap pengamatan sesuai dengan urutan besarnya peubah acaknya. Susunan keseluruhan rank di sebut ranking, di mana setiap anggotanya memiliki nilai rank. Misalnya kita ambil data sebagai berikut 6,8,11,3,2 kemudian setelah dibuat rangking, data menjadi 2,3,6,8,11 di mana rank ke-1 nilainya 2, rank ke-2 nilainya 3, rank ke-3 nilainya 6, rank ke-4 nilainya 8 dan rank ke-5 nilainya 11. 22 Jika diketahui terdapat angka sama dalam suatu data maka angka yang sama diberi peringkat rata-rata dari posisi-posisi yang seharusnya. Misal diambil angka sebagai berikut 6,2,2,7,4,1. Kemudian setelah dibuat rangking data menjadi 1,2,2,4,6,7 di mana rank ke-1 nilainya 1, rank ke-2 nilainya 2, rank ke-3 nilainya 2, sehingga untuk nilai 2 digunakan rata-rata jadi rank ke-2 nilainya 2,5 dan rank ke-3 nilainya 2,5, rank ke-4 nilainya 4, rank ke-5 nilainya 6 dan rank ke6 nilainya 7

Hipotesis Komparatif (Skripsi dan tesis)

 Hipotesis komparatif merupakan dugaan terhadap perbandingan nilai dua sampel atau lebih. Dalam hal komparasi ini terdapat beberapa macam, yakni: (1) Komparasi berpasangan (related) dalam dua sampel dan lebih dari dua sampel (k sampel). (2) Komparasi independen dalam dua sampel dan lebih dari dua sampel (k sampel). Contoh: (1) Sampel berpasangan, komparatif dua sampel Contoh rumusan hipotesisnya adalah sebagai berikut : H0 : tidak terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan. Ha : terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan. (2) Sampel independen, komparatif tiga sampel
 Contoh rumusan hipotesisnya adalah sebagai berikut : H0 : tidak terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam memilih partai. Ha : terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam memilih partai.

Hipotesis Deskriptif (skripsi dan tesis)

Hipotesis Deskriptif merupakan dugaan terhadap nilai satu variabel dalam satu sampel walaupun didalamnya bisa terdapat tiga kategori. Contoh rumusan hipotesisnya adalah sebagai berikut : H0 : kecenderungan masyarakat memilih warna mobil gelap. Ha : kecenderungan masyarakat memilih warna mobil bukan gelap.

Pengujian Hipotesis (skripsi dan tesis)

 Menurut Sugiyono (2005: 5) disebutkan bahwa: “hipotesis merupakan dugaan atau jawaban sementara terhadap rumusan masalah penelitian. Dikatakan sementara karena jawaban yang diberikan baru didasarkan pada teori dan belum menggunakan fakta.” Jika asumsi atau dugaan itu dikhususkan mengenai populasi, misalnya mengenai nilai-nilai parameter populasi, maka hipotesis tersebut disebut hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis dinamakan pengujian hipotesis. Hipotesis disajikan dalam bentuk pernyataan yang menghubungkan secara eksplisit maupun implisit satu variabel dengan variabel lain. Hipotesis yang baik selalu memenuhi dua persyaratan, yaitu: menggambarkan hubungan antar variabel dan dapat memberikan petunjuk bagaimana pengujian terhadap hubungan tersebut. Di dalam pengujian terdapat dua hipotesis yakni hipotesis nol (H0) dan hipotesis alternatif (Ha). hipotesis nol (H0) digunakan sebagai dasar pengujian statistik, atau hal yang berlaku secara umum. Dalam pengambilan keputusan H0,  kadang-kadang dilakukan kesalahan.
Ada dua tipe kesalahan yang mungkin dilakukan yakni kesalahan tipe I dan kesalahan tipe II. Kesalahan tipe I terjadi jika menolak hipotesis nol (H0) dengan syarat H0 benar. Sedangkan kesalahan tipe II terjadi jika menerima hipotesis nol (H0) dengan syarat H0 salah. Hipotesis alternatif (Ha) merupakan kesimpulan sementara dari hubungan antar variabel yang sudah dipelajari dari teori-teori yang berhubungan dengan suatu masalah. Bila kita hendak membuat keputusan mengenai perbedaan-perbedaan, kita menguji H0 terhadap Ha. Ha merupakan pernyataan yang kita terima jika H0 ditolak. Menurut Conover (1978: 80) disebutkan bahwa: “taraf signifikan (α) adalah peluang kesalahan tipe I atau peluang bersyarat menolak H0 dengan syarat H0 benar. Jadi α = (Tolak H0 / H0 benar). Taraf kritik (critical level) α adalah taraf signifikan terkecil yang harus dicapai untuk menolak H0 pada suatu pengamatan.” Dalam pengambilan kesimpulan ada kemungkinan untuk berbuat satu diantara dua tipe kesalahan. Maka dari itu peneliti harus dapat mencapai nilai kompromi yang merupakan keseimbangan yang optimal antara peluang-peluang yang diperbuat kedua tipe kesalahan itu. Untuk mencapai keseimbangan itu, maka digunakan fungsi kuasa (power function). Fungsi kuasa (power function) adalah peluang untuk menolak H0 ketika H0 salah. jadi peluang kuasa uji adalah 1 – β. Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung. Harga 1 – β dinamakan kuasa uji. Jika nilai β berbeda untuk harga parameter yang berlainan, maka β bergantung pada parameter, katakanlah θ, sehingga didapat β(θ) 20 sebuah fungsi yang bergantung pada θ. Bentuk β(θ) dinamakan fungsi ciri operasi, dan 1 – β( θ) dinamakan fungsi kuasanya.

Skala Rasio (skripsi dan tesis)

Menurut Soepono (2002: 7) “skala rasio didefinisikan, bila suatu skala interval mempunyai titik nol yang nyata, skala tersebut dinamakan skala rasio.” Dalam skala rasio perbandingan dari tiap titik pada unit pengukuran adalah bebas. Skala rasio sama dengan skala interval, yaitu antara dua nilai yang berurutan mempunyai jarak yang sama atau berupa angka dalam arti yang sebenarnya. Perbedaanya adalah bahwa dalam skala rasio angka 0 bersifat absolute (mutlak). Jadi 0 berarti kosong sama sekali. Misalnya massa 0 kg berarti tidak ada kuantitas sama sekali.

Skala Interval (skripsi dan tesis)

Skala Interval adalah skala yang digunakan untuk data yang menunjukkan adanya penggolongan yang mempunyai besaran sama, data ini mempunyai ciri yang berkelanjutan (kontinu) sehingga dapat diukur, skala ini mempunyai angka 0 mutlak. Oleh sebab itu harga atau nilai yang dimiliki setiap intervalnya adalah sama, misal isi interval 1-2 akan memiliki harga yang sama dengan isi interval 8- 9. Contoh dari skala data ini adalah, prestasi belajar siswa berentang antara 0- 100 atau 0-10, hasil IQ, hasil tes fisik dan sebagainya. Satu hal yang perlu diingat adalah, bahwa pada skala data ini tidak memiliki harga 0 mutlak. Bilangan 0 yang dimiliki disini adalah bilangan 0 relatif, sebab walaupun individu mendapat nilai prestasi belajar 0, ini tidak berarti bahwa individu tersebut prestasi belajarnya kosong sama sekali.

Skala Ordinal (Skripsi dan tesis)

Skala ordinal dapat digunakan untuk menunjukkan status atau tingkat kedudukan individu yang satu dengan yang lainnya dalam karakteristik tertentu. Dalam skala ini dapat menentukan kedudukan individu dalam kelompok, namun tidak dapat mengetahui perbedaan antara yang satu dengan yang lainnya. Jarak antara 1 dan 2 dapat berbeda jauh dibandingkan jarak antara 5 dan 6. Penggolongan data ini mempunyai sifat berkelanjutan (kontinu), dimana masingmasing golongan mempunyai besaran sendiri-sendiri. Dari sini dapat ditarik kesimpulan bahwa, salah satu individu lebih besar (kecil) dibandingkan dengan yang lainnya. Data ordinal seperti pada data nominal, adalah data dengan level lebih tinggi daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama, maka pada data ordinal terdapat tingkatan data. Misalnya hasil ujian akhir suatu SMA menyatakan bahwa: (1) Siswa A sebagai juara 1; (2) Siswa B sebagai juara 2; (3) Siswa C sebagai juara 3; (4) dst. Dalam hal ini angka satu mempunyai nilai lebih tinggi daripada angka 2 maupun 3, tetapi skala ini tidak bisa menunjukkan perbedaan kemampuan antara A, B, dan C secara pasti. Juara satu tidak berarti mempunyai kemampuan dua kali lipat juara dua maupun mempunyai kemampuan tiga kali lipat dari kemampuan juara tiga. Di samping itu perbedaan kemampuan antara siswa juara 1 dengan siswa juara 2, juga berkemungkinan besar tidak sama dengan perbedaan kemampuan siswa juara   2 dengan siswa juara 3. Dengan demikian maka rentangan kemampuan siswa untuk rentangan kemampuan untuk masing-masing juara tidak selalu sama (tetap), walaupun angka yang dipakai sebagai pengganti mempunyai rentangan yang sama.

Skala Nominal (Skripsi dan tesis)

Skala nominal adalah skala yang digunakan untuk mengkategorikan (menggolongkan) data atas dasar kriteria yang jelas dan tegas dan bersifat diskrit. Data penelitian dapat dikategorikan menjadi dua atau lebih, tergantung pada karakteristik data itu sendiri. Skala nominal tidak diberi konotasi perbedaan harga, dengan kata lain, kategori yang satu tidak lebih tinggi dari kategori yang lain. Misalnya adalah kategori dari etnis yang ada di Indonesia; Jawa, Madura, Batak, Bali, Dayak, Sunda, Badui, dan lain sebagainya. Kedudukan setiap etnis tersebut tidak menggambarkan status sosial yang berbeda. Kategori jenis agama yang ada di Indonesia, Islam, Katolik, Kristen, Hindu, dan Budha, kedudukan setiap kategori agama tersebut tidak menunjukkan perbedaan, misalnya agama Islam lebih baik dari agama yang lain. Pengukuran skala ini hanya dapat dilakukan dengan menghitung jumlah frekuensinya saja, berapa jumlah individu yang tergolong etnis Jawa, Bali, Batak dan sebagainya. Angka dari hasil penjumlahan inilah merupakan data berskala nominal, yang selanjutnya akan dianalisis dengan menggunakan statistik. Data bertipe nominal adalah data yang paling rendah dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, data tersebut adalah data nominal (data kategori). Data nominal dalam praktik statistik biasanya dijadikan angka, yaitu proses yang 16 disebut kategorisasi. Misalnya dalam pengisian data jenis kelamin, laki-laki dikategorikan ‘1’ dan perempuan dikategorikan ‘2’.

Populasi (skripsi dan tesis)

Menurut Sudjana (2005: 6) disebutkan bahwa: “populasi merupakan totalitas semua nilai yang mungkin, hasil menghitung ataupun pengukuran, kuantitatif atau kualitatif mengenai karakteristik tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin dipelajari sifat-sifatnya.” Jadi populasi bukan hanya orang, tetapi juga benda-benda alam yang lain. Populasi juga bukan sekadar banyaknya objek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiiki oleh objek tersebut

Statistika Nonparametrik (Skripsi dan tesis)

 Menurut Siegel (1997: 38) disebutkan bahwa: “uji statistika nonparametrik adalah statistika yang modelnya tidak menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan induk sampel penelitiannya.” Beberapa asumsi yang berhubungan erat dengan uji statistika nonparametrik adalah bahwa pengamatan tersebut bebas dan variabel yang diamati kontinu, tetapi asumsi yang dibuat adalah lebih lemah dan kurang teliti bila dibandingkan dengan uji parametrik. Oleh karena itu, uji nonparametrik tidak membutuhkan suatu pengukuran dengan tingkat ketelitian yang tinggi seperti uji parametrik. Biasanya uji nonparametrik dipakai untuk menganalisis data dalam skala ordinal dan nominal. Menurut Siegel (1997: 40), keunggulan uji statistika nonparametrik antara lain: Jika sampelnya terlalu kecil, maka tidak ada alternatif lain menggunakan uji statistika nonparametrik, kecuali jika sifat distribusi populasinya diketahui dengan pasti. Uji nonparametrik dapat digunakan untuk menganalisis data yang pada dasarnya adalah data dalam bentuk ranking.
Jadi peneliti hanya dapat mengatakan terhadap subyek penelitian bahwa yang satu memiliki lebih atau kurang karakteristik dibandingkan lainnya,  tanpa dapat mengatakan seberapa besar lebih atau kurang itu. Uji nonparametrik lebih mudah dipelajari dan diterapkan dibandingkan dengan uji parametrik. Menurut Siegel (1997: 41), kelemahan uji statistika nonparametrik antara lain: Jika data telah memenuhi semua anggapan atau asumsi model statistik parametrik, dan jika pengukurannya mempunyai kuasa (power) seperti yang diinginkan, maka penggunaan metode nonparametrik akan merupakan penghamburan data. Tingkat penghamburan atau penyianyiaan itu dinyatakan oleh kekuatan efisiensi kuasa uji nonparametrik. Perlu dinyatakan bahwa jika suatu uji nonparametrik memiliki efisiensi kuasa uji yang besar, maka metode parametrik yang sesuai akan efektif dibandingkan dengan menggunakan metode nonparametrik.

Statistika Parametrik (skripsi dan tesis)

 Statistika parametrik adalah alat bantu analisis data dengan berdasar pada syarat-syarat, bahwa sampelnya harus berdistribusi normal yang diambil secara random, dan datanya berskala interval dan atau rasio. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi, seberapa jauh makna hasil suatu uji parametrik bergantung pada validitas anggapan-anggapan tadi. Uji parametrik juga menuntut bahwa skor-skor yang dianalisis merupakan hasil suatu pengukuran yang sedikitnya berkekuatan sebagai skala interval. Penggunaan analisis statistika parametrik, tergantung dari asumsi-asumsi dasar berkaitan dengan distribusi dan jenis skala data yang diperoleh dari populasi maupun sampel penelitiannya.
Ada beberapa persyaratan asumsi dasar untuk menggunakan statistika parametrik, yaitu:
1. Data yang diperoleh dari observasi harus bersifat independent, di mana pemilihan salah satu kasus tidak tergantung pada pemilihan kasus lainnya.
2. Sampel yang diperoleh dari populasi berdistribusi normal, dan diambil secara random.
 3. Sampel-sampelnya memiliki varians yang sama atau mendekati sama, terutama jika sampelnya kecil
. 4. Variabel-variabel yang digambarkan berupa skala interval atau rasio (Soepono, 2002: 4).
 Data yang berskala nominal atau ordinal tidak memenuhi syarat untuk diolah dengan statistika parametrik. Namun dalam kenyataannya banyak hal dalam hal penelitian, seorang peneliti dihadapkan pada suatu di mana persyaratanpersyaratan di atas tidak dapat terpenuhi, untuk memecahkan masalah yang berkaitan dengan penggunaan analisis statistik ini, maka statistik non parametric lah dapat dipakai sebagai alat bantu untuk menganalisis datanya. Ini merupakan uji statistik yang tidak memerlukan asumsi tentang distribusi dari populas

Statistika Inferensial (Skripsi dan tesis)

Menurut Sugiyono (2005: 13) disebutkan bahwa: “Statistika Inferensial adalah statistika yang digunakan untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi di mana sampel diambil.” Statistika inferensial memperkenalkan langkah-langkah dalam tiap usaha untuk mengambil kesimpulan dari fakta yang disajikan sampel. Statistika inferensial dibagi menjadi dua macam, yakni statistika parametrik dan statistika nonparametrik. Statistika inferensial mencakup beberapa langkah yang terprosedur secara sistematik, mulai dari perumusan masalah, kajian pustaka dan kajian temuan penelitian yang relevan dengan masalah penelitian, untuk memformulasikan hipotesis sampai dengan taraf inferensial yang dicerminkan dari hasil analisis statistik untuk pengujian hipotesis dan penggeneralisasian temuannya. Menurut Soepono (2002: 3) dijelaskan bahwa: “fungsi statistik dalam penelitian inferensial adalah sebagai alat bantu yang tidak hanya untuk mendeskripsikan, tetapi lebih ditekankan pada fungsi analisis untuk menginferensialkan (menemukan ciri-ciri statistik tertentu) untuk suatu populasi dari suatu sampel secara random dalam rangka pengujian hipotesis penelitian

Statistika Deskriptif (skripsi dan tesis)

Menurut Sugiyono (2005: 12) disebutkan bahwa: “Statistika Deskriptif adalah statistika yang digunakan untuk menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas. Suatu penelitian yang tidak menggunakan sampel, analisisnya akan menggunakan statistika deskriptif.”   Statistika deskriptif pada hakekatnya merupakan tingkatan awal dan pengembangan suatu ilmu atau disiplin yang di dalamnya mencakup gambaran atau koleksi data dari suatu objek atau fenomena yang diamati. Dalam hal ini penelitian hanya bermaksud untuk membangun konfigurasi atau deskripsi apa adanya dari suatu fenomena yang berbeda dalam konteks penelitiannya. Penelitian ini biasanya masih bersifat eksploratif, hasil penelitian ini masih berupa hipotesis yang masih memerlukan pengujian kebenarannya dalam studi lanjutan

Statistika (skripsi dan tesis)

Dari hasil penelitian (riset) maupun pengamatan, baik yang dilakukan khusus ataupun berbentuk laporan, sering diminta atau diinginkan suatu uraian, penjelasan atau kesimpulan tentang persoalan yang diteliti. Sebelum kesimpulan dibuat, keterangan atau data yang telah terkumpul itu terlebih dahulu dipelajari, dianalisis atau diolah dan berdasarkan pengolahan inilah baru kesimpulan dibuat. Tentulah dimengerti bahwa pengumpulan data atau keterangan, pengolahan dan pembuatan kesimpulan harus dilakukan dengan baik, cermat, teliti, hati-hati, mengikuti cara-cara dan teori yang benar dan dapat dipertanggungjawabkan.
Menurut Sudjana (2002: 3) disebutkan bahwa: “Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisannya yang dilakukan.” Ada dua jalan untuk mempelajari statistika, yang pertama melalui kajian statistika matematis atau statistika teoritis, dalam mempelajari statistika diperlukan dasar matematika yang kuat dan mendalam. Yang dibahas antara lain penurunan sifat-sifat, dalil-dalil, rumus-rumus, menciptakan model-model dan segi-segi lainnya yang teoritis dan matematis. Kedua adalah kajian statistika semata-mata dari segi penggunaannya. Aturan-aturan, rumus-rumus, dan sifatsifat dan sebagainya yang telah diciptakan oleh statistika teoritis, diambil dan digunakan bagian yang dipandang perlu dalam berbagai bidang pengetahuan

Statistik (skripsi dan tesis)

Kedudukan statistik dalam konteks penelitian, pada dasarnya adalah sebagai alat bantu untuk memberi gambaran atas suatu peristiwa melalui bentuk yang sederhana, dapat berupa angka-angka atau berupa grafik-grafik. Akurasi penggunaan statistik sebagai alat analisis data sangat tergantung pada pemakainya. Anggapan yang mengatakan bahwa, statistik sebagai alat analisis yang paling tepat maupun anggapan bahwa tanpa statistik, maka penelitian yang dilakukan kurang dapat dipertanggungjawabkan, harus dikesampingkan jauh-jauh. Di samping itu ada pula anggapan bahwa statistik merupakan sesuatu yang sulit dipelajari, terutama bagi orang-orang sosial, juga tidak benar. Sebab pada dasarnya statistik adalah suatu ilmu yang mudah dipelajari asal cara mempelajarinya tepat, dan statistik dapat mendeskripsikan sesuatu yang samar menjadi jelas. Banyak persoalan, dari hasil penelitian (riset) ataupun penelitian pengamatan, baik yang dilakukan khusus ataupun berbentuk laporan, dinyatakan dan dicatat dalam bentuk bilangan atau angka-angka. Kumpulan angka-angka itu sering disusun, diatur dan disajikan dalam bentuk daftar atau tabel.
Jadi kata statistik telah dipakai untuk menyatakan kumpulan data, bilangan maupun non  bilangan yang disusun dalam tabel atau diagram, yang melukiskan atau menggambarkan suatu persoalan. Statistik yang menjelaskan sesuatu hal biasanya diberi nama statistik mengenai hal yang bersangkutan. Kata statistik juga masih mengandung pengertian lain, yakni dipakai untuk menyatakan ukuran sebagai wakil dari kumpulan data mengenai suatu hal. Menurut Sudjana (2005: 2) disebutkan bahwa: “Statistik merupakan kumpulan data, bilangan maupun non bilangan yang disususn dalam tabel dan atau diagram yang melukiskan atau menggambarkan suatu persoalan.” Di dalam statistik angka merupakan simbol atau pernyataan verbal atas objek yang akan dikemukakan. Kegunaan statistik tidak hanya untuk mendeskripsikan data yang diperoleh pada waktu lampau, misalnya data mengenai jumlah penduduk, pendapatan perkapita masyarakat, tingkat produksi lahan dan tingkat pertumbuhan perekonomian suatu daerah, akan tetapi dengan statistik sebagai simbol data, dapat digunakan sebagai pijakan untuk memprediksi kejadian atau peristiwa di masa yang akan datang serta dapat memberi simpulan yang tegas dan akurat

Kruskal – Wallis (skripsi dan tesis)

Uji Kruskal – Wallis sering pula disebut Uji H Kruskal – Wallis, adalah rampatan uji jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk menguji hipotesis nol bahwa k sampel bebas berasal dari populasi yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada tahun 1945, uji ini merupakan padanan cara nonparametrik untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila si pencoba ingin menghindari bahwa sampel berasal dari populasi normal.

Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi anggapan k kenormalan dari data. Analisis yang digunakan berdasarkan Rij yaitu ranking data, bukan data itu sendiri.

Langkah – langkah uji Kruskal – Wallis :

  1. H0: Semua K populasi adalah identik
  2. H1: Tidak semua K populasi identik
  3. Tentukan taraf nyatanya.
  4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat.     Dengan derajat kebebasan v = k-1
  5. Melakukan perhitungan uji kruskal – wallis dengan rumus dibawah ini

dengan ni  merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang dalam satu sampel data pengamatan

Uji Rang-Tanda (skripsi dan tesis)

Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini disebut sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih. Uji rang-tanda Wilcoxon digunakan untuk kasus dua sampel yang dependen bila skala ukur memungkinkan kita menentukan besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan yang berbeda saja. Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih antara pasangan-pasangan harga pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan. Apabila kita dapat menentukan besarnya setiap selisih, maka kita dapat menetapkan peringkat untuk masing-masing selisih itu. Melalui penyusunan peringkat selisih – selisih inilah uji Wilcoxon memanfaatkan informasi tambahan yang tersedia.

Asumsi :

         Data untuk analisis terdiri atas n buah beda. D1 = Y1 – X1

         Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda X1 – Y1,  X2 -Y2…dst bersifat kontinyu pula.

         Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai pengamatan kedua sampel sama dengan nol.

Uji Tanda (skripsi dan tesis)

    Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang relevan untuk diuji.

Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda, yaitu positif dan negatif. Ini mengapa ia disebut uji tanda.

Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan pengujiannya dan tidak memakan waktu yang lama. Pengerjaan pengujian ini terbilang cukup mudah. Apabila setiap nilai pengamatan memiliki nilai lebih besar dari nilai rataannya maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai kurang dari nilai rataannya maka diganti dengan tanda (-). Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka nilai pengamatan tersebut harus dibuang.

Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis nolnya beserta dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta nilai proporsi peubah binomial X-nya. Kemudian melakukan penghitungan  Z hitung (apabila jumlah sampel lebih dari 30) dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan dengan nilai rataannya dan nilai x adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai Z akan didapat dan nilai P (proporsi)nya dapat ditentukan. Keputusan H0 akan ditolak apabila nilai P yang didapat lebih kecil atau sama dengan nilai taraf nyatanya.

Analisis Regresi (skripsi dan tesis)

Regresi adalah salah satu metode statistika yang berguna untuk memodelkan
fungsi hubungan antara variabel respon dengan variabel prediktor. Persamaan
matematik yang memungkinkan untuk meramalkan nilai-nilai suatu variabel
respon dari nilai-nilai satu atau lebih variabel prediktor disebut persamaan regresi
(Walpole, 1995).

Statistika Deskriptif (skripsi dan tesis)

Statistika deskriptif merupakan metode-metode yang berkaitan dengan
pengumpulan dan penyajian data sehingga memberikan informasi yang berguna.
Metode ini bertujuan untuk menguraikan tentang sifat-sifat atau karakteristik dari
suatu keadaan dan membuat deksripsi atau gambaran yang sistematis dan akurat
mengenai fakta-fakta dan sifat-sifat dari fenomena yang diselidiki. Contoh dari
penyajian data dalam statistika deskriptif adalah tabel, diagram, dan grafik
(Walpole, 1995).

Uji Mann-Whitney (Skripsi dan tesis)

Metode Mann-Whitney test digunakan untuk menguji dua perbedaan median dari dua sampel yang diambil secara independent, sampel-sampel random tersebut bisa diperoleh dari populasi-populasi yang berdistribusi normal atau tidak berdistribusi normal (Andi, Supangat, 2007). Penggunaan distribusi normal dan distribusi “t” ditunjukkan untuk menguji perbedaan antara 2 sampel mean yang membutuhkan asumsi-asumsi sebagai berikut:
 1. Dua macam sampel yang dipilih adalah bersifat independent random sampel.
2. Populasi asalnya harus berdistribusi normal serta memiliki varians yang sama.  Pada test tanda (Sign test) sebelumnya analisa tidak didasarkan pada pemenuhan kedua asumsi tersebut diatas, namun pada situasi tertentu dimana asumsi pertama dapat dipenuhi (kedua sampel bersifat independen) dan hanya asumsi mengenai normalitas masih diragukan, maka kita lebih baik menggunakan pengujian dengan metode Mann-Whitney yang lebih dikenal dengan U test. Hipotesis nol yang akan diuji adalah bahwa dua sampel independen diambil dari populasi-populasi yang mempunyai mean yang sama, sedangkan hipotesis alternatifnya menyatakan bahwa dua sampel independen diambil dari populasi-populasi yang mempunyai mean yang berbeda.
Bila pengujian dilakukan dengan satu sisi maka hipotesis alternatifnya menyatakan bahwa mean yang berasal dari suatu populasi tertentu adalah lebih besar atau lebih kecil dari mean populasinya. (Djarwanto, 1998) Asumsi yang digunakan pada uji Mann-Whitney : (Siegel, 1997)
1. Dua sampel berukuran n dan m harus independen.
2. Sampel dipilih secara acak.
3. Variabel diukur paling sedikit dalam skala ordinal.
 Langkah-langkah pengujiannya adalah sebagai berikut (Djarwanto, 2003)
1. Gabungkan kedua sampel independen dan beri rangking pada tiap-tiap anggotanya mulai dari nilai pengamatan terkecil sampai nilai pengamatan terbesar. Untuk memudahkan dapat disusun bentuk array lebih dahulu. Apabila ada dua atau lebih nilai pengamatan yang sama, digunakan jenjang rata-rata.
2. Hitunglah jumlah rangking masing-masing bagi sampel pertama dan kedua dan notasikan dengan dan .
3. Untuk uji statistik U, kemudian dihitung: dari sampel pertama dengan pengamatan (2) atau sampel kedua dengan pengamatan
 4. Dari dua nilai U tersebut yang digunakan adalah nilai U yang lebih kecil. Nilai yang lebih besar ditandai dengan . Sebelum pengujian dilakukan perlu diperiksa apakah telah didapatkan U atau dengan cara membandingkannya dengan nilai . Bila nilainya lebih besar daripada nilai tersebut adalah dan nilai U dapat dihitung
 5. Bandingkan nilai U statistik dengan nilai U dalam tabel

Menentukan Besar Sampel (skripsi dan tesis)

Menurut Roscoe dalam buku Research Methods For Bussines (1992:253) memberikan saransaran tentang ukuran sampel sebagai berikut :
1. Ukuran sampel yang layak digunakan dalam penelitian adalah antara 30 sampai dengan 500.
2. Bila sampel dibagi dalam kategori (pria-wanita, pegawai negeri-swasta) maka jumlah anggota sampel setiap kategori minimal 30.
 3. Bila dalam penelitian akan melakukan analisis dengan multivariat (korelasi atau regresi ganda misalnya), maka jumlah anggota sampel minimal 10 kali dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5 (independen + dependen) maka jumlah anggota sampel = 10 x 5 = 50.
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok eksperimen dan kelompok kontrol maka jumlah anggota sampel masing-masing 10 s/d 20.
Detail mengenai ukuran sampel yang digunakan harus disesuaikan dengan jenis metode yang digunakan, meskipun ketepatannya perlu digunakan metode statistika dalam menentukan jumlah sampel yang diambil. Pada umumnya untuk tahap awal ataupun untuk peneliti pemula, sampel yang diambil sekitar 10% dari total individu populasi yang diteliti (Sugiarto, 2001) sampel untuk metode yang digunakan. Salah satu metode yang digunakan untuk menentukan besar sampel yang populasinya diketahui adalah dengan menggunakan metode Slovin.

Pemilihan Sampel dari Polulasi Secara Tidak Acak (Nonrandom atau Nonprobability Sampling) (skripsi dan tesis)

 Non probability sampling (penarikan sampel secara tak acak) dikembangkan untuk menjawab kesulitan yang ditimbulkan dalam menerapkan metode acak, terutama dalam kaitannya dengan pengurangan biaya dan permasalahan yang mungkin timbul dalam pembuatan kerangka sampel. Hasil dari non probability ini sering kali mengandung bias dan ketidaktentuan yang bisa berakibat buruk. Permasalahan yang muncul ini tidak dapat dihilangkan dengan hanya menambah ukuran sampelnya. Alasan inilah yang mengakibatkan keengganan para statistikawan untuk menggunakan metode ini. Teknik–teknik nonrandom terdiri atas 3 macam yaitu:
 1. Quota Sampling
Untuk teknik sampling ini biasanya digunakan data dari populasi yang berkaitan dengan kependudukan seperti: lokasi geografis, usia, jenis kelamin, pendapatan, pendidikan. Quota sampling ini terdiri dari dua tahap. Tahap pertama adalah tahapan di mana peneliti merumuskan kategori kontrol atau kuota dari populasi yang ditelitinya. Tahapan kedua adalah penentuan bagaimana sampel akan diambil dapat secara Convenience ( berdasarkan ketersediaan elemen dan kemudahan untuk mendapatkannya atau sampel diambil / terpilih karena sampel tersebut ada pada waktu dan tempat yang tepat ) atau judgment ( sampel diambil berdasarkan kriteria-kriteria yang telah dirumuskan terlebih dahulu oleh peneliti). Perbedaan antara judgment dengan quota sampling terletak pada adanya suatu batasan pada quota sampling bahwa sampel yang diambil harus sejumlah tertentu yang dijatah dari setiap subgroup yang telah ditentukan dari suatu populasi.
2. Sampling Kebetulan
Sampling kebetulan dilakukan apabila pemilihan anggota sampelnya dilakukan terhadap orang atau benda yang kebetulan ada atau dijumpai. Keuntungannya murah, cepat, dan mudah sedangkan kelemahannya adalah kurang reprensetatif.
3. Sampling Bertujuan
Teknik ini digunakan apabila anggota sampel yang dipilih secara khusus berdasarkan tujuan penelitiannya. Keuntungan menggunakan teknik ini adalah murah, cepat dan mudah serta relevan dengan tujuan penelitiannya. Kerugiannya adalah tidak representatif untuk mengambil kesimpulan secara umum

Jenis Dalam Teknik sampling random (Skripsi dan tesis)

Teknik sampling random terdiri atas empat macam dengan uraian seperti berikut ini (Husaini, Usman,1995):

1. Sampling Random Sederhana Ciri utama sampling ini ialah setiap unsur dari keseluruhan populasi mempunyai kesempatan yang sama untuk dipilih. Caranya ialah dengan menggunakan undian, ordinal, tabel bilangan random, atau komputer. Keuntungannya ialah anggota sampel mudah dan cepat didapat. Kelemahannya ialah kadang-kadang tidak mendapatkan data yang lengkap dari populasinya.

 2. Sampling Bertingkat Sampling ini disebut juga dengan istilah teknik sampling berlapis, berjenjang. Teknik ini digunakan apabila populasinya heterogen atau terdiri atas kelompok-kelompok yang bertingkat. Penentuan tingkat berdasarkan karakteristik tertentu. Misalnya menurut usia, pendidikan, golongan dan sebagainya. Keuntungan menggunakan cara ini adalah anggota sampel yang diambil lebih representatif. Kelemahannya ialah lebih banyak memerlukan usaha pengenalan terhadap karakteristik populasinya.

 3. Sampling Kluster Sampling ini disebut juga sebagai teknik sampling daerah. Teknik sampling ini digunakan apabila populasi tersebar dalam beberapa daerah, propinsi, kabupaten, kecamatan dan seterusnya. Keuntungan menggunakan teknik ini ialah dapat mengambil populasi besar yang tersebar di berbagai daerah, pelaksanaannya lebih murah dan mudah dibandingkan dengan yang lainnya. Kelemahannya adalah jumlah setiap individu pada setiap pilihan tidak sama, ada kemungkinan penduduk suatu daerah berpindah ke daerah lain tanpa sepengetahuan peneliti, sehingga penduuduk tersebut mungkin menjadi anggota rangkap sampel penelitian.
 4. Sampling Sistematis Teknik ini sebenarnya adalah teknik random sampling sederhana yang dilakukan secara ordinal. Artinya anggota sampel dipilih berdasarkan urutan tertentu. Misalnya setiap kelipatan 5 atau 10 dari daftar pegawai di suatu kantor. Keuntungannya adalah  sangat mudah dan cepat. Kelemahannya adalah kadang-kadang kurang mewakili populasinya. 5. Sampling Proporsional Sampling proporsional yaitu sampel yang dihitung berdasarkan perbandingan.

Pemilihan Sampel dari Populasi Secara Acak (Random atau Probability Sampling) (skripsi dan tesis)

 

Dalam probability sampling, pemilihan sampel tidak dilakukan secara subyektif, dalam arti sampel yang terpilih tidak didasarkan semata-mata pada keinginan si peneliti, sehingga setiap anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai sampel. Dengan demikian diharapkan sampel yang terpilih dapat digunakan untuk menduga karakteristik populasi secara obyektif. Di samping itu, teori-teori probabilitas (peluang) yang dipakai dalam probability sampling memungkinkan peneliti untuk mengetahui bias yang muncul dan sejauh mana bias yang muncul tersebut menyimpang dari perkiraan. Selain itu untuk dapat menggunakan probability sampling, kita membutuhkan kerangka sampel yaitu suatu daftar dari unit-unit Universitas Sumatera Utara sampling dalam rangka untuk mendapatkan responden dengan peluang yang telah diketahui sebelumnya.

Teknik Pengumpulan Data (skripsi dan tesis)

 Teknik-teknik pengumpulan data dapat dilakukan dengan beberapa cara di antaranya (Husaini, Usman, 2006):
 1. Wawancara
Wawancara ialah proses komunikasi atau interaksi untuk mengumpulkan informasi dengan cara tanya jawab antara peneliti dengan informan atau subjek penelitianPada hakikatnya wawancara merupakan kegiatan untuk memperoleh informasi secara mendalam tentang sebuah isu atau tema yang diangkat dalam penelitian
 2. Pengamatan
Selain wawancara, observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang. Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian
3. Angket
Teknik pengumpulan data dengan menggunakan angket yaitu suatu teknik pengumpulan data secara tidak langsung (peneliti tidak langsung bertanya jawab dengan responden). Instrumen atau alat pengumpulan datanya juga disebut angket berisi sejumlah pertnyaanpertanyaan yang harus dijawab atau direspon oleh responden. Responden mempunyai kebiasaan untuk memberikan jawaban atau respon sesuai dengan presepsinya
. 4. Dokumentasi
 Selain melalui wawancara dan observasi, informasi juga bisa diperoleh lewat fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto, hasil rapat, cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen seperti ini bisa dipakai untuk menggali infromasi yang terjadi di masa silam. Peneliti perlu memiliki kepekaan teoretik untuk memaknai semua dokumen tersebut sehingga tidak sekadar barang yang tidak bermakna

Data Menurut Sumbernya (skripsi dan tesis)

Berdasarkan sumbernya, data dapat digolongkan menjadi: a. Data Internal dan data eksternal. Data internal adalah data yang bersumber dari suatu organisasi. Data eksternal adalah data yang bersumber dari luar organisasi. b. Data Primer dan data sekunder. Data primer adalah data yang diperoleh melalui suatu survey lapangan dengan menggunakan metode pengumpulan data tertentu. Data sekunder adalah data yang telah dikumpulkan oleh suatu lembaga pengumpul data dan dipublikassikan kepada masyarakat pengguna data. Data sekunder akan mempermudah dan mempercepat jalannya penelitian.

Data Menurut Dimensi Waktu (skripsi dan tesis)

Menurut dimensi waktu, data dapat digolongkan menjadi: a. Data runtut waktu (time-series), yaitu data yang secara kronologis disusun menurut waktu. Data runtut waktu digunakan untuk melihat perubahan dalam rentang waktu tertentu. Data runtut waktu dibedakan menjadi: data harian, data mingguan, data bulanan, data tahunan. b. Data silang tempat (cross-section), yaitu data yang dikumpulkan pada suatu titik waktu. Data silang tempat digunakan untuk mengamati perilaku dalam periode yang sama. Contoh: data sensus yang diterbitkan setiap 10 tahun sekali, data jumlah penduduk miskin pada setiap desa pada tahun tertentu.  c. Data pooling, yaitu kombinasi antara data runtut waktu dengan data silang tempat.

Data Menurut Jenisnya (skripsi dan tesis)

Menurut jenisnya, data terdiri dari data kuantitatif dan data kualitatif

a. Data Kuantitatif Data kuantitatif adalah data yang diukur dalam suatu skala numerik (angka). Data kuantitatif dapat dibedakan menjadi: 1. Data interval, yaitu data yang diukur dengan jarak diantara 2 titik pada skala yang sudah diketahui. Sebagai contoh: IPK mahasiswa (interval 0 hingga 4). 2. Data rasio, yaitu data yang diukur dengan suatu proporsi. Sebagai contoh: persentase jumlah pengangguran di propinsi Sumatera Utara, tingkat inflasi Indonesia pada tahun 2000.
 b. Data Kualitatif Data kualitatif adalah data yang tidak dapat diukur dengan skala numerik. Namun karena dalam statistik semua data harus dalam bentuk angka, maka data kualitatif umumnya dikuantifikasi agar dapat diproses. Kuantifikasi dapat dilakukan dengan mengklasifikasikan data dalam bentuk kategori. Data kualitatif dapat dibedakan menjadi 1. Data nominal, yaitu data yang dinyatakan dalam bentuk kategori. Sebagai contoh, industri di Indonesia oleh BPS digolongkan menjadi a. Industri rumah tangga, dengan jumlah tenaga kerjanya 1-4 orang, diberi kategori 1. b. Industri kecil dengan jumlah tenaga kerja 5-19 orang, diberi kategori 2. Angka yang menyatakan kategori ini menunjukkan bahwa posisi data sama derajatnya. Angka ini sekedar menunjukkan kode kategori yang berbeda. 2. Data ordinal yaitu, data yang dinyatakan dalam bentuk kategori, namun posisi data tidak sama derajatnya karena dinyatakan dalam skala peringkat. Sebagi contoh, tingkat kosmopolitan petani suatu daerah dikategorikan: a. Sangat rendah diberi kode 1 b. Rendah diberi kode 2 c. Sedang diberi kode 3 d. Tinggi diberi kode 4 e. Sangat tinggi diberi kode 5

Data (skripsi dan tesis)

Data adalah suatu bahan mentah yang jika diolah dengan benar melalui berbagai analisis dapat memberikan berbagai informasi sehingga dengan informasi tersebut kita dapat mengambil suatu keputusan. Data bisa berwujud suatu keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep. Data diperoleh dengan mengukur nilai satu atau lebih variabel dalam sampel atau populasi (Husaini, Usman, 2006).

Kekurangan statistik nonparametrik (skripsi dan tesis)

Kekurangan statistik nonparametrik dibandingkan dengan statistik parametrik ialah : 1. Bila digunakan pada data yang dapat diuji menggunakan statistika parametrik maka hasil pengujian menggunakan statistika nonparametrik menyebabkan pemborosan informasi.  2. Pekerjaan hitung menghitung (aritmetik) karena memerlukan ketelitian terkadang menjemukan. 3. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah dibandingkan dengan metode parametrik. 4. Statistik nonparametrik tidak dapat digunakan untuk membuat prediksi (peramalan).

Kelebihan statistik nonparametrik (skripsi dan tesis)

Kelebihan statistik nonparametrik adalah sebagai berikut (Tavi, Supriana,2010): 1. Asumsi –asumsi dalam statistik nonparametrik relatif lebih longgar. Jika pengujian data menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik parametrik (misalnya mengenai sifat distribusi data), tidak terpenuhi, maka statistik nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik. 2. Perhitungan-perhitungan dapat dilakukan dengan cepat dan mudah, sehingga hasil penelitian dapat dengan cepat diselesaikan. 3. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar matematika yang mendalam. 4. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi keterbatasan data yang tersedia, misalnya jika data telah diukurmenggunakan skala pengukuran yang lemah. 5. Efisiensi statistik nonparametrik lebih tinggi jika dibandingkan dengan metode parametrik untuk jumlah sampel yang sedikit. 6. Asumsi yang digunakan minimum sehingga mengurangi kesalahan penggunaan. 7. Dapat diterapkan pada skala peubah kualitatif (nominal dan ordinal).

Statistik Nonparametrik (skripsi dan tesis)

Metode nonparametrik pertama kali digunakan ketika J.Arbuthnot (1710) mengetahui bahwa pada tahun 1629 sampai tahun 1710 jumlah laki-laki yang diberi nama baptis di London melebihi jumlah wanita. Ia memandang hal ini sebagai kenyataan yang kuat bahwa probabilita dari setiap kelahiran bayi laki-laki atau wanita tidak tepat sama, suatu ketidakcocokan yang dianggap oleh Arbuthnot berasal dari sesuatu yang aneh (Sprent, 1991). Statistik nonparametrik disebut juga statistik bebas sebaran. Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi. Statistik nonparametrik dapat digunakan pada data yang memiliki sebaran normal atau tidak. Statistik nonparametrik biasanya digunakan untuk melakukan analisis pada data nominal atau ordinal. Universitas Sumatera Utara Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik, terutama yang berkaitan dengan distribusi normal. Nama lain yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi. Contoh regresi nonparametrik adalah uji tanda (sign test), uji jenjang bertanda wilcoxon, metode theil, metode deret fourer, uji square, uji mann-whitney dan lain- lain. Perbandingan statistik nonparametrik dan statistik parametrik. Kekurangan dan kelebihan setiap pemilihan prosedur pengujian data, apakah itu menggunakan nonparametrik atau parametrik memiliki kelebihan dan kekurangan masing-masing

Statistik Parametrik (skripsi dan tesis)

Suatu tes statistik parametrik adalah suatu tes yang modelnya menetapkan adanya syaratsyarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitinya. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi. Seberapa jauh makna hasil suatu tes parametrik bergantung pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa skor-skor yang dianalisis merupakan hasil suatu pengukuran yang sedikitnya berkekuatan sebagai skala interval (Siegel, Sidney,1986:38). Pada statistik parametrik, pengujian hipotesis (uji parametrik) atau aturan pengambilan keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi normal, binomial, distribusi F, dan distribusi student t. Asumsi untuk varians, misalnya memiliki varians yang homogen, seperti pada korelasi dan regresi. Asumsi-asumsi tersebut tidak diuji lagi sudah dianggap sudah terpenuhi (Iqbal, Hasan, 2002).

Uji Chi-Square (skripsi dan tesis)

Chi-square atau kai kuadrat (X2 ) merupakan salah satu jenis uji komparatif nonparametrik yang dilakukan pada dua variabel, dimana skala data kedua variabel adalah nominal atau ordinal. Dasar dari uji chi-square adalah membandingkan perbedaan antara frekuensi observasi dengan frekuensi ekspektasi atau frekuensi yang diharapkan. Frekuensi observasi adalah frekuensi yang nilainya didapat dari hasil percobaan. Sedangkan frekuensi harapan adalah frekuensi yang nilainya dapat dihitung secara teoritis. Perbedaan tersebut untuk meyakinkan apabila harga dari chi-square sama atau lebih besar dari suatu harga yang telah ditetapkan pada taraf signifikan tertentu. Uji chi-square sangat bermanfaat dalam melakukan analisis statistik apabila asumsi-asumsi yang 29 dipersyaratkan untuk penggunaan statistik parametrik tidak dapat terpenuhi. Syarat-syarat dalam menggunakan uji ini adalah frekuensi responden atau sampel yang digunakan besar, karena ada beberapa syarat dimana chi-square dapat digunakan yaitu: a. Tidak ada cell dengan nilai frekuensi kenyataan (actual count) sebesar nol. b. Apabila bentuk tabel kontingensi 2×2, maka tidak boleh ada satu cell saja yang memiliki frekuensi harapan (expected count) kurang dari lima. c. Sedangkan apabila bentuk tabel lebih dari 2×2, maka jumlah cell dengan frekuensi harapan yang kurang dari lima tidak boleh lebih dari 20%. Adapun kegunaan dari uji chi-square sebagai berikut: a. Untuk mengetahui ada tidaknya asosiasi antara dua variabel. b. Untuk mengetahui homogenitas antar-sub kelompok. c. Untuk uji kenormalan data dengan melihat distribusi data. d. Untuk menganalisis data yang berbentuk frekuensi. e. Untuk menentukan besar kecilnya korelasi dari variabel-variabel yang dianalisis. Bentuk distribusi chi-square tergantung dari derajat kebebasan atau yang biasa dilambangkan d.f. (degree of freedom). Chi-square memiliki masing-masing nilai derajat kebebasan yaitu distribusi (kuadrat standard normal) yang merupakan distribusi chi-square dengan d.f. = 1 dan nilai variabel tidak bernilai negatif. Karakteristik dari chi-square yaitu nilainya selalu positif karena nilai chi-square adalah nilai kuadra

Uji Tanda (Sign Test) (skripsi dan tesis)

Uji tanda atau sign test merupakan uji non-parametrik yang digunakan untuk menguji ada tidaknya perbedaan dari dua buah populasi yang saling berkorelasi, dimana datanya memiliki skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda (+) positif dan (-) negatif dari perbedaan antara pengamatan yang berpasangan. Sedangkan nilai 0 tidak diikut sertakan dalam analisis karena nilai 0 berarti tidak terdapat perubahan sebelum dan sesudah perlakuan. Pada prinsipnya, uji tanda memiliki tujuan untuk menghitung selisih nilai dari kedua pasang sampel. Apabila Ho diterima, maka jumlah selisih pasangan data yang positif kurang lebih akan sama dengan pasangan data yang negatif, sehingga sangat diharapkan jumlah selisih pasangan data yang positif dan negatif adalah setengah dari total sampel yang ada. Sedangkan Ho ditolak, jika jumlah selisih pasangan data yang negatif dengan data yang positif memiliki perbedaan nilai yang sangat tinggi. Supranto 26 (2002)

Kelebihan dan Kekurangan Statistik Non-Parametrik (skripsi dan tesis)a

Adapun kelebihan dan kekurangan dalam menggunakan metode statistik nonparametrik adalah sebagai berikut: a. Kelebihan Statistik Non-Parametrik i. Asumsi-asumsi yang digunakan sangatlah sedikit. ii. Tidak membutuhkan asumsi normalitas atau distribusi data tidak harus normal. Namun, statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi juga dapat digunakan pada populasi berdistribusi normal. iii. Secara umum konsep dan metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dipahami dibandingkan dengan statistik  parametrik karena statistik non-parametrik tidak membutuhkan perhitungan matematik yang rumit melainkan lebih sederhana. iv. Dapat diterapkan pada skala data numerik (nominal) dengan jenjang (ordinal). v. Terkadang dalam statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif. vi. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata. b. Kekurangan Statistik Non-Parametrik i. Tidak ada sistematika secara jelas. ii. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu. iii. Hasil pengujian hipotesis dengan statistik non-parametrik tidak selengkap statistik parametrik. iv. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi yang berbeda dengan statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu

Ciri-Ciri Statistik Non-Parametrik (skripsi dan tesis)

Dalam menganalisis data tentunya harus mengetahui ciri-ciri dari statistik yang akan digunakan agar dapat lebih mudah dalam menentukan uji yang cocok untuk digunakan pada kasus tersebut. Berikut ciri-ciri dari statistik non-parametrik: a. Data tidak berdistribusi normal b. Umumnya data berskala nominal dan ordinal c. Umumnya dilakukan pada penelitian sosial d. Umumnya jumlah sampel kecil

Pengelompokan Kategori Statistik Non-Parametrik (skripsi dan tesis)

Dalam statistik non-parametrik terdapat pengelompokan yang didasarkan dari kriteria sampel yang diambil pada saat penelitian yaitu sampel tunggal, sampel independen, dan sampel dependen. Adapun penjelasan dari masing-masing kriteria sampel adalah sebagai berikut: a. Sampel Tunggal Sampel tunggal digunakan untuk menduga dan menguji hipotesis dari parameter yang ada, contohnya pengukuran nilai sentral. Pada statistik nonparametrik uji yang digunakan untuk menduga nilai sentral, seperti uji tanda (sampel tunggal) dan uji Wilcoxon. Selain itu, terdapat juga prosedur nonparametrik lainnya, antara lain uji binomial yang digunakan untuk pengukuran proporsi populasi, uji Trend untuk mengetahui kencenderungan dari populasi yang ada, dan uji Cox-Stuart untuk menguji data berdasarkan waktu. b. Sampel Independen Sampel independen memiliki kegunaan untuk membandingkan antara dua variabel yang terukur dari sampel yang bebas. Pengambilan sampel ini berasal dari dua populasi. Pada statistik parametrik dapat menggunakan uji t untuk membandingkan nilai mean dari dua kelompok independen, sedangkan alternatif pengujian dalam statistik non-parametrik dapat menggunakan uji,   antara lain Wald-Wolfowitz Runs test, Mann-Whitney U-test, dan KolmogorovSmirnov Two-Sample test. Namun, apabila ingin membandingkan lebih dari dua populasi maka digunakanlah analisis satu arah bertingkat dengan Median test dan Kruskal-Wallis test. c. Sampel Dependen Sampel dependen pada dasarnya digunakan untuk membandingkan dua variabel yang terukur dari sampel yang berhubungan. Dalam statistik nonparametrik, misalnya untuk mengetahui perbedaan produktivitas kerja, dengan melakukan pengukuran pada sampel pekerja sebelum mendapatkan pelatihan dengan sampel pekerja sesudah mendapatkan pelatihan. Hal seperti ini dapat dilakukan dengan menggunakan pengujian Sign Test dan Wilcoxon’s Matched Pairs Test. Namun jika variabel memiliki sifat yang dikotomi, maka dapat digunakan pengujian McNemar’s Chi-square Test. Selain itu, apabila ternyata terdapat lebih dari dua variabel yang diteliti maka pengujian yang tepat digunakan yaitu Friedman’s two-way analysis of variance dan Cochran Q test.

Dasar Statistika (skripsi dan tesis)

Pada dasarnya statistika terbagi menjadi dua yakni stastika deskriptif dan statistika inferensial. Statistika inferensial terbagi menjadi dua yaitu statistik parametrik dan statistik non-parametrik. Statistik non-parametrik merupakan analisis yang tidak menggunakan parameter seperti yang terdapat pada statistik non-parametrik, misalnya: mean, standar deviasi, dan variansi. Statistik nonparametrik juga sering disebut dengan metode distribusi bebas. Statistik nonparametrik menjadi alternatif dari statistik parametrik ketika asumsi-asumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi, sebab metode ini tidak memerlukan asumsi atau mengabaikan asumsi-asumsi yang menjadi landasan metode statistika parametrik terutama yang berkaitan dengan distribusi normal. Selain itu, statistik non-parametrik digunakan pada data yang berskala nominal dan ordinal serta populasi yang bebas distribusi. Semua permasalahan statistik sebenarnya dapat diselesaikan dengan statistik non-parametrik. Namun harus dipahami bahwa tidak semua permasalahan statistik dapat diselesaikan dengan menggunakan statistik parametrik sehingga harus menggunakan statistik non-parametrik.

Software IBM SPSS (skripsi dan tesis)

Santoso (2010) berpendapat bahwa software SPSS dapat dijadikan sebagai alternatif pengguna untuk mengolah data dan menginterpretasi output dengan mudah dalam menyelesaikan permasalahan pada metode non-parametrik. SPSS (Statistical Product and Service Solution) merupakan program aplikasi bisnis yang berguna untuk melakukan perhitungan atau menganalisa data statistik dengan menggunakan komputer. Dalam SPSS yang perlu dilakukan untuk memulai menganalis data yaitu mendesain variabel yang akan dianalisis, memasukkan data, dan melakukan perhitungan sesuai dengan tahapan yang ada pada menu yang tersedia. SPSS memiliki berbagai macam fitur yang ditawarkan untuk mengolah data dalam berbagai kasus, seperti: a. IBM SPSS Data Collection : untuk pengumpulan data b. IBM SPSS Statistics : untuk menganalisis data c. IBM SPSS Modeler : untuk memprediksi trend d. IBM Analytical Decision Management : untuk pengambilan keputusan SPSS banyak diaplikasikan serta digunakan oleh pengguna di segala bidang bisnis, perkantoran, pendidikan, dan penelitian. Secara spesifik, pemanfaatan program ini digunakan untuk riset pemasaran, penilaian kredit, peramalan bisnis, penilaian kepuasan konsumen, pengendalian, serta pengawasan dan perbaikan mutu suatu produk.
Keunggulan dari SPSS dibandingkan dengan program yang lainnya adalah kemudahan dalam memasukkan data, kemudahan dalam mengolah data dengan hanya memilih uji statistik yang sudah tersedia, cepat dalam menampilkan output, dan output mudah untuk dipahami, dibaca, dan dicetak. Selain itu, SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti base, lotus, access, text file, spreadsheet, bahkan mengakses database melalui ODBD (Open Data Base Connectivity) sehingga 18 data yang berbagai macam format dapat langsung terbaca SPSS yang selanjutnya untuk dianalisis. SPSS dapat menguji data yang berjenis data kualitatif maupun data kuantitatif. Informasi yang diberikan oleh SPSS sangatlah akurat, hal ini dapat dilihat dengan memperlakukan missing data secara tepat yaitu dengan memberi alasannya misalnya pernyataan atau pertanyaan yang tidak relevan dengan kondisi responden, pernyataan atau pertanyaan tidak dijawab oleh responden, maupun ada pernyataan atau pertanyaan yang memang harus dilompati. Statistik yang termasuk software dasar SPSS, yakni: a. Statistik Deskriptif (Frekuensi, Deskripsi, Tabulasi Silang, Penelusuran, dan Statistik Deskripsi Rasio) b. Statistik Bivariat (Rata-Rata, ANOVA, t-test, Korelasi (Bivariat, Persial, Jarak), dan NonParametrik Test) c. Prediksi Hasil Numerik (Regresi Linear) d. Prediksi untuk mengidentifikasi kelompok (Diskriminan, Analisis Cluster (Two-Step, K-means, Hierarkis), dan Analisis Faktor)

Kuesioner (skripsi dan tesis)

Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi suatu pernyataan atau pertanyaan tertulis kepada responden (Sugiyono, 2013). Kuesioner berdasarkan bentuknya terbagi menjadi dua jenis, yaitu: a. Kuesioner Tertutup Kuesioner yang menyajikan pertanyaan dan alternatif pilihan jawaban sehingga responden hanya dapat memberikan tanggapan yang terbatas pada pilihan yang telah diberikan. Contoh dari kuesioner tertutup ini yaitu penilaian pelayanan pada sebuah cafe dan diberikan beberapan alternatif pilihan jawaban seperti sangat baik, baik, cukup, dan buruk. b. Kuesioner Terbuka Kuesioner yang memberikan kebebasan bagi responden untuk memberikan jawaban atau tanggapan atas pertanyaan yang telah diberikan, biasanya responden dapat menulis sendiri jawabannya berupa uraian. Contoh dari kuesioner terbuka yaitu “menurut anda seberapa pentingkah penggunaan smartphone?”. Penggunaan kuesioner banyak digunakan oleh peneliti karena dianggap lebih efektif dan efisien untuk mengumpulkan data dari responden yang jumlahnya besar dan dalam ruang lingkup wilayah penelitian yang luas. Pertanyaan pada kuesioner dapat digunakan untuk mengukur pendapat, sikap, dan pengetahuan.

Penentuan Ukuran Sampel (skripsi dan tesis)

Ukuran sampel merupakan banyaknya individu, subjek, atau elemen dari populasi yang diambil sebagai sampel. Menurut Sugiyono (2013) mendefinisikan populasi adalah wilayah generalisasi yang terdiri atas objek atau subyek yang memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan. Sedangkan sampel adalah bagian dari beberapa anggota yang dipilih dari populasi (Sekaran dan Bougie, 2010). Apabila ukuran sampel yang diambil terlalu besar atau terlalu kecil maka akan menjadi masalah dalam penelitian. Sampel yang baik yaitu sampel yang memberikan pencerminan optimal atau dapat mewakili terhadap populasinya (representative). Berikut pendapat para ahli tentang ukuran sampel: a. Gay dan Diehl (1992) mengasumsikan bahwa semakin banyak sampel yang diambil maka akan semakin representative dan hasilnya dapat di genelisir atau dapat diterima, namun akan sangat bergantung pada jenis penelitiannya. i. Penelitian bersifat deskriptif maka sampel minimumnya sebesar 10% dari populasi. ii. Penelitan yang bersifat korelasional maka sampel minimumnya 30 subyek. iii. Penelitian kausal-perbandingan maka sampelnya sebanyak 30 subyek per grup. iv. Sedangkan penelitian ekperimental maka sampel minimumnya sebanyak 15 subyek per grup. b. Roscoe (1975) menentukan ukuran sampel yang tepat yaitu sebesar ≥30 dan ≤500 sampel dan jika sampel dipecah ke dalam sub-sampel maka ukuran sampel minimum 30 untuk setiap kategori yang ada. Sugiyono (2013) menambahkan bahwa untuk penentuan jumlah sampel dari populasi tertentu yang dikembangkan dari Isaac dan Michael untuk tingkat kesalahan sebesar 1%, 5%, dan 10%.

Metode Pengambilan Sampel (skripsi dan tesis)

Sampling adalah cara pengumpulan data dengan hanya elemen sampel yang diteliti, hasilnya merupakan data perkiraan atau estimate, bukan data sebenarnya. Sedangkan teknik sampling adalah suatu teknik pengambilan sampel (Sugiyono, 2013). Alasan teknik sampling lebih sering digunakan karena lebih menghemat waktu, biaya, serta tenaga, terkadang tidak diketahui objek secara keseluruhan, dan sering terjadi kesalahan dalam pengumpulan data dikarenakan banyak objek atau elemen yang harus diteliti. Suatu keputusan yang didasarkan atas data perkiraan hasil penelitian sampel akan selalu menimbulkan resiko. Resiko ini tidak dapat dihindari namun hanya dapat diperkecil dengan jalan memperkecil kesalahan sampling yaitu dengan memilih sampling yang tepat yang dapat mewakili populasi dari sampel yang diambil. Pada dasarnya teknik sampling dapat dikelompokkan menjadi dua macam yaitu probability sampling dan non-probability sampling. a. Metode dalam probability sampling i. Simple Random Sampling ii. Proportionate Stratified Sampling iii. Disproportionate Stratified Random Sampling iv. Cluster Sampling 13 b. Metode dalam non-probability sampling i. Sampling Sistematis ii. Sampling Kuota iii. Sampling Insidental iv. Sampling Jenuh v. Purposive Sampling vi. Snowball Sampling

Sumber Data (skripsi dan tesis)

Berdasarkan sumbernya, data penelitian dapat dikelompokkan menjadi dua jenis yaitu: a. Data Primer Merupakan data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber data utama. Data primer biasa disebut juga data asli yang memiliki sifat up to date. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer dengan cara seperti wawancara, observasi, dan penyebaran kuesioner. b. Data Sekunder Merupakan data yang diperoleh atau dikumpulkan oleh peneliti dari berbagai sumber yang telah ada. Data sekunder dapat diperoleh dari berbagai sumber seperti pusat statistik, buku, laporan, makalah, jurnal, dan lain sebagainya

Metode Penelitian (skripsi dan tesis)

Metode penelitian merupakan suatu proses dari pencarian solusi permasalahan setelah melalui pembelajaran dan analisis faktor-faktor situasional (Sekaran dan Bougie, 2010). Sedangkan Sugiyono (2013) mendefinisikan metode penelitian adalah cara ilmiah untuk memperoleh data dalam suatu permasalahan dengan tujuan dan kegunaan tertentu. Dari pernyataan tersebut terdapat empat kata kunci yang perlu diperhatikan yaitu: cara ilmiah, data, tujuan, dan kegunaan. Cara ilmiah artinya kegiatan penelitian didasarkan pada ciri-ciri keilmuan yaitu: a. Rasional Cara yang dilakukan dalam kegiatan penelitian haruslah masuk akal sehingga terjangkau oleh penalaran manusia. b. Empiris Cara yang dilakukan dalam kegiatan penelitian dapat diamati oleh indera manusia sehingga orang lain dapat memahami cara-cara yang digunakan. c. Sistematis Proses dalam kegiatan penelitian harus menggunakan tahap-tahapan yang bersifat logis. Menurut jenis data dan analisisnya, metode penilitian dibedakan menjadi: a. Penelitian Kualitatif Penelitian yang datanya adalah data kualitatif sehingga analisisnya juga kualitatif (deskriptif). Data kualitatif merupakan data yang berbentuk kata, kalimat, dan gambar (Sukmadinata, 2009).
Namun, data kualitatif dapat dirubah menjadi data kuantitatif dengan cara diskoring. Contoh data kualitatif yaitu sangat setuju, setuju, ragu-ragu, tidak setuju, dan lain-lain. Metode ini mendasarkan kesimpulan penelitian pada asumsi-asumsi interpretasi yang tetap mengacu pada fakta dan teori pendukung. b. Penelitian Kuantitatif Penelitian yang datanya adalah data kuantitatif sehingga analisisnya juga kuantitatif (inferensi). Data kuantitatif merupakan data yang berbentuk angka atau data kualitatif yang diangkakan seperti: 1, 2, 3, 4, …, dst, atau skor 5 = sangat setuju, skor 4 = setuju, skor 3 = ragu-ragu, skor 2 = kurang setuju, skor 1 = tidak setuju. Contoh dari aplikasi metode ini adalah survey. Metode ini 12 berdasar pada prinsip pembuktian hipotesis. Penelitian dilakukan untuk membuktikan apakah hipotesis tersebut benar atau salah.

Data Persepsi (Skripsi dan tesis)

Persepsi pada dasarnya menyangkut proses informasi pada diri seseorang dalam hubungannya dengan obyek stimulus. Dengan demikian persepsi merupakan gambaran arti atau interpretasi yang bersifat subyektif, artinya persepsi sangat tergantung kemampuan dan keadaan diri yang bersangkutan. Dalam kamus psikologi persepsi diartikan sebagai proses pengamatan seseorang terhadapsegala sesuatu di lingkungannya dengan menggunakan indera yang dimilikinya, sehingga menjadi sadar terhadap segala sesuatu yang ada di lingkungan tersebut. Data persepsi dapat diperoleh secara pendekatan langsung (direct) atau diturunkan (derived) (Supranto,2004). Untuk mendapakan data persepsi secara langsung, responden diminta membuat pertimbangan mengenai kemiripan atau ketidakmiripan (similarity or dissimilarity) berbagai jenis merek atau stimulus. Pendekatan turunan ialah mengumpulkan data persepsi dengan pendekatan berbasis pada atribut, menghendaki responden memberikan nilai merek atau stimulus pada atribut yang teridentifikasi.

Model (skripsi dan tesis)

Definisi model adalah suatu penggambaran abstrak dari sistem dunia
nyata, yang akan bertindak seperti dunia nyata untuk aspek-aspek tertentu.
Model dikelompokkan menjadi 3 jenis yaitu model kuantitatif, kualitatif, dan
ikonik. Model yang baik akan memberikan gambaran perliaku dunia nyata
sesuai dengan permasalahan dan akan meminimalkan perilaku yang tidak
signifikan dari sistem yang dimodelkan.
Salah satu cara untuk menyelesaikan permsalahan yang kompleks
adalah dengan menggunakan konsep model simulasi. Dengan menggunakan
simulasi, maka model akan mengkomputasikan jalur waktu dari variabel
model untuk tujuan tertentu dari input sistem dan parameter model. Karena itu
model simulasi akan dapat memprediksi dunia riil yang kompleks. Model juga
dapat digunakan untuk keperluan optimasi, dimana suatu kriteria model
dioptimalkan terhadap input atau struktur sistem alternatif. Karena itu, model
dapat dibangun dengan basis data (data base) atau basis pengetahuan
(knowledge base)
Tahapan-tahapan untuk melakukan simulasi model adalah sebagai berikut.
a. Penyusunan konsep
Pada tahap ini dilakukan identifikasi variabel-variabel yang berperan
dalam menimbulkan gejala atau proses. Variabel-variabel tersebut saling
berinteraksi, saling berhubungan, dan saling berketergantungan. Kondisi ini
28
dijadikan sebagai dasar untuk menyusun gagasan atau konsep mengenai gejala
atau proses yang akan disimulasikan.
b. Pembuatan model
Gagasan atau konsep yang dihasilkan pada tahap pertama selanjutnya
dirumuskan sebagai model yang berbentuk uraian, gambar, atau rumus.
c. Simulasi
Simulasi dilakukan dengan menggunakan model yang telah dibuat. Pada
model kuantitatif, simulasi dilakukan dengan memasukkan data ke dalam
model, sedangkan pada model kualitatif, simulasi dilakukan dengan
menelusuri dan melakukan data atau informasi yang dikumpulkan untuk
memahami perilaku gejala atau proses model.
d. Validasi hasil simulasi
Validasi bertujuan untuk mengetahui kesesuaian antara hasil simulasi
dengan gejala atau proses yang ditirukan. Model dapat dinyatakan baik jika
kesalahan atau simpangan hasil simulasi terhadap gejala atau proses yang
terjadi di dunia nyata relatif kecil. Hasil simulasi yang sudah divalidasi
tersebut digunakan untuk memahami perilaku gejala atau proses serta
kecenderungan di masa depan, yang dapat dijadikan sebagai dasar bagi
pengambil keputusan untuk merumuskan suatu kebijakan di masa mendatang
(Eriyatno, 2003 dalam Yuniarti 2010)

Analisis Prospektif (skripsi dan tesis)

Analisis prospektif adalah suatu cara atau pendekatan untuk
menganalisis beragam kemungkinan-kemungkinan yang akan terjadi di masa
depan, berdasarkan situasi saat ini. Analisis prospektif tidak sama dengan
peramalan karena situasi saat ini tidak dapat digunakan untuk meramal masa
depan.
La prospective berasal dari Bahasa Perancis yang apabila
diterjemahkan ke dalam Bahasa Inggris menjadi a preactive and proactive
approach atau apabila diterjemahkan dalam satu kata yang sepadan adalah
foresight karena kata proactivity jarang digunakan. Bila diterjemahkan ke
dalam bahasa Indonesia menjadi tinjauan ke masa depan. Pendekatan
prospektif menekankan pada proses-proses evolusi jangka panjang, sehingga
dimensi waktu menjadi salah satu unsurnya. Analisis prospektif ini adalah
salah satu dari metoda dengan pendekatan sistem.
Tujuan analisis prospektif adalah:
1) untuk mendefinisikan tujuan pembangunan jangka panjang dari sistem
yang dipelajari,
2) untuk menentukan strategi yang akan diikuti agar sistem mencapai tujuan.
Strategi berupa rangkaian keputusan yang penting untuk mencapai tujuan
dan dugaan untuk memperkirakan interaksi yang mungkin sebagai akibat
dari setiap keputusan
3) untuk menterjemahkan strategi kedalam perencanaan, tujuan umum dan
strategi yang muncul dari analisis prospektif yang berguna untuk
menentukan prioritas dalam proses perencanaan.
Analisis prospektif tepat digunakan untuk perancangan strategi karena
analisis prospektif dapat digunakan untuk mempersiapkan tindakan strategis
dan melihat apakah perubahan dibutuhkan di masa depan. Terdapat tiga
langkah yang harus dilakukan dalam analisis prospektif, yaitu:
1) mengidentifikasi faktor penentu di masa depan,
2) menentukan tujuan strategis dan kepentingan pelaku utama (stakeholder)
3) mendefinisikan dan mendeskripsikan evolusi kemungkinan masa depan.
(Godet et al., 1999 dalam Yuniarti, 2010)

Multi dimensional scaling (skripsi dan tesis)

Multi dimensional scaling (kerap dlsingkat MOS, dan untuk selanjutnya singkatan lni akan digunakan dalam tulisan lni) merupakan suatu metode yang mempresentasikan kesamaan atau ketldaksamaan jarak perbedaan antar objek (Suryabrata, 2000). Makin mirip objek tertentu dengan objek lainnya, maka makin dekat jarak antara objek yang bersangkutan, sedangkan makin Jauh jarak antar objek menunjukkan makin tidak menyerupal (berbeda). MOS terkait dengan situasi di mana stimuli secara simuftan sangat bervariasi dengan beberapa dimensi (Torgerson, 1956). Sementara Messick (1956a) menyatakan bahwa yang dimaksud MOS adalah satu teknik untuk melakukan estimasi jarak antara titik dari serangkaian stimuli. Pada tulisan lainnya Messick (1955) mengungkap bahwa model pengukuran MOS berdasar pada analisis Euclidean jarak  psikologis, dan jarak tersebut secara umum dapat diperoleh dari keputusan kesamaan di antara stimuli dibanding dimensi yang telah didefinisikan. Gullford (1954) menyatakan esensi dari teori MOS adalah sekumpulan stimuli yang sama dapat direpresentasikan sebagai serangkaian titik dalam ruang dimensi n. Dalam mengkaji tema yang sama Messick (1955) mengungkap bahwa konsep dasar dari MOS adalah jarak psikologis, yang merupakan konstruk dan secara luas telah digunakan oleh para ahli psikologi, sedangkan keputusan jarak psikologis ini dapat diperoleh melalui konsep kesamaan dan ketldaksamaan di antara stimuli, atau konsep lain dibanding dengan kesamaan (dalam atribut sikap misalnya setuju dan ketidaksetujuan). Leblh lanjut Suryabrata (2000} menambahkan bahwa MOS digunakan untuk menellti kesamaan (similarity) dan ketidaksamaan (dissimilarity) satu objek yang direpresentasikan dengan jarak (distance) melalui pengamatan letak titik  dalam bidang berdlmensi 2 (dua) atau 3 (tiga). Semakin dekat jarak antar titik semakin sama (similarity) atau dapat juga dapat dimaknai semakin tlnggi tingkat korefasinya, dan begitu sebaliknya semakin jauh letak titik dari titik lainnya, semakin tidak sama (dissimilarity) atau semakin rendah tingkatkorelasinya. 

Data Rasio (skripsi dan tesis)

Skala pengukuran rasio pada dasarnya adalah skala pengukuran interval yang
memiliki nilai 0 mutlak dan bilangan-bilangannya dapat diperbandingkan secara mutlak. Contoh data rasio adalah data hasil pengukuran berat, panjang, banyaknya benda dan lain sebagainya. Jika kita nyatakan panjang benda adalah 0 cm, artinya benda itu tidak memiliki panjang sama sekali. Nilai 0 pada skala ini memang menunjukkan bahwa atribut yang diukur sama sekali tidak ada pada obyek yang bersangkutan. Demikian pula, dapat dikatakan bahwa obyek dengan panjang 15 cm adalah lima kali lebih panjang dari pada obyek dengan panjang 3 cm. Data berlevel rasio dapat dikenai keempat operasi hitung yaitu perkalian, pembagian, penambahan dan pengurangan. Data rasio bersifat invarian ketika dikenai transformasi dengan rumusan Y=cX dengan c adalah bilangan konstan. Operasi statistik yang diperbolehkan untuk data rasio adalah koefisien variasi, mean geometris dan mean harmonis

Data Interval (skripsi dan tesis)

Suatu hasil pengukuran disebut berada pada level interval jika hasil pengukuran tersebut adalah hasil pengukuran ordinal yang memiliki jarak antarjenjang yang tetap atau selalu sama. Bila terdapat jenjang kualitatif 1, 2 dan 3, maka secara kualitatif dan kuantitatif jarak antara 1 dan 2 adalah sama dengan jarak antara 2 dan 3. Seperti hasil pengukuran ordinal, data interval tidak memiliki harga 0 mutlak. Salah satu contoh hasil pengukuran interval adalah hasil pengukuran suhu pada thermometer. Bilangan-bilangan pada thermometer memperlihatkan jenjang dan kadar suhu yang berinterval sama. Dapat dikatakan bahwa 360 C adalah 60 C lebih panas daripada 300 C. Sedangkan 120 C adalah 60 C lebih dingin daripada 180 C. Akan tetapi, tidak dapat dikatakan bahwa 360 C adalah tiga kali lebih panas daripada 120 C. Bilangan 0 pada pengukuran suhu tidak bersifat mutlak. Artinya suhu 00 C tidak berarti tidak memiliki panas sama sekali. Perbedaan bilangan pada
level interval memiliki arti perbedaan kualitatif dan kuantitatif. Data pada level interval dapat diolah dengan operasi hitung penambahan dan pengurangan. Data hasil pengukuran interval akan bersifat invariant jika dikenai transformasi linier yaitu transformasi bilangan dengan persamaan garis lurus yang dirumuskan sebagai y=a+bx. Operasi statistik yang dapat digunakan untuk data interval adalah mean aritmatik, standar deviasi, deviasi rata-rata, korelasi product-moment, t-test dan F-test

Data Ordinal (skripsi dan tesis)

Suatu hasil pengukuran disebut berada pada level ordinal jika nilai berfungsi
untuk menunjukkan perbedaan jenjang kualitatif. Perbedaan nilai antar obyek
tidak menunjukkan perbedaan kuantitatif tetapi hanya menunjukkan perbedaan kualitatif. Bila terdapat jenjang kualitatif 1, 2 dan 3, dapat dikatakan 3>2 dan 2>1 serta 3>1. Akan tetapi, jarak antara 3 dan 2 dengan jarak antara 2 dan 1 tidak dapat dikatakan sama. Jarak jenjang antara dua nilai yang berurutan tidak selalu sama. Nilai 0 dalam skala ordinal tidak memiliki nilai mutlak. Contoh penerapan data ordinal adalah pemberian rangking misalnya untuk siswa-siswi dalam suatu kelas. Jenjang kualitatif antara rangking pertama dengan rangking kedua belum tentu sama dengan jenjang kualitatif antara rangking kedua dengan rangking ketiga. Karena jarak antara dua nilai yang berurutan tidak selalu sama secara kualitatif maka setiap nilai jenjang dapat diganti dengan nilai lain selama urutan jenjang yang satu dengan jenjang yang lain tidak berubah. Penggantian ini disebut transformasi monotonik. Transformasi monotonik mengubah nilai tetapi tidak merubah urutan bilangan. Operasi statistik yang diijinkan untuk data ordinal adalah median, persentil, korelasi rangking, Sign Test dan Run Tes

Data Nominal (skripsi dan tesis)

Suatu nilai hasil pengukuran disebut berskala nominal jika bilangan tersebut
berfungsi sebagai pengidentifikasi yaitu pembeda antara satu obyek dengan obyek
lain. Perbedaan bilangan menunjukkan adanya obyek yang terpisah dan tidak
sama. Selain untuk identifikasi, bilangan dapat dikatakan berada pada skala
nominal apabila digunakan untuk klasifikasi atau kategorisasi. Contoh
penggunaan data nominal adalah kategorisasi jenis kelamin. Jika obyek berjenis
kelamin laki-laki, obyek diberi nilai 0. Jika obyek berjenis kelamin wanita, obyek
diberi nilai 1. Bilangan 0 untuk obyek laki-laki tidak menunjukkan nilai yang
lebih rendah dari bilangan 1 yang diberikan pada nilai subyek wanita. Karena
fungsi pengukuran dalam hal ini adalah sebagai alat identifikasi, perubahan atau
penggantian nilai nominal dapat dilakukan dengan bebas selama tidak
mengaburkan identifikasi atau kategorisasi semula. Contohnya seperti pada
contoh sebelumnya, obyek laki-laki bisa diberi nilai 9 dan atau obyek wanita
diberi nilai 2 atau 7. Perubahan nilai tanpa diikuti perubahan fungsi identifikasi
dan kategorisasi obyek semacam ini disebut transformasi isomorfik. Proses
statistik yang diperbolehkan untuk diterapkan pada data nominal adalah
menghitung banyaknya kasus, mencari modus dan korelasi kontingensi seperti
Chi-Square dan Fisher’s exact test.

Analisis Data Mutivariat (skripsi dan tesis)

Multidimensional Scaling (MDS) adalah salah satu metode dari analisis
data multivariat. Analisis data multivariat secara sederhana dapat didefinisikan
sebagai aplikasi metode-metode yang berhubungan dengan sejumlah besar
pengukuran yang dibuat untuk setiap obyek dalam satu atau lebih sempel secara
simultan. Dengan kata lain, analisis data multivariat mengukur relasi simultan
antar variabel. Secara umum metode-metode dalam analisis data multivariat
digolongkan menjadi dua kelompok. Kelompok pertama adalah metode-metode
dependen. Metode-metode dependen terpusat pada mencari asosiasi dari dua
himpunan variabel di mana salah satu himpunan adalah realisasi dari suatu ukuran
dependen. Dengan kata lain metode-metode dependen berusaha mencari atau
memprediksi ukuran satu atau lebih kriteria berdasar himpunan variabel predictor.
Yang termasuk dalam kelompok ini adalah Multiple Regression, Analisis
Diskriminan, Analisis Logit, Multivariate Analysis-of-Variance (MANOVA) dan
Canonical Correlation Analysis. Kelompok kedua adalah metode-metode
interdependen. Metode-metode interdependen terpusat pada asosiasi mutual antar semua variabel tanpa membedakan tipe-tipe variabel. Secara umum, metode-metode
ini tidak memberikan prediksi melainkan mencoba memberikan gambaran
mengenai struktur yang mendasari data dengan cara menyederhanakan
kompleksitas atau dengan mereduksi data. Yang termasuk dalam kelompok ini
adalah Principal Components Analysis, Analisis Faktor, MDS, Analisis Kluster,
Pemodelan Loglinear

Validitasi model MDS (skripsi dan tesis)

 Untuk mendapatkan model MDS yang cocok, terdapat beberapa kriteria atau pedoman agar hasil yang didapatkan layak dan dapat digunakan untuk interpretasi sesungguhnya yaitu :
a. Nilai Stress (Standardized Residual Sum of Square)
Stress ialah ukuran ketidakcocokan (a lack of fit measure), makin tinggi nilai stres semakin tidak cocok, sehingga dapat disimpulkan kalau data tidak cocok digunakan untuk proses anilisis multidimensional scaling. Untuk menemukan tingkat ketidakcocokan tersebut makan kita dapat mencari dengan menggunakan rumus Stress.
b Nilai R kuadrat
 R kuadrat (R square) ialah kuadrat dari koefisien korelasi yang menunjukkan proporsi varian dari skala optimal data, yang disumbangkan oleh prosedur penskalaan multidimensional ukuran kecocokan/ketepatan (goodness of fit measure).28Yang diinginkan ialah nilai R 2 yang tinggi (R 2=1 atau 100% model mewakili dengan sempurna), akan tetapi, ? 2 ≥ 0.60 (60% atau lebih) sudah bisa diterima, artinya bisa mewakili data input dengan cukup baik

Asumsi Dalam Multidimensional Scaling (Skripsi dan tesis)

Multidimensional Scaling tidak memiliki asumsi yang baku dalam metodologinya, tipe data atau hubungan antar variabel-variabelnya. Dalam MDS hanya mensyaratkan bahwa peneliti menerima beberapa prinsip mengenai persepsi yang meliputi : a. Pembatasan multidimensionalscaling Diasumsikan bahwa kemiripan stimulus A dan B sama dengan stimulus B ke A. Akan tetapi ada beberapa kasus yang asumsi ini tidak berlaku. b. Variasi dimensi Tiap-tiap responden tidak akan menilai suatu stimulus di dalam dimensi yang sama. Misalnya, seseorang mungkin akan menilai sebuah mobil dari tenaga dan modelnya, sedangkan yang lain tidak memperhatikan faktor ini melainkan sebuah mobil dari harga dan kenyamanannya. c. Variasi kepentingan Responden tidak menilai kepentingan dimensi pada tingkat yang sama, walaupun serluruh responden menilai dimensi tersebut.Misalnya, dua orang responden menilai suatu minuman ringan dari tingkat karbonasinya. Seorang responden mungkin akan menilai bahwa faktor ini tidaklah penting, sedangkan yang lainnya menilai bahwa faktor ini penting. d. Variasi waktu Pernyataan yang didapat dari stimulus-stimulus tidak bisa digunakan dalam jangka waktu yang lama. Dengan kata lain, peneliti tidak dapat mengharapkan persepsi yang stabil dari waktu ke waktu

Jenis-jenis Multidimensional scaling (MDS) (skripsi dan tesis)

Tipe data berdasarkan skala pengukuran dibagi menjadi 4 tipe, yaitu skala nominal, ordinal, interval dan rasio. Berdasarkan tipe data tersebut, multidimensional scaling dibagi menjadi 2 jenis, yaitu penskalaan berdimensi ganda metrik dan penskalaan berdimensi ganda non-metrik. a. Multidimensional scaling (MDS) metrik
Data jarak yang digunakan dalam multidimensional scaling metrik adalah data rasio atau interval. MDS metrik (classical scaling) digunakan untuk menemukan himpunan titik dalam ruang dimensi n dimana masing-masing titik mewakili satu objek. Dalam classical scaling, dissimilarities (???) diperlakukan sama dengan jarak (???), yaitu ??? = ???.
b. Multidimensional scaling(MDS) nonmetrik
Multidimesional scaling nonmetrik mengasumsikan bahwa datanya adalah kualitatif (nominal dan ordinal). Program MDS nonmetrik menggunakan transformasi monoton (sama) ke data yang sebenarnya sehingga dapat dilakukan operasi aritmatika terhadap nilai ketidaksamaannya, untuk menyesuaikan jarak dengan nilai urutan ketidaksamaanya. Hasil perubahan ini disebut disparities. Disparities ini digunakan untuk mengukur tingkat ketidaktepatan konfigurasi objek-objek dalam peta berdimensi tertentu dengan input data ketidaksamaannya. Pendekatan yang sering digunakan saat ini untuk mencapai hasil yang optimal dari skala non metrik digunakan Kruskal’s Least-Square Monotomic Transformation dimana disparities merupakan nilai rata-rata dari jarak-jarak yang tidak sesuai dengan urutan ketidaksamaanya. Informasi ordinal kemudian dapat diolah dengan MDS nonmetrik sehingga menghasilkan konfigurasi dari objek-objek yang yang terdapat pada dimensi tertentu dan kemudian agar jarak antara objek sedekat mungkin dengan input nilai ketidaksamaan atau kesamaannya. Koordinat awal dari setiap subjek dapat diperoleh melalui cara yang sama seperti metode MDS metrik dengan asumsi bahwa meskipun data bukan jarak 25 informasi yang sebenarnya tapi nilai urutan tersebut dipandang sebagai variabel interval

Definisi Analisis Multidimensional Scaling (skripsi dan tesis)

 Ada beberapa definisi penskalaan dimensi ganda (multidimensional scaling) yang diungkapkan oleh beberapa ahli antara lain, penskalaan multidimensional (PMD) atau multidimensional scaling (MDS) merupakan suatu teknik yang bisa membantu peneliti untuk mengenali (mengidentifikasi) dimensi kunci yang mendasari evaluasi objek dari responden atau pelanggan.16 Analisis multidimensional scaling (MDS) merupakan salah satu teknik peubah ganda yang dapat digunakan untuk menentukan posisi suatu objek lainnya berdasarkan penilaian kemiripannya. MDS berhubungan dengan pembuatan map untuk menggambarkan posisi sebuah objek dengan objek lainnya berdasarkan kemiripan objek-objek tersebut. Dari definisi tersebut, kegunaan multidimensional scaling adalah untuk menyajikan objek-objek secara visual berdasarkan kemiripan yang dimiliki. Selain itu kegunaan lain dari teknik ini adalah mengelompokkanobjek-objek yang memiliki kemiripan dilihat dari beberapa peubah atau atribut yang dianggap mampu menggelompokkan objek-objek tersebut.
Sehingga dapat disimpulkan bahwa, multidimensional scaling adalah: a. Kumpulan teknik-teknik statistika untuk menganalisis kemiripan dan ketakmiripan antar objek. b. Memberikan hasil yang berupa plot titik-titik sehingga jarak antar titik menggambarkan tingkat kemiripan atau ketakmiripan. c. Memberikan petunjuk untuk mengidentifikasi atribut tak diketahui atau faktor yang mempengaruhi munculnya kemiripan atau ketakmiripan. Statistik dan beberapa istilah (terminologi) yang penting dalam analisis MDS, antara lain sebagai berikut: a. Analisis agregat (aggregate analysis), sebuah pendekatan dalam MDS, dimana perceptual map dibuat untuk evaluasi sekelompok responden terhadap objek-objek. Perceptual map dapat dibuat dengan komputer maupun peneliti sendiri. b. Penilaian kesamaan (similarity judgement), merupakan perangkat seluruh pasangan merek yang mungkin atau stimuli lain berdasarkan kesamaan yang dinyatakan melalui skala pengukuran (measurement scale) berskala nonmetrik atau semacamnya.

Peringkat preferensi (preference rankings), adalah ranking berupa urutan merek-merek mulai dari yang paling diinginkan sampai paling tidak diinginkan konsumen atau responden. d. Stress, adalah skor yang menyatakan ketidaktepatan pengukuran (lack offit measurement). Semakin tinggi stress , semakin tinggi ketidaktepatan. e. R kuadrat (R square), adalah indeks korelasi pangkat dua yang menyatakan proporsi varians data asli yang dapat dijelaskan MDS. f. Peta spasial (disebut juga perceptual map) , adalah suatu peta geometris yang menyatakan hubungan atau perbandingan antarmerek atau stimuli lain berdasarkan dimensi-dimensi yang diukur. g. Koordinat (coordinates), menyatakan posisi suatu merak atau stimulus lain dalam peta spasial. h. Unfolding, representasi merek dan responden sebagai pola dalam ruang yang sama.20 Konsep dasar dari multidimensional scaling adalah jarak yang dihasilkan dalam ruang harus sesuai dengan proximities yang sebenarnya. Sehingga yang dilakukan oleh multidimensional scaling adalah mencari posisi dalam ruang dan koordinat untuk setiap stimuli. Diharapkan jarak yang dihasilkan akan mendekati nilai proximities. Proximity dibagi atas dua yaitu pertama similarity (kemiripan) yaitu jika semakin kecil nilai jaraknya
menunjukkan bahwa objeknya lebih mirip. Kedua, dissimilarity (ketakmiripan) yaitu jika semakin besar nilai jaraknya, menunjukkan bahwa objeknya semakin tak mirip. Keberhasilan dari proses ini ditentukan oleh seberapa baik jarak yang dihasilkan (?̂ ??) dalam ruang sesuai dengan proximities yang sebenarnya (???)

Analisis Multivariat (skripsi dan tesis)

Analisis multivariat merupakan suatu metode statistik yang berhubungan dengan lebih dari dua variabel atau terdapat banyak variabel yang diamati dimana antar variabel saling berpengaruhAnalisis ini berhubungan dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran pada individu atau objek. Maka dapat disimpulkan bahwa analisis multivariat adalah metode-metode statistik yang mengelolah beberapa pengukuran menyangkut individu atau objek sekaligus.  Teknik analisis multivariat secara dasar diklasifikasikan menjadi dua, yaitu analisis dependensi dan analisis interdependensi. Pertama, analisis dependensi berfungsi untuk menerangkan atau memprediksi variabel tergantung (dependent variable) dengan menggunakan dua atau lebih variabel bebas (independent variable).Yang termasuk dalam klasifikasi ini ialah analisis regresi linear berganda, analisis diskriminan, analisis varian multivariat (MANOVA), dan analisis korelasi kanonikal. Kedua, analisis interdependensi berfungsi untuk memberikan makna terhadap seperangkat variabel atau membuat kelompok elompok secara bersama-sama.Yang termasuk dalam klasifikasi ini ialah analisis faktor, analisis kluster, dan multidimensional scaling

Peta Persepsi (Perceptual Mapping) (skripsi dan tesis)

Pada sub sub bab sebelumnya sudah dibahas mengenai pengertian persepsi konsumen. Setiap orang memiliki penilaian tersendiri terhadap suatu atribut yang akan diukur. Oleh karena itu, penilaian ini perlu dipetakan agar lebih mudah dalam membaca persepsi konsumen. Persepsi dari konsumen inilah yang akan dijadikan input untuk perceptual mapping. Menururt Santoso (2015) percpetual mapping merupakan penggambaran persepsi yang dibentuk ke dalam plot-plot pada suatu grafik dengan menggunakan skala. Persepsi ini juga akan dipilahpilah mengenai kekurangan dan kelebihannya berdasarkan atribut dari produk yang dinilai.

Multidimensional Scaling (skripsi dan tesis)

Multidimensional scaling merupakan suatu teknik statistik yang mengukur objekobjek dalam ruangan multidimensional. Teknik ini didasarkan pada penilaian responden mengenai kemiripan (similarity) objek-objek tersebut. Perbedaan persepsi diantara semua obyek tersebut disatukan dalam suatu ruangan multidimensional. Menurut Santoso (2015) MDS atau Multidimensional Scaling berhubungan dengan pembuatan grafik (map) untuk menggambaran posisi sebuah objek berdasarkan kemiripan objek tersebut. MDS dapat menganalisis data non-metrik (nominal dan ordinal) ataupun data metrik (interval dan rasio). Pada MDS terdapat nilai-nilai yang menunjukkan kedekatan antar objek yang disebut proximity. Semakin dekat objek satu dengan salah satu objek lain maka dapat dikatakan bahwa objek tersebut mirip. Apabila jarak antar kedua objek saling berjauhan maka objek tersebut saling tidak mirip. MDS memiliki dua jenis yaitu MDS metrik dan MDS non metrik. Perbedaa kedua jenis ini hanya terletak pada data yang dimasukkan dalam program. Jika data memiliki tipe rasio atau interval maka dikatakan MDS non metrik, sedangkan data yang bertipe ordinal   dikatakan MDS metrik (Hair dkk, 2010). Hasil yang akan ditampilkan oleh MDS dapat memberikan informasi seperti pengukuran citra, segmentasi pasar, pengembangan produk, analisis harga, keputusan distribusi dan sikap terhadap konsumen. Menurut Hair dkk (2010) MDS juga dapat membantu dalam beberapa hal seperti: 1. Mengilustrasikan segmentasi pasar berdasarkan penilaian preferensi konsumen. 2. Menentukkan produk yang kompetitif satu sama lain 3. Menyimpulkan kriteria penilaian konsumen terhadap suatu objek (produk, perusahaan, iklan, merek, dll) Multidimensional scaling mempunyai tujuan untuk menggambarkan secara lebih sederhana dengan space yang ditampilkan mengenai penilian konsumen tentang kemiripan suatu objek yang dibandingkan. Hair dkk (2010) menyatakan bahwa apabila objek A dan B berada pada dimensi yang sama maka A dan B memiliki jarak yang dekat dan mirip. Posisi semua objek tetap ditampilkan untuk mengetahui space antar objek. Terdapat tiga langkah dasar dalam menganalisis beberapa objek dengan menggunakan multidimensional scaling adalah: 1. Mengumpulkan ukuran kemiripan antar objek yang akan dianalisis 2. Menggunakan teknik MDS untuk mengestimasi posisi setiap objek dalam jarak multidimensional. 3. Mengidentifikasi dan menginterpretasikan sumbu ruang dimensi berdasarkan atribut

Analisis Faktor (Factor Analysis) (skripsi dan tesis)

Menurut Anderson dkk (Dalam Yamin dan Kurniawan, 2014) analisis faktor adalah pendekatan statistik yang dapat digunakan untuk menganalisis hubungan di antara beberapa variabel dan menjelaskannya secara umum berdasarkan suatu dimensi yang disebut faktor. Tujuan dari analisis faktor ini adalah untuk   mempersingkat informasi yang terdapat dalam beberapa variabel sehingga menjadi serangkaian variabel yang lebih kecil (faktor). Analisis faktor membantu dalam membuat suatu hubungan antar variabel yang saling independen sehingga menjadi satu atau beberapa kumpulan variabel yang lebih sedikit dibandingkan jumlah variabel awal. Kumpulan variabel yang terbentuk disebut sebagai faktor (Santoso, 2015). Menurut Santoso (2015) selain untuk meringkas variabel awal (data reduction), tujuan lain analisis faktor adalah mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Besarnya korelasi antar variabel harus di atas 0.5 maka variabel tersebut dapat dianggap layak untuk dianalisis di proses berikutnya. Apabila ada variabel yang tidak layak maka variabel tersebut harus dikeluarkan. Analisis faktor dapat dilakukan pengujian berulang apabila terdapat satu atau beberapa variabel yang tidak layak. Ada beberapa proses utama pada analisis faktor yaitu: (Santoso, 2015) a. Menentukan variabel yang akan dianalisis. b. Menguji variabel yang telah ditentukan dengan melakukan penyaringan terhadap beberapa variabel yang tidak memenuhi syarat. c. Melakukan analisis factoring yaitu mengekstrak satu atau lebih faktor yang terbentuk dari variabel awal.

Uji Reliabilitas (skripsi dan tesis)

 

Istilah reliabilitas merupakan terjemahan dari kata reliability yang berasal dari kata rely dan ability (Yamin dan Kurniawan, 2014). Reliabilitas menunjukkan suatu kehandalan dan konsistensi dalam penelitian. Apabila pengujian dilakukan beberapa kali maka akan tetap menghasilkan hasil yang relatif konstan. Suatu kuesioner dikatakan reliable atau handal apabila jawaban seseorang terhadap pertanyaan maupun pernyataan adalah konsisten atau stabil dari waktu ke waktu. Pengukuran yang mempunyai reliabilitas tinggi adalah pengukuran yang dapat menghasilkan data yang reliable. Reliabilitas dapat diukur dengan koefisien reliabilitas yang bernilai 0 sampai 1. Semakin mendekati angka 1 maka alat ukur tersebut semakin reliable. (Yamin dan Kurniawan, 2014). Uji reliabilitas pada penelitian ini menggunakan indikator Alpha Cronbach karena teknik ini merupakan teknik keandalan kuesioner yang paling sering digunakan. Uji reliabilitas dengan Alpha Cronbach ini akan menghasilkan nilai alpha sehingga dapat diketahui tingkat reliabilitasnya. Selain itu, melalui uji Alpha Cronbach akan terdeteksi indikator-indikator yang tidak konsisten. Menurut Yamin dan Kurniawan (2014) jika nilai Alpha lebih besar dari 0.6 maka pengukuran tersebut dapat dikatakan reliable.

Uji Validitas (skripsi dan tesis)

Istilah validitas merupakan kata terjemahan dari kata validity. Validitas menguji
seberapa baik suatu instrumen yang dibuat mampu mengukur konsep tertentu yang ingin diukur (Sekaran, 2013). Validitas berhubungan dengan suatu peubah yang mengukur apa yang seharusnya diukur. Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana alat ukur yang digunakan mampu mengukur apa yang diukur. Suatu kuesioner dikatakan valid apabila pertanyaan pada kuesioner mampu menjawab sesuatu yang akan diukur oleh kuesioner tersebut. Indikator yang valid adalah indikator yang mempunyai tingkat measurement error yang kecil (Yamin dan Kurniawan, 2014).

SPSS atau Statistical Product and Service Solution (skripsi dan tesis)

Menurut Yamin dan Kurniawan (2014) SPSS atau Statistical Product and Service Solution merupakan software statistik yang dapat digunakan untuk melakukan perhitungan statistik dengan teknik-teknik analisis statistik yang tersedia. Kelebihan program ini adalah dapat melakukan secara cepat semua perhitungan sederhana maupun sulit dalam statistik. Perkembangan penggunaan analisis statistik membuat software SPSS semakin dikenal karena pengoperasiannya yang mudah. Pada kasus tertentu dibutuhkan pengkodean dalm menginput misalnya untuk pertanyaan laki-laki dan perempuan maka kode “1” untuk laki-laki dan “2” untuk perempuan. Kegiatan ini dilakukan agar data dapat dibaca olehSPSS. Terdapat 2 bagian dalam menginput data yaitu data view dan variabel view. Data yang akan diinputkan ke dalam SPSS dapat diisi pada bagian variabel view terlebih dahulu kemudian membuka data view untuk memulai input. SPSS akan membantu dalam membuat perceptual mapping dan metode MDS. Pada MDS, isi baris dan kolom pada SPSS akan diproses sekaligus (Santoso, 2015).