TUGAS AKHIR STATISTIKA BISNIS 2
“ CONTOH KASUS DARI MATERI PRAKTIKUM “
OLEH :
NURUL ANGGRAINY S. NIM : 452 16 012
KELAS 2A D4 ADMINISTRASI BISNIS JURUSAN ADMINISTRASI NIAGA POLITEKNIK NEGERI UJUNG PANDANG TAHUN PELAJARAN 2016
1. BAB 3 " DATA SCREENING DAN TRANSFORMASI DATA " A. Data Screening ( Sumber : http://www.academia.edu/29512799/Analisis_dan_Eksplorasi_Data_2015_2016_Screening_dan_Missing_Data_versi_1. 01 )
Data Screening merupakan suatu penyaringan data dari data yang sedang dikelola. Tujuan Screening pada suatu data ialah: 1. Memeriksa proses pengelolaan data 2. Mengkoreksi kesalahan dalam pengumpulan data 3. Menghindari ketidakvalidan dalam analisis data Contoh Kasus :
Bayu mengumpulkan data 15 konsumen air mineral Tirtayasa di Universitas Pakuan. Karena banyak konsumen yang merasa malu dengan pengisian kuesioner yang dibuat Bayu, akhirnya Bayu mendapatkan data yang tidak lengkap. Berikut ini data yang diperoleh Bayu : Bagaimana hubungan antar variabel pada data yang hilang baik secara listwise maupun secara pairwise
Gambar 1: Data View
Gambar 2: Variable View
B. TRANSFORMASI DATA ( Sumber : https://www.statistikian.com/2013/01/transformasi-data.html )
Jenis Transformasi Data Transformasi data ada beberapa jenis, antara lain: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
Transformasi Square Root (Akar), Tansformasi Logaritma, Transformasi Arcsin, Transformasi Square (Kuadrat), Transformasi Cubic (Pangkat Tiga), Transformasi Inverse (Kebalikan), Transformasi Inverse Square Root (Kebalikan Akar), Transformasi Inverse Square (Kebalikan Kuadrat), Transformasi Inverse Cubic (Kebalikan Pangkat Tiga), Transformasi Reverse Score (Balik Skor).
Transformasi Akar Transformasi jenis ini disebut juga dengan istilah transformasi akar kuadrat (square root). Transformasi akar digunakan apabila data anda tidak memenuhi asumsi kehomogenen ragam. Dengan kata lain transformasi akar berfungsi untuk membuat ragam menjadi homogen. Kalau X adalah data asli anda, maka X’ (X aksen) adalah data hasil transformasi anda. Jadi X = X’. Apabila data asli anda menunjukkan sebaran nilai antara 0 – 10, maka anda gunakan transfromasi akar X + 0,5. Dan apabila nilai ragam data anda lebih kecil gunakan transformasi akar X + 1. Transformasi akar ini dapat juga anda gunakan untuk data persentase apabila nilainya antara 0 – 30%. Jika kebanyakan nilainya adalah kecil, khususnya jika ada nilai 0, maka gunakan transformasi akar X + 0,5 daripada akar X.
Rumus Transformasi Akar
Rumus Excel Transformasi Akar adalah: =SQRT(Data Asli + 0,5). Apabila data asli ada di Cell A4 maka rumusnya =SQRT(A4 + 0,5). Cara Compute Transformasi Akar Pada SPSS adalah: Klik Menu, Transform, Compute Variabel, Pada Target Variabel Beri Nama Misal “Transform” dan Pada Kotak Numeric Expression isi dengan: SQRT(Variabel Asli + 0,5). Apabila Variabel Asli memiliki nama (name) “Var1” maka: SQRT(Var1 + 0,5).
Contoh Kasus :
Contoh penggunaan transformasi akar ini dengan menggunakan data hasil pengamatan dari percobaan pengobatan Bakteri Salmonella dengan 4 Jenis Antibiotik. Hasil percobaan berupa banyaknya bakteri yang mati seperti pada tabel berikut ini:
1. BAB 4 “ UJI VALIDITAS DAN REALIBILITAS “ A, VALIDITAS & REALIBILITAS Validitas atau kesahihan menunjukan pada kemampuan suatu instrumen (alat pengukur) mengukur apa yang harus diukur (…. a valid measure if itsuccesfully measure the phenomenon) , seseorang yang ingin mengukur tinggi harus memakai meteran, mengukur berat dengan timbangan, meteran, timbangan merupakan alat ukur yang valid dalah kasus tersebut. Contoh Kasus : Misalkan kita ingin melakukan penelitian tentang bagaimana sikap masyarakat terhadap keberadaan anggota DPR/DPRD. Keberadaan anggota DPR/DPRD dari dulu senantiasa mengundang pro dan kontra, yang kontra mengatakan bahwa kualitas anggota DPR/DPRD tersebut tidak layak, ada lagi yang mengatakan bahwa keberadaan DPR/DPRD hanya memboroskan anggaran negara. Sementara yang pro mengatakan bahwa anggota DPR telah berhasil menyalurkan aspirasi masyarakat. Untuk itu mari kita coba mendesain suatu instrumen yang akan mengukur penilaian masyarakat atas keberadaan DPR/DPRD. Mari kita kembali pada contoh tentang insrumen untuk mengukur sikap masyarakat terhadap keberadaan anggota DPR/DPRD. Faktor-faktor yang akan dipilih guna mengukur KONTRUK = Keberadaan anggota DPR/DPRD adalah dengan melihat dua FAKTOR, yaitu Kualitasnyadan Penghasilan yang diterimanya. Dengan dua faktor itu akan dilihat bagaimana sikap masyarakat terhadap keberadaan anggota DPRD/DPR apakah cenderung
Pro atau Kontra ? Untuk mengukur faktor pertama (faktor1) yaitu Kualitas, kita jaring dengan misalnya memberikan 10 butir petanyaan berikut. Apakah Anda setuju bahwa rata-rata anggota DPR 1. Memiliki tingkat pendidikan formal yang memadai 2. Pengalaman berorganisasi 3. Kemampuan berkomunikasi dengan grass root 4. Representasi dari konstituennya 5. Populer karena sering tampil di media massa 6. Aktif dalam semua kegiatan DPR 7. Peka terhadap persoalan rakyat 8. Responsif terhadap tuntutan dan pengaduan rakyat 9. Kritis terhadap kinerja pemerintah 10. Memiliki sikap relijius 11. Lalu rancang desain angketnya, misalkan diperoleh seperti berikut.
Kuesioner mengenai Sikap Masyarakat terhadap Eksistensi anggota DPR Mengukur pendapat Anda tentang Kualitas anggota DPRPertanyaannya adala h : Apakah Anda setuju bahwa rata-rata anggota DPR:
Lalu ujicobakan instrumen tersebut kepada calon responden, adapun jumlah data yang diperlukan guna keperluan uji validitas adalah 24 buahinstrumen (24 orang responden.diperoleh sebagai berikut.
1. BAB 5 “ UJI ANOVA, ANCOVA & MANOVA “ A. Uji ANOVA ( Sumber : https://googleweblight.com/?lite_url=https://www.statistikian.com/2012/11/one-way-anova-dalam spss.html&ei=vgAHsTAx&lc=idID&s=1&m=98&host=www.google.co.id&ts=1514801653&sig=AOyes_TVJqs8aqiXIK PUhcuvN_EQaQEW1g )
Anova merupakan singkatan dari “analysis of varian“. Analysis of Varian adalah salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Ada dua jenis Anova, yaitu analisis varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova). Contoh Kasus Uji ANOVA One Way
Sebuah penelitian yang berjudul “Perbedaan Pendapatan Berdasarkan Pekerjaan”. Di mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik. Sedangkan pekerjaan sebagai variabel bebas berskala data kualitatif atau kategorik. Yaitu dengan 3 kategori: Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan apabila variabel terikat adalah interval dan variabel bebas adalah kategorik). B. Uji MANOVA ( Sumber : https://askapep13.files.wordpress.com/2013/06/askapep13-uas-tik-sem-2.pdf ) Contoh Kasus : Suatu penelitian dengan judul PERBEDAAN KINERJA GURU DAN PROFESIONALITAS GURU ANTARA TIPE KEPEMIMPINAN DEMOKRATIS, PERMISIF DAN OTORITER PADA SEKOLAH TAMAN DEWASA SE KODYA YOGYAKARTA. Adapun hipotesis yang akan diuji adalah: 1. Ada perbedaan yang signifikan kinerja guru antara tipe kepemimpinan demokratis, permisif, dan otoriter. 2. Ada perbedaan yang signifikan profesionalisme guru antara tipe kepemimpinan demokratis, premisif, dan otoriter 3. Kinerja guru dengan tipe kepemimpinan demokratis lebih baik dari tipe kepemimpinan permisif dan otoriter. 4. Profesionalisme guru dengan tipe demokratis lebih baik dari tipe kepemimpinan permisif dan otoriter. Data yang diperoleh sebagai berikut :
4. BAB 6 “ ANALISIS REGRESI ” ( Sumber : https://www.academia.edu/31851884/Analisis_Regresi_Linier_Berganda ) Contoh Kasus : Seorang mahasiswa bernama Handoko melakukan penelitian tentang faktor-faktor yang mempengaruhi harga saham pada perusahaan di BEI (Bursa Efek Indonesia). Handoko dalam penelitiannya ingin mengetahui hubungan antara rasio keuangan PER dan ROI terhadap harga saham. Dengan ini Handoko menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear berganda. Dari uraian di atas maka didapat variabel dependen (Y) adalah harga saham, sedangkan variabel independen (X1 dan X2) adalah PER dan ROI.
No
Tahun
Y (Harga Saham)
X1 (PER%)
X2 (ROI%)
1
1991
7500
3.28
3.14
2
1992
8950
5.05
5.00
3
1993
8250
4.00
4.75
4
1994
9000
5.97
6.23
5
1995
8750
4.24
6.03
6
1996
10000
8.00
8.75
7
1997
8200
7.45
7.72
8
1998
8300
7.47
8.00
9
1999
10900
12.68
10.40
10
2000
12800
14.45
12.42
11
2001
9450
10.50
8.62
12
2002
13000
17.24
12.07
13
2003
8000
15.56
5.83
14
2004
6500
10.85
5.20
15
2005
9000
16.56
8.53
16
2006
7600
13.24
7.37
17
2007
10200
16.98
9.38
18
2008
10600
16.57
9.20
19
2009
9270
14.83
8.82
20
2010
11430
16.93
10.25
5. BAB 8 “ANALISIS DISKRIMINAN” ( Sumber : http://file.upi.edu/Direktori/FPIPS/LAINNYA/MEITRI_HENING/Modul/Modul_Diskriminan.pdf ) Analisis diskriminan digunakan untuk memodelkan suatu hubungan antara variabeldependen yang berdata kategori dengan beberapa variabel independen (prediktor). Analisisdiskriminan berusaha untuk mengelompokan setiap objek ke dalam dua atau lebih kelompokberdasarkan pada sejumlah kriteria variabel independen. Asumsi dalam analisis diskriminanyaitu : 1. Tidak adanya multikolinieritas antara variabel independen. 2. Variabel independen mengikuti distribusi normal. 3. Adanya homogenitas varians antara kelompok data . Contoh Kasus : Terdapat 100 objek dengan variabel-variabel antara lain : Specification Buying (x11), dengan kode : - Kode 0 = Specification Buying - Kode 1 = Total Value Analysis Delivery Speed (x1) Price Level (x2) Price Flexibility (x3) Manufacturer Image (x4) Service (x5) Salesforce Image (x6) Product Quality (x7) Sebelum melakukan analisis diskriminan, hal yang perlu dilakukan yaitu menguji ketepatan variabel; yaitu apakah keseluruhan variabel yang terkumpul secara keseluruhan dapat digunakan lebih lanjut dalam analisis diskriminan, atau terdapat variabel yang terpaksa harus disingkirkan dalam pelaksanaan analisis diskriminan.
6. BAB 9 “ ANALISIS KORELASI KANONIKAL “ ( Sumber : https://www.researchgate.net/profile/Meezan_Asagabaldan2/publication/304076974_Analisis_Kano nikal/links/5765847308ae421c4489d2ef/Analisis-Kanonikal.pdf ) Analisis korelasi kanonik adalah salah satu teknik analisis statistik yang digunakan untuk melihat hubungan antara satu kumpulan peubah independen dengan satu kumpulan peubah dependen . Analisis ini dapat mengukur tingkat keeratan hubungan antara satu kumpulan peubah dependen dengan satu kumpulan peubah independen. Disamping itu, analisis korelasi kanonik juga mampu menguraikan struktur hubungan di dalam kumpulan peubah independen. Contoh Kasus : Hasil penelitian menunjukkan adanya suatu korelasi atau hubungan antara jumlah ikan dengan habitat. Hal ini dapat menujukkan suatu ikan dengan fishing ground. Sehingga, peneliti ingin mengetahui hubungan antara jumlah ikan yang ditemukan pada beberapa habitat yang berbeda dengan jenis ikan yang ditemukan. Variabel dalam penelitian ini yang menjadi kelompok variabel dependen adalah jenis – jenis habitat meliputi, habitat lamun (Y1), lautan berpasir (Y2) dan terumbu karang (Y3) sedangkan kelompok variabel independen yaitu ikan A (X1), ikan B (X2), dan ikan C (X3). Hasil pengamatan dapat dilihat pada tabel 1. Tabel 1. Jumlah Ikan – ikan laut yang ditemukan di berbagai habitat