Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

METODE RISET AGRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “Veteran” Jawa Timur SURABAYA 2007.

Presentasi serupa


Presentasi berjudul: "METODE RISET AGRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “Veteran” Jawa Timur SURABAYA 2007."— Transcript presentasi:

1 METODE RISET AGRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “Veteran” Jawa Timur SURABAYA 2007

2 METODE ANALISIS DATA

3 PENELITIAN Penelitian merupakan kegiatan yang dilaksanakan secara terarah dan terencana (sistematik), terkendali, empirik, dan kritis, untuk mengungkapkan hubungan antar variabel (Harun Al Rasyid, 1994). Hubungan tersebut dapat berupa hubungan antara sebuah variabel dengan sebuah atau beberapa variabel lainnya, maupun hubungan untuk mengetahui seberapa besar pengaruh sebuah variabel baik pengaruh langsung atau pengaruh tidak langsung terhadap sebuah atau beberapa variabel lainnya.

4 Data dan Variabel Variabel : Karakteristik, atau sifat dari obyek kajian yang relevan dengan permasalahan penelitian, dimana data diamati atau diukur atau dicacah dari padanya. Data : Kumpulan angka, fakta, fenomena atau keadaan atau lainnya yang merupakan hasil pengamatan, pengukuran, atau pencacahan dan sebagainya terhadap variabel dari suatu obyek kajian, yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya pada variabel yang sama.

5 ObyekKarakteristikHasil Amatan Penduduk Perusahaan X - Pekerjaan - Umur - Pendidikan - Modal - Aset - Bentuk - Petani - 50 tahun - SMP - 1 Milyard Rp Milyard Rp - Perorangan Obyek KajianVariabelData

6 PENTINGNYA DATA DALAM PENELITIAN Peranan data sangat penting. Tetapi berapapun banyaknya data, bukan tujuan penelitian. Secara sekilas data sudah dapat bercerita Dengan Statistik data dapat diolah menjadi lebih eksak.

7 Statistik Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data, analisis data, dan interpretasi hasil analisis untuk mendapatkan informasi sebagai landasan di dalam pengambilan keputusan dan guna penarikan kesimpulan. Keputusan: diterima atau ditolaknya hipotesis penelitian

8 Umumnya Statistik dapat membantu : Menghitung nilai tengah Mengetahui sebaran data Mengetahui hubungan antara suatu data dengan data lain Mengetahui sejauh mana data sesuai atau menyimpang dengan Standar

9 METODE PENGUMPULAN DATA METODE ANALISIS DATA SUMBER DATA EMPIRIK INFORMASI EMPIRIK AKURAT ! S T A T I S T I K A PERANAN STATISTIKA

10 Instrumen Penelitian harus : Valid (sahih) Reliabel (handal)

11 KAIDAH ANALISIS DATA (Pemodelan Statistika) CODING SCORING TABULASI PERIKSA OUTLIERS JENIS PERMASALAHAN PENELITIAN JENIS DAN KARAKTERISTIK DATA PILIH METODE ANALISIS INFORMASI AKURAT RELEVAN VALID PERIKSA ASUMSI

12 PEMERIKSAAN DATA OUTLIERS BOX PLOT OUTLIERS Diskriptif : Standart Deviasi > Mean (data interval) Uji Barnet dan Lewis

13 JENIS DATA NOMINAL Komponen Nama (Nomos) ORDINAL Komponen Nama Komponen Peringkat (Order) INTERVAL Komponen Nama Komponen Peringkat (Order) Komponen Jarak (Interval) Nilai Nol tidak Mutlak RATIO Komponen Nama Komponen Peringkat (Order) Komponen Jarak (Interval) Komponen Ratio Nilai Nol Mutlak

14 Secara umum : Mahasiswa umumnya kesulitan dalam memilih teknik analisis yang sesuai dengan penelitiannya. Analisis yang digunakan umumnya ikut arus. Terjadi pergeseran dari Analisis Univariate ke Multivariate.

15 Perkembangan Teknik Analisis yang sering digunakan dalam penelitian Metode Deskriptif Uji Beda Regresi SWOT SEM

16 Beberapa teknik analisis yang dapat digunakan : Analisis Deskriptif Analisis Univariate Analisis Multivariate Analisis dengan model Riset Operasional Analisis Statistik Nonparametrik Analisis dengan model Evaluasi Proyek Analisis Pemasaran Analisis dengan Teknik Peramalan Analisis yang lainnya.

17 PEMODELAN : ANALISIS KOMPARATIF ANALISIS NONPARAMETRIK JENIS DATA SATU POPULASIDUA POPULASILEBIH DARI 2 POPULASI PairedUnpiredPairedUnpaired NOMINALUji Binomium Uji Khi Kuadrat Uji McNemarUji Eksak FisherUji Q Chocran Uji Khi Kuadrat ORDINALUji Kolmogorof S. Uji Deret Uji Tanda Uji Tanda Wilcoxon Uji Median Mann-Whitney Kolmogorof S. Uji Wald W. Uji Moses Uji FriedmanUji Kruskal Wallis INTERVAL DAN RATIO Uji Walsh Uji Randomisasi ANALISIS PARAMETRIK 1) INTERVAL DAN RATIO Uji Z,  2 diketahui Uji t,  2 tdkdiketahui Uji Z,  2 diketahui Uji t,  2 tdkdiketahui Uji Z,  2 diketahui Uji t,  2 tdkdiket. Uji F; melalui ANOVA (dengan pemblokan) RAK, RBSL Uji F, melalui ANOVA (tanpa pemblokan) RAL ANALISIS PEUBAH GANDA (MULTIVARIATE) INTERVAL DAN RATIO Uji  2,  diket. Uji T 2 Hotelling,  tidak diketahui Uji T 2 Hotelling,  tidak diketahui Uji T 2 Hotelling,Uji Wilk Lamda melalui MANOVA (dengan pemblokan) RAK, RBSL Uji Wilk Lamda melalui MANOVA (tanpa pemblokan) RAL

18 PEMODELAN : ANALISIS ASOSIATIF D A T AKORELASIREGRESI XY Nominal Ordinal I & R Nominal Ordinal I & R Nominal Ordinal I & R Nominal Ordinal I & R Kontingensi, C Odd Ratio dan Relative Risk Idem Biserial Kontingansi, C, Odd Ratio & RR Rank Spearman & Kendall Rank Partial & Konkordansi Kendall Idem Biserial Rank Spearman & Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall Korelasi Pearson dan Kanonik Logit, Probit, LPM Diskriminan dan Logistik dummy variabel Logit, Probit, LPM Diskriminan dan Logistik dummy variabel Regresi Theil dan Regresi Garis Resisten Regresi, dummy variabel Logit, Probit, LPM Diskriminan dan Logistik dummy variabel Logit, Probit, LPM Diskriminan dan Loghistik dummy variabel Regresi Theil dan Regresi Garis Resisten Regresi, dummy variabel Logit / Logistik, Probit, LPM Diskriminan Logit / Logistik, Probit, LPM Diskriminan dan Logistik dummy variabel Regresi Theil dan Regresi Garis Resisten Regresi

19 MODEL DEPENDENSI PADA MULTIVARIATE MODEL ANALISIS NONMETRIK (N & O) Regresi, Analisis Path, SEM, Korelasi Kanonik, Sistem Persanaan Simultan Variabel INDEPENDEN Variabel DEPENDEN METRIK (I & R) Deskriminan, Regresi Logistik, Probit, Tobit NONMETRIK (N & O)METRIK (I & R) NONMETRIK (N & O) METRIK (I & R) Regresi LogistikNONMETRIK (N & O) MANOVA

20 LANGKAH-LANGKAH ANALISIS REGRESI a) Spesifikasi Model : (1) Identifikasi variabel Dependen dan Independen : Teoritis (merupakan prioritas) Empiris : Regresikan setiap variabel independen dengan variabel dependen; kemudian kedudukan variabel tersebut dibalik, dimana regresi dengan R 2 terbesar dianggap yang lebih tepat. TIME SERIES: Granger causality test (2) Menentukan Spesifikasi Model Spesifikasi model sesuai dengan mekanisme substansi pada bidang yang dikaji (teoritis) Spesifikasi model ditentukan secara empiris (scatter diagram & ortogonal polinomial) b) Pendugaan Paremater c) Pemeriksaan Asumsi d) Interpretasi

21 PEMERIKSAAN ASUMSI ASUMSI (Teori Gauss-Markov) : ( 1). Hubungan antara Y dengan X adalah tepat (RESET test, teoritis) (2). Variabel X bersifat fix atau nonstokastik (teoritis) (3) a. Error memiliki nilai harapan nol, E(  ) =0, dan E(  2 ) =  2 (Park atau Plot Sisaan Terstudent dengan Fit : Random; homokedastisitas ) b. Antar  i tidak berkorelasi, E(  i,  j ) = 0 (Durbin Watson : sekitar 2 tidak ada otokorelasi) c. Variabel  i menyebar normal ( Jarque-Bera, Anderson Darling : Nonsignifikan berarti Normal ) Akibat ikutan dari asumsi 2 dan asumsi 3 butir a, bilamana X stokastik maka variabel X harus saling bebas dengan  i (RESET test). (4) Regresi berganda : Tdk ada Multikolinieritas (condition INDEX: lebih kecil 30 berarti tidak ada multikolinieritas)

22 REMIDIES ASUMSI TIDAK TERPENUHI ASUMSI (Teori Gauss-Markov) : ( 1). Hubungan antara Y dengan X adalah tepat (Perbaiki Model) (2). Variabel X bersifat fix atau nonstokastik (Instrumental Variables) (3) a. Error memiliki nilai harapan nol, E(  ) =0, dan E(  2 ) =  2 (WLS atau transformasi data) b. Antar  i tidak berkorelasi, E(  i,  j ) = 0 (Cross sectional tdk kritis) c. Variabel  i menyebar normal (LCT, perbesar sample size) Akibat ikutan dari asumsi 2 dan 3 butir a, bilamana X stokastik maka variabel X harus independen dgn  i (Instrumental Variables). (4) Pada regresi berganda : Tidak ada Multikolinieritas (Stepwise, All Possible Regression, Regresi Komponen Pokok)

23 KEGUNAAN - Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti. - Prediksi nilai variabel tergantung berdasarkan nilai variabel bebas, yang mana prediksi dengan regresi ini dapat dilakukan secara kuantitatif. - Faktor determinan, yaitu penentuan variabel bebas mana (pada regresi berganda) yang berpengaruh dominan terhadap variabel tergantung. Hal ini dapat dilakukan bilamana unit satuan data seluruh variabel sama dan skala data seluruh variabel homogen.

24 VALIDASI MODEL Akurasi model : koef. determinasi, R 2, semakin besar semakin akurat Untuk kepentingan prediksi Ketelitian model : p-value uji F pada ANOVA (uji koefisien serempak) Untuk kepentingan generalisasi hasil prediksi p-value uji t (uji koefisien regresi secara parsiil) Untuk kepentingan generalisasi eksplanasi Pemilihan Model: Akaike Information Criterion, semakin kecil semakin baik Schwarz Criterion, semakin kecil semakin baik R 2 adjusted, semakin besar semakin baik

25 Terima kasih, Matur Nuwun, Thank you, Xie Xie


Download ppt "METODE RISET AGRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “Veteran” Jawa Timur SURABAYA 2007."

Presentasi serupa


Iklan oleh Google