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

METODE ANALISIS DATA

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.

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.

Obyek Karakteristik Hasil Amatan Penduduk Perusahaan X Pekerjaan Umur Pendidikan Modal Aset Bentuk Petani 50 tahun SMP 1 Milyard Rp 1.2 Milyard Rp Perorangan Obyek Kajian Variabel Data

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.

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

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

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

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

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

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

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

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.

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

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.

PEMODELAN : ANALISIS KOMPARATIF ANALISIS NONPARAMETRIK JENIS DATA SATU POPULASI DUA POPULASI LEBIH DARI 2 POPULASI Paired Unpired Unpaired NOMINAL Uji Binomium Uji Khi Kuadrat Uji McNemar Uji Eksak Fisher Uji Q Chocran ORDINAL Uji Kolmogorof S. Uji Deret Uji Tanda Uji Tanda Wilcoxon Uji Median Mann-Whitney Kolmogorof S. Uji Wald W. Uji Moses Uji Friedman Uji Kruskal Wallis INTERVAL DAN RATIO Uji Walsh Uji Randomisasi ANALISIS PARAMETRIK1) INTERVAL DAN RATIO Uji Z, 2 diketahui Uji t, 2 tdkdiketahui Uji t, 2 tdkdiket. Uji F; melalui ANOVA (dengan pemblokan) RAK, RBSL Uji F, melalui (tanpa pemblokan) RAL ANALISIS PEUBAH GANDA (MULTIVARIATE) Uji 2,  diket. Uji T2 Hotelling,  tidak diketahui Uji Wilk Lamda melalui MANOVA

PEMODELAN : ANALISIS ASOSIATIF D A T A KORELASI REGRESI X Y 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 Rank Spearman & Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall Korelasi Pearson dan Kanonik Logit, Probit, LPM Diskriminan dan Logistik dummy variabel Regresi Theil dan Regresi Garis Resisten Regresi, dummy variabel Diskriminan dan Loghistik dummy variabel Logit / Logistik, Probit, LPM Diskriminan Regresi

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

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 R2 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

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)

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)

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.

VALIDASI MODEL Akurasi model : koef. determinasi, R2, 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 R2 adjusted, semakin besar semakin baik

Terima kasih, Matur Nuwun, Thank you, Xie Xie