TAKE HOME EXAM

STATISTIK BISNIS

OLEH :
CEMARA AVRILIWAN PUTRA

9112205403

BIDANG MANAJEMEN TEKNOLOGI INFORMASI

JURUSAN MAGISTER MANAJEMEN TEKNOLOGI
PROGRAM PASCA SARJANA
INSTITUT TEKNOLOGI SEPULUH NOVEMBER
2013

1. Perbedaan
a. Presisi
: Dilihat dari variasi. Semakin kecil variasi maka semakin presisi
Akurasi : Dilihat dari rata-rata. Semakin rata-ratanya mendekati nilai yang dituju,
maka semakin akurat
b. Valid
: Data tidak keluar dari domain
Reliabel : Data mewakili semua golongan populasi
c. Analisis Data Driven
: Analisa dilakukan berdasar karakteristik atau model data
yang ada, sehingga metode yang digunakan menyesuaikan dengan data
Analisis Theory Driven : Analisis berdasar teori atau metode yang akan
diterapkan, sehingga data dipaksakan menyerupai syarat data dalam teori atau
metode tersebut
d. Prinsip HPD
: Pemberian interval toleransi didasarkan pada densitas atau
ketinggian kurva, sehingga interval untuk kiri dan kanan dari nilai rata-rata tidak
sama.
Prinsip Simetri
: Pemberian interval toleransi yang ssama pada kiri dan kanan dari
rata-rata
Persamaan
a. Digunakan untuk mengukur ketepatan data
b. Digunakan untuk mengukur pewakilan data dari sebuah populasi
c. Digunakan untuk menganalisa dan memodelkan data
d. Digunakan untuk memetakan daerah Confidence Interval
2. Analisis Value at Risk (VaR) menggunakan data harga dan volume transaksi saham yang
terjual setiap hari selama 10 tahun
a. Jika akan diuji kesamaan distribusi antara harga saham dua perusahaan tersebut,
maka:
i. Ada 2 metode yang dapat saya sarankan dengan penggunaan secara terpisah,
yaitu :
Mann-Whitney Test
Dilakukan rangking pada data dan melihat nilai U untuk
dicocokkan ke tabel U
2 Sample Kolmogorov Smirnov Test
Metode ini membandingkan bentuk CDF dari kedua kelompok
data. Semakin besar P value maka semakin sama pola ditribusinya
ii. Hipotesisnya adalah sebagai berikut:
H0 : Distribusi kedua harga saham sama
H1 : Distribusi kedua harga saham tidak sama
Di sini hanya diuji apakah sama atau tidak pola distribusinya

iii. = 5 %. Karena pergerakan harga saham bersifat proporsional, dalam artian

semakin tinggi harga maka semakin tinggi pula naik turunnya harga. Dengan kata
lain patternnya tidak terhalang masalah besar kecil harga. Karena prosentase
maka alfa pakai kecil demi kemiripan pola distribusi kedua harga saham tersebut
b. Anggap investor tersebut akan melakukan pengujian liquiditas saham kedua
perusahaan ditinjau dari volume jual saham harian, maka:
Asumsi : Jika uji yang dilakukan adalah menilai likuiditas masing-masing saham :
i. Jika akan digunakan ukuran rerata volume transaksi saham,
A. Saya menyarankan untuk menggunakan metode Z hitung maupun P_value,
karena data lebih dari 30. P_value maupun Z hitung digunakan untuk melihat
apakah rerata volume lebih besar dari standar volume jual saham yang likuid.
B. H0 : = 0
H1 : > 0
Saham dikatakan likuid jika volume transaksi melebihi standar tertentu
C. = 5 %, karena berupa investasi yang membutuhkan CI yang tinggi
D. Biggest is the best, karena semakin banyak transaksi maka saham semakin
likuid. Sebuah saham dikatakan likuid salah satu indikatornya adalah mudah
dibeli dan dijual atau dengan kata lain volume transaksinya besar
ii. Jika akan digunakan ukuran pola distribusi volume transaksi saham,
A. Saya menyarankan untuk melakukan uji normal Kolmogorov-Smirnov. Jika
tidak normal, dapat melihat shape terutama skewnya. Dengan demikian
terlihat pada daerah volume berapa saham sering terjual. Paling mudah
adalah dengan melihat mean, median, dan modusnya.
B. H0 : Pola Right-Skewed
H1 : Pola Simetri atau Pola Left-Skewed
Saham dikatakan likuid jika transaksinya relatif dalam volume yang stabil
ataupun mendekati nilai maksimal volume transaksi. Hal ini menunjukkan
kecenderungan volume penjualan saham besar
C. = 5 %, karena berupa investasi yang membutuhkan CI yang tinggi
D. Biggest is the best. Dalam artian semakin normal maka semakin mendekati
likuid. Jika tidak melihat skew, setidaknya terhindar dari Right-Skewed.
3. Jika penelitian kuantitatif yang menggunakan Analisis Regresi akan dilakukan, dengan
respon tunggal Y, dan variabel independen X sebanyak 10 variabel, maka
a. Harus diambil minimal 12 pasang data respon dan variabel independen. Hal ini
sesuai rumus yang ada yaitu jumlah variable ditambah dua
b. Ada tidaknya multikolinearitas dapat dilihat dengan :
Melakukan uji kolinearitas antar variabel menggunakan software. (Misal dalam
minitab menggunakan Stat->Basic Statistics->Correlation)

Melihat nilai VIF (Varian Inflation Factor) dari hasil analysis of variance. Ada 2
versi standar nilai untuk menyatakan apakah terdapat multikolinearitas, yaitu di
atas 5% dan di atas 10%
Sedangkan cara untuk menganalisa data jika terjadi multikolinearitas adalah :
Membuang variabel secara berurutan mulai dari yang VIF paling besar diikuti
dengan pengecekan ulang nilai VIF setiap pembuangan 1 variabel sampai tidak
terjadi multikolinearitas
Menggunakan PCA (Principal Component Analysis)
c. Sebuah model adalah linear atau tidak dapat dilihat dari :
Scatter Plot : Dapat dilihat secara visual dari kecenderungan bentuk persebaran
titik yang ada pada hasil catter plot tersebut, apakah berbentuk lurus atau
menyerupai kurva
Fitted Line Plot dari Regresi : Secara visual dari kecenderungan bentuk
persebaran titik yang ada dan perhitungan R-Sq sebagai hasil pemilihan tipe
regresi (Linear, Quatratic, Cubic). Semakin tinggi R-Sq maka semakin cocok
dengan tipe regresi yang dipakai
d. Model sudah benar atau belum dilihat dari R-Sq. Semakin tinggi R-Sq maka semakin
benar modelnya. Selain itu dilihat normalitas errornya, apakah sudah normal atau
belum. Model benar didukung error yang berdistribusi normal. Residual juga tidak
mempunyai varians konstan
4. Dari empat grup hasil analisis data pengamatan :
a. Desain A adalah desain yang paling tidak baik untuk digunakan dalam penelitian ini
b. Dari beberapa model desain yang terpilih (baik)
i. Model B adalah model yang paling baik untuk digunakan sebagai wakil dari
masing-masing data pengamatan
ii. Y = 4.0218 + 0.25818 X
iii. Model B adalah model terbaik karena memiliki nilai R-Sq dan R-Sq(adj) terbesar
serta S terkecil
c. Dari estimasi y = a + bx +
i. H0 : P > 0.05
H1 : P 0.05
ii. Hipotesis pengujian saya pada dasarnya adalah :
H0 : R-Sq < i % and R-Sq(adj) < j % and S > k %
H1 : R-Sq i % or R-Sq(adj) j % or S k %
dengan i, j, k masing-masing merupakan variable.
Angka yang saya gunakan untuk masing-masing variable adalah : i = 75 , j = 75,
dan k = 1
d. Berikut ini kelemahan dan saran untuk masing masing model :

Model A
Standar deviasi cukup besar, sehingga resiko untuk mendapatkan nilai yang
berbeda jauh dengan nilai rata-rata masih besar. Selain itu, nilai x yang diambil
cenderung atau bahkan sama semua. Sebaiknya variable independen diambil
dalam beberapa value yang berbeda, agar dapat melihat polanya ketika nilai
variable independen berubah
Model B
Error pada model ini masih memiliki pola. Dengan demikian diduga masih ada
variable independen lain yang memiliki pengaruh pada variable respon. Oleh
karena itu perlu diteliti lebih lanjut
Model C
Error masih berdistribusi normal. Oleh karena itu perlu penyelidikan lebih lanjut
akan variable independen yang digunakan karena diduga masih ada variable
independen yang sebenarnya mempengaruhi variable respon ataupun
menggantikan variable independen yang dipakai saat ini
Model D
Error masih berdistribusi normal. Oleh karena itu perlu penyelidikan lebih lanjut
akan variable independen yang digunakan karena diduga masih ada variable
independen yang sebenarnya mempengaruhi variable respon ataupun
menggantikan variable independen yang dipakai saat ini