Category: Metode Penelitian

Posted on

 Pemilihan Model Untuk Data Panel (skripsi dan tesis)

Untuk memilih model yang paling tepat digunakan dalam mengelola data panel, terdapat beberapa pengujian yang dapat dilakukan yakni:

  1. Uji Chow

Chow test yakni pengujian untuk menentukan model Fixed Effet atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Pembahasan uji Chow akan dijelaskan lebih lanjut pada Part 3.

  1. Uji Hausman

Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Pembahasan uji Hausman akan dijelaskan lebih lanjut pada Part 4.

  1. Uji Lagrange Multiplier

Untuk mengetahui apakah model Random Effect lebih baik daripada metode Common Effect (OLS) digunakan uji Lagrange Multiplier (LM). P

Posted on

Metode Estimasi Model Regresi Panel (skripsi dan tesis)

Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain:

  1. Common Effect Model

Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.

  1. Fixed Effect Model

Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).

  1.  Random Effect Model

Model ini akan mengestimasi data panel dimana variabel gangguan  mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS)

Posted on

 Pengertian Data Panel (skripsi dan tesis)

Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Misalkan anda sebagai seorang peneliti ingin meneliti bank Mandiri dalam kurun waktu 2000-2013 maka anda melakukan penelitian menggunakn data time series. Contoh lain pada tahun 2009 keuntungan industri perbankan Indonesia di atas rata-rata  negara-negara ASEAN, apabila anda ingin meneliti fenomena tersebut dengan memasukan data semua bank dalam waktu 2009 saja, penelitian anda disebut menggunakan data cross section. Sedangkan jika anda ingin meneliti banyak bank dan dengan beberapa periode waktu (misalnya 10 bank dalam kurun waktu 5 tahun) penelitian anda menggunakan data panel.

Menurut Agus Widarjono (2009) penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel).

Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series.

  1. Pertama, dapat memberikan peneliti jumlah pengamatan yang besar, meningkatkan degree of freedom (derajat kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinieritas antara variabel penjelas, di mana dapat menghasilkan estimasi ekonometri yang efisien.
  2. Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat diberikan hanya oleh data cross section atau time series saja.
  3. Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.
Posted on

Pemilihan Teknik Estimasi Regresi Data Panel (skripsi dan tesis)

     Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel, yaitu model dengan metode OLS (common), model Fixed Effect dan model Random Effect. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel.
  1. Uji Statistik F

    Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. Setelah kita melakukan regresi dua model yaitu model dengan asumsi bahwa slope dan intersep sama dan model dengan asumsi bahwa slope sama tetapi beda intersep, pertanyaan yang muncul adalah model mana yang lebih baik? Apakah penambahan dummy menyebabkan residual sum of squares menjadi menurun atau tidak? Keputusan apakah kita sebaiknya menambah variabel dummy untuk mengetahui bahwa intersep berbeda antar perusahaan dengan metode Fixed Effect dapat diuji dengan uji F statistik. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow. Sekarang uji F kita gunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy dengan melihat residual sum of squares (RSS). Adapun uji F statistiknya adalah sebagai berikut: Dimana RSS1 dan RSS1 merupakan residual sum of square teknik tanpa variabel dummy dan teknik fixed effect dengan variabel dummy.

  1. Uji Langrange Multiplier (LM)

    Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect

  1. Uji Hausman

    Uji ini untuk memilih antara Fixed Effect atau Random Effect

Posted on

Estimasi Regresi Data Panel (skripsi dan tesis)

     Secara umum dengan menggunakan data panel kita akan menghasilkan intersep dan slope koefisien yang berbeda pada setiap perusahaan dan setiap periode waktu. Oleh karena itu, di dalam mengestimasi persamaan (3) akan sangat tergantung dari asumsi yang kita buat tentang intersep, koefisien slope dan variabel gangguannya. Ada beberapa kemungkinan yang akan muncul, yaitu:
  1. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu (perusahaan) dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan
  2. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu
  3. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu
  4. Diasumsikan intersep dan slope berbeda antar individu
  5. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu
     Untuk mengestimasi parameter model dengan data panel, terdapat beberapa teknik yang ditawarkan, yaitu:
  1. Koefisien Tetap Antar Waktu dan Individu (Common Effect): Ordinary Least Square

    Teknik ini tidak ubahnya dengan membuat regresi dengan data cross section atau time series. Akan tetapi, untuk data panel, sebelum membuat regresi kita harus menggabungkan data cross-section dengan data time series (pool data). Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi model dengan metode OLS. Metode ini dikenal dengan estimasi Common Effect. Akan tetapi, dengan menggabungkan data, maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. Atau dengan kata lain, dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar perusahaaan sama dalam berbagai kurun waktu.kalo kita punya asumsi bahwa α dan β akan sama (konstan) untuk setiap data time series atau cross section, maka α dan β dapat diestimasi dengan model berikut dengan menggunakan N*T pengamatan:

Yit = α + βxit + εit ; i = 1,2,….,N; t = 1,2,….,T
  1. Model Efek Tetap (Fixed Effect)

    Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept ini mungkin berubah untuk setiap individu dan waktu… pemikiran inilah yang menjadi dasar pemikiran pembentukan model tsb…asumsi pembuatan model yang menghasilkan nilai α konstan untuk setiap individu (i) dan waktu (t) kurang realistis…. kalo dalam FEM, kita dapat mengatasi hal tersebut, karena metode ini memungkinkan adanya perubahan α pada setiap i dan t yang secara matematis, model FEM dinyatakan sbb:

Yit = α + βxit + γ²x²t + γ²x²i + δ²x²t + δ²x²i + εit
ket:
Yit    = Variabel dependen untuk individu ke-i dan waktu ke-t
βxit   = Variabel independen untuk individu ke-i  dan waktu ke-t
variabel dummy yang didefinisikan sebagai berikut:
γt      = 1 ; untuk waktu ke-t ; i = 1,2,…,N
γi      = 0 ; untuk individu ke-  i
δt      = 1 ; untuk periode t; t = 1,2,…,T
δi      = 0 ; untuk observasi   i
  Dari model di atas terlihat bahwa sesungguhnya FEM adalah sama dengan regresi yang menggunakan Dummy Variable sebagai variabel independen, sehingga dapat diestimasi dengan OLS… dengan diestimasinya tersebut menggunakan OLS, maka akan memperoleh estimator yang tidak bias dan konsisten…
  1. Model Efek Random (Random Effect)

    Bila pada FEM, perbedaan antar individu dan atau waktu dicerminan lewat intercept, maka pada REM perbedaan tersebut diakomodasi lewat error… teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section….Pada FEM, perbedaan karakteristik individu dan waktu diakomodasikan pada intecept-nya berubah antar individu dan antar waktu… sementara pada REM, perbedaan karakteristik individu dan waktu diakomodasikan pada error dari model…. mengingat ada dua komponen yang memiliki kontribusi pada pembentukan error, yaitu individu (i) dan waktu (t), maka random error untuk komponen individu, error komponen waktu, dan error gabungan. Dengan demikian, persamaan REM diformulasikan sbb:

Yit = α + βxit + εit ; εit = ui + vt + wit
Di mana:
ui  = Komponen error cross section
  vt  = Komponen error time series
  wit = Komponen error gabungan
Adapun asumsi yang digunakan untuk komponen error tersebut :
  ui ~ N (0, σu²);
  vt ~ N (0, σv²);
  wit ~ N (0, σw²);
Kalo melihat persamaan di atas, maka dapat dinyatakan bahwa REM menganggap efek rata-rata dari data cross section dan time series direpresentasikan dalam intercept.. kita telah mengetahui bahwa:
dengan demikian, varians dari error tersebut dapat dituliskan dengan:
Var(εit) = σu² + σv² + σw²
Posted on

Pemodelan Data Panel (skripsi dan tesis)

     Model regresi linier menggunakan data cross section dan time series.
  • Model dengan data cross section
Yi = α + β Xi + εi ; i = 1,2,….,N (1)
N: banyaknya data cross section
  • Model dengan data time series
Yt = α + β Xt + εt ; t = 1,2,….,T (2)
N: banyaknya data time series
Mengingat data panel merupakan gabungan dari data cross section dan data time series, maka modelnya dituliskan dengan:
Yit = α + β Xit + εit ; i = 1,2,….,N; t = 1,2,….., T (3)
dimana :
N = banyaknya observasi
T = banyaknya waktu
N x T = banyaknya data panel
Posted on

Keunggulan Regresi Data panel (skripsi dan tesis)

    Keunggulan regresi data panel menurut Wibisono (2005) antara lain:
  1. Panel data mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu;
  2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks.
  3. Data panel mendasarkan diri pada observasi cross-section yang berulang-ulang (time series), sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment.
  4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih informative, lebih variatif, dan kolinieritas (multiko) antara data semakin berkurang, dan derajat kebebasan (degree of freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien.
  5. Data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks.
  6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu.
   Dengan keunggulan tersebut maka implikasi pada tidak harus dilakukannya pengujian asumsi klasik dalam model data panel (Verbeek, 2000; Gujarati, 2006; Wibisono, 2005; Aulia; 2004, dalam Shochrul R, Ajija, dkk. 2011).
Posted on

Pengertian Data Panel (skripsi dan tesis)

      Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu (misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi), tetapi meliputi beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden (misalnya perusahaan) dengan beberapa jenis data (misalnya; laba, biaya iklan, laba ditahan, dan tingkat investasi) dalam suatu periode waktu tertentu.
   Menurut Agus Widarjono (2007) metode regresi data panel mempunyai beberapa keuntungan jika dibandingkan dengan data time series atau cross section, yaitu :
  1. Data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar.
  2. Menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (ommited-variabel).
Posted on

Teknik Estimasi Model Persamaan Simultan (skrpsi dan tesis)

.1.Indirect Least Square (ILS) Tahap pertama membentuk persamaan bentuk tereduksi dari persamaanpersamaan struktural sebagaimana sehingga variabel dependen dalam setiap persamaan merupakan satu-satunya variabel endogen dan fungsi satu-satu dari variabel eksogen dan residual stokastik. Tahap kedua menerapkan OLS terhadap persamaan bentuk tereduksi. Hal ini diperkenankan karena variabel-variabel independen dalam persamaan-persamaan tersebut adalah eksogen dan karenanya tidak berkorelasi dengan residual, estimasi OLS menjadi konsisten.
.2.Two Stages Least Square (2SLS) Tahap pertama, regresikan variabel endogen terhadap semua variabel eksogen dari sistem tersebut bukan hanya dari persamaan yang diberikan, hal ini hampir menyerupai dengan membuat persamaan bentuk tereduksi. Kemudian estimasi parameter menggunakan OLS sehingga diperoleh nilai prediksi variabel endogen. Tahap kedua, mengganti variabel endogen dari sistem dengan nilai estimasi pada tahap pertama, kemudian dilakukan estimasi OLS.
Posted on

Aturan Identifikasi (Skripsi dan tesis)

Aturan identifikasi sistem persamaan simultan: a. Jika J-j < m-1, persamaan itu mengalami underidentified, tidak dapat dilakukan estimasi parameter, solusinya dengan membentuk model lain. b. Jika J-j = m-1, persamaan itu mengalami just identified, teknik estimasi parameter yaitu metode kuadrat terkecil tidak langsung atau Indirect Least Square (ILS). c. Jika J-j > m-1, persamaan itu mengalami overidentified, teknik estimasi parameter yaitu metode kuadrat terkecil dua tahap atau Two Stages Least Square (2SLS). dimana m = banyak variabel endogen dalam persamaan; j = banyak variabel eksogen dalam persamaan; J = banyak variabel eksogen dalam sistem

Posted on

Model Persamaan Simultan (skripsi dan tesis)

 Supranto (2004) mendefinisikan suatu sistem persamaan simultan ialah suatu himpunan persamaan di mana variabel tak bebas dalam satu atau lebih persamaan juga merupakan variabel bebas dalam beberapa persamaan lainnya, yaitu keadaan dimana di dalam sistem persamaan suatu variabel sekaligus mempunyai dua peranan, yaitu sebagai variabel tak bebas dan variabel bebas, jadi tidak hanya variabel tak bebas Y yang ditentukan, misalnya oleh variabel bebas X, tetapi bisa juga X ditentukan oleh Y sehingga X dan Y nilainya ditentukan secara bersama-sama (jointly of simultaneous determined). Dalam model persamaan simultan, terdiri atas variabel endogen (endogenous variables) dan variabel eksogen (exogenous variables).
Variabel endogen ialah variabel tak bebas di dalam sistem persamaan simultan, yang nilainya ditentukan di dalam sistem persamaan, walaupun variabel-variabel tersebut mungkin juga muncul sebagai variabel bebas di dalam sistem persamaan lain. Gujarati (2007) menyebut variabel-variabel ini sebagai variabel tergantung bersama. Di sini lah terjadi simultanitas. Sedangkan variabel eksogen ialah variabel yang nilainya ditentukan di luar model termasuk variabel endogen beda kala (lagged endogeneous variables), sebab nilainya sudah diketahui sebelumnya. Adanya simultanitas antar variabel endogen menyebabkan terjadinya korelasi antara variabel respon Y dengan faktor residual. Karena salah satu asumsi klasik metode estimasi ordinary least square (OLS) yaitu nonautokorelasi dilanggar, maka jika tetap digunakan OLS secara langsung pada persamaan struktural, estimator akan bersifat bias dimana akan terjadi overestimation atau underestimation serta tidak konsisten. Dalam model persamaan simultan, dikenal dua macam persamaan, yaitu persamaan stuktural (structural equations) dan persamaan bentuk tereduksi (reduced form equations). Persamaan struktural atau tingkah laku menguraikan struktur suatu perekonomian atau tingkah laku dari para pelaku ekonomi seperti konsumen, produsen, dan penyalur. Ada satu persamaan struktural untuk setiap variabel endogen di dalam model persamaan simultan. Koefisien setiap persamaan struktural disebut parameter struktural (structural parameter) dan menunjukkan pengaruh langsung dari setiap variabel bebas terhadap variabel tak bebas
Posted on

Analisis Deret Waktu (time series) (Skripsi dan tesis)

Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu yang tetap (Wei, 2006). Rangkaian data pengamatan time series dinyatakan dengan variabel Xt dimana t adalah indeks waktu dari urutan pengamatan.

Posted on

Jenis Data Berdasarkan Waktu Pengumpulannya (skripsi dan tesis)

Menurut Gujarati dan Porter (2009) jenis data dalam analisis empiris terbagi menjadi tiga, yaitu time series,cross-section dan panel. 1. Data Time series Data time series adalah kumpulan nilai-nilai pengamatan dari suatu variabel yang diambil pada waktu yang berbeda. Data jenis ini dikumpulkan pada interval waktu tertentu, misalnya harian, mingguan, bulanan, dan tahunan. 2. Data Cross-section Data cross-section adalah data dari satu variabel atau lebih yang dikumpulkan pada waktu tertentu secara bersamaan. 3. Data Panel Data panel adalah data yang elemen-elemennya merupakan kombinasi dari data time series dan data cross-section.

Posted on

Klasifikasi Data (skripsi dan tesis)

 Menurut (Syofian, 2010: 6) data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta. Data juga dapat didefinisikan sebagai kumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar menarik suatu kesimpulan. Menurut (Hasan 2004: 19) suatu data dapat diklasifikasikan menjadi empat macam yaitu berdasarkan sumber pengambilan, waktu pengambilan, sifat data dan tingkat pengukuran. Keempat klasifikasi data tersebut adalah sebagai berikut:
1. Berdasarkan Sumber Pengambilannya Berdasarkan sumber pengambilannya, data dibedakan menjadi dua yaitu data primer dan data sekunder.
a. Data Primer Data primer adalah data yang diperoleh atau dikumpulkan langsung dilapangan oleh orang yang melakukan penelitian atau yang  bersangkutan yang memerlukannya. Data primer disebut juga data asli atau data baru. Contoh : data kuesioner, data survei dan sebagainya.
b. Data Sekunder Data sekunder adalah data yang diperoleh atau dikumpulkan oleh orang yang melakukan penelitian dari sumber-sumber yang telah ada. Data ini biasanya diperoleh dari perpustakaan atau dari laporan-laporan penelitian terdahulu. Contoh: data yang sudah tersedia ditempat-tempat tertentu seperti perpustakaan, BPS (Badan Pusat Statistika), kantor-kantor dan sebagainya.
2. Berdasarkan Waktu Pengumpulannya Berdasarkan waktu pengumpulannya, data dibedakan menjadi dua yaitu data runtun waktu (Time Series) dan data cross section.
a. Data runtun waktu (Time Series) Data runtun waktu (time series) adalah data yang terkumpul dari waktu ke waktu untuk memberikan gambaran perkembangan suatu kegiatan atau keadaan. Contoh: data perkembangan harga sembilan macam bahan pokok selama 10 bulan terakhir yang dikumpulkan setiap bulan.
 b. Data Cross Section Data cross section adalah data yang terkumpul pada suatu waktu tertentu untuk memberikan gambaran perkembangan suatu kegiatan atau keadaan pada waktu itu. Contoh: data sensus penduduk tahun 2013.
3. Berdasarkan Sifat Data Berdasarkan sifatnya, data dibedakan menjadi dua yaitu data kualitatif dan data kuantitatif.
a. Data Kualitatif Data kualitatif adalah data yang tidak berbentuk bilangan. Contoh: jenis kelamin, agama, warna.
b. Data Kuantitatif Data kuantitatif adalah data yang berbentuk bilangan. Contoh: tinggi, panjang, umur, dan sebagainya.
 4. Berdasarkan Tingkat Pengukurannya Berdasarkan tingkat pengukurannya (skala), data dibedakan menjadi empat yaitu data nominal, data ordinal, data interval rasio.
a. Data Nominal Data nominal adalah data yang berasal dari pelabelan berdasarkan kategori atau klasifikasi tertentu yang perbedaannya hanya menunjukkan perbedaan kualitatif. Ciri-ciri data nominal adalah posisi data setara dan tidak bisa dilakukan operasi matematika  Contoh: jenis kelamin, pria diberi label 1 dan wanita diberi label 0.
 b. Data Ordinal Data ordinal adalah data yang berdasarkan urutan yang disusun menurut besarnya, dari tingkat terendah ke tingkat tertinggi atau sebaliknya, dengan jarak atau rentang yang tidak harus sama. Data ordinal disebut juga sebagai data berurutan, data berjenjang, data berpangkat, data tata jenjang atau data bertingkat. Ciri-ciri data ordinal adalah mempunyai urutan, posisi data tidak setara dan tidak dapat dilakukan operasi matematika. Contoh: kepuasan pelanggan sebuah cafe, misalnya sangat puas diberi label 1, puas diberi label 2, cukup puas diberi label 3, tidak puas diberi label 4, sangat tidak puas diberi label 5.
c. Data Interval Data interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala sudah diketahui. Pada data interval ini tidak terdapat titik nol absolut atau mutlak. Ciri-ciri data interval adalah tidak ada pelabelan seperti pada data nominal dan data ordinal serta dapat dilakukan operasi matematika. Contoh: suhu dapat diukur dengan Celciuc atau Fahreinheit dengan masing-masing mempunyai skala tersendiri. Misal Celcius pada 0° C sampai 100° C. Fahreinheit pada 323° F sampai 212° F. d. Data Rasio Data rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui dan mempunyai titik 30 nol absolut. Ini berbeda dengan data interval dimana tak ada titik nol absolut atau mutlak. Seperti titik 0° C tentu berbeda dengan titik 0° F. Ciriciri data rasio adalah tidak ada pemberian label atau kode dan dapat dilakukan operasi matematika
Posted on

EViews (skripsi dan tesis)

EViews adalah program komputer yang digunakan untuk mengolah data statistika dan data ekonometrika. Program ini dapat dijalankan pada sistem operasi Microsoft Windows, sejak versi XP atau sesudahnya, baik versi 32 maupun 64 bit. EViews merupakan kelanjutan dari program MicroTSP yang dikeluarkan pada tahun 1981. Program EViews dibuat oleh QMS (Quantitative Micro Software) yang berkedudukan di Irvine, California, Amerika Serikat. Alamat situsnya ada di www.eviews.com (Wing, 2011: 1). EViews dapat dijalankan dengan dua cara, yaitu dengan memilih menu atau dengan menuliskan perintah. Cara pertama dengan memilih menu dapat menggunakan mouse atau keyboard sering juga disebut dengan cara interaktif. Cara ini lebih mudah dilakukan kebanyakan pemakai komputer karena pemakai tinggal memilih menu yang sesuai. Sedangkan cara kedua dengan menuliskan perintah sering disebut dengan metode batch. Cara ini sedikit lebih sulit karena pemakai komputer harus menghafal perintah-perintah yang disediakan. Keunggulan dengan menuliskan perintah adalah perintah-perintah yang ditulis dapat disimpan dan dijalankan pada waktu lain atau dikirim ke pemakai lainnya tanpa perlu memilih-milih menu lagi (Wing, 2011: 2). EViews bersifat window based sehingga memakan banyak memori. Namun demikian sisi positifnya adalah sifat user friendly.

Meskipun EViews mampu mengelola berbagai tipe data, namun software ini dianggap memiliki  kemampuan lebih dalam hal prosesing data runtun waktu karena banyaknya tipe analisis yang dapat dilakukan. Dalam menggunakan EViews pengguna akan berinteraksi dengan beberapa komponen penting, yakni workfile, object, series dan database (Doddy, 2012: 195-196). Keunggulan EViews terletak pada kemampuannya untuk mengolah data yang bersifat time series, meskipun tetap dapat mengolah data cross section maupun data panel. Keunggulan lainnya, EViews tidak memerlukan langkah yang panjang seperti pada program sejenis untuk mengolah data. Pada program EViews, cukup dengan beberapa mengklik mouse, hasil akan tampak di layar. Hasil analisis EViews selalu ditampilkan dalam satu layar, sehingga mudah dan praktis untuk dianalisis (Wing, 2011: 3). Kelemahan EViews yang utama adalah cara penggunaannya yang tidak biasa seperti pada program lainnya. Contoh kasus adalah untuk menjalankan regresi, menunya menggunakan istilah Quick Estimate, dan bukan Analysis atau Regression seperti pada program statistika lainnya. Kelemahan lain, menurut beberapa peneliti yang sudah banyak menggunakan program EViews adalah kelemahannya mengolah data grafik. Oleh karenanya, bila banyak mengolah data dan perlu membuat grafik, dianjurkan tetap mengolah datanya dengan program EViews ini, namun grafiknya diselesaikan dengan program spresdsheet seperti Microsoft Excel dan Lotus 1-2-3.
 Ini dikarenakan kemampuan pembuatan grafiknya jauh lebih baik bila dibanding dengan kemampuan EViews (Wing, 2011: 3).  Untuk dapat menggunakan program EViews, dibutuhkan pengetahuan mengenai statistika, baik statistika deskriptif, statistika parametrik maupun statistika nonparametrik. Selain itu, agar dapat memanfaatkan EViews dengan baik juga dibutuhkan pengetahuan mengenai cara pengoperasian komputer di dalam sistem grafik seperti Microsoft Windows. Program EViews sangat membantu dalam proses penyelesaian uji kointegrasi khususnya dengan menggunakan metode Johansen.
Posted on

Stasioneritas (skripsi dan tesis)

Sebuah data dikatakan stasioner jika tidak terdapat pertumbuhan atau penurunan data. Dengan kata lain, fluktuasi data berada disekitar suatu nilai rata-rata yang konstan. Stasioner atau tidaknya suatu data dapat dilihat dengan grafik. Jika grafik cenderung naik maka dapat disimpulkan sementara bahwa data tersebut tidak stasioner.
Data dengan adanya pola trend ditandai dengan adanya kecenderungan arah data bergerak menaik atau menurun pada jangka panjang. Data dengan adanya pengaruh seasonal ditandai dengan adanya pola perubahan yang berulang secara otomatis dari tahun ke tahun. Data dengan adanya pengaruh siklis maksudnya adalah data yang terjadi di sekitar garis trend. Pola siklis agak sulit diprediksi karena pola yang ada cenderung tidak stabil.  Kestasioneran data terbagi menjadi dua yaitu kestasioneran dalam mean dan varians. Data runtun waktu yang tidak stasioner dapat dikatakan distasionerkan dengan cara sebagai berikut:
1. Ketidakstasioneran dalam mean
 Data runtun waktu yang tidak stasioner dalam mean berarti memiliki mean yang tidak konstan atau meannya terpengaruh oleh waktu. Cara yang digunakan untuk mengatasi ketidakstasioneran dalam mean ini dengan melakukan pembedaan (differencing) terhadap data runtun waktu.

2. Ketidakstasioneran dalam varians
Data runtun waktu yang tidak stasioner dalam varians berarti mempunyai varians yang tidak konstan atau variansnya terpengaruh oleh waktu. Cara yang digunakan untuk mengatasi ketidakstasioneran dalam varians yaitu dengan melakukan transformasi. Proses stasioneritas rata-rata pada data dapat menggunakan metode differencing, sedangkan untuk proses stasioneritas varians pada data dapat menggunakan transformasi box-cox.
 1. Differencing Salah satu cara umum yang digunakan dalam stasioneritas data adalah metode differencing. Tujuan menghitung pembedaan adalah untuk mencapai stasioneritas dalam rata-rata. Metode ini dilakukan dengan cara mengurangi nilai data pada suatu periode dengan data periode sebelumnya. Pembedaan dapat dilakukan untuk beberapa order sampai diperoleh data yang stasioner.

2. Transformasi Box-Cox Transformasi Box-Cox adalah salah satu metode untuk proses stasioneritas data dalam varians yang dikenalkan oleh Box dan Tiao Cox.
Posted on

Derajat Integrasi (skripsi dan tesis)

Data runtun waktu dikatakan terintegrasi pada orde ݀ atau dinotasikan jika runtun waktu tersebut dapat di-differencing sebanyak ݀ kali dan hasil differencing adalah stasioner (Gujarati, 2003). Dengan kata lain derajat integrasi adalah dimana pada derajat tersebut data runtun waktu bersifat stasioner. Tujuan derajat integrasi adalah untuk melihat apakah runtun waktu terintegrasi atau tidak.

Posted on

Analisis Korelasi (skripsi dan tesis)

 Sederhana Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1990. Tujuan dari analisis korelasi adalah untuk menentukan seberapa erat hubungan antara dua variabel. Menurut (Subaryadi & Purwanto, 2004: 158), analisis korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau korelasi antara dua variabel. Analisis korelasi mencoba mengukur keeratan hubungan antara dua variabel X dan Y. Keeratan hubungan antara dua variabel tersebut dinyatakan dalam bentuk koefisien korelasi yang dilambangkan dengan huruf r. Koefisien korelasi (r) menunjukkan seberapa dekat titik kombinasi antara variabel X dan Y pada garis lurus sebagai garis dugaannya. Semakin dekat titik kombinasinya dengan garis dugaannya maka nilai korelasinya semakin membesar. Sebaliknya, semakin menyebar dari garis dugaannya, maka nilai korelasi semakin kecil. Ukuran statistik yang dapat menggambarkan hubungan antara suatu variabel dengan variabel lain adalah koefisien korelasi dan koefisien determinasi.
1. Koefisien Korelasi
Ukuran korelasi antara dua buah variabel yang paling banyak digunakan adalah koefisien korelasi momen yang dikembangkan oleh Pearson. Koefisien korelasi mempunyai nilai antara -1 sampai 1. Nilai r = -1 yang disebut dengan linear sempurna negatif, terjadi apabila titik sampel atau kombinasi terletak tepat pada suatu garis lurus yang mempunyai kemiringan negatif. Nilai r = 1 disebut dengan linear sempurna positif, dan hal ini terjadi apabila semua titik contoh terletak tepat pada satu garis lurus dengan kemiringan positif. Nilai koefisien korelasi yang mendekati -1 atau 1 menyatakan bahwa hubungan kedua variabel adalah kuat atau korelasi kedua variabel tinggi. Akan tetapi apabila nilai r mendekati 0, hubungan  antara kedua variabel sangat lemah atau mungkin tidak ada sama sekali (Subaryadi & Purwanto, 2004: 159).
 2. Koefisien Determinasi
Menurut Subaryadi & Purwanto (2004:162-163), koefisien determinasi merupakan ukuran untuk mengetahui kesesuaian atau ketepatan antara nilai dugaan atau garis regresi dengan data sampel. Jika semua data observasi terletak pada garis regresi akan diperoleh garis regresi yang sesuai atau sempurna, namun apabila data observasi tersebar jauh dari nilai dugaan atau garis regresinya, maka nilai dugaannya menjadi kurang sesuai. Koefisien determinasi adalah bagian dari keragaman total variabel terikat Y (variabel yang dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas X (variabel yang mempengaruhi atau independent). Jadi koefisien determinasi adalah kemampuan variabel X (variabel independen) mempengaruhi variabel Y (variabel terikat). Semakin besar koefisien determinasi menunjukkan semakin baik kemampuan X menerangkan Y.
Posted on

Konsep Dasar Analisis Runtun Waktu (skripsi dan tesis)

Dalam kehidupan sehari-hari banyak data yang diperoleh dari observasi suatu fenomena di berbagai bidang berdasarkan waktu. Misalnya di bidang pertanian, produksi dan harga hasil panen per tahun. Di bidang ekonomi dan bisnis, harga saham per hari, suku bunga per minggu, indeks harga per bulan, jumlah penjualan per kuartal dan pendapatan per tahun. Di bidang meteorologi, kecepatan angin per jam, temperatur, udara per hari dan curah hujan tiap tahun. Di bidang ilmu sosial dipelajari angka kelahiran, angka kematian, angka kecelakaan dan angka pelbagai tindakan kejahatan dan lain sebagainya. Data demikian disebut data runtun waktu yang bisa diobservasi tidak pernah berakhir (Rusdi, 2002: 6).

 Menurut (Dedi, 2011:1), untuk dapat memahami pemodelan runtun waktu, perlu diketahui beberapa jenis data menurut waktu, yang dapat dibedakan sebagai berikut :
1. Data Time Series (Runtun Waktu) yakni jenis data yang terdiri atas variabelvariabel yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu. Jika waktu dipandang bersifat diskrit (waktu dapat dimodelkan bersifat kontinu), frekuensi pengumpulan selalu sama (equidistant). Dalam kasus diskrit, frekuensi dapat berupa misalnya detik, menit, jam, hari, minggu, bulan atau tahun dan lain-lain.
 2. Data Cross-Section yakni jenis data yang terdiri atas variabel-variabel yang dikumpulkan pada sejumlah individu atau kategori pada suatu titik waktu tertentu. Model yang digunakan untuk memodelkan data tipe ini seperti model regresi (Cross-Section).
 3. Data Panel atau Pooled yakni tipe data yang terdiri atas variabel-variabel yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu pada sejumlah individu atau kategori. Model yang digunakan untuk pemodelan data ini seperti model data panel dan model runtun waktu multivariat. Secara ekuivalen, dikenal juga tipe data longitudinal dengan frekuensi data tidak harus equidistant, namun analisa statistika yang 8 dilakukan dalam model longitudinal berbeda tujuannya dengan analisa untuk model panel
Posted on

Langkah Pada Confirmatory Factor Analysis (skripsi dan tesis)

Tiga langkah yang dilakukan pada CFA (Umar, 2012) yaitu:

 1. Menguji apakah hanya satu faktor saja yang menyebabkan item-item saling berkorelasi (hipotesis uni-dimensional item). Hipotesis ini diuji dengan chi- square. Untuk memutuskan apakah memang tidak ada perbedaan antara matriks korelasi yang diperoleh dari data dengan matriks korelasi yang dihtung menurut teori/model. Jika hasil chi-square tidak signifikan (p>0.05), maka hipotesis nihil yang menyatakan “tidak ada perbedaan antara matriks korelasi yang diperoleh dari data dan model” tidak ditolak yang artinya item yang diuji mengukur satu faktor saja (uni- dimensional). Sedangkan, jika nilai chi-square signifikan (p<0.05) maka hipotesis nihil tersebut ditolak yang artinya item-item yang diuiji ternyata mengukur lebih dari satu faktor (multidimensional). Dalam keadaan demikian maka peneliti melakukan modifikasi terhadap model dengan cara memperbolehkan kesalahan pengukuran pada item-item saling berkorelasi tetapi dengan tetap menjaga bahwa item hanya mengukur satu faktor (uni-dimensional). Jika sudah diperoleh model yang fit(tetapi tetap uni-dimensional maka dilakukan langkah selanjutnya.
2. Menganalisis item mana yang menjadi sumber tidak fit, terdapat beberapa hal yang perlu diperhatikan untuk mengetahui item mana yang menjadi sumber tidak fit, yaitu :
a. melakukan uji signifikansi terhadap koefisien muatan faktor darimasing-masing item dengan menggunakan t-test, jika nilai t yang diperoleh pada sebuah item tidak signifikan (t<1.96) maka item tersebut akan di drop karena dianggap tidak signifikan sumbangannya terhadap pengukuran yang sedang dilakukan.
 b. Melihat arah dari koefisien muatan faktor (faktor loading). Jika suatu item memiliki muatan faktor negatif, makan item tersebut di drop karena tidak sesuai dengan pengukuran (berarti semakin tinggi nilai pada item tersebut semakin rendah nilai pada faktor yang diukur).
c. Sebagai kriteria tambahan (optional) dapat dilihat juga banyaknya korelasi parsial antar kesalahan pengukuran, yaitu kesalahan pengukuran pada suatu item yang berkorelasi dengan kesalahan pengukuran pada item lain. Jika pada suatu item terdapat terlalu banyak korelasi seperti ini (misalnyalebih dari tiga), maka item tersebut juga akan di drop. Alasannya adalah karena item yang demikian selain mengukur apa yang ingin di ukur juga mengukur hal lain (multidemensional item).
 3. Menghitung faktor skor. Jika langkah langkah di atas telah dilakukan, maka diperoleh item- item yang valid untuk mengukur apa yang ingin di ukur (Umar, 2012).
Posted on

Kaidah Penulisan Aitem (skripsi dan tesis)

Dalam penulisan aitem, ada beberapa langkah atau kaidah atau aturan yang harus diperhatikan, yaitu (Periantalo, 2016): 1) Aitem mengungkap konstrak secara tersirat. 2) Aitem harus sesuai dengan indikator perilaku 3) Kalimat yang baik 4) Sesuai dengan subjek 45 5) Hindari aitem yang pasti disetujui atau tidak disetujui oleh orangorang. 6) Disarankan menggunakan kalimat present tense 7) Disarankan menggunakan kata positif daripada kata negatif. 8) Hindari dua kata negatif dalam kalimat, karena akan menimbulkan kebingungan

Posted on

jenis konstruk aitem (skripsi dan tesis)

Dalam penulisan aitem, perlu dilihat jenis konstruk aitem (Periantalo, 2015), yaitu:

1) Konstrak Linear
 Konstrak linear merupakan konstrak satu arah. Aitem akan mengungkap konstrak yang sama. Terdapat dua jenis aitem dalam konstrak ini, yaitu favorable dan unfavorable. Favorable aitem mengarah pada konstrak yang hendak diungkap, dan pemberian skornya “semakin tinggi jenjang, semakin tinggi skornya”. Unfavorable aitem merupakan negasi dari konstrak tersebut dan pemberian skornya adalah kebalikannya yaitu “semakin tinggi jenjang, maka semakin rendah skornya”. Konstrak tidak memiliki pembagian tertentu, sehingga skor akhir dari konstrak merupakan penjumlahan dari aitem tersebut.
 2) Konstrak Bipolar
Konstrak bipolar merupakan mengukur konstrak yang berlawanan. Besarnya suatu konstrak merupakan kecilnya konstrak yang lain. Sebagai contoh, nilai ekstrovert yang tinggi, maka secara otomatis nilai introvertnya rendah. Skor konstrak tertentu sekaligus skor konstruk yang lainnya. Salah satu skala psikologi yang menggunakan konstrak bipolar adalah Skala Myers Briggs Type Indicator (Periantalo, 2015).
3) Konstrak Ortogonal
Konstrak ortogonal merupakan konstrak mengukur aspek yang berbeda satu sama lain. Konstrak ini memiliki jenis-jenis, sehingga memiliki skor pada masing-masing jenisnya. Konstrak ini tidak memiliki skot total. Aitem mengungkapkan konstrak tertentu dan tidak mengungkapkan konstrak secara keseluruhan. Bentuk aitem yang disarankan dalam konstrak ini adalah pertanyaan dengan pilihan jawaban (Periantalo, 2015). Salah satu contoh skala dengan menggunakan konstrak ortogonal yaitu Skala Pola Asuh. Dalam skala pola asuh ada tiga pembagian pola asuh yaitu demokratis, otoriter dan permisif. Skor yang dibutuhkan sesuai dengan jenis pola asuhnya masing-masing
Posted on

model penskalaan dan pemberian skor (Skripsi dan tesis)

Ada beberapa model penskalaan dan pemberian skor (Periantalo, 2016) yaitu:

 1) Pilihan Dua
 Peneliti membuat jawaban yang sesuai dengan konstrak, situasi dan keadaan subjek. Hal yang paling penting adalah terdapat dua pilihan jawaban. Peneliti dapat membuat jawaban setuju-tidak setuju, pernah-belum pernah, diterima-ditolak, dan lain sebagainya. Saat subjek menjawab “Ya” pada aitem favorable, skor yang diberikan adalah 1, sedangkan ketika subjek menjawab “tidak” pada aitem favorable maka skor yang diberikan adalah 0 dan begitu pula sebaliknya.

 2) Metode Pasangan
Metode ini dengan memasangkan dua konstrak sekaligus. Metode pasangan ini cocok untuk konstrak linear dan/atau bipolar. Untuk konstrak ortogonal, metode yang cocok berupa 46 metode pemasangan, karena ortogonal memiliki banyak aspek dan tidak memiliki nilai kesatuan. Metode pemasangan memiliki konsep yang serupa dengan metode pasangan.

3) Likert Dalam skala likert terdapat dua jenis aitem yaitu favorable dan unfavorable. Kedua jenis aitem ini harus setara dalam jumlahnya. Aitem favorable mengarah pada konstrak yang hendak diungkap dengan pemberian skor “1, 2, 3, 4, dan 5”, sedangkan aitem unfavorable merupakan negasi dari konstrak yang hendak diungkap dengan pemberian skor kebalikan dari aitem favorable yaitu “5, 4, 3, 2, dan 1”. Respon sesuai digunakan untuk konstrak yang berhubungan dengan diri subjek. Model likert cocok untuk konstrak linear.
 4) Model Jenjang
Model jenjang mirip dengan skala likert, yaitu bergerak dari suatu kontinum dan cocok untuk konstrak linear. Model jenjang ini lebih diperuntukkan untuk skala perilaku, dengan kegiatan konkret yang dilakukan dan dapat dilihat secara kasat mata. Dalam model jenjang ini, peneliti membuat respon yang spesifik. Salah satu contoh skala yang cocok dengan model jenjang adalah Skala 16 PF. Skala 16 PF merupakan model skala jenjang perilaku, dimana subjek diminta untuk memilih salah 47 satu jawaban yang menggambarkan diri sendiri, kemudian jawaban ditulis di lembar yang disediakan. Jenjang tersebut merupakan jenjang respon yang harus dipilih oleh subjek. Semakin mengarah ke konstrak maka nilai jenjang semakin tinggi.
 5) Semantik Diferensial
Model ini diperkenalkan oleh Charles Osgood. Metode ini berfokus pada aspek sematif dari kata. Terdapat dua komponen yaitu stimulus dan respon. Stimulus berfokus pada objek yang hendak dikenai seperti pelajaran, profesi, kegiatan atau produk, sedangkan respon berupa pasangan dua kata sifat yang kontinum yang bergerak dari kutub kiri ke kanan. Metode Semantik Deferensial ini berguna untuk mengukur sikap, opini, perilaku dan pendapat. Respon dari semantik diferensial terdiri dari evaluasi, potensi dan aktivitas. Evaluasi yaitu dengan memberikan penilaian evaluasi terhadap stimulus berupa jahatbaik, jelek-cantik, kasar-lembut, dan penting-tidak penting. Respon potensi merupakan penilaian mengenai aktivitas yang dikandung stimulus seperti besar-kecil, lemah-kuat, berat-ringan dan susah-gampang. Sementara respon aktivitas adalah penilaian mengenai muatan aktivitas yang dikandung stimulus seperti jijiktakjub, dibenci-dicintai dan dihindari-ditunggu. Semantif diferensial tidak berfokus pada indikator maupun komponen,  tetapi peneliti membuat aitem kata sifat yang cocok dengan stimulus. Aitem dibuat sekreatif mungkin oleh peneliti. Semantif difereisal ini cocok digunakan untuk evaluasi terhadap suatu produk.
 6) Guttman
Model guttman merupakan model penskalaan dengan urutan. Jika memilih jenjang yang lebih tinggi berarti memilih jenjang yang lebih rendah juga. Jenjang yang lebih rendah tersebut sudah dilaksanakan atau disetujui.
7) Thurstone
Aitem pada model thurstone memiliki bobot skor yang berbeda. Bobot aitem pertama berbeda dengan kelima ataupun kesepuluh. Berapa bobot aitem tersebut ditentukan sejumlah orang yaitu ahli teori maupun orang yang berpengalaman dalam hal tersebut
Posted on

Analisis Aitem (skripsi dan tesis)

 Ada beberapa tahapan yang dilakukan pada analisis aitem (Periantalo, 2015), yaitu:
 1) Analisis Kualitatif
Aitem Analisis kualitatif aitem merupakan analisis dengan melihat deskripsi aitem tersebut. Analisis melihat kandungan yang ada di dalam aitem dan tidak melibatkan angka. Analisis dilakukan oleh berbagai pihak yang berhubungan dengan skala psikologi tersebut. Analisis dilakukan oleh (Periantalo, 2015):
a) Ahli Konstrak
 Analisis ini bertujuan untuk memastikan aitem yang dibuat mengarah pada konstrak. Aitem tersebut harus sesuai dengan indikator perilaku yang mengarah pada komponen dan selaras dengan konstrak. Ahli yang melakukan ini adalah orang yang mengetahui banyak tentang konstrak tersebut, seperti pakar, peneliti yang pernah meneliti kontrak tersebut, pernah mengalami atau memiliki banyak pengetahuan mengenai konstrak.
 b) Ahli Psikometri
 Tujuan dari analisis ini adalah untuk meminta tanggapan tentang properti psikometri yang digunakan. Peneliti meminta tanggapan terhadap jenis validitas, reliabilitas, indeks diskriminasi aitem maupun norma. Orang yang  dijadikan analasis ini adalah orang-orang yang menguasasi ilmu pengukuran psikologi. Ahli Psikometri pun diminta untuk melihat aitem-aitem yang telah disusun oleh peneliti.
c) Ahli Tata Bahasa
 Tujuan dari analisis ini adalah untuk memastikan bahwa yang digunakan baik dan benar. Analisis ini disarankan menggunakan orang yang memiliki kemampuan tata bahasa yang bagus.
d) Subjek
 Analisis ini bertujuan untuk memastikan subjek paham dengan aitem yang telah dibuat. Sebaik apapun aitem yang telah dibuat, tetapi menjadi tidak berguna ketika subjek tidak memahami makna dari aitem tersebut. Ketidakpahaman subjek terhadap aitem membuat validitas isi penelitian menjadi rendah, sehingga skala tersebut tidaklah valid. Analisis ini meminta subjek untuk menelaah makna atau kalimat atau kata dalam aitem tersebut dan memastikan bahwa kalimat tersebut tidak ambigu. Aitem harus dapat dimengerti oleh subjek dari skala yang ditargetkan. Kata-kata dalam aitem adalah kata-kata yang sesuai dengan kelompok subjek. Subjek diminta untuk memberikan tanggapan terhadap aitem

2). Ujicoba Skala
 Ujicoba skala ini bertujuan untuk melihat apakah aitem tersebut memang aitem yang baik secara kuantitatif (Periantalo, 2015; Azwar, 2016). Ujicoba harus dilakukan seperti dalam keadaan sebenarnya. Subjek yang dilibatkan adalah subjek yang setara dengan kelompok target dari skala tersebut, begitu pun dengan waktu. Waktu yang digunakan dalam ujicoba adalah waktu yang baik. Dalam artian, subjek mengerjakan pada waktu subjek memiliki semangat untuk mengerjakan. Sama halnya dengan tempat dan tampilan skala yang harus dibuat senyaman dan semenarik mungkin, agar dalam mengerjakan skala, subjek menjadi termotivasi untuk mengerjakan skala.
 3) Analisis Kuantitatif
 Analisis kuantitatif yang dilakukan berupa indeks diskriminasi aitem (daya beda aitem). Daya beda aitem bertujuan untuk memastikan aitem memiliki daya beda yang bagus. Aitem dapat membedakan individu yang memiliki atribut atau tidak. Aitem bisa membedakan individu yang berformasi tinggi maupun rendah (Azwar, 2016). Daya beda pun dapat berarti kemampuan aitem membedakan individu secara teori harus memilih aitem tersebut. Hasil analisis aitem kuantitatif bisa dijadikan batu pijakan dalam penyusunan skala final. Daya beda  aitem dalam penelitian ini dilakukan dengan Korelasi Aitem dengan Skor Total.
4) Indeks Diskriminas
i Aitem dengan Reliabilitas Fungsi indeks diskriminasi (beda) aitem adalah untuk melihat kemampuannya dalam membedakan individu memiliki atribut atau tidak. Aitem lolos seleksi dijadikan sebagai bahan dalam perakitan skala final. Salah satu fungsi indeks diskriminasi aitem adalah untuk reliabilitas. Skala dengan indeks diskriminasi aitem bagus mendukung reliabilitas. Semakin tinggi indeks diskriminasi aitem, maka semakin tinggi reliabilitasnya. Indeks diskriminasi aitem pun dipengaruhi oleh respon penskalaannya, sehingga semakin tinggi respon penskalaan, maka semakin tinggi pula indeks diskriminasi aitem
Posted on

Syarat Skala Psikologi Yang Baik (skripsi dan tesis)

Adapun syarat untuk membuat skala yang baik, antara lain (Periantalo, 2015): a. Skala harus valid, dimana aitem skala berisi aspek yang hendak diungkap. b. Reliabel, dimana melihat seberapa jauh skor skala tersebut dapat dipercaya. c. Terstandarisasi, dimana skala memiliki sistem yang jelas seperti petunjuk pengerjaan, waktu, subjek, pemberian skor dan cara interpretasi jelas, sehingga siapapun yang menggunakan skala ini melakukan dengan cara yang sama. d. Efisien, dimana skala dapat dikerjakan dalam waktu relatif singkat, sehingga subjek tidak merasa bosan, cara pengerjaan yang mudah, serta metode pemberian skor dan interpretasi mudah. e. Bermanfaat, dimana dapat digunakan untuk berbagai keperluan, sehingga dapat menjelaskan fenomena yang ada, dan memprediksi masa depan

Posted on

Pengertian Skala Psikologi (skripsi dan tesis)

Skala psikologi merupakan salah satu instrumen psikologi yang biasa digunakan untuk mengungkap aspek nonkognitif melalui aitem-aitem, dan menghasilkan skor yang dianalisis melalui proses psikometri (Periantalo, 2015). Dalam skala psikologi, hal yang ingin diungkapkan adalah aspek afektif dan perilaku. Skala mengungkap bagaimana manusia merespon, sehingga semua jawaban dianggap sebagai jawaban yang benar. Skala psikologi biasanya diwujudkan dalam bentuk aitem-aitem perilaku atau sikap. Aitem berasal dari indikator perilaku yang dibuat. Aitem mengalami seleksi baik kualitatif maupun kuantitatif. Dari aitemaitem tersebut, skala psikologi menghasilkan skor. Skor pada skala psikologi merupakan suatu kontinum internal, dimana setiap pengukuran menghasilkan skor. Skor memiliki klasifikasi tertentu dan memiliki interpretasi atau makna. Kemudian skor-skor yang dihasilkan akan dianalisis melalui proses psikometris. Skala psikologi diujicobakan melalui proses psikometris. Proses dimulai dari penetapan konstrak yang hendak diungkap. Ujicoba skala menghasilkan validitas, reliabilitas, indeks diskriminasi, norma dan interpretasi. Skala psikologi memiliki manfaat dalam pengembangan ilmu maupun kegunaan praktis. Secara garis besar, skala psikologi bermanfaat sebagai evaluasi untuk memberikan gambaran tentang apa yang telah dilakukan sehingga mampu membuat kebijakan yang tepat dan sesuai
 (Periantalo, 2015).
Posted on

Reliabilitas Konsistensi Internal (skripsi dan tesis)

Pendekatan konsistensi internal dilakukan dengan menggunakan satu bentuk tes yang dikenakan hanya sekali saja pada sekelompok subjek. Pendekatan reliabilitas konsistensi internal bertujuan melihat konsistensi antar aaitem atau antarbagian dalam tes itu sendiri(Azwar, 2010). Dalam hal ini reliabilitas konsistensi internal mengukur seberapa konsisten aitem-aitem yang berbeda yang merefleksikan suatu konstruk yang sama memberikan hasil-hasil yang sama (Joguyanto, 2008). Ada beberapa cara yang dapat dilakukan untuk menghitung reliabilitas ini yaitu (Jogiyanto, 2008):
1) Rata-rata korelasi antar aitem
 Cara menghitung reliabilitas ini dilakukan untuk masing-masing konstruk. Aitem-aitem di suatu konstruk dikorelasikan satu dengan lainnya dan nilai-nilai hasil korelasinya diratarata.
 2) Rata-rata korelasi total antar aitem
Cara menghitung reliabilitas ini hampir sama dengan yang dilakukan di rata-rata korelasi antar-aitem. Bedanya adalah korelasi antar-aitem dirata-rata terlebih dahulu untuk masingmasing aitem dan kemudian dihitung rata-rata dari rata-rata tersebut.
 3) Separuh dipecah (Split-half)
Split-half dilakukan dengan melakukan sebuah tes pada satu kelompok subjek dan membagi aitem-aitem di tes menjadi dua separuhan. Pemecahan aitem-aitem menjadi dua separuhan dapat dilakukan secara acak atau secara atas bawah atau secara ganjil-genap. Skor-skor dari separuh pertama dibandingkan dengan skor-skor dari separuh kedua. Analisis korelasi juga digunakan untuk membandingkan dua kelompok skor tersebut. Koefisien korelasi ini menunjukkan koefisien konsistensi internal dari alat ukur. Koefisien korelasi yang tinggi menunjukkan konsistensi internal aitem-aitem di alat ukur
Posted on

Reliabilitas Bentuk Pararel (skripsi dan tesis)

Dalam pendekatan bentuk pararel ini, tes yang akan diestimasi reliabiltasnya harus ada pararelnya, yaitu tes lain yang sama tujuan ukurnya dan setara isi aaitemnya baik secara kualitas maupun kuantitasnya (Azwar, 2010). Untuk membuat dua tes menjadi paralel, penyusunannya haruslah didasarkan pada satu spesifikasi yang sama. Spesifikasi ini meliputi antara lain tujuan ukur, batasan objek ukur dan operasionalisasinya, indikator-indikator perilakunya, banyaknya aaitem, format aaitem, dan juga kalau perlu meliputi taraf kesukaran aaitem. Secara empirik, kedua tes yang pararel itu haruslah menghasilkan mean skor dan varians yang setara dan korelasi yang juga tidak berbeda dengan suatu variabel ketiga. Analisis korelasi digunakan untuk membandingkan dua kelompok skor tersebut. Koefisien korelasi ini menunjukkan koefisien ekuivalansi (coefficient of 38 equivalence) dari alat ukur. Koefisien korelasi yang tinggi menunjukkan ekuivalensi atau kesamaan atau stabilitas atau konsistensi alat ukur antar kelompok subjek berbeda (Jogiyanto, 2008)

Posted on

Reliabilitas Tes Retest (skripsi dan tesis0

Pendekatan tes retest dilakukan dengan menyajikan tes dua kali pada satu kelompok subjek dengan tenggang waktu diantara kedua penyajian tersebut. Asumsi yang menjadi dasar dalam cara ini adalah bahwa suatu tes yang reliabel tentu akan menghasilkan skor-tampak yang relatif sama apabila dikenakan dua kali pada waktu yang berbeda (Azwar, 2010). Prosedur reliabilitas tes retest dimana reliabilitas diukur dari koefisien korelasi antara percobaan pertama dengan yang berikutnya. Bila koefisien korelasi positif dam signifikan maka instrumen tersebut sudah dinyatakan reliabel (Sugiyono, 2010; Jogiyanto, 2008). Pengujian ini sering disebut stability. Dalam menggunakan pendekatan retest ini harus diperhatikan kemungkinan adanya perubahan kondisi subjek sejalan dengan berbedanya waktu diantara kedua penyajian tes. Perubahan kondisi subjek yang terjadi tidak pada keseluruhan subjek dan tidak searah sedikit-banyak akan ada pengaruhnya terhadap koefisien reliabilitas yang diperoleh. Disamping itu, masih ingatnya subjek akan jawaban yang pernah diberikan pada tes 37 yang pertama menjadi efek bawaan dalam pendekatan ini. Hal ini dapat mengakibatkan distribusi skor pada kedua penyajian tes dan korelasinya akan tinggi lebih dari semestinya (over estimasi). Koefisien sedemikian itu pun tentu tidak mencerminkan derajat reliabilitas yang benar karena tingginya korelasi bukan disebabkan kecilnya varians error, tetapi diakibatkan oleh pengulangan jawaban yang diberikan oleh subjek (Azwar, 2010).

Posted on

Reliabilitas (skripsi dan tesis)

Reliabilitas berasal dari kata “rely” yang berarti kepercayaan dan “ability” yang berati kemampuan. Reliabilitas berarti kemampuan mengukur sejauhmana hasil suatu alat ukur dapat dipercaya. Reliabilitas berkorelasi juga dengan keterpercayaan, keterandalan, keajegan, kestabilan dan konsistensi (Azwar, 2010; Sugiyono, 2010; Supratiknya, 2014). Secara psikometrik, reliabilitas memiliki dua makna (Klein dalam Supratiknya, 2014) yaitu self consistency atau konsistensi internal dan stabilitas tes. Konsistensi internal adalah kesesuaian antar bagian-bagian dalam suatu tes. Dalam artian jika salah satu bagian dari sebuah tes mengukur suatu variabel tertentu maka bagian-bagian lainnya jika tidak konsistensi dengan bagian yang disebut pertama pastilah tidak mengukur variabel yang sama. Reliabilitas yang didasarkan pada kesesuaian antar  bagian-bagian dalam suatu tes semacam ini dikenal sebagai reliabilitas konsistensi internal.
Menurut Klein (Supratiknya, 2014) konsep reliabilitas konsistensi internal inilah yang mendasari prinsip umum dalam psikometri yang menyatakan bahwa reliabilitas (konsistensi internal yang tinggi) merupakan salah satu syarat validitas. Sementara makna kedua mengenai stabilitas merupakan kesamaan skor yang dicapai oleh setiap testi yang sama dalam pengetesan ulang seperti skor yang dicapai dalam pengetesan pertama atau sebelumnya. Hasil pengukuran dapat dipercaya hanya apabila dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subjek yang sama diperoleh hasil yang relatif sama, selama aspek yang diukur dalam diri subjek memang belum berubah. Pengukuran yang memiliki reliabiltas tinggi disebut sebagai pengukuran yang reliabel. Secara empirik, tinggi rendahnya reliabilitas ditunjukkan oleh koefisien reliabilitas. Semakin tinggi koefisien korelasi berarti konsistensi antara hasil pengenaan dua tes tersebut semakin baik dan hasil ukur kedua tes tersebut dikatakan semakin reliabel. Secara teoretik besarnya koefisien reliabilitas berkisar mulai dari 0.0 sampai 1.0 (Azwar, 2010). Koefisien korelasi dapat bertanda negatif, tetapi akan selalu mengacu pada angka positif, dikarenakan angka yang negatif tidak ada artinya bagi interpretasi reliabilitas hasil ukur. Guilford (Supratiknya, 2014), batas minimum koefisien korelasi reliabilitas yang dipandang cukup memuaskan adalah 0.70. Sebuah tes yang memiliki koefisien 36 korelasi kurang dari 0.70 dipandang kurang bermanfaat sebab hal itu berarti bahwa standard error atau kesalahan baku yang terkandung dalam skor tampak adalah sedemikian besar sehingga sulit ditafsirkan.
Posted on

Validitas Prediktif (skripsi dan tesis)

Validitas prediktif melihat prediksi alat ukur terhadap performansi masa depan. Seberapa kuat alat ukur tersebut mampu memprediksi sesuatu. Validitas prediktif merupakan validitas tertinggi. Jika skala memiliki validitas prediktif yang bagus, maka skala tersebut memiliki kebenaran yang tinggi pula. Tujuan utama dilakukan assesmen psikologi adalah untuk memprediksi perilaku seseorang pada masa yang akan datang (Periantalo, 2016). Pengujian ini dilakukan melalui dua tahapan yaitu: a) Memberikan seperangkat alat ukur kepada subjek. Tahapan ini biasanya diawal sebuah kegiatan, dimana subjek belum atau sedikit melakukan kegiatan tersebut. b) Mengambil kriteria untuk validitas instrumen. Kriteria ini harus didapat setelah beberapa waktu tertentu. Dalam artian, subjek telah memiliki hasil dari kegiatan tadi. Kriteria ini diuji dengan skala, dan teknik statistik yang digunakan berupa regresi.

Posted on

Validitas Konkuren (skripsi dan tesis)

Validitas konkuren membandingkan skala dengan kriteria yang bisa didapat sekarang. Kemudian dilihat, apakah skala memiliki korelasi dengan kriteria. Membandingkan skala dengan kriteria dapat dilakukan dengan cara: a) Membandingkan dengan kriteria skala standar dan kedua skala harus memiliki landasan teori yang setara.  b) Membandingkan dengan skala yang berhubungan. Skala yang berhungan bisa dijadikan kriteria. Dasar skala ini adalah kedua skala memiliki hubungan, baik positif maupun negatif

Posted on

Validitas Kriteria (skripsi dan tesis)

Validitas kriteria dilakukan setelah skala final dirakit. Validitas kriteria membandingkan skala dengan suatu kriteria. Kriteria tersebut merupakan kriteria yang relevan, dan dapat berasal dari teori, hasil penelitian, maupun analisis rasional. Kriteria harus memiliki skor. Skor skala dikorelasikan dengan skor kriteria. Jika kriteria belum memiliki skor, maka perlu dikonversi menjadi skor. Validitas kriteria melihat sejauhmana hubungan antara skala dengan kriterianya. Semakin tinggi hubungan, maka semakin kuatlah validitas kriterianya

Posted on

Confirmatory Factor Analysis (CFA) (skripsi dan tesis)

Confirmatory Factor Analysis dimana peneliti sudah menentukan beberapa faktor yang pembentukan skala tersebut. Tujuan utama CFA adalah menguji apakah indikator-indikator yang sudah dikelompokkan berdasarkan konstruknya konsisten berada dalam konstruknya tersebut atau tidak. Pada CFA, peneliti mengukur apakah data fit dengan model yang dibentuk sebelumnya atau tidak. Di awal peneliti telah mengembangkan model hipotesis berdasarkan kerangka teoritis atau penelitian sebelumnya yang dijadikan acuan. Ukuran-ukuran yang digunakan dalam CFA sama halnya dengan yang digunakan dalam Structural Equation Modelling (SEM) yaitu ukuran kesesuaian model dengan data (fitness index). Chi Square, RMSEA, GFI, AGFI adalah beberapa contoh ukuran kesesuaian model yang akan  digunakan di luar nilai bobot setiap indikator (Periantalo, 2016).

Posted on

Explanatory Factor Analysis (EFA) (skripsi dan tesis)

Explanatory Factor Analysis dimana peneliti menguji secara statistik berapa faktor yang membentuk skala. EFA merupakan metode statistik yang digunakan untuk membangun model struktur yang terdiri dari satu set atau banyak variabel. Dalam hal ini EFA digunakan dalam kondisi peneliti tidak memiliki informasi awal atau hipotesis harus dikelompokkan ke dalam variabel mana saja sekumpulan indikator yang telah dibuat. Jadi peneliti berangkat dari indikator kemudian membentuk variabel. EFA juga digunakan dalam kondisi dimana variabel laten memiliki indikator yang belum jelas. Dalam hal ini, bisa saja indikator  satu variable laten dimungkinkan tumpang tindih dengan indikator variabel laten lainnya. Ukuran yang menunjukkan bahwa suatu indikator masuk ke dalam indikator tertentu dalam EFA adalah nilai faktor loading. Ketika nilai faktor loading suatu indikator lebih besar terhadap satu faktor tertentu, maka indikator tersebut dapat dikelompokkan ke dalam faktor tersebut (Periantalo, 2016)

Posted on

Validitas Dengan Analisis Faktor (skripsi dan tesis)

Analisis faktor memberikan informasi aitem sampel. Analisis faktor digunakan untuk menganalisis saling hubungan diantara variabel dan menjelaskan saling hubungan tersebut dalam bentuk kelompok variabel yang terbatas yang disebut faktor (Azwar, 2010; Periantalo, 2016). Oleh karena itu, validitas yang ditegakkan melalui prosedur analisis faktor disebut sebagai validitas faktorial. Hasil analisis faktor dapat dijadikan landasan dalam perakitan skala final, karena melalui analisis faktor diperoleh aitem terbaik.

Posted on

Validitas Diskriminan (skripsi dan tesis)

Validitas diskriminan merupakan kebalikkan dari konvergen, yaitu jika konstrak berbeda dan diuji korelasinya, maka ia tidak memiliki korelasi atau berkorelasi rendah. Hal ini dikarenakan konstrak mengungkap aspek yang berbeda

Posted on

Validitas Konvergen (skripsi dan tesis)

Validitas konvergen mengacu pada dua hal yang sama dikorelasikan memiliki korelasi positif tertentu. Semakin tinggi nilai suatu skala, maka semakin tinggi pula nilai skala yang lain, begitu pula sebaliknya. Dasar korelasi adalah teori yang mendasari

Posted on

Validitas Multitrait-Multimethod (skripsi dan tesis)

Model ini diperkenalkan oleh Campbell dan Fiske. Asumsi dasar dari metode ini adalah, pertama, konstrak yang sama saat diukur dengan berbagai metode, menunjukkan korelasi positif. Kedua, konstrak yang berbeda jika diukur dengan cara yang sama atau pun berbeda, maka tidak berkorelasi atau berkorelasi rendah. Model multitrait multimethod harus memiliki dua konstrak yang diukur menggunakan dua model penskalaan yang berbeda. Validitas ini merupakan gabungan validitas konvergen dan diskriminan (Periantalo, 2016)

Posted on

Validitas Konstrak (skripsi dan tesis)

Validitas konstrak menunjukkan sejauh mana skala psikologi mengukur trait (konstrak) teoritik yang hendak diukurnya. Validitas konstrak merupakan kelanjutan validitas isi. Aitem yang telah dibuat kemudian diuji kontrak teoritisnya. Pengujian dilakukan melalui pengambilan data di lapangan. Data pengujian skala dilihat konstrak yang membentuk melalui analisis statistik. Analisis statistik memberikan data pengukuran. Ada beberapa metode dalam mencapai validitas konstrak. Metode yang umum digunakan adalah multitrait-multimethod dan analisis faktor (Periantalo, 2016).

Posted on

Validitas Tampang (skripsi dan tesis)

Validitas tampang mengacu pada tampang suatu skala psikologi, baik bentuk maupun instruksi. Tujuannya untuk mencapai apresiasi subjek. Subjek diharapkan termotivasi mengerjakan skala psikologi, sehingga subjek bisa mengeluarkan hal yang sebenarnya dalam dirinya (Periantalo, 2016). Validitas tampang merupakan validitas terendah, tetapi sangat penting peranannya. Validitas ini merupakan apresiasi kepada subjek, bentuk hormat peneliti kepada subjek penelitian 25 dan peneliti memperlakukannya secara manusiawi, sehingga subjek merasa tenang dalam pengerjaan skala dan menjawab sungguh-sungguh. Subjek yang menjawab asal-asalan berarti kurang termotivasi untuk mengerjakan skala, maka data skala psikologi bisa menjadi tidak valid. Oleh karena itu, validitas tampang dapat dilakukan dengan beberapa cara yaitu (Periantalo, 2016): a) Membuat skala dengan desain menarik, sehingga subjek yang melihat skala memiliki keinginan untuk mengerjakan skala b) Di waktu dan tempat yang nyaman bagi subjek sehingga subjek merasa tenang saat mengerjakan skala. c) Menyusun kata pengantar yang mengungkapkan tujuan dari penelitian dan memberikan pujian kepada subjek, sehingga subjek merasa bahwa dirinya adalah orang yang bermanfaat. d) Memberikan reward sebagai bentuk memperhatikan subjek.

Posted on

Validitas Isi (skripsi dan tesis)

Validitas Isi menunjukkan sejauh mana seperangkat aitem mengukur apa yang hendak diukur. Sejauh mana aitem dalam suatu instrumen psikologi dapat menggambarkan apa yang hendak diukur (Azwar, 2016; Periantalo, 2016). Dalam hal ini, validitas didapat melalui penurunan konstrak ke dimensi, indikator perilaku sampai ke aitem, sehingga penulisan aitem merupakan esensi dari pencapaian validitas isi.

Posted on

Validitas (skripsi dan tesis)

 Berasal dari kata validity yang berarti sejauhmana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu instrumen pengukuran dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran  tersebut. Valid atau tidaknya suatu alat ukur tergantung pada mampu atau tidaknya alat ukur tersebut mencapai tujuan pengukuran yang dikehendaki dengan tepat (Azwar, 2010). Analisis validitas berfokus pada usaha mengidentifikasikan dan meminimalkan dampak aneka variabel yang menyebabkan perbedaan dalam skor murni (Friedenberg dalam Supratiknya, 2014). Suatu alat ukur yang valid tidak sekedar mampu mengungkapkan data dengan tepat, tetapi juga harus memberikan gambaran yang cermat mengenai data tersebut. Dalam konteks ini pengukuran yang valid adalah pengukuran dari alat ukur yang dibuat dengan metode yang benar dan implementasi pengukuran yang benar pula. Jika implementasi pengukuran benar, tetapi alat ukur tidak benar, maka hasil pengukuran juga tidak benar dan akan menghasilkan kesalahan pengukuran yang disebut measurement bias (measurement error), dan begitu pula sebaliknya (Murti, 2011).
Tujuan analisis validitas adalah menentukan sejauh mana skor murni ditentukan oleh sifat atau kemampuan atau atribut yang relevan dengan tujuan tes (Supratiknya, 2014; Ancok, 1995). Sekiranya peneliti menggunakan kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang disusunnya harus mengukur apa yang ingin diukurnya. Alat ukur yang valid memiliki varians error yang kecil karena error pengukurannya kecil sehingga angka yang dihasilkan dapat dipercaya sebagai angka yang sebenarnya atau angka yang mendekati keadaan sebenarnya. Secara empirik, validitas dinyatakan dalam suatu koefisien 24 yaitu koefisien validitas. Validitas dinyatakan oleh korelasi antara distribusi skor tes yang bersangkutan dengan distribusi skor suatu kriteria yang relevan. Koefisien validitas hanya mempunyai makna apabila mempunyai harga positif. Semakin tinggi koefisien validitas mendekati angka 1,0 maka semakin valid hasil ukurnya (Azwar, 2010).
Posted on

Skala pengukuran (skripsi dan tesis)

Skala pengukuran sangat diperlukan untuk memastikan objek yang diteliti sesuai dengan kenyataan yang sebenarnya. Skala yang digunakan bisa berupa satuan yang telah disepakati ahli seperti Satuan Internasional (SI) atau skala yang ditetapkan peneliti sendiri yang dijelaskan dengan menggunakan keteraturan yang jelas pula. Untuk memudahkan pengumpulan data, maka jenis data dapat dibedakan menjadi data numerik (kuantitatif) dan non-numerik (kualitatif). Data numerik dapat berupa dekresi dan kontinu. Data deskresi dapat berupa jumlah bahan, sebagai contoh jumlah kacang dalam satu wajan. Sementara data kontinu adalah data yang diperoleh dari pembacaan pengukuran, sebagai contoh, pembacaan timbangan 100 gr kacang. Pengumpulan data numerik juga sering disebut pengumpulan data parametrik. Data non-numerik dapat berupa skala nominal dan skala ordinal. Skala nominal sebagai contoh pengukuran warna merah, hijau dll. Sementara skala ordinal adalah skala yang didasarkan atas tingkatan seperti, tingkat kesukaan, tidak suka-suka-sangat suka dll.   Pada beberapa kondisi, dimungkinkan untuk memilih apakah akan mengumpulkan data kuantitatif atau kualitatif. Sebagai contoh, Anda dapat meminta umur (usia) orang sebenarnya mereka (kuantitatif) atau mereka memilih dalam kategori adalah anak, remaja, dewasa, atau warga senior (kualitatif). Dengan pra-perencanaan metode analisis data, dapat memilih jenis data dan dengan demikian, desain eksperimental yang paling tepat untuk tujuan penelitian

Posted on

Jenis Variabel (skripsi dan tesis)

1. Variabel diskrit dan variabel kontinyu. Nilai numerik yang diberikan pada variabel didasarkan pada sifat yang beragam. Misalnya untuk variabel yang bersifat dikotomi mempunyai 2 nilai yang menunjukkan ada atau tidak adanya sifat tertentu, contohnya pria-wanita, pengangguran-bukan pengangguran. Variabel juga bisa terdiri dari dua kategori, misalnya, suku, agama, jenis perusahaan, dan lain-lain. Semua variabelvariabel dalam bentuk kategori-kategori tersebut disebut variabel diskrit. Sedangkan pendapatan, suhu, umur, nilai ujian adalah contoh-contoh variabel kontinyu.

2. Variabel bebas (independent) dan variabel tak bebas atau tergantung (dependent). Jenis variabel ini terutama digunakan dalam menganalisis hubungan antara variabel, yaitu variabel tak bebas dipengaruhi oleh variabel tak bebas. Misalnya, penelitian tentang pengaruh dosis ragi dan penambahan gula terhadap kualitas Gizi dan uji sensori tape biji gandum maka dosis ragi dan penambahan gula adalah variabelvariabel bebas akan mempengaruhi kualitas Gizi dan analisa sensori (variabel tak bebas).

3. Variabel nominal, ordinal, interval, dan ratio. Pengklasifikasian ini didasarkan pada tingkat pengukurannya, yang akan dijelaskan secara lengkap pada berikutnya.

4. Variabel kuantitatif dan kualitatif. Variabel kuantitatif menggunakan skala numerik atau metrik sehingga bisa ditransformasikan melalui operasi matematika dan analisis statistika yang lengkap. Sedangkan variabel kualitatif menggunakan skala nonnumerik (karakter atau string) atau non-metrik. Teknik analisis untuk variabel kualitatif, baik operasi matematika atau analisis statistika, relatif lebih terbatas dibandingkan variabel kuantitatif.
Posted on

Pengertian Variabel (Skripsi dan tesis)

Variabel adalah konsep yang mempunyai variasi sifat yang dapat dinyatakan dengan jumlah atau besaran yang bernilai kategorial. Pengertian yang lainnya adalah karakteristik obyek yang dapat diklasifikasikan ke dalam sekurang-kurangnya dua klasifikasi. Sedangkan menurut Kerlinger dalam Emory dan Coper (1991), variabel adalah simbol dimana suatu bilangan atau nilai diberikan pada simbol tersebut. Variabel-variabel tersebut bisa diklasifikasikan dalam beberapa jenis

Posted on

Statistika deskriptif (skripsi dan tesis)

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa mengambil keputusan mengenai populasi. Statistika deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varian dari data mentah; mendeskripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah dibaca dan lebih bermakna. Dengan kata lain hanya melihat gambaran secara umum dari data yang diperoleh. Statistika deskriptif adalah teknik yang digunakan untuk meringkas/menafsirkan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik. Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada karakteristik objek-objek yang berbeda. Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa mengambil keputusan untuk populasi.

Posted on

Statistik nonparametrik (skripsi dan tesis)

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942. 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. Istilah lain yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi (distribution-free statistics) dan uji bebas asumsi (assumption-free test). 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. Contoh metode statistik nonparametrik diantaranya adalah Chi-square test, Median test, Friedman test, dan lain-lain.Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n < 30), namun dengan adanya bantuan berupa program statistika seperti spss, anova dan lain lain, jumlah sampel tidaklah menjadi fungsi kendala.
Posted on

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.
Posted on

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.

Posted on

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.

Posted on

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

Posted on

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.
Posted on

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)

Posted on

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)

Posted on

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.

Posted on

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)

Posted on

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.

Posted on

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

Posted on

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)
Posted on

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
Posted on

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
Posted on

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

Posted on

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.

Posted on

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.
Posted on

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
Posted on

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

Posted on

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
Posted on

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.

Posted on

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
Posted on

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).
Posted on

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.

Posted on

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

Posted on

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.
Posted on

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

Posted on

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.
Posted on

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.

Posted on

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.
Posted on

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.

Posted on

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.

Posted on

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.

Posted on

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’.

Posted on

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

Posted on

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.
Posted on

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
Posted on

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

Posted on

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

Posted on

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
Posted on

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
Posted on

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

Posted on

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.

Posted on

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.

Posted on

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).
Posted on

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).
Posted on

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
Posted on

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.
Posted on

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
Posted on

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.

Posted on

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.
Posted on

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