Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehRika Zalukhu Telah diubah "4 tahun yang lalu
1
3 Screening Data Pengantar Akuntansi I PENGERTIAN SCREENING DATA UJI NORMALITAS DATA TRANSFORMASI DATA UJI DATA OUTLIER
2
PENGERTIAN SCREENING DATA SCREENING DATA merupakan kegiatan untuk mengecek ulang data yang diperoleh telah sesuai dengan yang diharapkan atau tidak. Data yang tidak sesuai dengan yang diharapkan dapat terjadi karena kesalahan dalam pengambilan sampel, kesalahan dalam menginput data, atau memang karena adanya keanehan karakteristik pada data yang diambil. Proyeksi dengan menggunakan data yang mengandung nilai yang ekstrim akan menghasilkan nilai proyeksi yang bias.
3
Pedoman umum perbaikan data 1.Melakukan transformasi data 2.Kembali mengambil data ke lapangan 3.Membuang jawaban yang tidak diinginkan
4
Melakukan transformasi data Transformasi data bertujuan mengubah data dari asli ke bentuk yang lain sehingga memiliki karakteristik yang sesuai dengan yang dibutuhkan oleh pembuat proyeksi. Tranformasi data biasanya dilakukan karena pola data tidak menyebar secara normal.
5
Kembali mengambil data ke lapangan Langkah kembali ke lapangan bertujuan untuk melakukan verifikasi terhadap data yang telah diperoleh. Cara ini cocok dilakukan jika data yang tidak dikehendaki tidak terlalu banyak dan lokasinya tidak tersebar.
6
Membuang jawaban yang tidak diinginkan Dengan membuang data yang tidak diinginkan, maka jumlah observasi menjadi berkurang. Pendekatan ini hanya cocok jika jumlah observasi besar.
7
Data utama yang dibutuhkan tidak lengkap Beberapa cara mengatasi masalah data tidak lengkap: 1.Mengisi dengan nilai yang netral. 2.Mengganti dengan nilai yang sama dengan jawaban responden lain yang memiliki karakteristik sama. 3.Dengan membuang responden (pengamatan) yang memiliki jawaban tidak lengkap.
8
UJI DATA OUTLIER DATA OUTLIER adalah data yang memiliki nilai menyimpang jauh dari nilai rata-rata. Untuk mendeteksi keberadaan data outlier dapat dilakukan dengan menggunakan standardisasi data. Untuk kasus sampel kecil (<80), jika nilai standar skor lebih besar dari 2,5 atau lebih kecil dari -2,5, maka dinyatakan outlier. Untuk sampel besar, jika standar skor lebih besar dari 3 atau lebih kecil dari -3, maka dinyatakan outlier.
9
Penyebab adanya data outlier 1.Kesalahan dalam pemasukan data atau pengodekan data. 2.Kesalahan dalam pengambilan sampel. 3.Karena ada keadaan khusus yang memungkinkan profil datanya berbeda dengan yang lain tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrem tersebut. 4.Karena adanya keadaan khusus yang memungkinkan profil datanya berbeda dengan yang lain tetapi peneliti tidak mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim tersebut.
10
UJI NORMALITAS DATA UJI NORMALITAS bertujuan untuk menguji apakah data menyebar secara normal atau tidak. Data dikatakan menyebar secara normal jika sebaran data sebagian besar mendekati rata-rata, sedangkan data yang ekstrem, baik yang ekstrim positif maupun ekstrem negatif jumlahnya sedikit. Uji normalitas dapat dilakukan dengan uji normalitas univariate dan uji normalitas multivariate. Jika variabel tidak terdistribusi normal, nilai proyeksi akan terdegradasi.
11
Metode uji normalitas Uji normalitas dapat dilakukan dengan menggunakan analisis grafik dan dengan uji statistik. Pengujian normalitas dengan menggunakan analisis grafik dilakukan dengan mengamati apakah penyebaran data sebagian besar mendekati nilai rata-rata atau tidak, atau kurva yang terbentuk seperti lonceng atau tidak. Jika sebagian besar data mendekati rata- rata, atau kurva yang terbentuk seperti lonceng, maka data normal. Pengujian normalitas dengan uji statistik harus menganalisis dua komponen, yaitu koefisien keruncingan (kurtosis) dan koefisien kemiringan (skewness).
12
Mengatasi masalah normalitas data 1.Menambah jumlah data 2.Melakukan transformasi data menjadi log, LN atau bentuk lainnya 3.Menghilangkan data yang dianggap sebagai penyebab ketidaknormalan
13
TRANSFORMASI DATA Beberapa cara untuk melakukan transformasi data: a.Transformasi ke bentuk LN. Formula =LN( ) b.Transformasi ke bentuk EXP. Formula =EXP( ) c.Transformasi ke nilai mutlak. Formula =ABS( ) d.Transformasi ke bentuk akar. Formula =SQRT( ) e.Transformasi ke bentuk kuadrat. Formula =( )^2 f.Transformasi ke bentuk Logaritma 10. Formula =LOG( ) g.Transformasi ke bentuk standardize. Formula = Average(blok seluruh data), =stdev(blok seluruh data). Kemudian hitung nilai Z = X - Ẍ / σ h.Transformasi ke bentuk nilai sentral i.Transformasi ke bentuk diferensiasi
14
Terimakasih
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.