KURSUS STATISTIK MEDAN

KURSUS STATISTIK MEDAN

Kami memberikan kursus statistik untuk mahasiswa, dosen dan umum.

Salah satu trainer kami ibu Switania Putri Puspita yang telah memiliki pengalaman lebih dari 5 tahun dalam analisis statistik praktis bukan hanya teoritis.

Kursus statistik kami dilakukan dalam bentuk in house training dimana kursus dilakukan di tempat peserta. kursus statistis dapat dilakukan di ruangan kampus, kantor peserta atau hotel.

Kami juga membuka kursus statistik di berbagai kota di seluruh indonesia.

Adapun materi kursusnya adalag, statistik univariate seperti analisis deskriptif, uji t student uji parametrik dan non parametrik, analisis bivariate seperti analisis korelasi dan analisis regresi dan analisis mukyivariat seperti analisis steukturan equation modelling.

pelatihan statistik 1 IMG-20171009-WA0023

Jasa Olah Data dengan SPSS, E-Views atau Excel??

spss

Kita sebagai peneliti mungkin kadang dibingungkan oleh banyaknya software statistik. Software statistik apakah yang harus dipilih apakah eview, spss atau cukup excel?? Berikut merupakan ulasannya.

Apa Kelebihan-kelebihan SPSS?

SPSS adalah software statistik yang dikembangkan oleh IBM. Software ini sebetulnya sudah cukup lama dikenal yaitu sejak 1968. Software ini memang dikembangkan khusus untuk melakukan olah data pada ilmu-ilmu sosial.

Seperti halnya kepanjangan dari SPSS yaitu statistical package for social science, maka spss memang cocok untuk olah data penelitian-penelitian sosial. jika kita anda sedang melakukan penelitian sosial seperti bidang komunikasi, kesehatan, marketing, pendidikan, psikologi, sosiologi, politik dan semacamnya, maka software SPSS sangat cocok untuk mengolah data tipe ini.

Jika kita memiliki hasil survey dan ingin menampilkannya dalam bentuk distribusi frekuensi, maka SPSS adalah sofware yang tepat. Jika kita memiliki data numerik dan ingin melakukan analisis melalui berbagai macam grafik yang dikenal dalam ilmu statistik  seperti boxplot, maka software SPSS menyediakan banyak jenis grafik statistik. Yang lebih utamanya adalah, kita akan dengan mudah menemukan dan mengoperasikan berbagai macam uji statistik pada SPSS. Mulai dari statistik desktiptif, distribusi frekuensi, uji-uji nonparametrik statistik, parametrik statistik, korelasi, regresi, dan berbagai uji statistik multivariat, telah tersedia.

Apa Kekurangan-kekurangan SPSS?

Kekurangan SPSS adalah, SPSS tidak membedakan tipe data apakah disusun berdasarkan runtun waktu (time-series) atau disusun berdasarkan subjek penelitian (cross section). sehingga jika dihadapkan pada data time series maka spss kurang cocok. terlebih jika kita menggunakan data panel, data gabungan time series dan cross section, SPSS tidak memiliki kemampuan mengolah data seperti ini.

Karena ketidakmampuannya melakukan olah data panel, maka SPSS tidak mampu meng-generate model fixed effect dan model random effect. Data panel dalam hasil olahan SPSS hanya akan menjadi satu model yaitu model common.

Apa Kelebihan-kelebihan E-views?

Software E-Views atau Econometric Views, adalah software statistik yang dikembangkan oleh Quantitative Micro Software (QMS) pada tahun 1994.

Software yang populer di kalangan ekonom, atau akademisi di bidang ilmu ekonomi adalah eviews. sebetulnya ada software statistik lain yang serupa yaitu Stata. Kedua software ini mampu melakukan olah data time series dan panel data. Karena kemampuannya melakukan olah data panel, maka Eviews mampu meng-generate model fixed effect dan model random effect. Sekaligus memilih model mana yang paling tepat melalui Uji Hausman dan Uji Chow.

Dalam hal uji-uji statistik terkait data time series, Eviews sangat powerful membantu penggunanya. kita dapat melakukan analisa forecasting ARIMA, arch-garch atau bahkan model-model VECM. Berbagai macam uji asumsi statistiknya pun telah tersedia.

Apa Kekurangan-kekurangan Eviews?

Karena fokusnya adalah melakukan olah data ekonometrik, maka software Eviews kurang cocok untuk mengolah data penelitian sosial, terlebih melakukan olah data multivariat. Kita tentu akan kesulitan jika ingin mengeluarkan output seperti distribusi frekuensi, uji non parametrik dan sejenisnya.

Kelebihan dan kekurangan Excel

Apakah kita mampu mengolah data dengan hanya bantuan Excel?? Sebetulnya mampu. Walaupun sudah banyak software statistik untuk melakukan olah data, dalam beberapa uji statistik sederhana kita masih dapat menggunakan Excel tanpa bantuan software lain. misalnya untuk menghitung distribusi frekuensi, ukuran central tendency atau dispersion seperti, mean, median, modus, standar deviasi, range, Excel memiliki kemampuan untuk itu. Bahkan lebih jauh lagi untuk melakukan analisa korelasi Pearson Product Moment, analisa regresi linier sederhana, excel masih mampu.

Namun, dalam kasus yang lebih kompleks, misalnya kita hendak melakukan olah data multivariate, time series, nonparametrik test, tentunya perlu bantuan software lain. Excel adalah software yang terbuka sehingga kita dapat menambahkan (add ins) mikcro software ke dalam Excel. Untuk simulai monte carlo misalnya, kita dapat menambahkan add ins Crystal Ball dari Oracle. Untuk melakukan transformasi data dari data skala likert (ordinal) menjadi data numeric (interval) maka kita dapat menambah add ins Method Successive Interval.

Beberapa kelebihan Excel lainnya adalah pengguna mampu meng-customize tampilan grafik menjadi lebih indah. Sementara jika software lain tidak menyediakan ini. Melalui excel, kita mampu menghasilkan grafik yang lebih indah secara visual.

Jasa OLAH DATA STATISTIK Jakarta

Jasa OLAH DATA STATISTIK Jakarta

Jasa olah data statistik Jakarta membantu anda melakukan analisa data statistik. Berbagai macam data dari berbagai bidang keilmuan kami bantu. Mengapa data perlu diolah? Jika kita sebagai masyarakat awam, tentu akan kebingungan ketika hanya membaca angka-angka. Kita akan lebih senang untuk membaca kesimpulan,  dari angka-angka tersebut yang telah disarikan. Hal tersebut lah fungsi dari pengolahan data statistik, dimana mengubah data menjadi informasi yang berguna.

Jasa olah data statistik Jakarta dapat menggunakan berbagai macam software. diataranya adalah SPSS, Lisrel dan AMOS. SPSS dewasa ini menjadi software statistik yang sangat populer dikalangan peneliti dan akademisi. Kemudahan menggunakan software tersebut menjadi alasan mengapa software tersebut digemari oleh para pengguna. Kita tidak perlu mengetahui bahasa pemograman atau perhitungan statistik yang rumit. cukup klik pada menu-menu yang tersedia. Kita sudah dapat mengolah data dengan baik.

Jasa olah data statistik Jakarta menggunakan berbagai macam metode analisa data. seperti analisa regresi, analisa korelasi, path analysis, uji anova dan berbagai metode statistik lainnya. analisa data juga dapat dilakukan dengan menggunakan metode kualitatif disamping metode kuantitatif dengan statistik.

Di berbagai bidang keilmuan seperti di bidang, Jasa olah data statistik Jakarta sangat dibutuhkan. Tidak hanya penelitian-penelitian di bidang Science, jasa olah data dibutuhkan. Penelitian sosial saat ini membutuhkan parameter-parameter yang lebih terukur dibandingkan dengan parameter kualitatif. pengolahan data tentu menjadi hal yang penting untuk dilakukan.

Dalam bidang ilmu komunikasi juga memerlukan jasa olah data statistik Jakarta. Penelitian mengenai bagaimana media komunikasi yang paling efektif dalam menyampaikan sebuah pesan kepada audience. Saat ini media sosial telah menjadi media komunikasi yang dominan dalam berkomunikasi tentu perlu diteliti lebih lanjut oleh para peneliti di bidang komunikasi.

Jasa olah data statistik Jakarta di bidang manajemen juga sangat dibutuhkan. Terutama riset-riset yang berkaitan dengan manajemen sumber daya manusia. Sebagai contoh adalah meneliti bagaikana pengaruh motivasi karyawan, lingkungan kerja dan kepuasan kerja terhadap kinerja pegawai di sebuah perusahaan. Kita juga dapat meneliti perbandingan kinerja karyawan di perusahaan BUMN dan perusahaan Swasta.

Penelitian dalam bidang manajemen pemasaran, tentu membutuhkan Jasa olah data statistik Jakarta. Topik penelitian yang datanya perlu dilah diantaranya adalah bagaimana pengaruh promosi melalui sosial media dan media konvensional terhadap keputusan pembelian sebuah produk kecantikan, misalnya. Topik yang lainnya misalnya penelitian terkait kepuasan dan loyalitas pelanggan terhadap sebuah produk. Pengaruh merek dan feature produk terhadap loyalitas pelanggan.

Jasa SPSS Jakarta

Jasa SPSS Jakarta

jasa SPSS Jakarta membantu anda untuk menganalisis data dengan menggunakan software statistik SPSS. SPSS merupakan sebuah software yang dikembangkan khusus untuk mengolah data pada penelitian-penelitian ilmiah terutama di bidang sosial. bidang penelitian seperti ilmu komunikasi, politik, humaniora, sosialogi bahkan ekonomi tentu membutuhkan software ini. Walaupun saat ini, SPSS telah mengembangkan menu-menu analisis bukan hanya untuk penelitian sosial. Seperti halnya pada penelitian eksperimen di bidang sains. SPSS telah menyediakan menu analisisnya.

jasa SPSS Jakarta memiliki kantor di SMESCO tower di jalan gatot subroto yang merupakan jalan utama di jakarta. Klien tentu dengan mudah dapat menemukan lokasi kami di prime location. Lokasi yang berada di pusat bisnis memudahkan anda profesional yang tidak memiliki waktu untuk datang ke kantor kami. Kami akan membantu anda dengan anda tidak perlu menghabiskan waktu anda yang berharga. tugas akhir akademis anda akan terselesaikan tepat waktu tanpa mengganggu waktu kerja.

jasa SPSS Jakarta dibantu oleh tim yang memang memiliki kompetensi di bidang statistik. Mereka sudah terbiasa mengolah data statistik dan memiliki jam terbang yang tinggi dalam mengolah data statistik. berbagai latar belakang pendidikan seperti jurusan statistik, ekonomi, sosial membantu memudahkan untuk memahami permasalahan data yang akan diolah.

jasa SPSS Jakarta sebetulnya bukan hanya membantu mahasiswa untuk menganalisis data. Kami juga membantu perusahaan-perusahaan dalam mengidentifikasi permasalahan melalui metode ilmiah dengan bantuan statistik. analisa data bagi perusahaan merupakan langkah awal untuk menentukan kebijakan strategis apa yang harus diambil. Seperti halnya dalam bidang pemasaran, pemahaman pasar, keinginan pasar, pelanggan perlu dianalisa secara mendalam untuk mendapatkan kesimpulan yang akurat.

jasa SPSS Jakarta menggunakan berbagai metode analisis data seperti analisis regresi, korelasi, structural equation modelling dan lain-lain. contohnya analisis regresi, analisis ini digunakan oleh berbagai disiplin ilmu untuk menganalisis pengaruh sebuah variabel bebas atau lebih pengaruhnya terhadap variabel terikat.

jasa SPSS Jakarta juga menggunakan berbagai software statistik seperti spss, lisrel amos, eviews dan lain-lain. masing-masing software ini memiliki kelebihan dan kekurangan masing-masing. Tergantung apa tujuan kita menggunakan software ini.

Jasa Olah Data SPSS Semarang

Jasa Olah Data SPSS Semarang

Jasa Olah Data SPSS Semarang merupakan analisis data statistik yang dilakukan untuk membantu menganalisis data-data hasil penelitian. SPSS merupakan salah satu software yang sering digunakan untuk data-data penelitian sosial. Di luar itu, tentu masih banyak tools analisis lain seperti Amos dan Lisrel untuk menganalisis data struktural, AMOS dan Stata digunakan untuk menganalisis data ekonometrik. Penggunaan SPSS lebih banyak digunakan karena lebih user-friendly. Pengguna tidak perlu menggunakan bahasa pemograman yang kadang alergi bagi orang non-informatika dan orang-orang generasi yang jarang menggunakan komputer. Kehadiran SPSS untuk jasa olah data sangatlah membantu.

Jasa Olah Data SPSS Semarang membantu mahasiswa dari berbagai perguruan tinggi di semarang. Semarang merupakan ibukota dari Jawa Tengah sehingga terdapat perguruan tinggi negeri besar. Universitas Diponegoro adalah salah satu universitas negeri terbaik di Indonesia ini terletak di jantung ibukota Jawa Tengah. Tidak hanya Undip, terdapat beberapa perguruan tinggi negeri lain di Semarang diantaranya adalah Universitas negeri semarang, UIN Walisongo, dan beberapa politeknik negeri di semarang. Bahkan akademi tempat pendidikan para polisi pun adanya di Semarang. Tentunya perguruan tinggi negeri ini mewajibkan mahasiswanya untuk melakukan penelitian sebelum menyelesaikan jenjang pendidikannya.

Jasa Olah Data SPSS Semarang memiliki peran dalam mengedukasi mahasiswa baik negeri dan swata di semarang dalam hal pengolahan data statistik. Mengingat Semarang ini adalah ibu kota provisi, maka terdapat beberapa perguruan tinggi swasta di semarang. Masyarakat dari kabupaten dan kota di sekitar Jawa Tengah tentu akan memprioritaskan menyekolahkan anaknya di ibu kota provinsi. Di kota ini terdapat beberapa perguruan tinggi swasta yang jumlahnya lebih banyak dari jumlah perguruan tinggi negeri. Berikut merupakan perguruan tinggi swasta di semarang: IKIP Veteran Semarang, Universitas Dian Nuswantoro, Universitas Katolik Soegijapranata, Universitas semarang dan beberapa universitas swasta lainnya. Seperti halnya perguruan tinggi negeri, tentu perguruan tinggi swasta pun mewajibkan mahasiswanya untuk menulis karya ilmiah. Oleh karena itu jasa olah data SPSS dibutuhkan di Semarang.

Jasa Olah Data SPSS Semarang juga dibutuhkan oleh perguruan sekolah tinggi-sekolah tinggi. Mungkin tingkatannya karya tulis ilmiahnya agak berbeda dengan tingkat universitas. Di tingkatan perguruan tinggi yang lebih kecil yaitu sekolah tinggi, di semarang pun terdapat banyak sekolah tinggi bermunculan diantaranya adalah: sekolah tinggi ilmu elektronika dan komputer semarang, sekolah tinggi ilmu ekonomi totalwin, berbagai macam sekolah tinggi ekonomi dan akademi lainnya di semarang. Walaupun tingkatannya lebih kecil, beberapa sekolah tinggi dan akademi telah mewajibkan calon sarjananya untuk membuat karya tulis ilmiah.

Jasa Olah Data SPSS Semarang ini dapat berkontribusi dalam keilmuan di semarang. Melalui berbagai penelitian, terutama dengan kasus-kasus di semarang, maka tentunya akan dapat membantu memberikan solusi atas berbagai problem yang ada di semarang dan jawa tengah. Walaupun implementasinya tetap ada di pemegang kebijakan. Terlebih ketika karya ilmiah tersebut muncul di jurnal internasional, maka tentunya hasil penelitian juga berguna dalam memperkenalkan kota semarang ke seluruh dunia. Jasa olah data SPSS Semarang tentu hanya bagian kecil untuk cita-cita besar tersebut.

Jasa Analisis Data Statistik Surabaya

Jasa Analisis Data Statistik Surabaya

Jasa Analisis Data Statistik Surabaya dan Kota-kota lain di Seluruh Indonesia dilayani oleh Konsultan statistik yang bernama Globalstats. Kami memiliki peran untuk membantu memberikan edukasi dalam hal metodologi penelitian dan pengolahan data kepada mahasiswa yang sedang menyelesaikan program pendidikannya. Unsur edukasi tetap kami kedepankan sehingga kami sama sekali tidak mengambil peran dan tugas yang patutnya dikerjakan oleh mahasiswa.

Jasa Analisis Data Statistik Surabaya dan Kota-kota lain di Seluruh Indonesia membantu mahasiswa yang menyelesaikan tuga akhir peran dan tugas kami sebagai konsultan statistik adalah membantu mahasiswa baik program Sarjana, Magister maupun program doktoral. Secara umum, mahasiswa diwajibkan untuk membuat sebuat karya ilmiah berupa hasil riset sebelum menyelesaikan jenjang pendidikan mereka. Dalam melakukan riset tentu mahaiswa harus memahami mengenai metodologi penelitian dan menguasai secara teknis bagaimana mengolah dan menganalisis data hasil penelitian tersebut. Sayangnya, mata kuliah statistika biasanya diberikan di awal semester. Sehingga ketika mereka membutuhkan ilmu tersebut, mereka sudah lupa atau bahkan mereka tidak faham sejak awal. Nah, peran kami sebagai konsultan statistik membantu mahasiswa dalam mereview kembali mata kuliah tersebut. Lebih jauh lagi jika mereka tidak memahami secara teknis bagaimana penghitungan data mereka, konsultan statistik akan membantu mereka.

Jasa Analisis Data Statistik Surabaya dan Kota-kota lain di Seluruh Indonesia memiliki batasan-batasan dalam membantu mahasiswa tersebut. Kami sebagai konsultan tidak mengambil peran yang menjadi tanggung jawab mahasiswa. Artinya kami tidak mengambil alih pekerjaan mereka. Mereka harus tetap menulis karya ilmiah akhir mereka. Terlebih dalam hal ide orisinal dalam menentukan tema dan judul skripsi, tesis maupun disertasi, kami tidak masuk sama sekali dalam ranah tersebut. Mahasiswa harus menggali latar belakang penelitian mereka, mengkaji literatur yang ada kemudian mensintesakan menjadi hipotes-hipotesa penelitian.

Jasa Analisis Data Statistik Surabaya dan Kota-kota lain di Seluruh Indonesia memiliki pengalaman dalam membantu mahasiswa. Pengalaman kami tidak hanya mahasiswa di dalam negeri, kami juga bahkan membantu mahasiswa yang menyelesaikan studinya di luar negeri. Baik itu mahasiswa Indonesia yang sedang kuliah di luar negeri maupun mahasiswa yang memang bukan berasal dari Indonesia. Kami mengamati pada dasarnya metode yang digunakan relatif sama baik di luar maupun di dalam negeri. Masalah yang dihadapi pun relatif sama oleh mahasiswa di luar dan di dalam negeri yaitu kesulitan dalam hal metodologi penelitian dan pengolahan data statistik. Bahkan pengalaman kami membantu mereka, terdapat kecenderungan metode penelitian yang lebih rumit di dalam negeri di bandingkan di luar negeri.

Jasa Analisis Data Statistik Surabaya dan Kota-kota lain di Seluruh Indonesia dibantu oleh tim yang ahli dalam bidang analisis data. Kami memiliki tim yang memang lulusan dari jurusan statistika dari berbagai perguruan tinggi negeri. Disamping itu, ada tim lain yang memiliki latar belakang ekonomi studi pembangunan dimana mereka lebih memahami dalam hal ekonometrik. Berbagai metode statistik seperti analisis univariat, analisis bivariat dan alalisis statistik multivariat telah membantu menyelesaikan berbagai macam kasus penelitian.

Two Stage Least Square dengan Eviews

Two Stage Least Square dengan Eviews

Two Stage Least Square (2SLS) adalah salah satu metode regresi yang termasuk ke dalam kelompok analisis persamaan struktural. Metode ini merupakan perluasan dari metode OLS yang biasa digunakan dalam perhitungan anlsisi regresi. 2SLS digunakan dalam kondisi dimana terdapat korelasi antara error yang dihasilkan dalam model berkorelasi dengan variabel bebasnya.

Mengapa disebut Two Stage Least Square, karena terdapat tow stage atau dua langkah dan pada dasarnya hanya merupakan perluasan dari metode OLS (Ordinary Least Square).

langkah untuk menyelesaikan persamaan sehingga tidak bias. Langkah pertama adalah dengan menggunakan metode OLS, meregresikan variabel endogen eksplanatori terhadap variabel instrumental variabel dan variabel eksogen lainnya. Hal ini dilakukan untuk mendapatkan variabel eksogen yang tidak bias.

Langkah kedua adalah meregresikan variabel endogen terhadap variabel endogen eksplanatori yang sudah tidak bias bersama bariabel lainnya.

Dalam dunia riil, tentu kita mungkin akan menemukan lebih banyak menemukan model simultan, dimana model tidak hanya mempengaruhi satu arah, tetapi saling mempengaruhi satu sama lain. Variabel endogen tidak mutlak menjadi variabel endogen, begitu juga sebaliknya. Dalam beberapa kondisi dapat menjadi variabel endogen atau variabel eksogen. Katakanlah terdapat persamaan dimana variabel endogennya adalah GDP, sebagai berikut:

Persamaan pertama:

GDP = a0+a1*M2+a2*TBR+a3*GFCF+a4*EMPLOY+e1

Sementara varaibel M2 sendiri adalah variabel endogen dari variabel lainnya seperti persamaan berikut:

Persamaan Kedua:

M2=b0+b1*GDP+b2*TBR+b3*CPI+e2

Persamaan tersebut tentu tidak dapat diselesaikan dengan menggunakan OLS, karena overidentified sehingga akan menghasilkan persamaan yang bias. Dalam hal ini two stage least square mengambil peran.

Pada model TSLS, kita perlu membuat reduce form untuk model di atas. Reduced form adalah persamaan model variabel endogen yang diekspresikan dalam bentuk variabel eksogen dalam persamaan lainnya.

Untuk menyelesaikan persamaan pertama kita perlu memasukan intrumental variabel yang mana adalah: yang perlu diisikan di instrumental list adalah semua variabel pada persamaan reduce form termasuk konstantanya.

untuk persamaan pertama : c TBR CPI GFCF EMPLOY

untuk persamaan kedua: c TBR, GFCF, EMPLOY, CPI

Bagaimana mendeteksi sebuah model adalah persamaan simultan.

1. Secara teoritis

2. Secara empiris

Kita dapat menguji korelasi antara variabel bebas dengan error term (residual). jika terdapat variabel yang memiliki korelasi yang signifikan dengan variabel error maka dapat diduga variabel tersebut dapat diturunkan menjadi persamaan simultan.

Bagaimana mendeteksi sebuah variabel adalah merupakan instrumental variabel

kita dapat menguji korelasi variabel tersebut dengan meregresikan variabel eindependen terdhadap variabel independent yang diduga adalah instrumental variabel beserta variabel lainnya dalam model awa. jika variabel instrumental tersebut memiliki koefisien regresi yang signifikan maka diduga variabel tersebut merupkan instrumental variabel. sementara variabel lainnya tidak mesti signifikan.

Terdapat syarat lain bahwa sebuah variabel dapat dikatakan menjadi instrumental variabel yaitu variabel tersebut tidak boleh behubungan signifikan dengan residual (e) model pertama. Mengujinya tentu tidak sulit, kita hanya perlu meregresikan residual (e) terhadap variabel yang diduga instrumental variabel. Jika koefisien regresinya tidak signifikan, berarti memang variabel tersebut adalah instrumental variabel.

Alur Proses Jasa Olah Data Statistik

Saat ini banyak pihak yang dapat membantu kita dalam proses olah data statistik untuk penelitian. Sebagai akademisi kita kadang mengalami kendala dalam melakukan penelitian atau mengolah data hasil penelitian. Sebagai praktisi dalam bidang marketing, advertising atau bidang-bidang lain, sering kita membutuhkan insight dari sisi konsumen atau audiens kita. Oleh karen itu perlu melakukan sebuah penelitian.

Jika kita kendak menggunakan jasa olah data statistik untuk membantu penelitian kita. Ada beberapa hal yang perlu perhatikan dan wajib dimiliki oleh tim penyedia jasa olah data statistik. Mereka harus memahami alur-alur sebagai berikut:

Desain kuesioner

Tim penyedia jasa olah data statistik perlu memahami bagaimana mendesain sebuah kuesioner yang baik dan benar. Kuesioner merupakan sebuah alat ukur yang mewakili peneliti dalam mendapatkan informasi dari responden. Kuesioner yang baik adalah kuerioner yang difahami oleh responden seperti apa yang dipikirkan oleh pembuat kueseioner. Kuesioner yang baik harus mampu menggali informasi yang dibutuhkan oleh peneliti dan objektif. Agar kuesioner dapat mengukur secara tepat dan komprehensif, maka penyusun kuesioner perlu memahami secara konsep dari variabel yang ingin diukur. Berdasarkan kerangka konsep tersebut, kita perlu membuat indikator-indikator konsep menjadi lebih terukur. Proses selanjutnya adalah menuangkan indikator-indikator tersebut menjadi bahasa yang sederhana yang mudah difahami oleh semua responden dalam bentuk pertanyaan atau pernyataan kuesioner.

Validasi kuesioner

Validasi kuesioner dilakukan untuk mengetahui apakah kueseioner yang disusun sudah layak atau tidak untuk disebarkan ke seluruh sampel penelitian. yang menjadi acuan sebuah kueseioner dianggap layak adalah ketika kuesioner memenuhi unsur validitas atau isi kuesioner dapat difahami dengan baik oleh responden. Kedua kuesioner harus memenuhi unsur reliabilitas yaitu memiliki tingkat konsistensi jawaban responden jika dilakukan pada waktu dan tempat yang berbeda.

Untuk menguji validitas kuesioner biasanya peneliti melakukan pilot test terhadap beberapa responden untuk mengujicobakan kuesioner. Jumlah responden tidak perlu sebanyak sampel. 30% dari total responden dianggap sudah cukup. Validasi dilakukan guna mengurangi resiko kuesioner tidak valid dan reliabel. Sementara kuesioner telah disebarkan ke semua responden. Tentu keadaan tersebut tidak diinginkan karena dapat menghabiskan biaya dan waktu.

Penyebaran kuesioner

Hal yang terpenting dari penyebaran kuesioner adalah sampling yang tepat. Kuesioner harus sampai kepada target responden yang dapat mewakili keseluruhan populasinya. Jika tidak tepat maka kuesioner hanya akan mewakili sebagian dari populasi. Dengan demikian kesimpulan yang diambil pun menjadi bias.

Kedua, kita sebagai peneliti perlu memiliki tenaga lapangan yang handal yang akan membantu kita untuk menyebarkan kuesioner . Pekerjaan ini dapat pula di-outsourcing-kan kepada tim jasa olah data, atau dapat menggunakan jasa mereka untuk membantu melatih tenaga surveyor. Tujuannya agar penyebaran kuesioner atau proses wawancara dilakukan oleh tim yang memiliki kapabilitas.

Entri data dan cleaning data

Setelah kuesioner terkumpul, maka tim jasa olah data perlu melakukan entri data ke dalam komputer. Coding data ini merupakan basis data yang digunakan untuk keperluan analisis data selanjutnya. Pada proses ini perlu dilakukan cleaning data dengan tujuan untuk membersihkan data yang dapat mengganggu keseluruhan data. data yang mengganggu tersebut bisa dalam bentuk data outlier, data ekstrem, data tidak berdistribusi normal, missing data atau yang lainnya.

Analisis data responden dan analisis deskriptif

Alur penting dari proses jasa olah data adalah analisis data. tim penyedia jasa perlu memiliki pemahaman yang relevan untuk. dalam setiap kueseioner biasanya terdapat data responden. biasanya tim jasa olah data hanya mendeskripsikan kondisi demografi responden. namun sebetulnya, lebih dari itu, kita dapat mendapatkan informasi yang bermanfaat ketika dapat mengoptimalkannya seprti melakukan cross tabulation dengan variabel-variabel terkait sehingga diperoleh informasi yang berguna.

Data lain yang biasanya dideskripsikan adalah data setiap variabel. tujuannya adalah mendapatkan gambaran variabel-variabel tersebut.

Pada proses pengolahan data deskriptif, tidak deiperlukan software statistik yang canggih. Kita hanya perlu menggunakan excel untuk menghitung distribusi frekuensi atau ukuran statistik sederhana seperti rata-rata dan standar deviasi.

Analisis inferensi

Analisis data yang lebih canggih dari proses olah data adalah analisis inferensial. pada proses ini, kita melakukan analisa mendalam melalui korelasi antara beberapa variabel misalnya. mencari faktor yang menyebabkan suatu variabel meningkat atau menurun. atau melakukan peramalan terhadap kondisi di masa mendatang.

Pada analisis inferensi, kita memberlukan statistik yang lebih canggih seperti SPSS, Eviews, lisrel, amos dan software lainnya. Sehingga kadang-kadang diperlukan bantuan tim jasa olah data statistik untuk membantu peneliti. Mengingat terdapat banyak sekali metode statistik, maka kita perlu mempertimbangkan kapan metode statistik yang satu dapat digunakan dibandingkan dengan metode analisis yang lain.

Pengambilan ksimpulan

Tahap terakhir dari proses olah data statistik adalah membuat kesimpulan setelah dilakukan analisis. apakah dengan menggunakan jumlah sampel yang ada, suatu kesimpulan dapat diambil sehingga menggeneralisasi semua populasi. hasil kesimpulan yang diperoleh dapat saja sesuai dengan hipotesis atau dugaan peneliti atau sebaliknya.

Pembuatan laporan

Pembuatan laporan harus disesuaikan dengan tujuan dari penelitian dilakukan. apakah penelitian dibuat untuk kepentingan akademik atau untuk kepentingan dunia bisnis. jika untuk kepentingan akademik, maka yang harus diperhatikan adalah laporan yang dibuat harus menitikberatkan kepada temuan baru dan metode peneltiannya. Sementara jika untuk kepentingan praktis atau dunia bisnis, penulisan laporan harus mudah difahami oleh semua bagian. laporan harus memberikan solusi atas permasalahan yang ada.

Simulasi Monte Carlo dengan Excel

Simulasi Monte Carlo dengan Excel

Definisi Monte Carlo

Simulasi monte carlo adalah sebuah simulasi untuk menentukan suatu angka random dari data sampel dengan berdistribusi tertentu. Tujuan simulasi Monte carlo adalah menemukan nilai yang mendekati nilai sesungguhnya, atau nilai yang akan terjadi berdasarkan distribusi dari data sampling. Oleh sebab kemampuannya mampu memprediksi suatu nilai, maka Monte Carlo dahulu sering digunakan untuk kepentingan judi di kasino.

Dalam dunia keuangan dan perbankan, simulasi Monte carlo tentu sangat dibutuhkan untuk menghitung resiko finansial. Bagi perbankan yang salah satu kegiatan utamanya adalah memberikan kredit kepada nasabah, tentu Monte carlo dibutuhkan untuk memprediksi resiko finansial perbankan akibat kredit macet. Dalam duni investasi, investor dapat memanfaatkan simulasi Monte Carlo untuk mengetahui resiko gagal bayar dari suatu instrumen investasi. Pada dasarnya, dalam dunia keuangan dan perbankan Metode simulasi Monte carlo dapat membantu kita dalam melakukan mitigasi atas resiko.

Prosedur Monte Carlo

1. tentukan angka sampling yang akan disimulasikan

2. temukan distribusi dari data sampling yang ada

3. simulasi berdasarkan distribusi di atas

Bagaimana Melakukan Simulasi Monte Carlo dengan Excel

Saat ini kita dapat melakukan simulasi monte carlo dengan bantuan add ins excel dengan Crystal Ball dari Oracle. Sebagai contoh, seorang aktuaris pada perusahaan asuransi ingin memprediksi tingkat kecelakaan di jalan tol ruas tertentu. Berdasarkan data statistik diketahui sebagai berikut:

Bulan Frekuensi Kecelakaan Bulan Frekuensi Kecelakaan Bulan Frekuensi Kecelakaan
1 9 9 12 17 21
2 8 10 12 18 22
3 43 11 14 19 23
4 12 12 15 20 21
5 16 13 24 21 12
6 32 14 26 22 24
7 13 15 27 23 25
8 4 16 25 24 11

untuk melakukan simulasi terhadap data kecelakaan di atas perlu diketahui apa distribusi dari data di atas. Untuk mengetahuinya kita akan menggunakan add ins crystal ball di excel. Di samping Crystal Ball, masih terdapat software lain yang dapat kita gunakan untuk simulasi monte carlo diantaranya adalah Matlab atau @Risk.

monte carlo 1

Berdasarkan hasil keluaran Excel di atas adalah sebagai berikut:

Distribution Chi-Square Chi-Square P-Value Parameters
Neg Binomial 2.9994 0.083 Probability=0.10643, Shape=2
Geometric 8.3675 0.015 Probability=0.05322
Discrete Uniform 9.5238 0.002 Minimum=2, Maximum=45
Poisson 14.9961 0.001 Rate=18.79167
Binomial 17.0778 0.000 Trials=177, Probability=0.10617

Berikut merupakan summary untuk distribusi Neg binomial:

Data Series: 1
Distribution: 19.
Best Fit: Neg Binomial
Chi-Square 1.7900
P-Value: 0.181

Berdasarkan hasil di atas maka distribusi yang paling fit untuk data di atas adalah distribusi Neg binomial. Selanjutnya distribusi ini yang akan kita jadikan acuan untuk melakukan simulasi dengan menggunakan Monte carlo.

Berikut merupakan langkah-langkah simulasinya:

monte carlo 2

Selanjutnya untuk melihat nilai trial-nya, kita dapat memilih option extract data sesuai kebutuhan.

monte carlo 3

Maka hasil Monte carlo akan diperoleh sebagai berikut:

Trial values Data Series 1: Best Fit
1 34.
2 10.
3 12.
4 21.
5 16.
6 29.
7 23.
8 24.
… …
1000 33.

Tabel di atas menggambarkan hasil untuk simulasi 1000 data. Berdasarkan data di atas maka aktuaris dapat menghitung probabilitas kecelakaan di ruas tol tertentu. Ketika probabilitas kecelakaan sudah diketahui maka tentunya seorang aktuaris dapat menghitung berapa klaim yang harus dibayarkan oleh perusahaan dan berapa premi yang harus dibayarkan oleh nasabah.

Dalam industri perbankan, dengan mengetahui berapa kemungkinan gagal kredit, maka manajemen dapat mengetahui berapa modal yang harus dicadangkan untung memitigasi resiko tersebut. Hal ini dapat juga dimanfaatkan oleh bank sentral, saat ini OJK (Otoritas Jasa Keuangan), untuk membuat kebijakan dalam mengawasi resiko kredit perbankan. Sehingga perbankan harus mencadangkan senilai tertentu untuk resiko kreditnya. Di bidang investasi, ketika seorang investor mengetahui tingkat resiko maksimum dari investasi di instrumen tertentu, maka investor dapat melakukan langkah mitigasi.

Pada dasarnya simulai Monte Carlo dilakukan berdasarkan distribusi sampling tertentu. Kuncinya adalah mengidentifikasi distribusi dari data sampel yang ada. Secara random, dilakukan simulasi terhadap angka-angka sehingga dihasilkan kombinasi yang mendekati distribusi yang paling fit.

Analisis Regresi Sederhana, Ini Penjelasannya

Analisis Regresi Sederhana, Ini Penjelasannya

Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dan satu variabel independen. Dalam model regresi, variabel independen menerangkan variabel dependennya. Dalam analisis regresi sederhana, hubungan antara variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara tetap. Sementara pada hubungan non linier, perubahaan variabel X tidak diikuti dengan perubahaan variabel y secara proporsional. seperti pada model kuadratik, perubahan x diikuti oleh kuadrat dari variabel x. Hubungan demikian tidak bersifat linier.

Secara matematis model analisis regresi linier sederhana dapat digambarkan sebagai berikut:

Y = A + BX + e

Y adalah variabel dependen atau respon

A adalah intercept atau konstanta

B adalah koefisien regresi atau slope

e adalah residual atau error

Secara praktis analisis regresi linier sederhana memiliki kegunaan sebagai berikut:

1. Model regresi sederhana dapat digunakan untuk forecast atau memprediksi nilai Y. Namun sebelum melakukan forecasting, terlebih dahulu harus dibuat model atau persamaan regresi linier. Ketika model yang fit sudah terbentuk maka model tersebut memiliki kemampuan untuk memprediksi nilai Y berdasarkan variabel Y yang diketahui. Katakanlah sebuah model regresi digunakan untuk membuat persamaan antara pendapatan (X) dan konsumsi (Y). Ketika sudah diperoleh model yang fit antara pendapatan dengan konsumsi, maka kita dapat memprediksi berapa tingkat konsumsi masyarakat ketika kita sudah mengetahui pendapatan masyarakat.

2. Mengukur pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki satu serial data variabel Y, melalui analisis regresi linier sederhana kita dapat membuat model variabel-variabel yang memiliki pengaruh terhadap variabel Y. Hubungan antara variabel dalam analisis regresi bersifat kausalitas atau sebab akibat. Berbeda halnya dengan analisis korelasi yang hanya melihat hubungan asosiatif tanpa mengetahui apa variabel yang menjadi sebab dan apa variabel yang menjadi akibat.

Model regresi linier sederhana yang baik harus memenuhi asumsi-asumsi berikut:

1. Eksogenitas yang lemah, kita harus memahami secara mendasar sebelum menggunakan analisis regresi bahwa analisis ini mensyaratkan bahwa variabel X bersifat fixed atau tetap, sementara variabel Y bersifat random. Maksudnya adalah satu nilai variabel X akan memprediksi variabel Y sehingga ada kemungkinan beberapa variabel Y. dengan demikian harus ada nilai error atau kesalahan pada variabel Y. Sebagai contoh ketika pendapatan (X) seseorang sebesar Rp 1 juta rupiah, maka pengeluarannya bisa saja, Rp 500 ribu, Rp 600 ribu, Rp 700 ribu dan seterusnya.

2. Linieritas, seperti sudah dijelaskan sebelumnya bahwa model analisis regresi bersifat linier. artinya kenaikan variabel X harus diikuti secara proporsional oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi, maka kita dapat melakukan transformasi data atau menggunakan model kuadratik, eksponensial atau model lainnya yang sesuai dengan pola hubungan non-linier.

3. Varians error yang konstan, ini menjelaskan bahwa varians error atau varians residual yang tidak berubah-ubah pada respon yang berbeda. asumsi ini lebih dikenal dengan asumsi homoskedastisitas. Mengapa varians error perlu konstan? karena jika konstan maka variabel error dapat membentuk model sendiri dan mengganggu model. Oleh karena itu, penanggulangan permasalahan heteroskedastisitas/non-homoskedastisitas dapat diatasi dengan menambahkan model varians error ke dalam model atau model ARCH/GARCH.

4. Autokorelasi untuk data time series, jika kita menggunakan analisis regresi sederhana untuk data time series atau data yang disusun berdasarkan urutan waktu, maka ada satu asumsi yang harus dipenuhi yaitu asumsi autokorelasi. Asumsi ini melihat pengaruh variabel lag waktu sebelumnya terhadap variabel Y. Jika ada gangguan autokorelasi artinya ada pengaruh variabel lag waktu sebelumnya terhadap variabel Y. sebagai contoh, model kenaikan harga BBM terhadap inflasi, jika ditemukan atukorelasi artinya terdapat pengaruh lag waktu terhadap inflasi. Artinya inflasi hari ini atau bulan ini bukan dipengaruhi oleh kenaikan BBM hari ini namun dipengaruhi oleh kenaikan BBM sebelumnya (satu hari atau satu bulan tergantung data yang dikumpulkan).

Perbedaan Antara Hubungan dengan Pengaruh

Perbedaan Antara Hubungan dengan Pengaruh

Perbedaan Antara Hubungan dengan Pengaruh

Secara teori hubungan adalah mengukur derajat keeratan (korelasi) antara dua variabel baik yang sudah jelas secara literatur berhubungan atau sesuatu masalah yang akan diteliti. Namun analisis hubungan tidak menjelaskan arah hubungan dengan landasan teori baku. Sedangkan analisis pengaruh meneliti pola kausalitas atau fungsi sebab akibat dari sebuah variabel atau lebih terhadap variabel lain berlandaskan teori tertentu. Dengan kata lain, terdapat variabel yang secara teoritik mempengaruhi (independent variabel) kemudian melihat efek dari variabel tersebut terhadap variabel lain yang dipengaruhi (dependent variabel).

Dalam statistika, metode yang paling cocok untuk mengukur hubungan adalah korelasi. Sedangkan metode yang paling umum untuk mengukur pengaruh adalah analisis regresi (regression analysis), atau analisis jalur (path analysis) dan variannya seperti cross-section, time series, panel data dan lainnya (tergantung dari skala data pada variabel dependen dan variabel independen). Sebagai contoh jika skala data pada variabel dependennya adalah kategorik, sedangkan skala data variabel independennya adalah numerik, maka statistika yang digunakan untuk mengukur pengaruh adalah analisis varians.

Berdasarkan konsep statistika, analisis korelasi atau hubungan untuk mengukur tingkat hubungan kedua variabel penelitian adalah bersifat tetap atau fix, baik variabel Y maupun variabel X. Sedangkan pada analisis regresi, variabel independen adalah fix, karena digunakan untuk mengukur respon terhadap variabel dependen yang random.

Uji Multikolinearitas Regresi Linier Berganda

Uji Multikolinearitas Regresi Linier Berganda

Multikolinearitas dalam regresi adalah fenomena statistik dimana dua atau lebih variabel prediktor atau variabel bebas dalam model regresi berganda, saling berkorelasi tinggi. Multikolinearitas dalam regresi dapat menyebabkan hasil yang aneh terutama ketika ingin mengetahui pengaruh secara parsial variabel bebas terhadap variabel terikat.

Indikasi-indikasi bahwa sebuah model regresi mungkin memiliki masalah multikolinearitas dalam regresi:

1. Terjadi perubahan yang besar pada koefisien regresi ketika sebuah variabel yang diduga memiliki multikolinieritas ditambahkan atau dikeluarkan dari model.
2. Koefisien Regresi bertanda negatif padahal seharusnya variabel Y meningkat seiring dengan meningkatnya variabel X.
3. Koefisien regresi bertanda positif padalah seharusnya variabel Y menurun seiring dengan meningkatnya variabel X.

Cara uji multikolinearitas yang paling gampang adalah dengan melihat korelasi antara variabel prediktor dalam model regresi. ketika terjadi hubungan yang tinggi antara variabel prediktor maka kemungkinan model memiliki permasalahan multikolinieritas. Uji multikolinearitass juga dapat dilihat dari nilai VIF, dimana nilai VIF yang tinggi menunjukkan adalah permasalahan multikolinieritas.

Cara Menanggulangi masalah multikolinearitas dalam regresi

1. Keluarkan variabel X yang memiliki masalah multikolinearitas dalam model regresi.
2. Gunakan model PLS untuk memprediksi variabel Y.
3. Gunakan model Analisis jalur sebagai alternatif.
4. Jumlah data ditambah.
5. Gunakan model lag.
6. Menggunakan analisis faktor terlebih dahulu sebelum menggunakan analisis regresi

Memilih Metode Analisis Data

Memilih Metode Analisis Data

Tahap identifikasi metode analisis data dari sebuah penelitian bertujuan untuk memilih metode analisis yang tepat dalam sebuah penelitian. Pemilihan metode analisis penting dilakukan karena akan sangat berkaitan dengan keabsahan sebuah kesimpulan yang diambil.

Untuk mengidentifikasi metode analisis data yang cocok alam sebuah penelitian, secara kasar peneliti dapat melakukan identifikasi berdasarkan judul yang tercantum dalam penelitian tersebut. Dalam judul sebuah penelitian, umumnya mencantumkan kata-kata penghubung variabel.  kata-kata penghubung tersebut seperti pengaruh, efek, dampak, dan perbandingan. Kata-kata di atas memiliki keterkaitan yang erat dengan metode analisis tertentu, misalnya untuk kata pengaruh maka metode analisis data yang mungkin dapat dipilih seperti analisis regresi, analisis jalur, Structural Equation modelling, dan analisis Anova. Tidak tepat jika sebuah judul penelitian menggunakan kata hubungan sedangkan metode analisis data yang dipilih adalah Analisis Regresi atau Analisis Jalur. jika sebuah judul penelitian menggunakan kata hubungan, maka metode analisis data yang mungkin dapat digunakan adalah analisis korelasi. Begitu pula dengan kata penghubung perbandingan, penelitian yang menggunakan kata perbandingan maka metode analisis data yang umum digunakan seperti Uji t, Uji Z, uji anova, Uji Mann Whitney dan metode analisis perbandingan lainnya.

Dengan demikian, secara garis besar tujuan utama dari penelitian tersebut disarikan  dari berbagai variabel penentu penelitian tersebut seperti politik, ekonomi, dan kinerja saham pada sektor pertambangan di BEI.

Langkah berikutnya adalah memahami tujuan spesifik dari masing-masing variabel penelitianya,  sebagai berikut:

Untuk mengetahui  perkembangan situasi politik pada periode tertentu.
Untuk mengetahui perkembangan indikator ekonomi pada periode tertentu.
Untuk mengetahui kinerja saham di sektor pertambangan pada periode tertentu.
Untuk mengetahui pengaruh politik terhadap kinerja saham pertambangan pada periode tertentu.
Untuk mengetahui pengaruh ekonomi terhadap kinerja saham pertambangan pada periode tertentu.
Untuk mengetahui pengaruh politik dan ekonomi terhadap kinerja saham pertambangan secara bersamaan pada periode tertentu.
Dari judul penelitian tersebut dapat diidentifikasi rumusan masalah dan tujuan penelitian di atas, sehingga kita dapat menguraikan dan mengidentifikasi metode statistik apa saja yang cocok untuk digunakan dalam analisis penelitian tersebut.

Agar identifikasi yang kita lakukan lebih andal dan akurat, maka perlu melakukan beberapa langkah taktis untuk membedah suatu judul penelitian. Dalam setiap langkah diperlukan identifikasi yang cermat terutama terhadap kata-kata kunci (keywords), jumlah variabel dan skala pengukuran yang digunakan. Langkah-langkah untuk mengidentifikasi metode statistik dari judul dan/ataurumusan masalah penelitian adalah sebagai berikut:

Tentukan kata kunci pada judul penelitian, dalam hal ini kata-kata gambaran, pengaruh, dampak, hubungan, perbandingan atau analisis dari berbagai variabel-variabel  yang diteliti oleh periset.
Perhatikan jumlah variabel independen dan jumlah variabel dependen yang dicari (search) gambaran, pengaruh, dampak, hubungan, perbandingan atau analisisnya.
Mengetahui skala pengukuran dari setiap variabel yang akan digunakan dalam penelitian ini, baik variabel independen maupun dependen dengan tepat.
Dari uraian beberapa tahapan di atas, maka dapat kita jabarkan pada langkah-langkah berikut ini:

Langkah pertama (perhatikan kata kunci):
Ada beberapa kata kunci dalam judul penelitian:

Jika dalam penelitian ditemukan kata kunci “analisis” atau “gambaran”
Jika dalam judul penelitian ditemukan kata kunci “hubungan”
Jika dalam judul penelitian ditemukan kata kunci “pengaruh”
Jika dalam judul penelitian ditemukan kata kunci “perbandingan”
Langkah kedua (perhatikan jumlah variabel):
Jumlah variabel  penelitian 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen 1 (satu)
Jumlah variabel independen 1 (satu) dan jumlah variabel dependen lebih dari 1 (satu)
Jumlah variabel independen lebih dari 1 (satu) dan jumlah variabel dependen lebih dari 1 (satu)
Langkah ketiga (perhatikan skala pengukuran)
Skala pengukuran untuk variabel independen
2. Skala pengukuran untuk variabel dependen

Mengapa mahasiswa perlu menulis skripsi atau tesis?

Sebelum menyelesaikan program studinya di suatu bidang ilmu tertentu, seorang alon sarjana atau master perlu menulis sebuah karya tulis ilmiah dalam bentuk skripsi atau tesis. Mengapa menulis skripsi / tesis perlu dilakukan dan diwajibkan oleh hampir semua universitas? Banyak mahasiswa program s1 atau s2 belum memahami apa filosofi dibalik itu semua. Sebagian dari mereka mengeluhkan bahwa pekerjaan menulis skipsi / tesis dianggap sebagai pekerjaan yang membosankan dan hanya menghabiskan waktu saja. Mengapa mahasiswa tidak diwajibkan membuat karya nyata saja seperti membuat mesin tertentu bagi mahasiswa teknik mesin, atau membuat sebuah sofware komputer bagi mahasiswa informatika. mungkin anda adalah bagian dari orang orang yang menentang ini.

Saya pada awalnya adalah termasuk orang orang yang mempertanyakan ini. namun setelah direnungkan memang mahasiswa wajib membuat tulisan ilmiah sebelum menyelesaikan studinya. pertanyaannya mengapa harus menulis skripsi / tesis dalam bentuk tulisan ilmiah?

Mahasiswa sewbagai akademisi akan dianggap berkontribusi terhadap keilmuan ketika mereka menulis skripsi atau tesis. karya ilmiah tersebut harus ditulis merujuk kepada hasil penelitian. tidak boleh karangan bebas. karya ilmiah yang baik harus memiliki tingkat orisinalitas atau temuan baru sehingga dapat memperkaya keilmuan.

Alasan kedua, ketika mahasiswa telah mampu menulis karya ilmiah dan mampu dipertanggiungjawabkan dalam ujian ilmiah oleh tim penguji yang pakar dibidangnya, tentunya hal tersebut menunjukkan bahwa mahasiswa tersebut kompeten di bidang keilmuannya. Studinya di bidang ilmu tertentu dapat dinyatakan selesai dan teruji secara formal.

Alasan ketiga, karya ilmiah berupa tulisan merupakan karya yang paling mudah dipelajari oleh semua orang. setiap mahasiswa atau orang yang ingin mempelajari bidang ilmu tersebut tinggal datang ke perpustakaan dan membaca karya ilmiah dalam bentuk tulisan. Tentunya alasan kepraktisan dalam penyebaran keilmuan juga menjadi pertimbangan bahwa sebuah karya tulis perlu dihasilkan. terlebih pada era digiital setiap orang dapat mempelajari hasil karya ilmiah kapanpun dan dimanapun.

Manfaat Statistika dalam Analisis Hasil Penelitian

Manfaat Statistika dalam Analisis Hasil Penelitian

Ditulis oleh: Ayat Hidayat, S.Si., MBA. (Dosen Fakultas Ekonomi Yarsi)

Dalam berbagai penelitian, kita sering melihat tampilan angka-angka statistika. Pertanyaan yang muncul adalah Apa manfaat statistika dalam penelitian apakah setiap penelitian harus menggunakan statistika? Jawabannya adalah bisa iya bisa tidak. Jawaban mantap iya jika kita akan melakukan penelitian secara kuantitatif. Dalam penelitian kuantitatif, statistik merupakan metode utama yang digunakan untuk melakukan generalisasi terhadap hasil penelitian. Ketika seorang peneliti akan menarik kesimpulan umum menjadi lebih luas, maka di saat itu statistik sangat diperlukan. Sebagai contoh, peneliti hanya melakukan penelitian di beberapa provinsi, sementara dia ingin menarik kesimpulan ke seluruh indonesia, maka dalam hal ini statistik sangat diperlukan. Angka statistik sangat berguna dalam melakukan generalisasi terhadap sebuah fenomena. Sebagai contoh, efek suatu obat kadang memiliki dampak yang berbeda-beda terhadap pasien. Untuk mengambil kesimpulan atas kejadian tersebut maka ukuran statistik dapat menggambarkan dengan baik. Misalnya dari 30 pasien yang menggunakan obat tertentu, 25 diantaranya merasakan efek positif, sisanya tidak. Dengan statistik, peneliti dapat mengetahui berapa persentase efek obat tersebut.

Dalam beberapa penelitian kualitatif, manfaat statistika tidak terlalu terlihat. Kesimpulan dari penelitian lebih banyak mengandalkan kedalaman analisis dari peneliti. Angka statistik dalam suatu peristiwa kadang bukan menjadi pertimbangan utama. Suatu kajian dalam penelitian studi kasus misalnya, penelitian seperti ini kadang peneliti cukup mengkaji kasus-kasus yang ada hubungannya saja dengan topik penelitian. Terlebih pada penelitian kualitatif etnografi, seberapa jauh peneliti dapat menggali nilai atau budaya suatu masyarakat, maka penelitian tersebut dianggap sudah berhasil. Penelitian tersebut tidak berbicara seberapa banyak dan representatif, namun lebih kepada seberapa dalam kajiannya.

Kekurangan penelitian tanpa memanfaatkan angka statistika adalah penelitian tersebut tidak dapat ditarik kepada kesimpulan yang lebih luas. Hasil dari penelitian tersebut terbatas kepada objek penelitian yang dibatasi waktu dan tempat penelitian. Sebuah kesimpulan penelitian dapat berbeda antara satu daerah dengan daerah yang lain. Namun demikian, penelitian seperti ini pun tetap diperlukan.

Berbeda dengan penelitian kualitatif, pada penelitian kuantitatif manfaat ilmu statistika begitu jelas terlihat. Bahkan tanpa ilmu statistika, sebuah penelitian kuantitatif dianggap kurang valid. Mengapa demikian? karena dalam penelitian kuantitatif, peneliti mengambil sebagian sampel secara random dari jumlah populasi yang sangat banyak. Berdasarkan jumlah sampel yang lebih sedikit tersebut, kesimpulan penelitian di-generalisasi. Ilmu statistika adalah ilmu yang powerful dalam melakukan generalisasi. Inilah yang membedakan ilmu statistika dengan ilmu matematika. Jika peneliti melakukan penelitian terhadap keseluruhan populasi, maka peneliti cukup menghitung secara matematis saja. Namun, jika peneliti hanya mengambil sebagian sampel, maka perlu dilakukan estimasi atas nilai populasi. Ilmu statistik menghitung tingkat ketepatan estimasi berdasarkan distribusi probabilitas dan nilai error.

Prasyarat utama bahwa peneliti dapat mengambil manfaat dari ilmu statistik adalah sampel diambil melalui teknik probability sampling. Ketika sampel diambil melalui proses randomisasi, baik secara simple random, systematic sampling, cluster sampling maupun proportionate sampling, maka unit sampel akan memiliki probabilitas yang sama untuk terambil. Probabilitas dari unit sampling itu akan dibentuk dalam distribusi probabilitas yang mana hasilnya akan dibandingkan dengan norma standar distribusi probabilitas. Melalui nilai distribusi probabilitas inilah, sebuah parameter populasi dapat diestimasi dengan baik.

Prinsip dasarnya adalah dimana ada uncertainty dan berlaku secara random, maka kita dapat mengambil manfaat ilmu statistika dengan baik untuk memprediksi nilai/parameter dari populasinya.

Jasa Analis Data

Jasa Analis Data

Merupakan layanan kami yang utama. Layanan ini ditujukan bagi mahasiswa program sarjana, master atau doktoral dan umum yang memerlukan jasa pengolahan data serta bimbingannya.

Jasa Survey

Jasa Survey

Menyediakan tenaga untuk melakukan wawancara dan survey lapangan. Layanan ini diberikan kepada klien yang tidak memiliki waktu untuk melakukan wawancara dan penyebaran kuesioner kepada responden.

Switania Putri

Switania Putri

Merupakan tim konsultan Globalstats Academic yang telah memiliki pengalaman lebih dari 5 tahun dalam menganalisa data statistik. Bersama dengan tim analis di kantor cabang Bandung, telah melayani ribuan klien mahasiswa S1 sampai dengan S3. Keahliannya menggunakan analisis korelasi, analisis anova, analisis regresi dengan SPSS dan Eviews, Structural Equation Modelling menggunakan Lisrel dan AMOS.

Aulia Rahman, S.Si

Aulia Rahman, S.Si

Merupakan sarjana statistik yang memiliki pengalaman luas dalam melakukan analisa data dengan berbagai metode statistik.

DR. Perdana Wahyu Santosa

DR. Perdana Wahyu Santosa

Beliau merupakan Dosen Senior di berbagai perguruan tinggi di Jakarta dan Bandung. Mengajar di perguruan tinggi negeri dan swasta. Posisi beliau di Globalstats sebagai penasehat akademis yang memberikan arahan mengenai metodologi yang tepat.

Pelatihan Statistik

Pelatihan Statistik

Kami mengadakan pelatihan stattistika secara berkala. Pelatihan dikemas dalam bentuk workshop yang diadakan pada jadwal tertentu. Di luar itu, kami dapat menyelenggarakan inhouse training dengan jumlah peserta tertentu dan waktu yang flexibel

Analisis Regresi Logistik Biner

Analisis Regresi Logistik Biner

ANALISIS REGRESI LOGISTIK BINER

Analisis regresi logistik biner digunakan untuk menjelaskan hubungan antara variabel respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa data berskala interval dan atau kategorik

Regresi logistik biner (logistic regression) sebenarnya sama dengan analisis regresi berganda, hanya variabel terikatnya merupakan variabel dummy (0 dan 1). Sebagai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat). Regresi logistik tidak memerlukan asumsi normalitas, meskipun screening data outliers tetap dapat dilakukan.

Asumsi-asumsi dalam regresi logistik biner:

  • Tidak mengasumsikan hubungan linier antar variabel dependen dan independent
  • Variabel dependen harus bersifat dikotomi (2 variabel)
  • Variabel independent tidak harus memiliki keragaman yang sama antar kelompok variabel
  • Kategori dalam variabel independent harus terpisah satu sama lain atau bersifat eksklusif
  • Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (bebas).

 

Tidak seperti regresi linier biasa, regresi logistik biner tidak mengasumsikan hubungan antara variabel independen dan dependen secara linier. Regresi logistik biner merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva seperti gambar di bawah ini.

Picture1

Model yang digunakan pada regresi logistik biner adalah:

Log (P / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk

 

Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah variabel independen, dan b adalah koefisien regresi.

Langkah-langkah dalam penggunaan Analisis Regresi Logistik biner adalah:

  1. Uji Signifikansi Model

Untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas secara bersama-sama (overall) di dalam model, dapat menggunakan Uji Likelihood Ratio. Hipotesisnya adalah sebagai berikut:
Ho: β1 = β2 =….= βp = 0 (tidak ada pengaruh veriabel bebas secara simultan terhadap variabel tak bebas)
H1: minimal ada satu βj ≠ 0 (ada pengaruh paling sedikit satu veriabel bebas terhadap variabel tak bebas)
Untuk j = 1,2,…,p
Statistik uji yang digunakan adalah:

Picture2

Dengan :

Lo = Maksimum Likelihood dari model reduksi (Reduced Model) atau model yang terdiri dari konstanta saja

Lp =  Maksimum Likelihood dari model penuh (Full Model) atau dengan semua variabel bebas.

Statistik G2 ini mengikuti distribusi Khi-kuadrat dengan derajad bebas p sehingga hipotesis ditolak jika p-value < α, yang berarti variabel bebas X secara bersama-sama mempengaruhi variabel tak bebas Y.

Uji Parsial dan Pembentukan Model

Pada umumnya, tujuan analsis statistik adalah untuk mencari model yang cocok dan keterpautan yang kuat antara model dengan data yang ada. Pengujian keberartian parameter (koefisien β) secara parsial dapat dilakukan melalui Uji Wald dengan hipotesisnya sebagai berikut:

Ho: βj = 0 (variabel bebas ke j tidak mempunyai pengaruh secara signifikan terhadap variabel tidak bebas

H1: βj ≠ 0 (variabel bebas ke j mempunyai pengaruh secara signifikan terhadap variabel tidak bebas)

Untuk j = 1,2,….,p
Dengan statistik uji sebagai berikut:

Picture3

Hipotesis akan ditolak jika p-value < α yang berarti variabel bebas Xj secara partial mempengaruhi variabel tidak bebas Y.

  1. Odds Ratio

Odds ratio merupakan ukuran risiko atau kecenderungan untuk mengalami kejadian ‘sukses’ antara satu kategori dengan kategori lainnya, didefinisikan sebagai ratio dari odds untuk xj = 1 terhadap xj = 0. Odds ratio ini menyatakan risiko atau kecenderungan pengaruh observasi dengan xj = 1 adalah berapa kali lipat jika dibandingkan dengan observasi dengan xj = 0. Untuk variabel bebas yang berskala kontinyu maka interpretasi dari koefisien βj pada model regresi logistik adalah setiap kenaikan c unit pada variabel bebas akan menyebabkan risiko terjadinya Y = 1, adalah exp(c.βj) kali lebih besar.
Odds ratio dilambangkan dengan θ, didefinisikan sebagai perbandingan dua nilai odds xj = 1 dan xj = 0, sehingga:

Picture4

Regresi logistik biner juga menghasilkan rasio peluang (odds ratios) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratios) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor meningkat sebesar 1 unit.

Regresi logistik biner akan membentuk variabel prediktor/respon (log (p/(1-p)) yang merupakan kombinasi linier dari variabel independen. Nilai variabel  prediktor ini kemudian ditransformasikan menjadi probabilitas dengan fungsi logit. Regresi logistik juga menghasilkan rasio peluang (odds ratios) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratios) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai  jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor meningkat sebesar 1 unit

 

 

 

Skripsi / tesis manajemen kinerja organisasi menjadi populer saat ini

Jika diantara anda sedang kebingungan mencari contoh skripsi atau contoh tesis maka topik skripsi / tesis manajemen kinerja dapat menjadi bahan pertimbangan. Mencari contoh skripsi atau tesis memang gambang-gampang susah. Namun, jangan khawatir anda ketik saja mengenai manajemen kinerja atau performance management di Google, maka akan muncul ribuan paper atau penelitian sejenis. Anda pun dapat datang ke perpustakaan untuk mendapatkan contoh skripsi tentang topik ini. Memang mungkin tidak sebanyak jika anda googling di internet. Tapi setidaknya dapat memperbanyak referensi anda.

Manajemen kinerja (performance management) adalah topik yang sedang hangat diperbincangkan di jurnal-jurnal international. Jika anda sedang mencari contoh skripsi / tesis, cobalah membuka beberapa jurnal mengenai manajemen, maka akan menemukan banyak paper mengenai performance management. Dalam salah satu jurnal yang saya baca, disebutkan judul-judul sebagai berikut: Pengaruh budaya masyarakat terhadap kinerja lembur karyawan, pengaruh otonomi dan timbal balik  terhadap kinerja tim, gaya kepemimpinan paternalistik terhadap kinerja organisasi, keragaman ras dan kinerja organisasi dan komunisasi dan kepuasan kerja terhadap kinerja. topik-topik tersebut merupakan sebagian kecil dari topik manajemen kinerja yang saya temui. Tentu masih banyak topik-topik yang lainnya.

Apa yang dimaksud dengan manajemen kinerja? Adalah salah satu bagian dari disiplin ilmu manajemen yang fokus kepada kajian mengenai manajemen organisasi dalam mengedalikan organisasi agar berjalan dan mencapai tujuannya secara efektif dan efisien. Bagaimana organisasi dan tim diukur kinerjanya apakah sudah sesuai dengan tujuan organisasi. Anda dapat melakukan kajian bagaimana penerapan manajemen kinerja dalam sebuah organisasi. Anda dapat juga mengkaji mengenai efektivitas tools manajemen kinerja seperti Balance Score Card dalam mengontrol kinerja organisasi. Nah, tentu ini dapat menjadi contoh skripsi / tesis yang menarik.

Analisis manajemen kinerja dapat lebih meluas. Topiknya dapat mengenai kinerja organisasi, kinerja individu dalam organisasi maupun proses yang ada di dalamnya. Topik-topik di atas dapat dapat diperkaya dengan berbagai perkembangan terkini. Topiknya dapat meluas, baik mengenai analisis kinerja sebuah organisasi dikaitkan dengan variabel lain yang mempengaruhinya, maupun dikaitkan dengan variabel yang mempengaruhi kinerja individu dalam organisasi.

Terkait ruang lingkup, manajemen kinerja dapat diimplementasikan di berbagai lingkungan kerja seperti perusahaan, organisasi nirlaba, institusi pemerintah, organisasi kemasyarakatan, bahkan dalam kelompok olah raga dan organisasi kemahasiswaan. Penerapannya akan sedikit berbeda, terlebih tujuan organisasi-organisasi juga berbeda. Kesamaannya adalah bagaimana anggota organisasi menjalankan proses dalam organisasi sehingga mencapai tujuan organisasi dengan lebih efektif dan efisien. Itulah point-nya. Indikator-indikator keberhasilan yang digunakan mungkin akan berbeda. Setiap organisasi memiliki struktur yang berbeda. Dalam stuktur yang sama pun, masih dimungkinkan memiliki job description yang berbeda ketika tujuan organisasinya berbeda. Nah, keefektifan struktur organisasi pun dapat menjadi kajian skripsi atau tesis anda dalam mengukur seberapa efektifkan struktur organisasi yang ada untuk mencapai tujuannya.

Hal yang menarik lainnya adalah strategi. Dalam bidang manajemen kinerja, anda dapat mengkaji bagaimana strategi organisasi. Seberapa tepat strategi yang digunakan dalam mencapai tujuan organisasi. Mana diantara berbagai strategi yang telah digunakan yang paling tepat untuk mencapai tujuan organisasi. Jika hal tersebut dikaji lebih mendalam, dapat memberikan manfaat bagi organisasi dalam mencapai tujuannya.

Ada hal yang menarik yang mungkin dapat anda teliti, mana yang lebih baik, apakah structure follows the strategy atau strategy follows the structure? Dalam konteks manajemen kinerja organisasi, ini menarik untuk dikaji. Mengapa? Karena selama ini, organisasi-organisasi di Indonesia baik itu swasta maupun pemerintahan, lebih fokus pada pembentukan struktur organisasi pada saat pembentukan organisasi baru. Bukan pada strategi. Silahkan dikaji.

Referensi:
http://en.wikipedia.org/wiki/Performance_management

Ini cara membuat proposal penelitian yang baik

Banyak mahasiswa dan peneliti awal tidak mengetahui maksud proposal penelitian,  bahkan mereka juga tidak mengetahui cara membuat proposal penelitian yang baik. Proposal penelitian biasanya diajukan kepada dosen pembimbing sebelum seorang mahasiswa menentukan sebuah topik penelitin. Proposal tersebut dapat diterima oleh pembimbing atau ditolak. Jika diterima maka mahasiswa tersebut dapat meneruskan melakukan penelitian sesuai dengan proposal. Namun, jika proposal penelitian ditolak maka mahasiswa harus melakukan revisi proposal penelitian. Lebih jauh mengenai pentingnya karya ilmiah dapat dibaca pada artikel ini.

Bagaimanakan cara membuat proposal penelitian yang baik?

Proposal yang baik harus mengarahkan kepada pertanyaan berikut:

Proposal Penelitian yang baik seharusnya berisi topik yang menarik dan penting

Bagian pertama yang menarik bagi reviewer, baik itu dosen atau reviewer umum, adalah topik. Apakah topik penelitian anda cukup menarik dan berisi informasi penting. topik yang menarik adalah topik yang terkait dengan isu aktual. Misalnya ketika tahun 2008 topik yang menarik adalah mengenai isu krisis keuangan dunia. Untuk mengukur seberapa penting topik penelitian anda. Untuk mengukur hal ini dapat dilihat dari seberapa besar dampaknya bagi kehidupan atau masyarakat.

Proposal Penelitian yang baik harus berisi kajian literatur yang mutakhir

Proposal yang baik harus memuat literatur-literatur yang terbaru. Penelitian paling tidak mengambil literatur dalam 10 tahun terakhir. Penelitian-peneltian yang diambil harus relevant dengan topik yang anda ambil. Untuk mendapatkan literatur yang mutahir tentunya anda perlu membaca banyak jurnal terkait. Rajin-rajin lah ke perpustakaan atau browsing untuk mencari jurnal-jurnal terkait.

Sumber literatur yang muthakhir tidak harus dari jurnal. peneliti dapat mengutipnya dari buku atau laporan yang relevan. Mengapa penelitian yang berkualitas lebih banyak menjadikan jurnal sebagai referensi utama. Tentunya tingkat kemutakhiran keilmuan lebih banyak terdapat pada jurnal. Jurnal adalah kumpulan-kumpulan hasil penelitian terbaru yang dikelompokkan berdasarkan disiplin ilmu masing-masing. Pada jurnal, secara periodik terdapat update terbaru dari suatu disiplin ilmu. Itulah mengapa penelitian yang berkualitas lebih banyak menjadikan jurnal sebagai referensi utama.

Proposal Penelitian yang baik harus berisi metode yang tepat untuk menjawab permasalahan

Metode yang digunakan yang akan digunakan harus dapat menjawab permasalahan penelitian yang telah anda tulis pada bagian sebelumnya. Metode yang digunakan dapat berupa metode kuantitatif atau metode kualitatif. Tidak ada metode yang lebih baik. yang ada adalah metode yang tepat menjawab permasalahan.

jika tujuan penelitian anda adalah untuk melakukan eksplorasi dan mengharapkan hasil yang fokus dan mendalam, maka metode penelitian kualitatif tentu akan tepat digunakan. sebaliknya jika anda mengharapkan hasil penelitian yang dapat menggeneralisasi subjek penelitian menjadi lebih luas, tentu metode penelitian kuantitatif cocok digunakan. Misalnya anda hendak mengambil kesimpulan mengenai preferensi masyarakat terhadap kandidiat presiden dari suatu populasi di satu provinsi yang memiliki populasi jutaan penduduk, maka metode penelitian kuantitatif cocok digunakan. Penelitian kuantitatif mampu menarik kesimpulan yang lebih luas dan mewakili subjek penelitian yang sangat banyak. Kelemahannya adalah hasil penelitian yang kurang mendalam jika dibandingkan dengan metode penelitian kualitatif yang lebih fokus.

Terakhir, jangan dilupakan adalah format penulisan harus benar

Walaupun proposal anda telah memenuhi unsur-unsur penting di atas, namun jika tidak ditulis dengan format yang benar, saya pastikan proposal penelitian anda ditolak oleh dosen pembimbing anda. Jangan lupakan format penulisan yang benar. Setiap kampus memiliki format penulisan yang berbeda. oleh karena itu bacalah panduan penulisan sesuai dengan kampus anda.

Hindarilah typo atau salah pengetikan dalam menulis proposal penelitian. Mungkin anda akan menghadapi dosen pembimbing yang cenderung fokus kepada format penulisan. Biasanya pembimbing yang seperti ini tidak akan menerima proposal penelitian sebelum kesalahan pengetikan atau ejaan diperbaiki terlebih dahulu.

Pentingnya Karya Ilmiah dalam Pengembangan Ilmu

Apa yang dimaksud dengan karya ilmiah atau karya tulis? Karya ilmiah adalah sebuah tulisan ilmiah seorang peneliti atau beberapa dari hasil riset pada bidang keilmuan tertentu. Misalnya dalam bidang kedokteran, seorang peneliti meriset mengenai perkembangan penyakit tertentu pada suatu masa. Hasil riset tersebut ditulis dalam bentuk laporan ilmiah dan dipublikasikan. itulah yang disebut dengan karya tulis ilmiah. Dalam bidang sosial, misalnya seorang peneliti meriset mengenai nilai-nilai budaya tertentu. Hasilnya dituangkan dalam bentuk laporan tertulis. maka itu juga disebut sebagai karya tulis ilmiah.

Bagaimana karya ilmiah yang baik? Karya ilmiah yang baik harus mereferensi kepada penelitian yang lain yang sebelumnya telah dilakukan. Karya tulis ilmiah tidak boleh subjektif atau menggunakan perspektif peneliti. tentu saja harus objektif atau pendeketan fakta. Karya tulis ilmiah tidak boleh lepas konteks. Artinya harus memperhatikan penelitian-penelitian sebelumnya pada disiplin ilmu terkait.

Bagaiman proses publikasi ilmiah? Sebelum sebuah karya tulis ilmiah tentunya harus melalui review dari ahli yang mengerti pada disiplin ilmu tersebut. Karya ilmiah tersebut harus diseleksi apakah sudah memenuhi unsur-unsur penting bagi karya ilmiah. Jika telah memenuhi maka itu apat dipublikasikan. Unsur-unsur penting tersebut meliputi bagaimana format penulisan karya ilmiah, konten, ide orisinal, dan bagaimana kutipan terhadap karya tulis ilmiah yang lain.

Bagaimana peran karya ilmiah dalam pengembangan keilmuan? Karya tulis tulis ilmiah memegang peranan penting dalam pengembangan dan penyebaran keilmuan. Itulah sebabnya di setiap perguruan tinggi mewajibkan mahasiswanya untuk menulis karya ilmiah sebelum menyelesaikan studinya. Melalui karya tulis ilmiah, sebuah ilmu terus terbarukan. Setiap peneliti terus menerus memperbaharui hasil temuannya, baik oleh peneliti itu sendiri atau oleh peneliti yang lain. Melalui karya tulis ilmiah pula, temuan-temuan terbaru disebarkan melalui jurnal dan tulisan-tulisan.

Anda perlu memperhatikan konteks penelitian

Saya mengamati terdapat beberapa penelitian yang memiliki orisinalitas atau novelty yang tinggi namun melupakan konteks penelitian. Apa yang dimaksud dengan konteks penelitian di sini? Konteks terkait erat dengan literatur atau penelitian yang memiliki topik yang sama dan terlah dipublikasikan sebelumnya. Sebuah penelitian tidak dapat berdiri sendiri tanpa melihat konteksnya.

Penelitian yang tidak memperhatikan konteks maka hanya akan menjadi penelitian yang aneh. Penelitian tersebut akan terpisah dengan kelompok penelitian yang sudah ada sebelumnya dan terlihat tidak memiliki keterkaitan. Sebagai contoh topik penelitian mengenai motivasi pegawai. Jika seorang peneliti ingin mengkaji mengenai motivasi, maka dia harus mengkaji teori-teori terkait yang berhubungan dengan motivasi. Saat ini teori motivasi Maslow merupakan teori yang banyak dijadikan referensi oleh banyak orang. Sebaliknya, penelitian akan terlihat aneh jika tidak melakukan kajian teori sebelumnya. Penelitian tersebut menjadi lepas konteks.

Setiap disiplin ilmu biasanya memiliki istilah terminologi tertentu. Istilah tersebut khas digunakan di disiplin ilmu tersebut. Kita akan sulit menemukan padanan kata yang tepat ketika istilah tersebut digunakan dalam bidang ilmu lain. Konteks berbeda akan memunculkan makna yang berbeda walaupun mungkin istilah tersebut sama bunyinya. Begitu pun dalam sebuah penelitian, peneliti harus pintar-pintar menempatkan konteks topik penelitiannya. Jangan sampai terlalu melebar atau bahkan terlalu sempit dan tidak mencerminkan konteksnya.

Relevansi dengan konteks penelitian terkini menjadi penting juga demi kebaruan ilmu. Penelitian yang dikategorikan tidak bagus ketika penelitian tersebut kurang memperhatikan konteks penelitian terkini. Jurnal yang dijadikan referensi tentunya jangan sampai terlalu jadul. Paling tidak 10 tahun terakhir merupakan batas waktu maksimal penelitian terdahulu yang akan dijadikan sebagai referensi.

Jurnal-jurnal internasional sangat memperhatikan relevansi topik penelitian dengan konteks penelitian pada disiplin ilmu tertentu. Karya ilmiah yang baik harus memperhatikan konteks. Jika tidak tentunya karya tulis ilmiah anda baik skripsi, tesis maupun disertasi akan sulit dimuat dalam jurnal internasional.

Kesesuaian Antara Tujuan Penelitian Skripsi / Tesis dengan Hipotesis

Jurnal internasional memperhatikan kesesuaian antara tujuan penelitian skripsi / tesis dengan hipotesis yang ditulis. Terkadang dalam penelitian tidak sinkron antara tujuan dengan hipotesis. hipotesis adalah dugaan sementara dari permasalahan penelitian. sedangkan tujuan utama dari sebuah penelitian adalah menjawab permasalahan penelitian. Tentu keduanya harus ada sinkronisasi.

Sebagai contoh sebuah penelitian mengidentifikasi permasalahan apakah terdapat pengaruh program pelatihan yang dilakukan oleh perusahaan terhadap peningkatan kompetensi karyawan yang pada akhirnya akan meningkatkan kinerja mereka. Tujuan dari penelitian tersebut harusnya adalah untuk mengetahui pengaruh program pelatihan terhadap peningkatan kompetensi dan kinerja karyawan. Hipotesis penelitian seharusnya menjawab permasalahan penelitian yaitu bahwa program pelatihan memiliki pengaruh terhadap kompetensi dan kinerja karyawan. Peneliti perlu menyatakan dengan jelas tujuan dari penelitian dan hipotesis penelitian. Jika tidak maka penelitian akan bias.

sebuah penelitian dapat mengandung beberapa tujuan penelitian yang dinyatakan menjadi beberapa poin. Tujuan pertama misalnya meneliti pengaruh program pelatihan terhadap kompetensi, tujuan kedua adalah mengeliti pengaruh kompetensi terhadap kinerja dan tujuan ketiga adalah meneliti pengaruh program pelatihan terhadap kinerja. Tidak ada larangan atau aturan harus berapa poin dalam menyatakan tujuan penelitian. Lazimnya 3 sampai dengan 5 tujuan penelitian.

Banyak penelitian yang tidak menyatakan dengan jelas tujuan dan hipotesis penelitiannya. akhirnya ketika menulis hasil penelitian di bab 4, peneliti membahas berbagai hal. Penelitian tersebut memang sangat kaya dengan informasi, namun tidak fokus kepada permasalahan penelitian. Tidak jarang bagian pembahasan lebih banyak membahas kondisi demografi responden yang sama sekali tidak dikaitkan dengan permasalahan penelitian.

Jurnal internasional memberikan point  plus terhadap kesesuaian antara tujuan penelitian dengan hipotesis penelitian. Tentunya unsur novelty harus dipenuhi terlebih dahulu.

Pentingnya unsur Novelty dalam Karya Tulis llmiah dalam Skripsi / tesis

Dalam sebuah karya tulis ilmiah, novelty merupakah unsur utama yang harus dipertimbangkan oleh mahasiswa atau peneliti dalam menulis skripsi/tesis atau laporan penelitian. Novelty adalah unsur kebaruan atau temuan dari sebuah penelitian. Penelitian dikatakan baik jika menemukan unsur temuan baru sehingga memiliki kontribusi baik bagi keilmuan maupun bagi kehidupan.

JIka kita bongkar skripsi, tesis atau disertasi di perpustakaan kampus, sebagian besar isi karya ilmiah tersebut merupakan hasil penelitian yang sudah ada sebelumnya. Apakah sebuah penelitian yang isinya mirip dengan variabel penelitian tidak dapat dikatakan memiliki novelty? Jawabanya adalah tidak juga. Sebuah karya tulis ilmiah skripsi / tesis masih bisa dikatakan memiliki novelty walaupun melibatkan penelitian yang sama persis dengan penelitian sebelumnya. Misalnya peneliti melakukan penelitian mengenai pengaruh perberlakuan tarif atau kuota terhadap pengurangan impor di suatu negara. Peneltiai di negara yang berbeda dapat melakukan penelitian dengan variabel yang sama persis. Hal tersebut tidak dapat dikatakan melakukan plagiarisme sepanjang peneliti melakukan pengutipan dengan kaidah yang benar. Sebuah penelitian mungkin melibatkan variabel yang sama persis degan penelitian lain. Namun, ketika lokasi penelitiannya berbeda maka mungkin akan menghasilkan novelty.

Jika kita ingin menulis karya tulis ilmiah skripsi / tesis yang dapat menghasilkan novelty, mulailah dengan mengkaji fenomena yang terjadi di sekitar anda yang anda fahami. Mulailah browsing di internet apakah sudah ada penelitian sejenis yang membahas topik yang sama. Jika sudah ada penelitian yang sama persis membahasnya, mulai temukan apakah kondisi pada penelitian tersebut sama dengan kondisi pada fenomena yang anda amati. Jika kondisi tersebut tidak sama maka kemungkinan penelitian kita mengandung unsur novelty.

 

Tips Agar Skripsi / Tesis Anda Dimuat di Jurnal Internasional (Bagian 1)

Ayat Hidayat Huang, MBA (Dosen di salah satu perguruan tinggi swasta di Jakarta)

Saat ini, sangat jarang karya tulis ilmiah dalam bentuk skripsi, tesis bahkan disertasi yang dapat dipublikasikan di jurnal internasional. Karya tulis ilmiah, di negeri kita, hanya menjadi syarat kelulusan mahasiswa untuk menyelesaikan studi. Setelah ditulis dan disidangkan, karya tulis tersebut hanya menjadi koleksi yang memenuhi perpustakaan di suatu perguruan tinggi. Apakah tidak ada manfaat yang lebih berguna dari penulisan skripsi, tesis atau disertasi? Tentu tujuan awalnya adalah sangat mulia. Mahasiswa diharapkan dapat memberikan sumbangsih keilmuan pada disiplin ilmu yang mereka tempuh. Melalui hasil riset diharapkan pengembangan ilmu tidak berhenti. Dalam dunia kedokteran misalnya, riset dan tulisan ilmiah menjadi bahan acuan utama sebagai referensi para tenaga medis dalam mengobati pasien. Riset sangat diperlukan di dunia kedokteran karena tanpa riset, tenaga medis hanya akan menangani pasien dengan cara-cara kuno padahal setiap waktu penyakit terus berkembang. Begitu juga pentingnya riset pada disiplin ilmu yang lain.

Hasil riset perlu dipublikasikan dalam dalam tulisan ilmiah. Mengapa? karena bentuk tulisan merupakan cara paling mudah dalam penyebaran ilmu pengetahuan. Mengapa harus dipublikasikan pada jurnal internasional. Tentu agar hasil karya ilmiah tersebut mendapatkan pengakuan internasional. Ketika dipublikasikan di jurnal internasional maka kontribusi terhadap keilmuan akan semakin besar lewat jumlah pembaca yang jauh lebih banyak .

Jumlah karya ilmiah yang dipublikasikan di jurnal internasional merupakan salah satu parameter penilaian kualitas sebuah institusi pendidikan di tataran internasional.  Semakin banyak yang dipublikasikan di jurnal internasional maka peringkat perguruan tinggi tersebut akan terkerek naik. Tidak mengherankan jika kita lihat di top 100 perguruan tinggi bergengsi di seluruh dunia, hanya ada bebarapa universitas dari Indonesia diantaranya. Mengapa? Jawabannya karena jumlah karya ilmiah  yang berstandar internasional masih sangat minim.

Namun, mempublikasikan karya ilmiah, apalagi skripsi atau tesis, di jurnal ilmiah bukan perkara yang mudah. Buktinya sangat sedikit karya tulis dari negara kita yang dipublikasikan di jurnal internasional. Tulisan saya kali ini akan mencoba mengurai apa kendala-kendala yang sering dihadapi oleh karya tulis ilmiah kita. Berikut merupakan  beberapa diantaranya.

1. Kurangnya novelty

Novelty, apa itu novelty dan bagaimana agar karya tulis ilmiah kita memiliki novelty, saya akan membahasnya pada artikel berikutnya.

Rahasia Menulis Skripsi / Tesis dalam Satu Malam (Bagian 3)

Tulisan ini melanjutkan artikel sebelumnya mengenai bagaimana menulis skripsi / tesis dalam satu malam. Pada tips sebelumnya saya menyarankan untuk men’contek’ dan memahami dosen pembimbing. Pada tulisan kali ini saya menyarankan agar skripsi / tesis kamu lancar maka kamu harus melakukan hal hal berikut:

3. Cari Data Terlebih Dahulu Kemudian Ujilah Data Tersebut

Banyak mahasiswa tingkat akhir yang sibuk menulis bab satu sampai dengan bab tiga. Namun, ketika masuk ke bab berikutnya yaitu bab hasil penelitian dan bab analisis, ternyata datanya tidak ada. Nah, tentunya hal ini sangat menghambat mahasiswa dalam menyelesaikan skripsi / tesis kamu. Bagaimana skripsi/tesis mau selesai jika datanya tidak ada. Apa yang akan diolah jika datanya tidak tersedia. Oleh sebab itu saya menyarankan untuk mencari data terlebih dahulu kemudian diolah.

Jika penelitian kamu menggunakan data sekunder akan lebih mudah. Kamu coba datangi instansi terkait yang menyediakan data penelitian. misalnya kamu datangi Badan Pusat Statistik atau Bursa Efek Indonesia. Kamu coba tanyakan data yang kamu butuhkan apakah tersedia atau tidak. Jika tidak tersedia kamu dapat mencari dari berbagai sumber yang mungkin menyediakan. Jika dari sumber lain pun tidak tersedia maka kamu dapat mengganti indikator dari penelitian kamu.

Jika penelitan kamu menggunakan data primer, kamu dapat mencoba menyebarkan kuesioner ke sebagian sampel. Tidak perlu menyebarkan kuesioner ke seluruh sampel. Hasilnya kamu olah apakah jawaban responden cukup valid atau tidak. Kalau pun sudah valid maka tinggal melanjutkan. Jika tidak kamu koreksi kembali redaksional dalam kuesioner yang telah kamu buat. Jangan-jangan ketidakvalidan tersebut disebabkan oleh responden yang tidak memahami kuesioner yang telah kamu buat.

Katakanlah data telah kamu peroleh, langkah selanjutnya kamu coba olah data tersebut menggunakan metode statistik. apakah hipotesis yang kamu ajukan terbukti atau tidak. jika terbukti berarti skripsi / tesis kamu akan lancar. namun jika tidak terbukti maka kamu coba cari tahu mengapa tidak terbukti. mungkin karena datanya terlalu sedikit, atau mungkin variabelnya kurang. Coba cari tahu kemungkinan-kemungkinan tersebut.

Menguji data terlebih dahulu sebelum menulis bab satu, dua dan tiga dapat mengurangi kegagalan kamu dalam menulis skripsi / tesis. Ibaratnya kamu mengerjakan dari belakang. Kamu mengetahui kesimpulan apa dari penelitian kamu, kemudian kamu menulis latar belakang dan fenomena masalahnya.

Topik performance management merupakan salah satu topik penelitian yang sedang hangat untuk ditelili. Silahkan membacanya pada link artikel ini.

RAHASIA Membuat Proposal Tesis dalam Satu Malam (Bagian 2)

RAHASIA Membuat Proposal Tesis dalam Satu Malam (Bagian 2)

Oleh: Ayat Hidayat, S.Si, MBA, (Dosen salah satu perguruan tinggi di Jakarta)

Pada artikel sebelumnya saya sudah menjelaskan tips bagaimana menulis proposal tesis dalam satu malam. Jika Anda penasaran apa tips pertama agar menulis proposal dengan sangat cepat, silahkan cari artikel saya sebelumnya.

Baiklah pada kesempatan kali ini saya akan menjelaskan tips kedua dalam menulis proposal tesis yaitu:

2. Pelajari selera Dosen Pembimbing atau Promotor

Yang saya maksud dengan mempelajari selera adalah bukan selera makanan atau selera yang lainnya. Tetapi selera topik apa yang diminati oleh dosen pembimbing. Cara berpikir orang biasanya tidak akan jauh dari minatnya. Setiap orang akan menggunakan ‘kacamata minat’ dalam memandang sesuatu, termasuk topik penelitian.

Memang terkesan terbalik, mengapa kita yang harus menyesuaikan dengan selera dosen pembimbing. Bukankah mereka yang harusnya membimbing mahasiswanya? Jika Anda berpikir demikian, saya kira tidak salah. Idealnya memang seharusnya dosen pembimbing membimbing mahasiswa. Pertanyaan saya adalah berapa kondisi ideal itu terjadi? Sudahlah ikuti saja tips dari saya jika ingin lulus cepat.

Bagaimana mengetui selera dosen pembimbing kita. Gampang, kita tinggal menanyakan kepada dosen kita apakah ada tulisan hasil penelitian atau proposal tesis  mereka yang dipublikasikan atau diromendasikan agar kita baca. Jika ada maka anda tinggal membacanya. Pelajari mulai dari topik penelitian, bagaimana kerangka berpikirnya dan bagaimana metode penelitiannya. Selanjutnya Anda tinggal ‘menconteknya’ menjadi proposal skripsi Anda.

Jika tidak ada atau dosen pembimbing tidak mau memberi tahu, maka anda dapat menanyakan proposal skripsi mahasiswa bimbingannya yang paling bagus yang dapat dijadikan referensi. Ingat referensi bukan contokan ya! Nah, jika ada berarti anda tinggal mempelajarinya. Biasanya tulisan/penelitian yang diharapkan dari kita adalah tidak jauh berbeda dengan mahasiswa bimbingan terbaik sebelumnya.

Mulailah untuk rajin ke perpustakaan mencari penelitian teman anda atau angkatan sebelumnya yang dibimbing oleh dosen yang sama. Tidak ada salahnya mulai mengontak orang tersebut dan mulai bertanya apa topik selera dosen pembimbing anda. Memang perlu sedikit usaha. Namanya juga pengen cepet lulus. Pelajari bab 1 dan bab 3 penelitian terutama. Mudah-mudahan kamu menemukan ide dalam menulis proposal skripsi kamu.

Jika tidak ada juga, maka saya ucapkan selamat menduga-duga apa keinginan dosen pembimbing Anda terhadap proposal tesis Anda. Tetapi saya kita hal tersebut sangat jarang terjadi. Dosen pembimbing pun memiliki kepentingan untuk meluluskan anda segera..

 

Metode Penelitian Sosial

Ditulis oleh: Ayat Hidayat, S.Si., MBA. (Dosen salah satu Universitas di Jakarta)

Metode penelitian sosial merupakan metode penelitian yang digunakan untuk meneliti fenomena sosial yang ada. Tentu pendekatan yang digunakan berbeda dengan pendekatan pada penelitian non sosial. Pada penelitian sosial parameter yang digunakan akan sangat banyak. antara satu parameter dengan parameter yang lain akan saling bersinggungan bahkan redundant. Namun, itulah menariknya penelitian sosial. peneliti harus dengan cermat mengidentifikasi parameter-parameter yang akan digunakan untuk mengukur fenomena yang ada. Membuat parameter yang akan digunakan dalam penelitian memang kadang gampang-gampang sudah. Terlalu sedikit parameter yang digunakan maka penelitian menjadi kurang representatif. Sebaliknya jika parameter yang digunakan terlalu banyak maka penelitian menjadi redundant dan tidak efektif. Parameter yang satu menjadi tumpang tindih dengan penelitian yang lain.

Dalam penelitian sosial diperlukan metode penelitian kuantitatif. Itu diperlukan dalam tahap awal mengidentifikasi parameter penelitian. Validitas dan reliabilitas adalah salah satu teknik untuk mereduksi parameter-parameter yang ada menjadi lebih sederhana dan teruji keabsahannya menurut pendapat responden. melalui teknik ini, peneliti dapat memperbaiki atau menghilangkan item-item pertanyaan yang merupakan manifestasi dari parameter, ketika dianggap item tersebut tidak cukup kuat merepresentasikan parameter.

Dalam penelitian sosial, peneliti lebih banyak meneliti indikator karena variabel sesungguhnya adalah latent atau tidak terlihat. Bagaimana mungkin peneliti meneliti variabel motivasi sedangkan motivasi sendiri tidak terlihat. Jika kita mengukur berat badan, sangat jelas ukurannya yaitu kilogram yang umum digunakan. kita tinggal menimbangnya dan mendapatkan ukuran yang diinginkan. Satu-satunya cara untuk mengukur variabel laten adalah melalui indikatornya.

RAHASIA Membuat Proposal Tesis / Skripsi dalam Satu Malam

RAHASIA Membuat Proposal Tesis / Skripsi dalam Satu Malam

Oleh: Ayat Hidayat, S.Si, MBA, (Dosen salah satu perguruan tinggi di Jakarta)

Apakah kamu adalah sebagian dari mahasiswa yang galau dalam menyusun proposal tesis / skripsi? Beberapa proposal mungkin sudah ditulis, namun kenapa kok dosen pembimbing selalu menolak proposal tesis / skripsi yang telah kamu tulis? Alasannya kurang ini lah, kurang itu lah, membuat mahasiswa frustasi.

Memang kadang kamu sebagai mahasiswa membuat tulisan menggunakan perspektif kamu sendiri, tentunya dengan penuh keterbatasan pengetahuan dan pengalaman. Dosen memeriksa tulisan kamu dengan penuh pengalaman dan pengetahuan. Ya, mereka tentunya dapat dengan mudah menemukan kesalahan dalam sebuah proposal tesis / skripsi yang telah kamu tulis.

Saya sebagai pengajar juga di salah satu perguruan tinggi di jakarta, sering juga lho frustasi membaca tulisan mahasiswa yang terkesan masih, maaf, ‘amburadul’. Namun tentunya perlu ada penyelesaian. Jika tidak, maka mahasiswa tidak akan kelar dalam menyelesaikan studinya. padahal proposal tesis / skripsi hanya merupakan bagian permulaan dari skripsi. Skripsi sendiri adalah prasyarat mutlak bagi mahasiswa untuk lulus dari perguruan tinggi. Nah lho!

Ini adalah pengalaman beberapa mahasiswa saya yang menyelesaikan skripsi dengan lebih cepat dibandingkan dengan mahasiswa lainnya. Tentu kamu sebagai mahasiswa dapat meniru bagaimana RAHASIA mereka menulis proposal tesis / skripsi dengan cepat. Saya pernah menanyakan kepada mereka, ternyata ada sebagian dari mereka yang menyelesaikannya dalam waktu satu malam. Ketika dibawa ke dosen pembimbing, salah satunya saya, tulisannya pun bagus. Layak untuk dijadikan bahan penelitian skripsi.

Selidik punya selidik, ini rahasia mereka (jangan bilang siapa-siapa ya?):

1. ‘Nyontek’ skripsi yang sudah ada

Nah lho, kok nyontek? Eh, jangan berpikiran negatif dulu. Nyontek di sini artinya mereka datang ke perpustakaan. Mereka lihat skripsi-skripsi yang sudah ada. mereka mengamati judul, topik skripsi dan ide dari penelitian yang sudah ada. Jangan salah lho, dari membaca-membaca seperti ini, kalian akan mendapatkan inspirasi menganai topik apa saja yang kalian dapat tulis. dengan ‘nyontek’ skripsi yang sudah ada juga, kalian mungkin dapat mengembangkan topik yang ada menjadi lebih luas.

Ada beberapa mahasiswa yang lainnya, yang lulusnya lebih lama, saya menemukan fenomena yang aneh. Mereka cenderung idealis gak jelas. Mereka tidak mau ‘nyontek’ dari skripsi-skripsi yang sudah ada. Suatu ketika mereka datang ke saya dengan ‘ide orisinal’ proposal skripsi mereka. Lalu, saya meminta mereka untuk mengecek apakah sudah ada judul serupa di perpustakaan atau di internet. Hasilnya adalah ternyata banyak sekali penelitian lain yang membahas topik yang sama persis.

Makanya, mungkin diantara kamu ada yang merasa bahwa topik proposal skripsi yang akan ditulis adalah ide orisinal kamu, eh tau-tau, itu sudah banyak di perpustakaan. Kadang apa yang kamu pikirkan adalah sama dengan yang orang lain pikirkan. So, saran saya, mari men’contek’ skripsi lain sebelum menulis proposal skripsi kamu…

Sebetulnya masih banyak RAHASIA-RAHASIA lain yang saya temukan, namun karena jari-jari ini sudah pegel mengetik, maka saya akan menulisnya di artikel selanjurnya

COMING SOON..RAHASIA Menulis Proposal Skripsi dalam Satu Malam jilid 2

Memilih metode penelitian yang sesuai

Sangat penting Anda memilih metode penelitian pendekatan yang tepat untuk skripsi /tesis Anda. Apakah anda akan memilih metode penelitian kualitatif atau kuantitatif.

Tujuan penelitian Anda akan menentukan dalam memilih metode penelitian yang akan digunakan.  Jika Anda ingin mengumpulkan data kuantitatif Anda perlu mengukur variabel dan memverifikasi teori atau hipotesis yang ada atau melalui responden. Data sering digunakan untuk mendukung hipotesis baru. Peneliti sering jauh lebih senang dengan kemampuan penelitian kuantitatif untuk memverifikasi data karena merasa aman dengan angka dan statistik.

Namun, seringkali statistik dan angka-angka bukanlah jawaban untuk memahami makna, keyakinan dan pengalaman, yang lebih baik dipahami melalui data kualitatif. Dan data kuantitatif, harus diingat, juga dikumpulkan sesuai dengan instrumen penelitian tertentu dan pertanyaan penelitian yang mendasarinya. Bahkan jenis pertanyaan yang diajukan pada dasarnya subyektif, meskipun tampaknya lebih mewakili daripada penelitian kualitatif .
Metode penelitian kuantitatif :

Instrumen Kuesioner

Kuesioner merupakan pilihan yang logis dan mudah sebagai cara untuk mengumpulkan informasi dari responden. walaupun sebenarnya agak sulit untuk merancang dan karena frekuensi penggunaannya dalam semua konteks di dunia modern, tingkat respons yang rendah hampir selalu akan menjadi masalah, kecuali jika Anda memiliki cara untuk membuat orang-orang menyelesaikan mengisi kuesioner dan tangan mereka di di tempat  dan ini tentu saja membatasi sampel Anda, berapa lama kuesioner dapat dan jenis-jenis pertanyaan yang diajukan).

Seperti wawancara, Anda dapat memutuskan untuk menggunakan pertanyaan tertutup atau terbuka , dan juga dapat menawarkan responden pertanyaan pilihan ganda untuk memilih pernyataan yang paling menggambarkan hampir respon mereka terhadap pernyataan atau item. Tata letak mereka adalah sebuah bentuk seni dalam dirinya sendiri karena kurang ditata kuesioner responden cenderung , misalnya , untuk mengulang detak mereka kotak dalam pola yang sama . Jika diberi pilihan respon pada skala 1-5 , mereka biasanya akan memilih titik tengah , dan sering cenderung kehilangan subbagian pertanyaan . Anda perlu mengambil nasihat ahli dalam mendirikan kuesioner , memastikan bahwa semua informasi tentang responden yang Anda butuhkan disertakan dan diisi , dan memastikan bahwa Anda benar-benar mendapatkan mereka kembali . Mengharapkan orang untuk membayar kembali kuesioner pos adalah kebodohan belaka , dan menyusun kuesioner benar-benar panjang juga akan menghambat tingkat respons . Anda akan perlu memastikan bahwa pertanyaan-pertanyaan yang jelas , dan bahwa Anda memiliki cara yang dapat diandalkan untuk mengumpulkan dan mengelola data . Menyiapkan kuesioner yang dapat dibaca oleh mark reader optik adalah ide yang bagus jika Anda ingin mengumpulkan sejumlah besar tanggapan dan menganalisis mereka secara statistik daripada membaca setiap kuesioner dan memasukkan data secara manual .

Penelitian Kualitatif

Hal ini dilakukan ketika kita ingin memahami makna , melihat, menggambarkan dan memahami pengalaman, ide-ide, keyakinan dan nilai-nilai. Contoh: suatu bidang studi yang akan mendapat manfaat dari penelitian kualitatif adalah bahwa gaya dan pendekatan untuk belajar belajar siswa, yang dijelaskan dan dipahami secara subjektif oleh siswa.

Metode Wawancara wawancara

Wawancara memungkinkan tatap muka diskusi dengan subyek  penelitian secara langsung. Jika Anda akan menggunakan wawancara Anda harus memutuskan apakah Anda akan mengambil catatan ( mengganggu ) , rekaman wawancara ( akurat tetapi memakan waktu ) bergantung pada memori Anda ( bodoh ) atau menulis dalam jawaban mereka ( dapat menyebabkan pertanyaan tertutup untuk waktu yang sake) . Jika Anda memutuskan untuk mewawancarai Anda akan perlu untuk menyusun jadwal wawancara pertanyaan yang dapat berupa pertanyaan tertutup atau terbuka, atau campuran ini . Pertanyaan tertutup cenderung digunakan untuk meminta dan menerima jawaban tentang fakta-fakta tetap seperti nama, nomor , dan sebagainya . Mereka tidak memerlukan spekulasi dan mereka cenderung menghasilkan jawaban singkat . Dengan pertanyaan-pertanyaan tertutup Anda bahkan bisa memberikan Anda wawancarai pilihan kecil kemungkinan jawaban dari yang untuk memilih . Jika Anda melakukan ini, Anda akan mampu mengelola data dan mengukur respon yang cukup mudah . Survei Rumah Tangga dan Sensus mengajukan pertanyaan tertutup , dan sering peneliti pasar yang menghentikan Anda di jalan lakukan juga. Anda mungkin meminta mereka untuk menunjukkan betapa benar bagi mereka pernyataan tertentu yang dirasakan , dan ini juga dapat memberikan respon baik tertutup , dan satu yang dapat dikuantifikasi ( 30 % dari mereka yang ditanya mengatakan mereka tidak pernah makan nasi , sementara 45 % mengatakan mereka melakukannya secara rutin minimal seminggu sekali … dan seterusnya ) .

Masalah dengan pertanyaan tertutup adalah bahwa mereka membatasi respon yang diwawancarai dapat memberikan dan tidak memungkinkan mereka untuk berpikir secara mendalam atau menguji perasaan mereka yang sebenarnya atau nilai-nilai .

Jika Anda mengajukan pertanyaan terbuka seperti ‘ apa yang Anda pikirkan tentang peningkatan lalu lintas ? ” Anda bisa mendapatkan jumlah yang hampir tak berujung tanggapan . Ini akan memberi Anda ide yang sangat baik dari berbagai ide dan perasaan orang , itu akan memungkinkan mereka untuk berpikir dan berbicara lebih lama dan begitu menunjukkan perasaan mereka dan pandangan yang lebih penuh. Tapi sangat sulit untuk mengukur hasil ini . Anda akan menemukan bahwa Anda akan perlu untuk membaca semua komentar melalui dan untuk mengkategorikan mereka setelah Anda menerimanya , atau hanya melaporkannya dalam keragaman mereka dan membuat pernyataan umum , atau memilih komentar tertentu jika mereka tampaknya sesuai dengan tujuan Anda . Jika Anda memutuskan untuk menggunakan wawancara :

Menggunakan metode penelitian kuantitatif dan kualitatif bersama-sama

Ini adalah pendekatan yang umum dan membantu Anda untuk ‘ triangulasi ‘ yaitu untuk mendukung satu set temuan dari salah satu metode pengumpulan data didukung oleh satu metodologi , dengan metode lain yang sangat berbeda didukung oleh metodologi lain – misalnya, Anda mungkin memberikan kuesioner ( biasanya kuantitatif ) untuk mengumpulkan data statistik tentang tanggapan , dan kemudian kembali hal ini dan penelitian secara lebih mendalam dengan mewawancarai ( biasanya kualitatif ) anggota yang dipilih dari sampel kuesioner

Tips Menulis Proposal Skripsi

Tips Menulis Proposal Skripsi

Ditulis Oleh: Ayat Hidayat, S.Si., MBA. (Dosen Statistika FE YARSI)

Beberapa mahasiswa kesulitan membuat proposal skripsi atau tesis. Diantara mereka ada yang beberapa kali proposal skripsi atau tesisnya ditolah oleh pemimbing. Apa sebenarnya yang membuat sebuah proposal skripsi/tesis diterima oleh dosen pembimbing. Berikut merupakan beberapa tips dari saya yang diambil dari pengalaman membimbing mahasiswa dalam menulis skripsi/tesis.

1. Cari topik skripsi/tesis yang menarik

skripsi /tesis yang menarik bagi satu dosen pembimbing mungkin akan berbeda dengan dosen pembimbing lain. Menarik atau tidaknya sebuah topik skripsi/tesis memang relatif. Namun tentunya ada cara untuk membuat topik yang menarik. Anda mulai pelajari dosen pembimbing anda, mengenai apa tulisan-tulisan dosen pembimbing Anda. jika topik yang ada berkaitan dengan minat riset pembimbing anda tentunya dosen anda akan merasa berguna dengan membimbing anda. Dosen pembimbing setidaknya akan mendapatkan kajian gratis berdasarkan hasil penelitian anda.

2. Carilah topik skripsi/tesis yang aktual

Sebetulnya untuk mencari topik skripsi /tesis yang aktual tidak begitu susah. Rajin-rajinlah mahasiswa membaca surat kabar. Carilah topik yang terkait dengan jurusan yang diambil. skripsi / tesis yang menarik biasanya terkait dengan topik yang sedang aktual. Misalnya ketika banyak surat kabar yang memasang headlines mengenai kenaikan harga bahan bahar minyak (BBM), maka sebaiknya anda angkat isu tersebut menjadi topik dalam skripsi / tesis anda. ketika sedang ramai berita mengenai pemilu, maka kaitkan skripsi/tesis anda dengan isu pemilu. hal tersebut tentunya akan lebih aktual.

3. Jangan lupa pergi ke perpustakaan kampus

Pergi ke perpustakaan memang terkesan nerd. Tapi tentunya untuk menyelesaikan skripsi atau tesis Anda, Anda perlu membaca beberapa referensi terkait. Menurut saya membaca skripsi atau tesis sebelumnya akan sangat membantu dalam membuat proposal skripsi atau tesis. setidaknya anda akan mendapatkan ide apa yang akan anda tulis. Dengan datang ke perpustakaan juga anda dapat mengasah topik proposal skripsi tesis anda. jangan-jangan sudah ada yang menulis dengan topik yang sama persis. Tentunya anda tidak boleh menulis proposal skripsi tesis yang sama persis yang pernah diajukan oleh penulis lain.

 

Contoh Two Way Anova

Berikut akan saya jelaskan contoh two way anova dalam penggunaannya menggunakan SPSS.

Misalkan kita ingin mengetahui pengaruh dua metode mengajar (metode A dan metode B). Apakah terdapat pengaruh metode mengajar terhadap hasil ujian mata kuliah statistik. sampel yang akan diambil adalah 33 mahasiswa akuntansi, 41 mahasiswa Manajemen dan 46 mahasiswa kedokteran.

NoAkuntansiManajemenKedokteran
Metode AMetode BMetode AMetode BMetode AMetode B
1957090859090
2756095658585
3807080808080
4856085708585
5659065608585
6809080907575
7709070958080
8609560758585
9907590809595
10907595859090
11908575658585
12957580808585
13758085708585
14757065608080
15856080858080
16759070658585
17809060808585
18859085707575
196595658080
208075808585
2170709595
2260609090
2370908585

….

Berikut adalah langkah-langkahnya:

 

Contoh One Way Anova

Berikut akan saya berikan contoh one way anova dalam penggunaannya menggunakan aplikasi SPSS.

Misalkan kita ingin menguji perbedaan rata-rata hasil ujian mata kuliah statistik pada 3 Jurusan: Akuntansi, Manajemen dan Kedokteran. Kita mengambil sampel sebanyak 40 sampel pada kelas Akuntansi, 35 mahasiswa pada kelas Manajemen dan 45 sampel mahasiswa kedokteran.

Berikut merupakan datanya:

NoAkuntansiManajemenKedokteran
1959090
2759585
3808080
4858585
5656585
6808075
7707080
8606085
9909095
10909590
11907585
12958085
13758585
14756580
15858080
16757085
17806085
18858575
19656580
20808085
21707095
22606090
23709085
24609585
25907580
26908085
27908585
28956575
29758080
30757085
31856095
32758590
33806585
34708085
35607085
369080
379080
389085
399585
407575
4180
4285
4395
4490
4590

Berikut merupakan langkah-langkahnya menggunakan SPSS:

1. Langkah 1: Masukan data ke dalam SPSS

2. Langkah 2:

3. Langkah 3:


4. Langkah 4:

 

 

Uji Anova, Teori Satu Arah dan Dua Arah

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam penelitian eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.

Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t  dibatasi untuk menguji hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk memungkinkan peneliti untuk menguji   hipotesis perbandingan lebih dari dua kelompok. Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan. Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

Landasan konseptual ANOVA

Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0, Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu. Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.

Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih. Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan keragaman data yang dimanifestasikan dalam nilai varians.

Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier, berikut diantaranya:

1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.

2. Normalitas, Residual atau error harus mengikuti distribusi normal.

3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen.

Mengingat uji Anova ini banyak digunakan dalam penelitian eksperimen, maka uji anova dapat dibagi berdasarkan desainnya.

1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau lebih kelompok dimana hanya terdapat satu faktor yang dipertimbangkan. sebagai contoh membandingkan efek dosis obat yang berbeda terhadap kesembuhan pasien.

2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari satu faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis obat tetapi juga frekuensi pemberian obat. pada anova faktorial, interaksi atau kombinasi diantara faktor juga dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan frekuensi pemberian obat dapat dihitung pengaruhnya terhadap kesembuhan pasien. Anova dua arah (two way anova) termasuk dalam Anova faktorial.

3. Anova reapeted measures, digunakan ketika dalam desain eksperimen mengijinkan subjek penelitian diikutsertakan pada perlakuan yang berbeda. terkait contoh di atas, misalnya pasien yang sama diberikan obat dengan dosis yang berbeda.

4. Multivariat Anova, berbeda dengan uji Anova yang hanya mengukur satu respon, Manova mengukur lebih dari satu respon dalam satu kali eksperimen. misalnya kita meneliti dampak obat pada beberapa dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida , LDL dan HDL pada pasien.

Uji Tingkat Kesukaran Soal dan Daya Pembeda

Artikel kali ini akan membahas mengenai uji tingkat kesukaran soal dan daya pembeda. Uji tingkat kesukaran soal penting biasanya digunakan dalam test pengetahuan responden.

(1) Tingkat Kesukaran Soal

Menentukan taraf kesukaran (TK) digunakan rumus sebagai berikut:

Dimana:

P       =     Indeks kesukaran

B       =     Banyaknya siswa yang menjawab soal dengan betul

JS      =     Jumlah seluruh siswa peserta tes

Dengan Interprestasi Tingkat Kesukaran sebagaimana terdapat dalam Tabel   berikut:

Tingkat Kesukaran (TK)

Interprestasi atau Penafsiran TK

TK < 0,30

Sukar

0,30 ≤ TK ≤ 0,70

Sedang

TK > 0,70

Mudah

 

(2)   Daya Pembeda (DP)

Menentukan daya pembeda (DP) digunakan rumus sebagai berikut.

Dimana:

J      =  Jumlah peserta tes

JA     =   Banyaknya peserta kelompok atas

JB     =  Banyaknya peserta kelompok bawah

BA   = Banyaknya peserta kelompok atas yang menjawab soal dengan benar

BB    =  Banyaknya peserta kelompok bawah yang menjawab soal dengan benar

=   Proporsi peserta kelompok atas yang menjawab benar

  =   Proporsi peserta kelompok bawah yang menjawab benar

Dengan interprestasi DP sebagaimana terdapat dalam Tabel berikut.

Daya Pembeda (DP)

Interprestasi atau penafsiran DP

DP ≥ 0,70

Baik sekali (digunakan)

0,40 ≤ DP < 0,70

Baik (digunakan)

0,20 ≤ DP < 0,40

Cukup

DP < 0,20

Jelek

Setelah data skor hasil uji coba diperoleh, diurutkan dari yang terbesar sampai terkecil. Kemudian dari mulai urutan teratas diambil 27% sebagai kelompok atas dan dari urutan paling bawah diambil 27% sebagai kelompok bawah. Sehingga banyak siswa kelompok atas = banyaknya siswa kelompok bawah yaitu na = nb = 5 siswa.

Perbedaan Korelasi Pearson Product Moment Dan Rank Spearman.

Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data kontinu dan data diskrit. Korelasi pearson cocok digunakan untuk statistik parametrik. Ketika data berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi populasi. Korelasi Pearson menghitung korelasi dengan menggunakan variansi data. Keragaman data tersebut dapat menunjukkan korelasinya. Korelasi ini menghitung data apa adanya, tidak membuat ranking atas data yang digunakan seperti pada korelasi Rank Spearman. Ketika kita memiliki data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan ekonomi, data berat badan dan contoh data numerik lainnya, maka Korelasi Pearson Product Moment cocok digunakan.

Sebaliknya, Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu namun untuk statistik nonparametrik. Koefisien korelasi rank spearman lebih cocok untuk digunakan pada statistik non parametrik. Statistik nonparametrik adalah statistik yang digunanakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal atau data diukur dalam bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini tidak memerlukan asumsi normalitas, maka korelasi rank spearman cocok juga digunakan untuk data dengan sampel kecil. Korelasi Rank Spearman menghitung korelasi dengan menghitung ranking data terlebih dahulu. Artinya korelasi dihitung berdasarkan orde data. Ketika peneliti berhadapan dengan data kategorik seperti kategori pekerjaan, tingkat pendidikan, kelompok usia, dan contoh data ketegorik lainnya, maka Korelasi Rank Spearman cocok digunakan. Korelasi Rank Spearman pun cocok digunakan pada kondisi dimana peneliti dihadapkan pada data numerik (kurs rupiah, rasio keuangan, pertumbuhan ekonomi), namun peneliti tidak memiliki cukup banyak data (data kurang dari 30).

Kedua koefisien korelasi baik Korelasi Pearson Product Moment maupun Korelasi Spearman ini memiliki nilai antara nilai -1 sampai dengan 1. Semakin mendekati 1 maka korelasi semakin kuat sedangkan semakin mendekati nol maka korelasi antara dua variabel semakin rendah. Sedangkan tanda koefisien korelasi menunjukkan arah hubungan. tanda negatif (-) menunjukkan hubungan yang berkebalikan. Tanda (+) menunjukkan hubungan yang searah. Berkebalikan artinya semakin meningkat nilai suatu variabel maka variabel lainnya semakin menurun. Searah artinya semakin meningkat nilai suatu variabel maka variabel lainnya ikut meningkat.

Sebagai contoh, Kita ingin mengetahui hubungan antara nilai kurs rupiah dengan perubahan IHSG. Misalnya data yang dikumpulkan adalah data harian selama 100 hari. Untuk menghitung hubungan antara kedua variabel di atas Korelasi Pearson Product moment cocok digunakan. Setelah dilakukan perhitungan misalnya diperoleh nilai koefisien korelasi sebesar 0,6. Nilai tersebut menunjukkan hubungan antara kurs rupiah dengan IHSG cukup kuat dengan arah yang positif. Artinya ada kecenderungan nilai IHSG semakin menguat seiring dengan penguatan nilai kurs rupiah.

Contoh lain misalnya kita ingin mengetahui hubungan antara tingkat pendidikan dengan tingkat awareness masyarakat terhadap kebijakan pemerintah. Setelah dilakukan penghitungan dengan menggunakan Korelasi Spearman diperoleh nilai koefisien korelasi sebesar 0,3. Angka tersebut menunjukkan bahwa hubungan antara tingkat pendidikan dengan awarenss masyarakat terhadap kebijakan adalah rendah. Artinya walaupun ada keterkaitan antara semakin tingginya pendidikan seseorang dengan kepedulian mereka terhadap kebijakan pemerintah, namun hubungannya rendah.

Koefisien korelasi, baik Korelasi Pearson Product Moment maupun Korelasi Sspearman,  menunjukkan tingkat hubungan antara kedua variabel. Tingkat hubungan berbeda dengan tingkat pengaruh. Hubungan adalah keterkaitan antara dua variabel yang arahnya tidak terlalu jelas. Mana variabel yang mempengaruhi dan mana variabel yang dipengaruhi. Sedangkan pengaruh sudah jelas arahnya, mana variabel yang mempengaruhi dan mana variabel yang dipengaruhi. Misalnya peneliti ingin mengetahui apa penyebab meningkatnya berat badan seseorang. Pola konsumsi adalah salah satu penyebabnya. Untuk menganalisis pola hubungan kausalitas seperti ini, pengaruh lebih cocok digunakan dibandingkan korelasi.

Analisis data penelitian kualitatif

Berikut adalah gambaran singkat dari metode yang paling umum dari teknik analisis data penelitian kualitatif . Tidak terbatas terhadap satu metode tertentu. Sebaliknya, dengan alat yang kuat dan fleksibel, mendukung semua pendekatan untuk data yang tercantum di bawah ini dengan cara yang sangat efisien. Teknik analisis Data adalah proses sistematis menerapkan teknik statistik dan / atau logis untuk menjelaskan dan menggambarkan, mengambil kesimpulan, rekap, dan mengevaluasi data. berikut merupakan beberapa teknik analisis data penelitian kualitatif:

Tipologi
Analisis data penelitian kualitatif Tipologi adalah memalui Penciptaan sistem klasifikasi, daftar ( saling eksklusif ) kategori .Tipologi berasal dari dua suku kata yaitu Tipo yang berarti pengelompokan dan Logos yang mempunyai arti ilmu atau bidang keilmuan. Jadi Tipologi adalah ilmu yang mempelajari pengelompokan suatu benda dan makhluk secara umum

Taksonomi
Analisis data penelitian kualitatif dengan taksonomi mirip dengan tipologi, pada dasarnya tipologi dengan berbagai tingkat konsep .

Teori Beralas ( Perbandingan Konstan )
Coding dokumen , kategori jenuh bila tidak ada kode baru ( tanda kutip ? ! ) Ditambahkan ke mereka, kategori inti / aksial muncul.

Induksi
Bentuk hipotesis tentang acara, kemudian dibandingkan dengan ajang serupa untuk memverifikasi / memalsukan / memodifikasi hipotesis . Akhirnya hipotesis pusat / umum akan muncul .

Matrix / Analisis Logical
Terutama Gunakan flow chart , diagram .

Kuantitatif / Quasi – Statistik
Hitung jumlah kejadian / mentionings , terutama digunakan untuk mendukung kategori .

Acara (Frame ) Analisis
Mengidentifikasi batas-batas tertentu ( mulai, akhir ) peristiwa , maka fase acara.

Analisis metafora
Mengembangkan metafora khusus untuk acara , juga dengan meminta peserta untuk metafora spontan / perbandingan.

Analisis domain
Fokus pada konteks budaya , mendeskripsikan situasi sosial dan pola budaya di dalamnya, hubungan semantik.

Analisis hermeneutis
Arti event / teks dalam konteks ( sejarah, sosial , budaya dll )

Demikian ulasan singkat mengenai jenis analisis data penelitian kualitatif. Pada artikel selanjutnya saya akan membahas lebih mendalam.

Teknik Pengumpulan Data Kualitatif

Berikut merupakan jenis-tenis teknik pengumpulan data kualitatif:

1. Wawancara (Interview)

Wawancara tidak diragukan lagi salah satu sumber yang paling umum dari data dalam pengumpulan data kualitatif. Wawancara perorang yang paling umum digunakan, tapi kadang-kadang wawancara kelompok dan kelompok fokus dilakukan. Wawancara berkisar dari mulai dari gaya yang sangat terstruktur, dimana pertanyaan ditentukan sebelum wawancara, dengan terbuka, Format percakapan.

2. Focus Group (FGD)

Tipe lain dari teknik pengumpulan data kualitatif menggunakan wawancara pada topik tertentu dengan sekelompok kecil orang, yang disebut kelompok fokus. Teknik ini bisa efisien karena peneliti dapat mengumpulkan informasi tentang beberapa orang dalam satu sesi. Kelompok ini biasanya homogen, seperti sekelompok mahasiswa, tim atletik, atau kelompok guru.

3. Observasi

Observasi dalam penelitian kualitatif umumnya melibatkan menghabiskan sejumlah waktu lama dalam pengaturan. Catatan lapangan yang diambil sepanjang pengamatan dan terfokus pada apa yang dilihat. Banyak peneliti juga merekam catatan untuk membantu dalam menentukan apa peristiwa yang diamati mungkin berarti dan untuk memberikan bantuan untuk menjawab pertanyaan penelitian selama analisis data.

 

4. Skenario

Peneliti juga dapat melakukan teknik pengumpulan data kualitatif dengan mengembangkan skenario, dalam bentuk penjabaran situasi atau gambar yang sebenarnya, yang bertindak keluar bagi peserta untuk mengamati. Peserta kemudian memberinya atau penafsiran tentang apa yang terjadi di dalam skenario. Tanggapan peserta memberikan dia atau persepsinya, interpretasi, dan kesadaran terhadap situasi total dan interaksi aktor dalam skenario.

5. Data Sekunder

Peneliti dalam penelitian kualitatif juga dapat memanfaatkan bebagai sumber data sekunder seperti, perpustakaan, surat kabar, internet, rekaman suara, rekaman video dan lain-lain.

Metode-metode Penelitian Kualitatif

Banyak yang bertanya kepada saya apa yang dimaksud dengan metode penelitian kualitatif, apa saja metode penelitian yang termasuk metode penelitian kualitatif. Saya pada kesempatan kali ini akan menjelaskan secara ringkas mengenai contoh-contoh metode penelitian kualitatif sebagai berikut:

1 . Metode Penelitian Kualitatif Etnografi , Metode ini juga disebut ” ethnometodologi ” . Sebuah contoh dari penelitian etnografi yang digunakan adalah studi tentang suatu budaya tertentu dan pemahaman mereka tentang peran penyakit tertentu dalam kerangka budaya mereka.

2 . Metode Penelitian Kualitatif Grounded theory, merupakan jenis penelitian induktif, berdasarkan pengamatan atau data yang dikumpulkan kemudian mengembangkan sebuah teori. Sesuai dengan namanya, tujuan Grounded Theory adalah teoritisasi data dimana penyusunan teori yang berorientasi tindakan/interaksi, karena itu cocok digunakan untuk penelitian terhadap perilaku. Penelitian ini tidak bertolak dari suatu teori atau untuk menguji teori (seperti paradigma penelitian kuantitatif), melainkan bertolak dari data menuju suatu teori. Untuk maksud itu, yang diperlukan dalam proses menuju teori itu adalah prosedur yang terencana dan teratur (sistematis). Penelitian ini menggunakan berbagai sumber data, termasuk data kuantitatif, meninjau catatan, wawancara, observasi dan survei.

Penelitian jenis ini cocok untuk peneliti yang tidak memiliki gambaran sama sekali mengenai fenomena tertentu, hubungan satu fenomena dengan fenomena lainnya. Pada tahap awal peneliti mengumpulkan sebanyak-banyaknya data, tanpa perlu mempertimbangkan teori sebelumnya, kemudian membentuk sebuah teori yang diharapkan menjadi sebuah temuan teori baru.

3 . Metode Penelitian Kualitatif Fenomenologi menggambarkan “realitas subyektif” dari suatu peristiwa , seperti yang dirasakan oleh populasi penelitian, itu adalah studi tentang fenomena.

4 . Penelitian filosofis dilakukan oleh para ahli lapangan dalam batas-batas bidang studi tertentu atau profesi tertentu, individu berkualitas terbaik dalam bidang studi apapun untuk menggunakan analisis intelektual. Tujuan penelitian ini adalah untuk memperjelas definisi, mengidentifikasi etika, atau membuat pertimbangan nilai tentang sebuah masalah di bidang studi mereka.

5 . Penelitian Kritik Sosial, yang digunakan oleh peneliti untuk memahami bagaimana orang berkomunikasi dan mengembangkan makna simbolik.

6 . Penelitian etika, adalah analisis intelektual mengenai masalah etika. Ini mencakup studi etika yang terkait dengan kewajiban, hak ,tugas , mengenai benar dan salah, pilihan-pilihan, dll.

7 . Penelitian dasar, meneliti dasar-dasar bagi ilmu pengetahuan, menganalisis keyakinan, dan mengembangkan cara/metode untuk menentukan bagaimana basis pengetahuan harus berubah.

8 . Penelitian Sejarah memungkinkan seseorang untuk membahas kejadian masa lalu dan sekarang dalam konteks kondisi saat ini, dan memungkinkan seseorang untuk merefleksikan dan memberikan kemungkinan jawaban atas isu dan masalah terkini. Penelitian sejarah membantu kita dalam menjawab pertanyaan-pertanyaan seperti: Dari mana kita berasal, di mana kita, siapakah kita sekarang dan kemana kita akan pergi.

Menghitung Peluang dan Distribusi Probabilitas (Peluang)

Tujuan Bab ini:

1. menentukan ruang sampel dan menghitung peluang sebuah kejadian dengan peluang klasik atau empiris.
2. menghitung peluang kejadian majemuk dengan aturan tambahan
3. menghitung peluang kejadian majemuk dengan aturan multiplikasi
3. menentukan peluang kondisional sebuah kejadian.

 

4.1 Variabel Random

4.2 Distribusi Probabilitas Diskrit

a. Distribusi Binomial

Ciri-ciri percobaan binomial :

  1. Percobaan terdiri dari n ulangan
  2. Setiap hasil ulangan dapat digolongkan sebagai sukses (S) atau gagal (G)
  3. Probabilitas sukses (p) untuk setiap ulangan adalah sama
  4. Setiap ulangan harus bersifat independen.

b. Distribusi Hipergeometrik

Ciri-ciri percobaan Hipergeometrik :

  1. Sampel acak berukuran n diambil dari populasi berukuran N
  2. Dari populasi berukuran N benda, sebanyak k benda diberi label “sukses”, dan N-k benda diberi label “gagal”.

c. Distribusi Poisson

Ciri-ciri percobaan Poisson :

  1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu, tidak tergantung pada banyaknya hasil percobaan yang terjadi pada selang waktu lain yang terpisah.
  2. Probabilitas terjadinya suatu hasil percobaan selama selang waktu yang singkat, sebanding dengan panjang selang waktu tersebut, dan tidak tergantung pada banyaknya hasil percobaan yang terjadi di luar selang waktu tersebut.
  3. Probabilitas lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang singkat, dapat diabaikan.

4.3 Distribusi Probabilitas Kontinu

a. Distribusi Normal

Sifat-sifat kurva normal :

  1. Modus terjadi pada x = m
  2. Kurva simetris terhadap x = m
  3. Kedua ujung kurva secara asimtotik mendekati sumbu datar x, bila nilai x bergerak menjauhi m.
  4. Seluruh luas dibawah kurva dan diatas sumbu datar sama dengan 1.

Ciri-ciri percobaan binomial :

1.      Percobaan terdiri dari n ulangan

2.      Setiap hasil ulangan dapat digolongkan sebagai sukses (S) atau gagal (G)

3.      Probabilitas sukses (p) untuk setiap ulangan adalah sama

4.      Setiap ulangan harus bersifat independen.

Rumus Menghitung Sampel Regresi Linier

Rumus menghitung sampel regresi sama halnya dengan rumus sampel penelitian korelasi. Peneliti perlu mengetahui korelasi antara variabel pada penelitian sebelumnya. rumus korelasi ini dugunakan untuk menghitung julah sampel minimal pada penelitian yang bersifat korelasional dan bersifat kausalitas.

Berikut merupakan rumus menghitung jumlah sampel untuk penelitian korelasi / regresi linier dapat menggunakan rumus sampel Sokal dan Rohlf :

sampel1

Nilai Z menunjukkan tingkat kepercayaan yang digunakan oleh peneliti.

Dimana nilai C(r) dapat dihitung dengan formula Transformasi Fisher:

cr

Rumus menghitung sampel regresi berbeda dengan rumus sampel analisis lainnya. Dalam rumus sampel ini, peneliti harus mempertimbangkan nilai korelasi pada penelitian sebelumnya. Peneliti harus memiliki informasi mengenai nilai korelasi pada penelitian sebelumnya. Misalnya peneliti ingin mengetahui pengaruh pelatihan yang diberikan terhadap peningkatan kompetensi pegawai. Peneliti harus terlebih dahulu mengkaji penelitian-penelitian sebelumnya berapa korelasi antara pelatihan dengan kompetensi karyawan.

Sumber: Sokal, R. R. and Rohlf, F. J. Biometry, W. H. Freeman and Company, New York, 1995, p. 578

Tutorial Menghitung Taksiran Interval Rata-rata

Contoh Soal:

Seorang peneliti ingin mengetahui tingkat rata-rata indeks prestasi mahasiswa pada satu universitas. Untuk keperluan tersebut diambil secara acak 20 sampel mahasiswa. Dengan tingkat kepercayaan 95%, berapakah taksiran interval untuk rata-rata indeks prestasi mahasiswa. Berikut hasil data indeks prestasi 20 responden yang diamati.

mahasiswaIndeks Prestasi
13,5
23,2
33,4
43,2
53,1
63,6
72,5
82,8
92,9
103,8
113
123,1
133,2
143,2
153,4
163,3
173,3
183,5
193,2
203,4

 

Berdasarkan perhitungan dengan menggunakan SPSS, diperoleh nilai mean adalah sebesar 3,23 dan standar deviasi 0,29.

Berdasarkan nilai z tabel, diperoleh nilai z tabel dengan tingkat kepercayaan 95% adalah 1,96 (untuk uji dua pihak) 1,645 (untuk uji satu pihak). dan nilai t tabel adalah 2,08.

Nilai z tabel dapat di hitung di : silahkan klik

 

Jawaban:

diketahui nilai

rata-rata sampel = 3,23
standar deviasi    = 0,29
n          = 20

Rumus interval kepercayaan yang akan digunakan adalah:

rumus penaksiran interval untuk rata-rata populasi

maka:

Contoh Uji Beda Rata-rata Sampel Berpasangan

Pada kesempatan kali ini, saya akan memberikan contoh uji beda rata-rata sampel berpasangan. Uji beda rata-rata sampel berpasangan digunakan untuk membandingkan dua kelompok yang berasal dari populasi yang sama dengan nilai rata-rata sebagai pembanding.

Berikut merupakan contoh mengenai uji rata-rata sampel berpasangan. Misalkan terdapat data tingkat pencapaian target pajak pada tahun 2011 dan tahun 2012. Ingin diketahui apakah terdapat perbedaan yang signifikan pencapaian target pajak daerah setelah adanya program penyuluhan pajak pada awal tahun 2012. Penelitian dilakukan di 20 sampel wilayah yang tercakup dalam daerah populasi. Nilai pencapaian pada kedua puluh wilayah tersebut dikumpulkan selama tahun 2011 dan tahun 2012 kemudian dibandingkan. Baik pada tahun 2011 maupun 2012, sampel wilayah yang digunakan adalah sama. Peneliti dalam hal ini hanya membandingkan tingkat pencapaian pada tahun yang berbeda. Berikut merupakan datanya:

Tabel 1. Data persentase pencapaian pajak terhadap target tahun 2011 dan 2012

Wilayah20112012
10,80,9
20,91,03
30,850,91
40,890,9
50,80,8
60,750,8
70,780,79
80,830,96
90,880,9
100,890,93
110,921,07
120,860,97
130,850,85
140,961,05
150,880,75
160,720,78
170,780,95
180,90,9
190,870,9
200,850,87

Langkah 1: Masukan data ke dalam SPSS

Langkah 2:

 

Uji Beda Proporsi Tidak Berpasangan

Berikut merupakan contoh uji beda proporsi tidak berpasangan pada perbandingan proporsi tingkat persetujuan antara masyarakat kota A dan kota B atas kebijakan pencabutan subsidi BBM oleh pemerintah.

SampelKota AKota B
1Tidak SetujuTidak Setuju
2SetujuSetuju
3SetujuSetuju
4Tidak SetujuTidak Setuju
5SetujuTidak Setuju
6SetujuSetuju
7SetujuSetuju
8SetujuSetuju
9Tidak SetujuTidak Setuju
10Tidak SetujuTidak Setuju
11SetujuTidak Setuju
12SetujuSetuju
13SetujuSetuju
14SetujuTidak Setuju
15SetujuSetuju
16SetujuSetuju
17SetujuSetuju
18Tidak SetujuTidak Setuju
19Tidak Setuju
20Tidak Setuju

Ingin diketahui apakah persentase masyarakat yang setuju dengan pencabutan subsidi BBM di kota A sama dengan kota B?

Jawab:

H0: PA = PB ; persentase masyarakat yang setuju dengan pencabutan subsidi di kota A sama dengan kota B

H1: PA ≠PB ; persentase masyarakat yang setuju dengan pencabutan subsidi di kota A sama dengan kota B

α = 5%

Metode Statistik yang cocok adalah independent

Langkah 1

Langkah 2

Langkah 3

Langkah 4

maka outputnya

kesimpulan

 

 

 

Tutorial Menghitung Ukuran Gejala Pusat Statistika

Saya akan menjelaskan bagaimana menghitung ukuran gejala pusat statistika. apa yang dimaksud dengan ukuran gejala pusat? ukuran gejala pusat adalah ukuran di mana data tersebut mengelompok. melalui ukuran gejala pusat ini, kita dapat melakukan justifikasi bahwa data memusat di sebuah angka.

Untuk kepentingan itu, berikut merupakan contoh data numerik yang akan dihitung bagaimana ukuran gejala pusat statistika-nya.

mahasiswaIndeks Prestasi
13,5
23,2
33,4
43,2
53,1
63,6
72,5
82,8
92,9
103,8
113
123,1
133,2
143,2
153,4
163,3
173,3
183,5
193,2
203,4

Langkah 1

langkah 2

langkah 3

langkah 4

Maka output yang akan keluar adalah:|

 

Tutorial Menghitung Ukuran Gejala Pusat Data Nominal dengan SPSS

Pada bagian sebelumnya telah dijelaskan apa yang dimaksud dengan ukuran gejala pusat. Pada bagian ini akan dijelaskan bagaimana menghitung ukuran gejala pusat data nominal.

langkah 1
tutorial prop1

langkah 2

langkah1

langkah 3

langkah2

langkah 4

langkah3

Maka output yang akan keluar adalah seperti berikut:


Berdasarkan output di atas maka dapat diketahui bahwa nilai gejala pusat dapat digambarkan dari nilai modusnya, nilai modusnya (nilai yang paling banyak muncul) adalah 1.  artinya sebagian besar dari mahasiswa adalah lulus pada ujian mata kuliah Statistika.

Sedangkan nilai dispersi yang cocok untuk data nominal adalah persentase. berdasarkan output di atas dapat diketahui nilai persentase sebesar 80% untuk mahasiswa yang lulus dan 20% untuk mahasiswa yang tidak lulus.

 

 

Tutorial Menghitung Taksiran Interval Untuk Proporsi

Contoh Soal:

Seorang peneliti ingin mengetahui tingkat kelulusan mahasiswa pada mata kuliah statistika. Dengan tingkat kepercayaan 95%, berapakah taksiran interval untuk proporsi/persentase mahasiswa yang lulus ujian. Untuk menjawabnya peneliti mengambil sampel 20 data, kemudian diamati a pakah mereka lulus atau tidak dalam ujian tersebut, berikut hasil data 20 responden yang diamati.

MahasiswaHasil Ujian
1lulus
2lulus
3lulus
4lulus
5lulus
6lulus
7tidak lulus
8tidak lulus
9lulus
10lulus
11lulus
12lulus
13tidak lulus
14lulus
15lulus
16lulus
17lulus
18lulus
19tidak lulus
20lulus

Berdasarkan perhitungan dengan menggunakan SPSS, diperoleh nilai proporsi untuk p =0,8  ; dan (1-p) =0,2

Berdasarkan nilai z tabel, diperoleh nilai z tabel dengan tingkat kepercayaan 95% adalah 1,96 (untuk uji dua pihak) 1,645 (untuk uji satu pihak).

Nilai z tabel dapat di hitung di : silahkan klik

 

Jawaban:

diketahui nilai

p          = 0,8(p-1)   = 0,2
n          = 20
z           = 1,96

Rumus interval kepercayaan yang akan digunakan adalah:

rumus penaksiran interval untuk proporsi populasi

maka:

rumus interval proporsi

hasil rumus proporsi 1

Sehingga interval proporsi nya adalah:  0,624 <P<0,975

Dengan tingkat kepercayaan 95%, maka kita yakin bahwa tingkat kelulusan mahasiswa pada ujian mata kuliah statistik adalah pada rentang antara 62,4% sampai dengan 97,5%.

 

 

Ukuran Gejala Pusat dan Dispersi

Tujuan Bab Ini:

1. Merangkum informasi data melalui ukuran gejala pusat dan dispersi data seperti mean, median, modus.
2. Menggambarkan data menggunakan ukuran keragaman seperti rentang, varians dan standar deviasi.
3. Mengidentifikasi posisi data menggunakan berbagai macam ukuran posisi seperti, persentil, desil dan kuartil.

Istilah-istilah Penting:

  • Modus adalah atribut dari variabel yang paling sering muncul dari sebuah set data.
  • Median adalah ukuran gejala pusat yang mengidentifikasi nilai tengah satu set data yang mana sebelumnya telah diurutkan dari yang terkecil sampai terbesar.
  • Nilai minimum adalah nilai atribut paling rendah dari satu set data.
  • Nilai maksimum adalah nilai atribut tertinggi dari satu set data.
  • Rentang adalah jarak antara nilai minimum dan maksimum.
  • Persentil adalah titik yang menandai dimana sebuah data dibagi menjadi 100 bagian.
  • Mean adalah rata-rata data dimana semua data dijumlahkan kemudian dibagi jumlah data.
  • varians adalah ukuran keragaman data dimana menandakan jarak setiap data terhadap rata-ratanya
  • standar deviasi adalah ukuran keragaman data dimana diperoleh dari akar varians.

Tabel Ukuran Gejala Pusat dan Dispersi menurut Jenis Data

Skala pengukuran

Ukuran gejala pusat

Ukuran dispersi data

Nominal
  • Modus
  • Distribusi persentase
Ordinal
  • Median
  • Modus
  • Minimum dan maksimum
  • Rentang
  • Persentil
  • Distribusi persentase
Interval/ratio
  • Mean
  • Median
  • Modus
  • Varians
  • Standar deviasi
  • Minimum dan maksimum
  • Rentang
  • Persentil
  • Distribusi persentase

Apa itu Populasi Tertentu dan Populasi Tak Tentu?

Data populasi merupakan seluruh data  yang tersedia dan tercakup dalam suatu penelitian yang memiliki karakter tertentu. Populasi dapat dipahami sebagai keseluruhan objek psikologis yang dibatasi oleh kriteria-kriteria penelitian tertentu yang bersifat definitif. Karakter dari objek psikologis dari suatu populasi yang akan diteliti dapat bersifat konkret ataupun abstrak. Beberapa contoh objek psikologis yang bersifat konkret  adalah manusia, saham, kendaraan, kartu kredit, bank, laporan keuangan dan lain-lain. Sedangkan objek penelitian dari populasi yang berkarakter abstrak contohnya adalah sikap (behavior), persepsi, kepuasan (satisfaction), citra (image) dan lain-lain. Jumlah dari objek populasi penelitian disebut ukuran populasi (dilambangkan dengan N). Terkadang periset dalam melakukan pengujian hipotesis statistika menyebutkan ukuran populasinya. Ukuran populasi dapat diklasifikasikan menjadi 2 (dua) kelompok utama yaitu 1). Ukuran populasi tidak diketahui (infinite population) karena jumlahnya tidak diketahui dengan pasti  sehingga sulit dihitung dengan tepat dan 2). Ukuran populasi diketahui (finite population) karena jumlahnya dapat dihitung dengan kriteria yang jelas dan terukur. Secara umum populasi penelitian ditetapkan berdasarkan pertimbangan matang dari periset sendiri sesuai dengan motivasi dan tujuan penelitiannya. Kejelian periset dalam menentukan populasi penelitiannya sangat menentukan kualitas analisis dan hasil riset yang dilakukan. Untuk membedakan  populasi dengan jumlah data infinite dan finite dalam suatu penelitian ilmiah dapat disimak melalui penjelasan berikut ini : Judul penelitian 1:

“Pengaruh Iklan Sebuah Provider Telepon Seluler di Televisi terhadap Awareness pelanggan di Bandung.“

Populasi dalam penelitian ini adalah pelanggan provider telepon selular di Bandung yang pernah menonton tayangan iklan tersebut. (contoh judul di atas adalah suatu populasi penelitian dimana jumlah populasi tersebut tidak diketahui-Infinite). Judul penelitian 2:

 “Pengaruh Motivasi Kerja terhadap Produktivitas Karyawan PT. Indofood Sukses Makmur, Tbk“.

Populasi penelitiannya adalah seluruh karyawan PT. Indofood Sukses Makmur, Tbk dimana jumlahnya jelas dan terukur karena data lengkap karyawan tercatat dengan baik di perusahaan tersebut. (contoh judul di atas adalah contoh populasi dimana jumlah populasi tersebut diketahui-finite). Untuk lebih memahami perbedaan unfinite dan finite population, mari kita bersama-sama menebak pertanyaan berikut: Contoh Soal 1 pada Judul penelitian:Analisis Perilaku Pelanggan Giant Dept Store di Kawasan Jabodetabek“ Apakah jumlah populasi penelitian di atas Unfinite atau Finite? Contoh Soal 2 pada Judul penelitian:

Analisis Perkembangan Perbankan Syariah di Indonesia”

Apakah jumlah populasi penelitian di atas Unfinite atau Finite? Jawaban untuk soal nomor 1 adalah infinite population (populasi jumlah tidak terbatas). Mengapa infinite population? saya balik bertanya siapa yang mengetahui dengan pasti jumlah keseluruhan pelanggan. Saya yakin Giant Departement Store sendiri pun tidak mengetahui dengan pasti. Siapa pelanggan departement store? apakah diketahui satu-persatu dari mereka? Nampaknya tidak. Nah itulah mengapa disebut infinite population.

Untuk soal nomor 2, jawabannya adalah finite population (populasi jumlah terbatas). Mengapa finite population. Kita dapat dengan mudah mengetahui berapa jumlah bank-bank syariah yang ada di Indonesia. Kita sebagai peneliti tinggal datang ke Bank Indonesia dan menanyakan ada berapa jumlah bank-bank syariah. Populasi yang jumlahnya mudah diketahui itu disebut dangan finite population.

Setelah mengetahui apa kategorisasi populasi yang akan diteliti, finite atau infinite, maka kita dapat memilih formula untuk menghitung jumlah sampel yang sesuai. Ketika mengetahui jumlah populasi dengan pasti (finite) maka kita perlu menambahkan rumus faktor koreksi atas jumlah populasi kepada formula penghitungan sampel yang digunakan. Hal ini diperlukan untuk mendekati jumlah sampel ideal berdasarkan jumlah populasi tertentu.

Penyajian Data Distribusi Frekuensi dan Grafik

Bab ini akan menerangkan bagaimana mengorganisasikan data dengan membentuk distribusi frekuensi dan bagaimana mengkonstruksi data dalam bentuk grafik dan diagram yang sesuai dengan tipe data sehingga mudah dipahami.

Istilah-istilah dasar:

1. Ketika data dikumpulkan dalam bentuk aslinya maka disebut sebagai raw data (data mentah).
2. Distribusi frekuensi adalah pengorganisasian data mentah dalam bentuk tabel, menggunakan kelas-kelas dan frekuensi-frekuensi.
3. Dua jenis distribusi yang dikenal luas adalah distribusi frekuensi kategori (categorical distribution frequency) dan distribusi frekuensi dalam group (grouped frequency distribution)

Manfaat Distribusi Frekuensi

– Untuk mengorganisasikan data menjadi lebih bermakna dan mudah dipahami.
– Agar memudahkan pembaca dalam membandingkan set data.
– Memudahkan dalam perhitungan ukuran rata-rata dan penyebaran data
– Untuk memdudahkan pembaca dalam menentukan bentuk distribusi data
– Memudahkan peneliti dalam menampilkan data dalam bentuk tabel dan grafik

Jenis-jenis Distribusi Frekuensi

A. Distribusi Frekuensi Kategori

Distribusi frekuensi kategori adalah digunakan untuk data kategorik seperti data nominal dan data ordinal. Seperti data kelompok jenis kelamin, kelompok jurusan atau kelompok status sosial ekonomi.

B. Distribusi Frekuensi Dalam Group

Distribusi Frekuensi Dalam Group digunakan untuk mengorganisasikan data numerik yang besar, sehingga perlu dikelompokkan ke dalam kelas dan frekuensi-frekuensi agar mudah dipahami.

Misalnya kita memiliki sekelompok data mengenai usia mahasiswa di salah satu jurusan berikut merupakan datanya: 18, 19. 19, 18, 21, 20, 20, 20, 19, 18, 18, 19, 21, 20, 23, 17

Bagaimana mengorganisasikan data di atas dalam bentuk distribusi frekuensi

Berikut merupakan langkah-langkahnya

1. Terntukan rentang data dengan mengurangkan nilai maksimum dikurangi nilai minimum.
2. Tentukan jumlah kelas yang paling mendekati dengan mengikuti aturan sturges

K = 1 + 3,3 log n

dimana k adalah jumlah kelas dan n adalah jumlah jumlah observasi

3. Tentukan panjang interval kelas
4. Tentukan batas kelas atas dahn batas kelas bawa
5. Masukan data ke dalam kelas yang telah dibentuk

 

Jenis Grafik dan Kegunaan

1. Histogram, Poligon dan Ogiv cocok digunakan ketika data telah disusun dalam bentuk distribusi frekuensi dalam group.

2. Diagram Pareto cocok digunakan untuk data nominal yang telah disusun dalam bentuk frekuensi.

3. Grafik Time series digunakan untuk menggambarkan pola dan trend data dari waktu ke waktu.

4. diagram Pie digunakan untuk menggambarkan hubungan diantara beberapa bagian secara keseluruhan.

Formasi CPNS 2013

Tahun 2013 ini Pemerintah kembali melakukan penerimaan CPNS, baik pemerintah pusat maupun pemerintah daerah membuka pendaftaran CPNS 2013. beberapa instansi pemerintah baik pusat dan daerah telah mengumumkan formasi cpns 2013. Seperti halnya tahun-tahun sebelumnya formasi CPNS yang paling banyak dibutuhkan di Pemerintah Daerah adalah formasi CPNS untuk tenaga pendidik dan kesehatan. Sebagai contoh berdasarkan informasi dari Badan Kepegawaian Daerah, Pemerintah DKI Jakarta mengumumkan formasi CPNS  untuk tenaga pendidik sebanyak 203 orang, tenaga kesehatan S1 seperti dokter sebanyak 300 orang dan tenaga kesehatan D3 sebanyak 230 orang. Sementara formasi di luar pendidik dan tenaga kesehatan dibutuhkan sekitar 500 orang yang tersebar untuk berbagai macam latar belakang pendidikan.

Begitu juga dengan formasi CPNS di provinsi lain, di Provinsi Jawa Tengah, formasi CPNS tahun 2013 ini dibutuhkan 170 orang sebagai tenaga kesehatan, sementara 42 formasi lainnya dibutuhkan sebagai tenaga teknis lainnya. Di Provinsi Sumatera Barat, dari 139 formasi yang dibuka, formasi CPNS terbesar adalah untuk tenaga kesehatan yaitu dibuka sebanyak 80 orang untuk formasi kesehatan dan 74 untuk tenaga pendidik atau guru. Informasi di atas diperoleh dari masing-masing badan kepegawaian daerah yang dikutip oleh berbagai media.

Berdasarkan data di atas dapat ditarik kesimpulan bahwa jika menginginkan bekerja di pemerintahan atau menjadi PNS, maka sebaiknya memilih jurusan-jurusan yang berkaitan dengan kesehatan seperti dokter, keperawatan, tenaga medis lainnya atau memilih jurusan pendidikan. Hal ini mengingat setiap daerah, berdasarkan statistik, membuka lebih banyak formasi cpns untuk tenaga kesehatan dan pendidik.

Uji Hipotesis Beda Proporsi Dua Sampel

PERBEDAAN PROPORSI PADA DUA SAMPEL INDEPENDEN

Uji hipotesis beda proporsi dua sampel independen dilakukan pada dua kelompok sampel yang diambil dari populasi yang berbeda. Kedua kelompok sampel ini tidak memiliki keterkaitan sehingga memungkinkan jumlah sampel yang diambil dari kedua kelompok tersebut adalah berbeda. Sebagai contoh kita membandingkan proporsi penduduk miskin di dua kota yaitu Kota Jakarta dan Kota Surabaya. Jumlah sampel yang diambil dari Kota Jakarta mungkin akan memiliki jumlah sampel yang lebih banyak dibandingkan dengan jumlah sampel yang diambil dari Kota Surabaya disebabkan populasi penduduk di Kota Jakarta lebih banyak dibandingkan Kota Surabaya.

Pada uji hipotesis beda proporsi ini, ukuran statistik yang diujikan adalah nilai proporsi. nilai proporsi adalah perbandingan atau rasio antara sebuah kejadian dibandingkan dengan total atau keseluruhan kejadian. Merujuk kepada contoh di atas, kejadian atau fenomena yang diukur adalah jumlah penduduk miskin. Sehingga untuk mengukur proporsi penduduk miskin disuatu wilayah dihitung dengan membandingkan jumlah penduduk miskin terhadap total penduduk secara keseluruhan.

Statistik uji yang digunakan adalah uji Z, Berikut merupakan formula yang dapat digunakan untuk menghitung nilai Z.

rumus uji proporsi dua sampel independen

Nilai p1 adalah proporsi untuk kelompok pertama, nilai p2 adalah proporsi untuk kelompok kedua. n1 adalah jumlah sampel yang diambil pada kelompok pertama, sedangkan n2 adalah jumlah sampel yang diambil dari kelompok kedua. Nilai p adalah proporsi gabungan antara keduanya yang dapat dihitung dengan menggunakan formula sebagai berikut:

nilai p gabungan

 

PERBEDAAN PROPORSI PADA DUA BERPASANGAN

Untuk uji hipotesis beda proporsi pada dua sampel berpasangan, statistik uji yang digunakan adalah Uji Mc nemar (chi-square) yang akan dibahas pada bab selanjutnya.

Uji Beda Rata-rata 2 Sampel

INDEPENDENT SAMPLE 2 TEST (UJI PERBEDAAN 2 SAMPEL INDEPENDEN)

Untuk melakukan uji beda rata-rata dua sampel independen dapat terjadi pada beberapa kondisi. Kondisi pertama adalah dimana nilai varians populasi diketahui sedangkan kondisi kedua dimana nilai varians tidak diketahui.

Berikut merupakan statistik uji yang digunakan dengan kondisi varians populasi diketahui:

z-score-diff-2means

Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal, observasi sampel dilakukan secara independen, σ1   dan σdiketahui.

Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji yang cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:

t-score-diff-2-means

PAIRED SAMPLE 2 TEST (UJI DUA SAMPEL BERPASANGAN)

Perbedaan paired sample dengan independent sample adalah terletak pada kelompok yang kita bandingkan. Jika kelompok yang kita bandingkan berasal dari populasi yang berbeda maka disebut dengan independent sample. sebaliknya jika kelompok yang dibandingkan berasal dari populasi yang sama maka disebut paired sample. Contohnya adalah kita membandingkan tingkat kemiskinan di suatu daerah pada dua periode yang berbeda. Berikut merupakan formula yang dapat digunakan untuk uji beda rata-rata pada paired sample.

uji hipotesis mean dua paired sampel t

(perbedaan mean harus berdistribusi normal) dan \sigma tidak diketahui or dengan ukuran sampel n < 30.

Z=

PAIRED MEAN Z TEST

 INDEPENDENT SAMPLE 2 TEST (UJI PERBEDAAN 2 SAMPEL INDEPENDEN)

Untuk melakukan uji beda rata-rata dua sampel independen dapat terjadi pada beberapa kondisi. Kondisi pertama adalah dimana nilai varians populasi diketahui sedangkan kondisi kedua dimana nilai varians tidak diketahui.
Berikut merupakan statistik uji yang digunakan dengan kondisi varians populasi diketahui:

z-score-diff-2means

Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal, observasi sampel dilakukan secara independen, σ1   dan σdiketahui.

Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji yang cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:

t-score-diff-2-means

PAIRED SAMPLE 2 TEST (UJI DUA SAMPEL BERPASANGAN)

Perbedaan paired sample dengan independent sample adalah terletak pada kelompok yang kita bandingkan. Jika kelompok yang kita bandingkan berasal dari populasi yang berbeda maka disebut dengan independent sample. sebaliknya jika kelompok yang dibandingkan berasal dari populasi yang sama maka disebut paired sample. Contohnya adalah kita membandingkan tingkat kemiskinan di suatu daerah pada dua periode yang berbeda. Berikut merupakan formula yang dapat digunakan untuk uji beda rata-rata pada paired sample.

uji hipotesis mean dua paired sampel t

(perbedaan mean harus berdistribusi normal) dan \sigma tidak diketahui or dengan ukuran sampel n < 30.

Z=

PAIRED MEAN Z TEST

 

Uji Hipotesis untuk Rata-Rata Satu Sampel

Bab ini menerangkan bagaimana menguji hipotesis untuk rata-rata, kapan uji hipotesis ini digunakan:

  • metode sampel yang digunakan adalah simple random sampling
  • sampelnya diambil dari pupulasi yang berdistribusi normal atau mendekati normal

secara umum distribusi sampling akan mendekati distribusi normal jika kondisi berikut terpenuhi:

  • distribusi populasi berdistribusi normal.
  • distribusi sampling adalah simetris, unimodal dan tidak ada outlier dan ukuran sampel adalah 15 atau kurang.
  • distribusi sampling adalah cukup miring, unimodal tanpa outlier dan ukuran sampel antara 16 sampai dengan 40.
  • kuran sampel adalah lebih dari 40, tanpa outlier.

Untuk menguji proporsi populasi dengan satu satu sampel maka langkah-langkahnya dapat dilakukan seperti berikut:

1. Pernyataan hipotesis statistik

SetHipotesis nolhipotesis alternatifjenis uji
1μ = Mμ ≠ M2 pihak
2μ > Mμ < M1 pihak
3μ < Mμ > M1 pihak

2. Rencana analisis Data

metode analisis data yang digunakan adalah uji hipotesis mean populasi dengan satu satu sampel.

3. Uji statistik

jika populasi berdistribusi normal, n ≥30 dan  S (simpangan baku populasi) diketahui maka rumus yang digunakan adalah:

uji hipotesis mean populasi dari satu populasi z

jika populasi berdistribusi normal n ≥30 dan  S (simpangan baku populasi) tidak diketahui maka rumus yang digunakan adalah:

uji hipotesis mean populasi dari satu populasi t

4. pengambilan keputusan

a. Uji satu pihak: Tolak Ho jika, nilai (t atau z) hitung lebih besar dari (t atau z) tabel atau P value lebih kecil dari 0.05

b. Uji dua pihak: Tolak Ho jika, nilai (t atau z) hitung <(- t atau z) Tabel atau (t atau z) hitung > lebih besar dari (t atau z) tabel atau P value lebih kecil dari 0.05

 

Uji Hipotesis untuk Proporsi Satu Sampel

Pelajaran ini menjelaskan bagaimana membuat uji hipotesis pada sebuah proporsi, kapan kondisi berikut cocok:

  • Metode sampling adalah simple random sampling.
  • Masing-masing titik sample dapat menghasilkan hanya dua kemungkinan hasil. secara sederhana dapat dikatakan bahwa satu kemungkinan adalah sukses dan kemungkinan lain adalah gagal.
  • sample melibatkan paling tidak 10 kasus sukses atau 10 gagal, dalam beberapa sumber dinyatakan minimal melibatkan 5 kasus.
  • ukuran populasi paling tidak 10 kali dari jumlah sampel.

Untuk menguji proporsi populasi dengan satu satu sampel maka langkah-langkahnya dapat dilakukan seperti berikut:

1. Pernyataan hipotesis statistik

a. uji satu pihak

H0 : p = P
H1 :  p ≠ P

b. uji dua pihak

H0 : p >P
H1 : p≤P

2. Rencana analisis Data

metode analisis data yang digunakan adalah

3. Uji statistik

uji hipotesis proporsi satu sampel

4. pengambilan keputusan

a. Uji satu pihak: Tolak Ho jika, nilai Z hitung lebih besar dari Z tabel atau P value lebih kecil dari 0.05

b. Uji dua pihak: Tolak Ho jika, nilai Z hitung<- Z Tabel atau Z hitung > lebih besar dari Z tabel atau P value lebih kecil dari 0.05

Tutorial Amos

berikut merupakan tutorial amos penjelasan mengenai penggunaan menu-menu pada amos:

 

1. Pilih gambar amosuntuk menggambar variablenya

2. Kemudian pilih amos2untuk gambar indikatornya

3.Pilihamos3untuk error di variable laten

4. Pilihamos4untuk garis hubungannya

5. Jika semua gambar sudah jadi dan lengkap jangan lupa masing2 gambar diberi   Label/Nama

6. Selanjutnya pilihamos5untuk memasukan datanya, datanya itu sudah dalam bentuk format SPSS

7. Untuk merapihkan gambarnya pilihamos6

8. Pilihamos7untuk run datanya

9. Jika sudah berhasil pilihamos8untuk melihat nilai-nilai nya agar muncul di gambar

10. Untuk melihat outputnya bisa klikamos9atau biasanya sudah tersimpan di drivenya

Penaksiran Titik dan Selang (Interval)

Dalam Statistik, istilah penaksiran atau estimasi mengacu kepada sebuah proses dimana seorang peneliti membuat sebuah inferensi (kesimpulan) mengenai populasi berdasarkan informasi yang dikumpulkan dari sample.

Penaksiran Titik VS Penaksiran Interval

  • Penaksiran titik, sebuah penaksiran titik dari parameter populasi adalah sebuah nilai tunggal dari statistik. Sebagai contoh, rata-rata (mean) sampel (x) adalah sebuah penaksiran titik dari nilai rata-rata (mean) pupulasi M. Begitu juga dengan proporsi sample (p) adalah nilai estimasi titik untuk proporsi populasi P.
  • Penaksiran interval, sebuah penaksiran interval didefinisikan sebagai penaksiran yang dibatasi oleh dua nilai dimana penaksiran interval terbentang. Sebagai contoh, a<x<b adalah sebuah penaksiran interval untuk nilai rata-rata (mean) untuk populasi M. contoh tersebut menyatakan bahwa rata-rata (mean) populasi (M) berada pada rentang lebih dari a tetapi kurang dari b.

Inteval Kepercayaan

Para ahli statistik biasanya menggunakan interval kepercayaan untuk menggambarkan tingkat presisi dan ketidakpastian yang berhubungan dengan metode penarikan sample tertentu. sebuah interval kepercayaan terdiri dari tiga bagian.

– Sebuah tingkat kepercayaan

– Sebuah nilai statistik

– Sebuah derajat penyimpangan (margin error)

Tingkat kepercayaan menggambarkan tingkat ketidakpastian yang diakibatkan oleh metode penarikan sampel. Nilai statistik dan margin error mendefinisikan tingkat keakuratan (presisi) dari metode yang digunakan. penaksiran interval dari interval kepercayaan didefinisikan sebagai berikut: nilai statistik +- margin of error .

Tingkat Kepercayaan

Peluang dari sebuah interval kepercayaan disebut sebagai tingkat kepercayaan (confidence level). Sebuah tingkat kepercayaan menggambarkan kemungkinan dimana sebuah metode penarikan sampel akan menghasilkan sebuah interval kepercayaan dimana parameter populasi yang sesungguhnya berada di dalamnya.

Berikut merupakan cara menerjemahkan tingkat kepercayaan. Misalkan kita mengumpulkan semua sampel yang mungkin dari populasi yang tertentu, dan menghitung interval kepercayaan dari masing-masing sampel tersebut. Mungkin beberapa interval kepercayaan dapat mencakup parameter populasi yang sesungguhnya, dan mungkin juga beberapa interval kepercayaan lainnya tidak. tingkat kepercayaan 95% dapat diartikan bahwa 95% interval tersebut memuat parameter populasi yang sesungguhnya. tingkat kepercayaan 90% diartikan bahwa 90% dari interval tersebut memuat parameter populasi yang sebenarnya.

 

Margin of Error

Dalam interval kepercayaan, rentang nilai yang berada di atas dan di bawah statistik sampel disebut margin error.

Sebagai contoh, misalkan sebuah koran lokal melakukan sebuah survei pemilihan dan melaporkan bahwa calon independen akan menerima 30% dari seluruh pemilih. survei tersebut menyatakan bahwa survei tersebut menggunakan margin error 5% dan tingkat kepercayaan 95%. Hasil survei ini dapat dinyatakan dalam interval kepercayaan sebagai berikut: kita percaya 95% bahwa canlon independen akan mendapatkan suara antara 25% sampai dengan 35% suara.

Formula yang digunakan

1. Untuk Penaksiran Interval Rata-rata Populasi Satu Sampel

rumus penaksiran interval untuk rata-rata populasi

2. Untuk Penaksiran Interval Proporsi Populasi satu Sampel

rumus penaksiran interval untuk proporsi populasi

3. Penaksiran Interval Rata-rata Populasi untuk dua Sample Independen

a. Untuk Sampel Independen

interval kepercayaan untuk dua sampel independen

b. Untuk Sampel Berpasangan

interval kepercayaan untuk dua sampel berpasangan

4. Penaksiran Interval proporsi Populasi untuk dua Sample Independen

interval kepercayaan proporsi dua sampel independen

 

Apa yang dimaksud dengan Analisis Perbandingan dalam Statistik

Analisis perbandingan digunakan untuk menguji perbandingan antara dua sampel data atau lebih (k-samples). Pada jenis penelitian komparasi ini, peneliti membandingkan dua objek atau dua perlakuan pada periode yang sama atau tidak. Pada penelitian jenis ini dapat dibagi menjadi dua jenis komparasi (perbandingan) berpasangan dan komparasi tidak berpasangan yaitu:

1. Komparasi Berpasangan

Pada penelitian komparasi berpasangan, sampel yang digunakan biasanya adalah objek yang sama, yang berbeda adalah perlakuannya. Sebagai contoh: pada judul penelitian: Analisis perbandingan metode mengajar terhadap prestasi mahasiswa SBM-ITB. Yang menjadi subjek penelitian di sini adalah mahasiswa yang sama di SBM ITB. Sedangkan objek (perlakuan) yang dibandingkan adalah prestasi mahasiswa hasil mengajar dengan metode A dan metode B. Contoh lainnya adalah:

“Analisis komparasi strategi pemasaran A dan B terhadap kinerja penjualan produk elektronik Samsung di Indonesia“

2. Komparasi Tidak Berpasangan

Pada penelitian komparasi tidak berpasangan subjek penelitian yang dibandingkan diambil dari sampel yang berbeda. Sebagai contoh pada judul penelitian:

Analisis perbandingan respon karyawan wanita dan pria terhadap kebijakan perusahaan”

Yang menjadi subjek penelitian ini ada dua kelompok yang berbeda yaitu kelompok karyawan wanita dan pria. Sedangkan yang menjadi objek penelitian (perlakuan) hanya satu yaitu respon atau sikap terhadap kebijakan baru manajemen perusahaan. Contoh lainnya adalah:

Analisis perbandingan Imbal Hasil Indeks Harga Saham Gabungan (IHSG) dengan LQ-45 periode 2005-2011”

Apa yang dimaksud dengan Skala Interval

Skala interval adalah skala yang memenuhi skala nominal dan ordinal dan memiliki interval (jarak) tertentu. Skala interval adalah bila titik nol nya bukan benar-benar nol, atau hanya patokan saja misalnya ukuran temperatur. Temperatur 00 Celcius suatu benda bukan berarti benda tersebut tidak memiliki suhu/panas. Suhunya tentu ada yaitu 00 Celcius. Skala interval ini pada umumnya digunakan untuk mengukur objek penelitian kuantitatif yang jelas dan terukur dengan baik. Unsur objektivitas dan akurasi pengukuran lebih baik dibanding skala ordinal.

Dalam ilmu matematika biasanya data dikelompokkan menjadi dua kelompok yaitu diskrit dan kontinu, skala interval ini termasuk ke dalam skala kontinu. Untuk membedakan apakah data termasuk ke dalam skala diskrit/kategorik atau kontinu/numerik, maka peneliti dapat melakukan operasi matematis sederhana.

Ciri khas skala interval yaitu jika dilakukan operasi matematis (kali, jumlah, bagi dan kurang) hasilnya masih memiliki makna tertentu terkait dengan penelitiannya. Sebaliknya untuk skala nominal tidak dimungkinkan operasi matematika yang mempunyai makna tertentu.

Data temperatur suatu benda adalah skala interval? Ujikan apakah  data temperatur dapat dilakukan operasi matematis. Misalkan: Benda A memiliki temperatur 400C dan B bersuhu 500C. Kita dapat melakukan operasi matematis terhadap data tersebut, misalnya direratakan: 40,50C (angka ini masih memiliki makna), artinya angka 40,5 adalah suhu rerata benda A dan B.

Sekarang kita bandingkan dengan pengkodean pada data kategorik (ordinal dan nominal): Untuk Laki-laki berkode 1, sedangkan perempuan berkode 2, kemudian kita lakukan operasi  matematis yang sama seperti di atas, 1 (laki-laki) + 2 (perempuan) dibagi dengan 2 = 1,5. Menurut anda apa makna dari angka 1,5 ini?. Apakah ada jenis kelamin antara laki-laki dan perempuan?. Maka pernyataan hasil operasi matematis pada skala nominal tidak memiliki makna lagi.

Apa yang Dimaksud Skala Ordinal

Skala ordinal merupakan skala pengukuran yang digunakan dalam penelitian untuk membedakan data, sekaligus mengandung unsur pemeringkatan (ranking), derajat (degree) atau tingkatan (level) melalui penilaian tertentu. Penilaian yang dilakukan dapat mengandung unsur objektivitas maupun subjektivitas atau kombinasi keduanya. Skala ordinal sangat berguna karena mempunyai tingkatan dalam mengukur tingkat loyalitas, hubungan, kepuasan, motivasi, kualitas produk atau jasa, keberhasilan, nilai tambah dan lainnya.

Sebagai contoh, dalam penelitian atau survai manajemen dan bisnis sering digunakan pemeringkatan jawaban pada pertanyaan kusioner. Misalnya adalah sangat tidak setuju diberi kode 1 sebaliknya yang bermakna sangat setuju diberi kode 5 dan. Skala 1-5 menujukkan hirarki pendapat persetujuan dan penilaian dari responden survai terhadap sebuah pernyataan.  Jenis skala ini mengandung beberapa kelemahan, salah satunya unsur subjektivitas dari responden karena faktor rasionalitas, psikologi, sosial, politik dan pengetahuannya terhadap pertanyaan yang diajukan.

Contoh skala ordinal dalam kuesioner:

Apakah Sistem Insentif di perusahaan dapat memotivasi anda dalam bekerja?

  1. Sangat tidak setuju
  2. Tidak setuju
  3. Ragu-ragu
  4. Setuju
  5. Sangat  Setuju

skala di atas digunakan untuk mengukur tingkat persetujuan responden terhadap pertanyaan penelitian. Skala lainnya untuk mengukur sikap adalah sebagai berikut:

1. sangat baik
2. baik
4. cukup baik
5. tidak baik
6. sangat tidak baik

untuk mengukur perilaku maka skala sikap atau skala tingkat persetujuan di atas tidak lagi cocok digunakan. Berikut merupakan tingkatan skala untuk mengukur sebuah perilaku

1. Sangat sering
2. sering
3. jarang
4. kadang-kadang
5. tidak pernah

Perhatikan Judul Penelitian, Kita Tahu Metode Analisis Datanya

Pada umumnya, judul sebuah penelitian identik dengan metode analisis data yang digunakan.  Mengapa? Karena pada judul penelitian terutama penelitian kuantitatif dicantumkan tujuan secara umum dari sebuah penelitaian. Sedangkan tujuan dari penelitian akan identik dengan beberapa kelompok metode analisis data. berikut merupakan contoh beberapa judul penelitian:

1. Hubungan antara tinggi badan anak dengan tinggi badan orang tua.

2. Pengaruh kebijakan Bank Sentral terhadap penurunan suku bunga bank komersial.

3. Perbandingan rata-rata biaya hidup di kota A dan kota B.

Jika kita perhatikan ketiga contoh judul penelitian di atas, maka terdapat kata-kata yang merujuk kepada tujuan dari penelitian tersebut. Secara garis besar, tujuan dari penelitian kuantitatif terbagi menjadi empat kelompok yaitu penelitian deskriptif, penelitian asosiatif, penelitian kausalitas/pengaruh dan penelitian perbandingan/komparatif. Masing-masing judul penelitian contoh judul penelitian di atas merujuk kepada tujuan penelitian yang berbeda. contoh pertama merujuk kepada jenis penelitian yang bertujuan untuk mencari hubungan asosiatif, contoh kedua merujuk kepada judul penelitian kausalitas dan contoh ketiga merujuk kepada penelitian yang bertujuan untuk membandingkan (komparatif).

Statistika terbukti sangat bermanfaat untuk mendeskripsi data penelitian yang diperoleh serta kemampuannya mereduksi data menjadi beberapa besaran tertentu seperti rerata (mean), median, modus, variansi (variance), simpangan baku (standard deviation), normalitas dan lainnya. Lebih jauh, statistika dimanfaatkan sebagai metode yang andal untuk melakukan inferensi melalui pengujian hipotesis (dugaan sementara), sehingga para periset dapat mengambil kesimpulan dari penelitiannya.

Melalui pengujian statistika tersebut, diharapkan proses pengambilan kesimpulan (conclusion) dan keputusan (decision) dari penelitian dapat berlangsung dengan baik dan benar dari sudut pandang ilmiah dan dapat menggeneralisasi populasi berdasarkan sampel. Sekalipun tidak tertutup kemungkinan adanya kesalahan dari hasil analisis keputusannya, namun sekurang-kurangnya statistika dapat membuat probabilitas terjadinya kesalahan tersebut seminimal mungkin. Bahkan, lebih jauh lagi tingkat kekeliruan analisis dapat dirancang sejak awal.

Metode statistik yang digunakan dalam sebuah analisis data penelitian, pada umumnya berkaitan erat dengan perumusan masalah dan kerangka pemikiran penelitian (research paradigm) itu sendiri. Perumusan masalah merupakan landasan utama dari setiap penelitian ilmiah yang menjadi panduan langkah-langkah berikutnya. Secara umum, proposal penelitian terdiri dari latar belakang, permasalahan, tujuan, kajian literatur, kerangka pemikiran, perumusan hipotesis, metode penelitian, dan rancangan analisis. Selanjutnya, setelah data penelitian dianalisis maka disusunlah pembahasan/diskusi hingga kesimpulan penelitian serta saran/rekomendasi apabila diperlukan. Untuk penelitian tingkat strategik pada umumnya dilengkapi dengan policy paper untuk memudahkan para pengambil kebijakan membuat keputusan strategiknya.

Perumusan masalah penelitian pada umumnya wajib dicantumkan dengan tegas pada Bab Pendahuluan bersama dengan tujuan bahkan judul penelitian di setiap skripsi dan tesis ekonomi. Kualitas perumusan masalah penelitian, pada umumnya sangat tergantung pada kemampuan kita dalam mengidentifikasi permasalahan dan telaahan (review) teori dan penelitian sebelumnya.  Semakin tajam dan komprehensif dalam mengidentifikasi masalah penelitiannya yang disertai kedalaman telaahan terhadap artikel ilmiah terkait dan terbaru (recent research), maka akan semakin baik pula kualitas penelitiannya. Oleh karena itu, kesalahan dalam mengidentifikasi masalah penelitian (sympton) akan berakibat fatal.  Identifikasi masalah merupakan bagian terpenting dari belakang penelitian yang menjadi landasan utama dalam membentuk kerangka pemikiran, metode penelitian, rancangan analisis dan alur penelitian yang akurat.

Selain itu, jumlah dan kualitas referensi terbarukan yang dijadikan acuan penelitian akan menentukan kualitas state of the art suatu penelitian yang memenuhi unsur-unsur kemutakhiran (novelty) dan originalitas penelitiannya. Sebagaimana kita ketahui bersama, kualitas kerangka pemikiran merupakan landasan utama penyusunan hipotesis yang akan diuji, metode penelitian dan rancangan analisis yang sesuai dan konsisten dengan tujuan utama penelitian. Perlu diingatkan kembali, bahwa pada proses penentuan hipotesis  harus dilandasi teori yang kokoh (robust) dan didukung oleh berbagai temuan penelitian sebelumnya sesuai dengan topik penelitiannya.

Setiap rumusan masalah penelitian yang dibentuk melalui dasar teori dan beberapa penelitian sebelumnya tersebut akan diuji melalui  hipotesis dalam bentuk dugaan sementara sebagai jawaban masalah penelitian inferensial. Dalam hal ini, pengujian statistik  terhadap berbagai hipotesis, hanyalah salah satu metode (tool) yang digunakan untuk membuktikan hipotesis penelitian tersebut. Melalui pengujian statistik tersebut, kita dapat menyimpulkan apakah hipotesis penelitian yang kita ajukan sebelumnya ditolak (rejected) atau tidak ditolak (not rejected).

Bagaimana Menyusun Hipotesis Penelitian

Hipotesis adalah jawaban sementara penelitian inferensial yang kebenarannya harus diujikan secara empiris melalui uji statistika yang memadai. Hipotesis penelitian sangat diperlukan dalam penelitian ilmiah yang bersifat verifikatif. Sejauh mana kesalahan dalam pengambilan keputusan pada pengujian hipotesis tergantung pada kecermatan prosedur pengujian hipotesis yang dipergunakan dan kualitas data yang dianalisis. Seperti diketahui bahwa setiap pengujian hipotesis melalui statistika terkait erat dengan probabilitas yang merupakan besaran peluang terjadinya suatu peristiwa (event).

Penyusunan hipotesis penelitian melalui statistika terapan tentu saja memerlukan data yang memadai agar diperoleh hasil yang akurat dan andal. Ketersediaan data penelitian merupakan keharusan dalam pengujian hipotesis. Mengapa demikian? Karena data untuk pengujian hipotesis menunjukkan atribut dari subjek penelitian itu sendiri. Data atribut dari subjek ini dapat juga berbentuk populasi atau sampel acak (random) yang mewakili populasi tertentu. Terdapat sampel yang sama dengan karateristik populasinya, namun ada juga sampel yang karakteristiknya tidak sesuai dengan populasi tempat sampel tersebut ditarik. Hal ini dikenal dengan kekeliruan penyampelan (Naga, 2009).

Untuk mencegah kekeliruan sampling data tersebut, pengujian hipotesis statistika menggunakan silogisme. Silogisme pengujian hipotesis menguraikan prosedur pengujian hipotesis statistika yang menggunakan data sampel acak karena berhadapan dengan tak terbatasnya populasi hipotesis yang ada. Dengan demikian silogisme menghasilkan dua hipotesis: Hipotesis nol (H0) dan Hipotesis satu (H1). Kekeliruan data sampel akan menciptakan risiko kekeliruan pada pengujian hipotesisnya. Hal ini dapat kita tetapkan sesuai keinginan periset sebelum pengujian melalui tingkat signifikansi (level of significance).

Hipotesis penelitian pada umumnya dirumuskan melalui kerangka pemikiranyang cermat untuk kemudian diujikanmelalui melalui prosedur yang sesuai. Pada penelitian yang bersifat eksploratif dan deskriptif, pengujian hipotesis tidak diperlukan, karena jenis penelitian eksploratif dan deskriptif, tidak bertujuan menguji dugaan periset atau memverifikasi dugaan melaluianalisis data. Pada penelitian deskriptif peneliti hanya ingin menggambarkan suatu fenomena atau mencari tahu sesuatu dengan tidak melalui dugaan sementara.
Kegunaan hipotesis penelitian:

  • memberikan batasan serta memperkecil jangkauan penelitiandengan lebih jelas dan tegas
  • memperjelas tujuan penelitian dan pertanyaan penelitian yang harus dijawab dalam analisis
  • sebagai panduan utama dalam pengujian serta penyesuaian dengan fakta
  • agar paradigma penelitian tidak keluar dari teori atau acuan penelitian sebelumnya

Penyusunan hipotesis penelitian harus konsisten mengacu kepada rumusan masalah penelitian, tujuan penelitianatau proposisi yang telah ditetapkan pada awal penelitian. Sehingga antara judul penelitian, rumusan masalah, tujuan penelitian, paradigma pemikiran, hipotesis penelitian, rancangan analisis dan pengujianstatistikanyadalam kerangka yang konsisten, terstruktur dan sistematik. Dengan demikian, diharapkan semua hipotesis-hipotesis yang akan diujikan sesuai dengan rancangan penelitian dan dipilih melalui prosedur yang benar.

Skala Pengukuran

Seorang ilmuwan bernama Stevens menyatakan bahwa semua pengukuran dalam ilmu alam dapat dikelompokan menjadi empat kelompok yaitu skala nominal, skala ordinal, skala interval dan skala ratio.

a. Skala Nominal

Skala nominal yang sering juga disebut skala kualitatif adalah skala data yang berfungsi hanya untuk membedakan dan tidak ada tingkatan diantaranya.

b. Skala Ordinal

Skala pengukuran ordinal adalah skala kualitatif di mana data dikelompokkan menjadi orde atau tingkatan-tingkatan. Contoh yang baik untuk menggambarkan skala ordinal adalah skala likert untuk menggambarkan tingkat persepsi responden. Skala sangat setuju sampai sangat tidak setuju yang kemudian dikodekan dalam ukuran 1 sampai dengan 5 menunjukkan orde tingkatan.

c. Skala Interval

skala pengukuran interval adalah skala yang menunjukkan derajat perbedaan diantara item. Skala interval memiliki titik nol yang didefinisikan dengan bebas. sebagai contoh adalah suhu. dalam skala interval memungkinkan jarak antara angka tidak memiliki perbandingan yang sama. sebagai contoh 20 derajat celcius tidak berarti dua kali lipat panasnya dibandingkan 10 derajat celcius

d. Skala Ratio

Ciri utama dari skala ratio adalah memiliki nilai nol yang mutlak dan tidak didefinisikan secara bebas. nilai nol tersebut benar-benar nol, sebagai contoh adalah rentang usia penduduk suatu negara dari 0 sampai dengan 80 tahun. hal lainnya adalah terdapat perbandingan yang sama antara data. berat badan kelompok balita antara 0 sampai dengan 15 kg. bayi 10 kg memiliki berat dua kali lipat dibandingkan dengan bayi 5 kg. skala-skala pengukuran dalam ilmu pengetahuan alam sebagian besar adalah menggunakan skala ratio. keunggulan dari skala ratio dibandingkan interval adalah kita dapat membandingkan suatu data dengan mudah.

Analisis Item

Dalam penyusunan sebuah alat ukur, tahapan yang harus dilakukan adalah analisis item (Guilford & Fruchter, 1985). Istilah analisis item digunakan untuk mendefinisikan perhitungan dan pengujian statistikal terhadap skor-skor item alat ukurindividual (Crocker & Algina, 1986). Sebuah item dapat dianalisa, baik itu analisa kualitatif (berdasarkan isi maupun bentuk dari item tersebut) dan analisa kuantitatif (berdasarkan muatan-muatan statistik seperti daya prediktif, daya beda dari item tersebut). Analisa kualitatif mencakup pertimbangan isi validitas, sedangkan analisa kuantitatif mencakup pengukuran kesulitan butir soal dan diskriminasi item (Anastasi & Urbina, 1997). Tujuan utama dalam melakukan analisa item adalah untuk meningkatkan reliabilitas dan validitas suatu alat ukur(Guilford & Frutcher, 1985).

Menurut Crocker & Algina (1986) pengukuran yang umum digunakan dalam analisa item, adalah: Item difficulty, Item discrimination, dan Item-total correlation.

a. Item Difficulty

Jika skoring pada sebuah item itu dikotomi, maka rata-rata skor item berhubungan dengan banyaknya subyek yang menjawab item tersebut dengan benar. Proporsi orang yang menjawab benar untuk item inilah yang disebut dengan item difficulty, atau yang biasa diberi simbol p (Anastasi & Urbina, 1997).

b. Item Discrimination

Tujuan dari kebanyakan pengukuran psikologis adalah memberikan informasi mengenai perbedaan individu (individual differences) dalam hal konstruk yang diukur tes atau dari kriteria eksternal yang ingin diprediksi oleh alat tes tersebut

(Crocker&Algina, 1986). Oleh karena itu sebuah tes perlu memiliki daya diskriminasi. Pengertian dari daya diskriminasi adalah derajat dimana item dapat membedakan responden dengan skor tinggi dan skor rendah (Cohen&Swerdlik,2005).

Terdapat beberapa metode untuk melihat daya diskriminasi sebuah item. Salah satu metodenya melakukan perbandingan dengan cara membedakan kelompok responden dengan menentukan titik potong pada distribusi skor (Crocker&Algina, 1986; Kaplan&Saccuzzo, 2005). Sedangkan metode lainnya merupakan metode koefisien korelasi. Berikut adalah penjelasan mengenai setiap metode.

c.  Item Total Corellation

Metode item-total correlation merupakan suatu teknik analisis item yang mengkorelasikan skor item dengan skor total keseluruhan(Crocker & Algina, 1986; Guilford, 1954; Kaplan & Saccuzzo, 2005; Nunnally & Bernstein, 1994). Dengan kata lain, daya diskriminasi item melihat apakah subyek yang mampu menjawab sebuah item dengan benar juga bisa menjawab dengan benar pada item- item lainnya (Kaplan, 2005). Beberapa jenis korelasi yang digunakan dalam pengujian ini adalah Pearson’s Product Moment Correlation, Point Biserial Correlation, Biserial Correlation, Phi Coefficient, atau Tetrachoric Correlation Coefficient (Crocker & Algina, 1986). Grimm (1993) menjelaskan bahwa jika skor item dan skor total berupa variabel kontinu maka metode korelasi yang digunakan adalah Pearson’s Product Moment Correlation. Kemudian jika variabel skor total adalah kontinu dan skor item dikotomi, maka metode korelasi yang digunakan adalah Point Biserial atau Biserial Correlation.

Korelasi Rank Spearman dengan SPSS

Banyak yang masih bingung apa yang disebut dengan korelasi rank spearman atau pearson dan apa bedanya dengan regresi. baik korelasi maupun regresi sama-sama populer untuk pengguna software SPSS. Dalam statistik, ketergantungan (dependence) merujuk kepada hubungan antara dua variabel random atau dua set data. Analisis korelasi merujuk kepada kelompok hubungan yang luas yang melibatkan ketergantungan (dependence). Contoh yang paling umum untuk analisis korelasi ini adalah hubungan antara tinggi badan orang tua dengan tinggi badan keturunannya, atau contoh lainnya adalah hubungan antara permintaan produk dan harga. Sementara pada analisis regresi, variabel yang kita teliti harus bersifat kausalitas atau sebab akibat. Sebagai contoh pengaruh motivasi terhadap kinerja karyawan.

Dalam konteks korelasi sendiri, Ada analisis Korelasi Rank Spearman dan Korealsi Pearson. Perbedaan keduanya terletak pada skala variabel yang digunakan. Sebagai contoh korelasi antara penggunaan listrik dengan rata-rata cuaca pada masing-masing wilayah. Hasil penghitungan korelasi dengan SPSS menunjukkan bahwa terdapat korelasi antara penggunaan daya listrik yang bertambah pada daerah-daerah dengan rata-rata cuaca harian yang ekstrim. Daerah-daerah dengan cuaca yang ekstrim akan menggunakan daya listrik yang lebih banyak dibandingkan daerah dengan cuaca menengah. Hal tersebut terjadi karena penduduk wilayah tersebut perlu menghangatkan atau mendinginkan suhu udara melalui AC atau pemanas pada daerah dingin. Daya listrik digunakan untuk menghidupkan alat pengkondisi udara. Untuk mengukur hubungan antara kedua variabel di atas, Korelasi Rank Spearman cocok digunakan. Mengapa? Karena kedua skala ukur kedua variabel di atas bersifat numerik. Daya listrik diukur dengan Watt yang mana adalah numerik, begitu pun suhu udara yang dapat diukur dengan derajat celcius (C).

Tabel 1 Rata-rata penggunaan daya dan suhu harian

 Daerah/WilayahRata-rata penggunaan daya listrik per rumah tangga perbulanRata-rata suhu harian
Daerah 1 835 21
Daerah 2 434 25
Daerah 3 654 24
Daerah 4 986 28
Daerah 5 1232 29
Daerah 6 434 23
Daerah 7 543 24
Daerah 8 523 22.5
Daerah 9 654 27
Daerah 10 456 24

sumber: data ilustrasi

Setelah data di atas terkumpul, maka dihitung koefisien korelasinya denan menggunakan software SPSS. Prosedurnya sederhanya. Kita tinggal melakukan input data di atas ke dalam SPSS kemudian ikuti perintah menu sebagai berikut:

Analyze –> Correlate –> bivariate

 

Masukan kedua variabel ke dalam kolom sebelahnya, setelah itu pilih metode Rank Spearman atau Pearson (Product moment) yang akan digunakan. Selanjutnya klik OK.

 

Perbedaan mendasar kedua metode korelasi ini terletak pada skala ukur data dan jumlah data. Metode Korelasi Rank Spearman diperuntukkan untuk data yang bersifat kategorik sedangkan korelasi Pearson cocok untuk variabel dengan skala ukur numerik dan jumlah banyak (lebih dari 30). Secara singkat Korelasi rank Spearman diperuntukkan untuk parametrik dan korelasi pearson diperuntukkan untuk statistik non parametrik.

Pada contoh kasus di atas, variabel daya listrik dan suhu udara memiliki skala numerik, namun jumlah data kurang dari 30 data. Lalu, metode korelasi mana yang cocok digunakan? Korelasi rank spearman cocok digunakan dibandingkan korelasi pearson karena variabel yang diukur bersifat nonparametrik.

Baik pada analisis korelasi Rank spearman maupun korelasi Pearson, koefisien korelasi atau besarnya hubungan antara variabel disimbolkan dengan r atau rho. Koefisien korelasi ini besarnya berkisar antara -1 sampai dengan +1. Koefisien korelasi yang semakin mendekati nol semakin menunjukkan semakin rendahnya hubungan antara kedua variabel. Sedangkan semakin mendekati 1 semakin kuatnya hubungan tersebut. Tanda – (negatif) menunjukkan hubungan yang berkebalikan. Melalui Software SPSS, kita dapat dengan mudah menghitung koefisien korelasi  dalam hitungan detik.

Metode Penelitian Kualitatif

Metode penelitian kualitatif adalah sebuah metode penelitian yang bertujuan untuk mendapatkan informasi yang mendalam mengenai sebuah subjek. Metode penelitian kualitatif tidak menekankan pada kajian deskripsi sekilas dengan jumlah sampel yang besar seperti pada metode penelitian kuantitatif. Pada penelitian kualitatif tidak ada perlakuan atau manipulasi variabel,penelitian kualitatif lebih kepada membiarkan informasi adanya dari subjek atau nara sumber. Peneliti tidak perlu melakukan kontrol terhadap subjek penelitian, misalnya dengan mengontrol usia, pendidikan, dan variabel pengganggu lainnya.

Perbedaan mendasar dari metode penelitian kualitatif dibandingkan dengan penelitian kuantitatif adalah dari pembuktiannya yang bersifat induktif. penelitian dimulai dari fenomena yang kecil yang kemudian dikembangkan menjadi lebih umum.

Metode penelitian kualitatif sering digunakan untuk meneliti hal-hal yang sulit terungkap dengan penelitian kuantitatif seperti nilai yang dianut masyarakat, motivasi terdalam yang membuat konsumen memilih produk tertentu atau alasan-alasan pemilih di suatu daerah dalam memilih calon pemimpin mereka.

Karena tujuan utama dari metode penelitian kualitatif adalah mendapatkan pemahaman melalui pengalaman, maka peneliti sering berinteraksi langsung dengan subjek penelitian. Kemampuan peneliti dalam mengumpulkan data, menggali informasi dan menginterpretasikan hasil, menjadi penentu dalam penelitian kualitatif.

Metode penelitian kualitatif memiliki metode pengumpulan data yang berbeda dengan penelitian kuantitatif. Dalam metode penelitian kualitatif, metode pengumpulan data yang biasa digunakan diantaranya adalah FGD (Focus Group Discussion), wawancara (interview), observasi dan kajian dokumen.

Metode Penelitian Kuantitatif

Metode penelitian kuantitatif adalah sebuah metode penelitian berdasarkan bukti empiris untuk melakukan investigasi fenomena sosial melalui prinsip-prinsip statistik. Tujuan dari metode penelitian kuantitatif adalah untuk mendapatkan pola atau model matematis, pembuktian teoritis dan hipotesis yang dibentuk peneliti. Proses pengukuran merupakan hal yang sangat penting dalam metode penelitian kuantitatif karena hal tersebut merupakan jembatan antara pengamatan empiris dan ekspresi matematis pada hubungan kuantitatif.

Kerangka berpikir metode penelitian kuantitatif adalah bersifat konfirmatori dan deduktif. konfirmatori maksudnya adalah mengkonfirmasi teori yang sudah ada. Pada metode penelitian kuantitatif, peneliti perlu mengumpulkan teori dari berbagai penelitian yang sudah ada kemudian mengumpulkan data dari lapangan untuk mengkonfirmasi teori tersebut. Bersifat deduktif artinya berangkat dari sesuatu yang bersifat umum. Pada metode penelitian kuantitatif, peneliti membuat hipotesis yang akan dibuktikan dengan data empiris.

Penelitian kuantitatif saat ini sudah sangat luas digunakan pada penelitian sosial, psikologi dan ilmu humaniora. Dalam bidang sosial, metode kuantitatif dapat digunakan untuk melihat pengaruh faktor-faktor yang menjadi penyebab suatu fenomena sosial. Misalnya penelitian dilakukan untuk mengetahui pengaruh jaminan sosial, upah buruh terhadap kesejahteraan buruh. variabel jaminan sosial dan upah buruh menjadi variabel penyebab meningkatnya kesejahteraan buruh. dalam bidang manajamen, metode kuantitatif dapat digunakan untuk mengukur pengaruh kompensasi dan kepemimpinan terhadap motivasi kerja karyawan.

Selain banyak digunakan dalam penelitian kausalitas seperti contoh di atas, penelitian kuantatif juga digunakan untuk membandingkan dua atau lebih fenomena dengan ukuran-ukuran statistik sebagai pembandingnya. Sebagai contoh penelitian untuk membandingkan proporsi jumlah penduduk yang masuk ke dalam kategori miskin di dua kota yang berbeda. Peneliti membandingkan ukuran statistik proporsi penduduk miskin pada dua kota yang berbeda. metode kuantitatif tepat untuk menguji tujuan perbandingan tersebut.

 

Teknik Analisis Data

Teknik analisis data adalah sebuah proses pemilihan data, pembersihan data, mentransformasi data, sehingga diperoleh informasi yang bermanfaat dari data. Teknik analisis data terdiri dari beberapa jenis tergantung kepada tujuan dari analisa data itu sendiri dan karakteristik data yang akan diolah.

Sebelum memilih teknik analisis data tertentu, peneliti perlu mengetahui apa tujuan dari analisis data tersebut, apakah hanya bersifat menggambarkan, apakah perlu membandingkan, apakah menghubungkan antara variabel atau bahkan mencari hubungan sebab akibat dari beberapa variabel. Kecermatan dalam melihat tujuan penelitian sangat mempengaruhi pemilihan teknik analisis data.

Hal lain yang perlu diperhatikan peneliti sebelum memilih suatu teknik analisis data, mereka perlu mamahami karakteristik dari data tersebut apakah data berskala nominal, ordinal, interval ataukah rasio. Karakteristik data juga dapat dilihat dari pola data tersebut apakah mengikuti pola distribusi normal atau tidak. Karakteristik data yang berbeda akan mempengaruhi pemilihan teknik analisis data yang berbeda pula.

Tujuan penelitian dikelompokan menjadi apakah bertujuan hanya untuk menggambarkan, membandingkan atau mencari pola hubungan antara variabel. Jika hanya menggambarkan, maka penelitian masuk ke dalam analiais deskriptif. Jika bertujuan untuk membandingkan maka penelitian masuk ke dalam kelompok penelitian komparasi. Berbeda dengan penelitian yang bertujuan mencari pola hubungan antara variabel, penelitian seperti ini masuk ke dalam penelitian korelasional atau kausalitas. penelitian komparasi, penelitian korelasional dan penelitian kausalitas bersifat konfirmatori atau mengiji hipotesis.

Penelitian Deskriptif

Penelitian deskriptif adalah salah satu jenis penelitian yang bertujuan untuk menggambarkan fenomena tertentu. Pada penelitian deskriptif, peneliti tidak menguji hipotesis atau membuktikan sesuatu sehingga tidak ada pertanyaan bagaimana/mengapa yang harus dijawab.

Ukuran statistik yang sering digunakan dalam penelitian deskriptif adalah distribusi frekuensi, rata-rata, median, modus, persentase, standar deviasi, range. Untuk data kategorik, ukuran statistik deskriptif yang paling cocok adalah modus, distribusi frekuensi dan range. Sedangkan untuk data yang berskala numerik, ukuran deskriptif yang paling cocok adalah mean, median dan standar deviasi.

Pada penelitian deskriptif, peneliti tidak mendesain sebuah keadaan untuk mengkondisikan subjek penelitian. Peneliti meneliti fenomena apa adanya yang terjadi dan digambarkan melalui ukuran-ukuran statistik di atas. Berbeda halnya dengan penelitian konfirmatori, dimana peneliti mendesain subjek sedemikian rupa dan mengontrol variabel-variabel yang mungkin mengganggu. Hal tersebut dilakukan untuk menghindari bias dari variabel lain yang tidak diteliti. Sebagai contoh, ketika peneliti meneliti pengaruh motivasi terhadap prestasi belajar, peneliti perlu mengontrol pengaruh kelompok kelas tertentu karena dimungkinkan prestasi siswa sangat berhubungan dengan kelas tertentu.

Penelitian deskriptif dapat dilakukan secara cross-sectional, dimana penelitian dilakukan sekali waktu. contoh penelitian deskriptif yang bersifat korelasional adalah penelitian mengenai bagaimana perilaku seks remaja di satu kota tertentu pada waktu tertentu. Penelitian deksriptif juga dapat dilakukan secara longitudinal (time series) dimana peneliti meneliti subjek dalam jangka waktu yang panjang. Contoh penelitian deksriptif yang bersifat longitudinal adalah penelitian perilaku seks remaja selama kurun waktu 10 tahun di satu kota tertentu.

 

 

Konsultan Statistik

Konsultan statistik berperan dalam mendampingi mahasiswa program s1, s2,s3 dan umum dalam mengolah data penelitian. Konsultan statistik dapat memberikan saran-saran mengenai desain penelitian, penentuan jumlah sampel dan teknik sampling, metode analisis data yang digunakan, sampai kepada penarikan kesimpulan dari data tersebut. Berikut merupakan beberapa tips yang mungkin berguna dalam memilih konsultan statistik.

  1. Pilih konsultan statistik yang memiliki reputasi yang baik. Reputasi yang baik adalah jaminan bagi konsumen. Hal ini berlaku juga bagi konsumen yang sedang mencari sebuah konsultan statistik. terlebih layanan yang diberikan oleh sebuah konsultan statistik adalah bisnis jasa, maka reputasi merupakan hal yang sangat penting. konsultan statistik yang memiliki reputasi yang baik dapat diperoleh dari rekomendasi teman, tampilan website yang elegan, atau dari lokasi kantornya.
  2. Pilih konsultan statistik yang berbadan hukum. Saat ini begitu banyak pihak yang menawarkan jasa sebagai konsultan statistik secara online. Kebanyakan dari mereka menawarkan jasa secara personal, tanpa badan hukum. Sebetulnya tidak ada hubungan antara badan hukum dengan tingkat kemampuan mereka dalam menyelesaikan masalah kliennya. Namun, untuk keamanan dalam bertransaksi secara online, ada baiknya Anda lebih memilih konsultan statistik yang berbadan hukum. Selain karena Anda dapat dengan mudah melacak keberadaannya, tentunya perusahaan yang berbadan hukum akan lebih serius dan bertanggung jawab dalam melayani pelanggannya.
  3. Perhatikan tim pendukung, tim konsultan atau analis adalah tim yang akan membantu mengerjakan pekerjaan Anda dan memberikan konsultansi kepada Anda. Memilih tim yang kompeten sama saja dengan memilih pekerjaan Anda untuk dikerjakan dengan cepat dan akurat. Karena ini adalah konsultan statistik, maka sebaiknya pilih konsultan yang memiliki tim dengan latar belakang pendidikan sarjana statistik.
  4. Tanyakan pengalaman tim-nya.  Latar belakang pendidikan sarjana statistika dan pengalaman yang mumpuni dalam mengerjakan pekerjaan sejenis merupakan kombinasi yang sempurna sebagai bahan pertimbangan dalam memilih konsultan statistik. Jangan canggung untuk bertanya langsung mengenai apa saja pengalaman konsultan statitistik yang akan Anda pilih.
  5. Pilih yang memiliki kantor offline yang dapat didatangi. Pekerjaan analisis data dan penelitian bukan merupakan pekerjaan yang sekali bertemu dengan konsultan langsung beres. Setidaknya dibutuhkan beberapa kali diskusi baik secara online maupun offline dengan konsultan. Ada baiknya Anda mengetahui kantor konsultan tersebut. Hal ini dianggap penting sebagai antisipasi ketika Anda benar-benar perlu mendatangi kantor mereka.