Manajemen DATA Pertemuan 2

DATA Data menurut Jogiyanto adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. Kejadian-kejadian (event) adalah sesuatu yang terjadi pada saat tertentu, sedangkan Informasi adalah sebagai hasil dari pengolahan data dalam suatu bentuk yang lebih berguna dan lebih berarti bagi penerimanya yang menggambarkan suatu kejadian-kejadian (event) yang nyata (fact) yang digunakan untuk pengambilan keputusan.

Analisis Data Statistik TEKNIK ANALISIS KUANTITATIF

Analisis Data Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah diperoleh secara lengkap. Ketajaman dan ketepatan dalam penggunaan alat analisis sangat menentukan keakuratan pengambilan kesimpulan, karena itu kegiatan analisis data merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses penelitian. Kesalahan dalam menentukan alat analisis dapat berakibat fatal terhadap kesimpulan yang dihasilkan dan hal ini akan berdampak lebih buruk lagi terhadap penggunaan dan penerapan hasil penelitian tersebut. Dengan demikian, pengetahuan dan pemahaman tentang berbagai teknik analisis mutlak diperlukan bagi seorang peneliti agar hasil penelitiannya mampu memberikan kontribusi yang berarti bagi pemecahan masalah sekaligus hasil tersebut dapat dipertanggungjawabkan secara ilmiah.

Technik Analisis Secara garis besarnya, teknik analisis data terbagi ke dalam dua bagian, yakni analisis kuantitatif dan kualitatif. Yang membedakan kedua teknik tersebut hanya terletak pada jenis datanya. Untuk data yang bersifat kualitatif (tidak dapat diangkakan) maka analisis yang digunakan adalah analisis kualitatif, sedangkan terhadap data yang dapat dikuantifikasikan dapat dianalisis secara kuantitatif, bahkan dapat pula dianalisis secara kualitatif.

Jenis Analisis Kuantitatif Analisis kuantitatif yang biasa digunakan adalah analisis statistik. Biasanya analisis ini terbagi ke dalam dua kelompok, yaitu: Statistik Deskriptif Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan.

Teknik analisis statistik deskriptif yang dapat digunakan antara lain: Penyajian data dalam bentuk tabel atau distribusi frekuensi dan tabulasi silang (crosstab). Dengan analisis ini akan diketahui kecenderungan hasil temuan penelitian, apakah masuk dalam kategori rendah, sedang atau tinggi. Penyajian data dalam bentuk visual seperti histogram, poligon, ogive, diagram batang, diagram lingkaran, diagram pastel (pie chart), dan diagram lambang. Penghitungan ukuran tendensi sentral (mean, median modus). Penghitungan ukuran letak (kuartil, desil, dan persentil). Penghitungan ukuran penyebaran (standar deviasi, varians, range, deviasi kuartil, mean deviasi, dan sebagainya).

Statistik Inferensial Kalau dalam statistik deskriptif hanya bersifat memaparkan data, maka dalam statistik inferensial sudah ada upaya untuk mengadakan penarikan kesimpulan dan membuat keputusan berdasarkan analisis yang telah dilakukan. Biasanya analisis ini mengambil sampel tertentu dari sebuah populasi yang jumlahnya banyak, dan dari hasil analisis terhadap sampel tersebut digeneralisasikan terhadap populasi. Oleh karena itulah statistik inferensial ini juga disebut dengan istilah statistik induktif. Berdasarkan jenis analisisnya, statistik inferensial terbagi ke dalam dua bagian: Analisis Korelasional Analisis Komparasi

Analisis Korelasional Analisis korelasional adalah analisis statistik yang berusaha untuk mencari hubungan atau pengaruh antara dua buah variabel atau lebih. Dalam analisis korelasional ini, variabel dibagi ke dalam dua bagian, yaitu: Variabel bebas (Independent Variable), yaitu variabel yang keberadaannya tidak dipengaruhi oleh variabel lain. Variabel terikat (Dependent Variable), yaitu variabel yang keberadaannya dipengaruhi oleh variabel yang lain. Misalnya penelitian tentang hubungan antara jumlah sales dengan volume penjualan. Jumlah sales merupakan variabel bebas (X) dan volume penjualan sebagai variabel terikat (Y).

Skala data Banyak sekali teknik analisis statistik yang dapat digunakan untuk analisis korelasional ini, baik statistik parametrik maupun nonparametrik. Penggunaan masing-masing teknik analisis tersebut sangat tergantung pada jenis skala datanya. Skala data terdiri dari: Data nominal, yaitu data kualitatif yang tidak memiliki jenjang. Contoh jenis kelamin, asal daerah, pekerjaan orang tua, hobby, dan sebagainya. Data ordinal, yaitu data kualitatif yang memiliki jenjang, seperti tingkat pendidikan, jabatan, pangkat, ranking kelas, dan sebagainya. Data interval/rasio, yaitu data kuantitatif atau data yang berupa angka atau dapat diangkakan. Contoh penghasilan, prestasi belajar, tinggi badan, tingkat kecerdasan, volume penjualan, dan sebagainya.

Analisis komparasi Analisis komparasi adalah teknik analisis statistik yang bertujuan untuk membandingkan antara kondisi dua buah kelompok atau lebih. Teknik analisis yang digunakan juga cukup banyak, penggunaan teknik analisis tersebut tergantung pada jenis skala data dan banyak sedikitnya kelompok. Beberapa contoh hipotesis komparatif di antaranya adalah: Perbedaan kualitas pelayanan antara toko A dan B Perbedaan minat mahasiswa terhadap profesi guru ditinjau dari status sosial ekonomi orang tua Perbedaan prestasi belajar mahasiswa antara yang diajar dengan metode konvensional dengan metode CTL Perbedaan produktivitas kerja karyawan sebelum dan sesudah mengikuti pelatihan AMT

Jenis Analisis Korelasional Dilihat dari Skala Data

Pengertian korelasi Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas pengertian tersebut. Korelasi merupakan salah satu teknik analisis dalam statistik yang digunakan untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif). 

variabel independen dan variabel dependen Kedua variabel yang dibandingkan satu sama lain dalam korelasi dapat dibedakan menjadi variabel independen dan variabel dependen. Sesuai dengan namanya, variabel independen adalah variabel yang perubahannya cenderung di luar kendali manusia. Sementara itu variabel dependen adalah variabel yang dapat berubah sebagai akibat dari perubahan variabel indipenden. Hubungan ini dapat dicontohkan dengan ilustrasi pertumbuhan tanaman dengan variabel sinar matahari dan tinggi tanaman. Sinar matahari merupakan variabel independen karena intensitas cahaya yang dihasilkan oleh matahari tidak dapat diatur oleh manusia. Sedangkan tinggi tanaman merupakan variabel dependen karena perubahan tinggi tanaman dipengaruhi langsung oleh intensitas cahaya matahari sebagai variabel indipenden. 

MACAM-MACAM KORELASI 1. Korelasi Sederhana Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud adalah apakah hubungan tersebut erat, lemah,  ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk korelasinya linear positifataupun linear negatif.  Di antara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman.

Korelasi Pearson Product Moment 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 variasi 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. 

Korelasi Rank Spearman Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu namun untuk statistik nonparametrik. Koefisien korelasi Rank Spearman lebih cocok untuk digunakan pada statistik nonparametrik. Statistik nonparametrik adalah statistik yang digunakan 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 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). 

2. Korelasi Parsial Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk melihat korelasi natural antara variabel yang tidak terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua variabel. Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau dibuat tetap (sebagai variabel kontrol).  Sebagai contoh misalnya kita akan meneliti hubungan variabel X2 dan variabel bebas Y, denganX1 dikontrol (korelasi parsial). Disini variabel yang dikontrol (X1) dikeluarkan atau dibuat konstan. Sehingga X2’ = X2 – (b2X1 + a2 ) dan Y’ = Y – (b1 X1 +a1 ), tetapi nilai a dan b didapatkan dengan menggunakan regresi linear. Setelah hasilnya diperoleh, kemudian dicari regresi X2‘ dengan Y’ dimana : Y’ = b3X2’ +a3. Korelasi yang didapatkan dan sejalan dengan model-model di atas dinamakan korelasi parsial X2 dan Y sedangkan X1 dibuat konstan.

Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik, maka Y turun).  Data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau rasio. Berikut adalah pedoman untuk memberikan interpretasi serta analisis bagi koefisien korelasi menurut Sugiyono: 0.00 - 0,199 = sangat rendah 0,20 - 0,3999 = rendah 0,40 - 0,5999 = sedang 0,60 - 0,799 = kuat 0,80 - 1,000 = sangat kuat

Korelasi Ganda Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-variabel independen sebagaimana korelasi mereka dengan variabel dependen.  Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain. Korelasi ganda merupakan korelasi yang terdiri dari dua atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara masing-masing variabel dilakukan dengan cara perhitungan korelasi sederhana. 

Korelasi Ganda Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan huruf R. Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.  Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau lebih tersebut, sedangkan koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.

Statistik parametric, statistik nonparametrik Di samping teknik analisis di atas, terdapat dua kelompok analisis statistic ditinjau dari bentuk parameternya, yakni statistik parametrik dan nonparametrik. Statistik parametrik adalah analisis statistik yang pengujiannya menetapkan syarat-syarat tertentu tentang bentuk distribusi parameter atau populasinya, seperti data berskala interval dan berdistribusi normal. Sedangkan statistik nonparametrik adalah analisis statistik yang tidak menetapkan syarat-syarat tersebut. Dengan demikian, untuk dapat menggunakan teknik statistik parametrik harus ditinjau terlebih dahulu persyaratan-persyaratan yang harus dipenuhi.

Jenis Analisis Komparasi Dilihat dari Jumlah Kelompok

Persyaratan-persyaratan yang biasanya harus dipenuhi dalam penggunaan teknik statistik parametrik meliputi: Sampel diambil secara acak/random dari sebuah populasi. Data berskala interval atau data bersifat kuantitatif. Data berdistribusi normal, artinya data yang diperoleh memiliki distribusi seperti distribusi normal. Pengujiannya dapat dilakukan dengan menggunakan Kai Kuadrat, Kolmogorov-Smirnov, Lilieford Test, Skewness dan Kurtosis, atau Jarque-Bera Test. Ada hubungan yang linear antara variabel bebas dengan variabel terikatnya, artiny hubungan antara variabel bebas dan terikat bersifat linear atau garis lurus, bukan kuadratik, kubik atau yang lainnya. Pengujian dapat dilakukan dengan menggunakan uji F Tuna Cocok (Lack of Fit Test) atau uji polinomial.

Tidak terjadi heterosedastisitas, artinya varians error yang dihasilkan dari sebuah persamaan regresi tersebut haruslah bersifat homogen/sama untuk setiap nilai X. Pengujian dapat dilakukan dengan Park Test, Glesjer Test, Bartlett Test, Rho Spearman, dan Goldfield & Quant. Tidak terjadi kolinearitas/multikolinearitas, artinya tidak terjadi korelasi yang terlalu tinggi antar variabel bebas. Pengujian dapat dilakukan dengan analisis korelasi / regresi, Tolerance, dan VIF (Variance Inflation Factor). Tidak terjadi otokorelasi, artinya error yang terjadi murni berasal dari garis regresi dan bukan berasal dari error pengamatan yang lain. Pengujiannya adalah Durbin-Watson Test. Ada homogenitas varians, artinya varians antara kelompok satu dengan kelompok yang lain haruslah bersifat homogen/sama. Pengujiannya dapat dilakukan dengan Bartlett Test, Cochran, F Max Hartley, atau Levene Test. Ada homogenitas regresi, artinya koefisien garis regresi antar kelompok haruslah bersifat sama/homogen. Pengujiannya dapat dilakukan dengan uji F untuk kesamaan koefisien regresi.

Tidak semua teknis statistik parametrik harus memenuhi semua persyaratan di atas, namun setiap jenis teknik analisis memiliki persyaratan yang berbeda. Persyaratan dalam Penggunaan Teknik Analisis Parametrik