RANGKUMAN MATA KULIAH 9

Disusun Oleh :

Stephen Field 165020307111018

Metodologi Penelitian – CA

JURUSAN AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS BRAWIJAYA

2019
 BAB 14

MENYIAPKAN DATA UNTUK ANALISIS

1. Mengodekan dan Memasukkan Data
Pengkodekan data merupakan salah satu tahapan sebelum melakukan analisis data untuk
mentraskripsi data dari koisioner dan kemudian memasukkan data tersebut sebagai bahan
analisis. Metode ini biasanya dilakukan dengan cara menelusuri setiap kuisioner untuk
setiap item supaya terhindar dari kebingungan jika data yang digunakan berupa kuisioner
2. Mengedit Data
Mengedit data dilakukan untuk memastikan tidak adanya kesalahan dari data yang
diperoleh melalui kuisioner, wawancara, observasi, dan lain-lain. Hal-hal yang perlu
diperhatikan dalam mengedit data :
a) Kelengkapan dan kesempurnaan data. Semua pertanyaan yang diajukan dalam
kuesioner harus terjawab semua dan jangan ada yang kosong.
b) Kejelasan tulisan. Tulisan pengumpul data yang tertera dalam kuesioner harus
dapat dibaca.
c) Kejelasan makna jawaban. Pengumpul data harus menuliskan jawaban ke dalam
kalimat-kalimat yang sempurna dan jelas.
d) Konsistensi data. Data harus memerhatikan konsistensi jawaban yang diberikan
responden.
e) Keseragaman satuan yang digunakan dalam data (uniformitas data). Ini
dimaksudkan untuk menghindari kesalahan-kesalahan dalam pengolahan dan
analisis data. Misalnya penggunaan satuan kilogram dalam pengukuran berat.
Apabila dalam kuesioner tertulis satuan berat lainnya, maka harus diseragamkan
terlebih dahulu sebelum masuk dalam proses analisis.
f) Kesesuaian jawaban. Jawaban yang diberikan responden harus bersangkut paut
dengan pertanyaan dan persoalan yang diteliti.’
3. Transformasi Data
Tujuan utama dari transformasi data ini adalah untuk mengubah skala pengukuran data
asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang mendasari
analisis ragam. Adapun jenis-jenis transformasi adalah sebagai berikut, diantaranya:
 a) Transformasi Square Root (Akar),
b) Transformasi Logaritma,
c) Transformasi Arcsin,
d) Transformasi Square (Kuadrat),
e) Transformasi Cubic (Pangkat Tiga),
f) Transformasi Inverse (Kebalikan),
g) Transformasi Inverse Square Root (Kebalikan Akar),
h) Transformasi Inverse Square (Kebalikan Kuadrat),
i) Transformasi Inverse Cubic (Kebalikan Pangkat Tiga), dan
j) Transformasi Reverse Score (Balik Skor)

MENGUJI KEBAIKAN DATA

a) Frekuensi
Frekuensi mengacu pada berapa kali berbagai subkategori dari sustu fenomena
tertentu terjadi, dari mana prosentase dan prosentase kumulatif jumlah
kejadiannya dapat dengan mudah dihitung. Informasi berkaitan dengan hasil
frekuensi dapat ditampilkan dalam bentuk histogram dan grafik batang
b) Ukuran Tendensi Sentral dan Dispersi
Peneliti dapat melihat baiknya data dengan memeriksa tendensi sentral dan
dispersi. Pengukuran dispersi adalah pengukuran seberapa jauh penyimpangan
nilai-nilai data dari nilai pusatnya (rata-ratanya) atau bagaimana penyebaran suatu
kelompok data. Ada tiga ukuran tendensi sentral yaitu mean, median, dan modus.
Sedangkan untuk ukran disperse meliputi range, standart deviasi, varians, dan
kisaran antarkuartil.
c) Hubungan antar Variabel
Selain distribusi frekuensi, mean, dan strandar deviasi adalah baik untuk
mengetahui bagaimana variabel terikat dan bebas dalam penelitian berkaitan satu
sama lain. Maka, suatu matriks interkorelasi variabel juga dapat disusun.
 BAB 15

PENGUJIAN HIPOTESIS
Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari
percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil
bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebabkan
oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
Untuk menguji hipotesis peneliti harus:
a) Menarik kesimpulan tentang konsekuensi-konsekuensi yang akan dapat diamati
apabila hipotesis tersebut benar.
b) Memilih metode-metode penelitian yang akan memungkinkan pengamatan,
eksperimentasi, atau prosedur lain yang diperlukan untuk menunjukkan apakah
akibat-akibat tersebut terjadi atau tidak, dan
c) Menerapkan metode ini serta mengumpulkan data yang dapat dianalisis untuk
menunjukkan apakah hipotesis tersebut didukung oleh data atau tidak.
Type Kesalahan 1, Kesalahan 2 dan Kekuatan Statistik
Sugiyono (2010) menyatakan bahwa dalam menaksir populasi berdasarkan data sampel
kemungkinan akan terdapat dua kesalahan, yaitu:
a. Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan a.
b. Kesalahan tipe II, adalah kesalahan bila menerima hipotesis yang salah (seharusnya
ditolak). Tingkat kesalahan untuk ini dinyatakan dengan b.
Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau menerima
hipotesis dapat digambarkan sebagai berikut:
Hubungan Antara Keputusan Menolak atau Menerima Hipotesis
Keadaan Sebenarnya
Keputusan
Hipotesis Benar Hipotesis Salah
Tidak membuat
Terima hipotesis Kesalahan tipe II (b)
kesalahan
Tolak hipotesis Kesalahan tipe I (a) Tidak membuat kesalahan
Memilih Pengujian Statistik yang Tepat
Statistical navigator adalah suatu sistem pakar yang merekomendasikan satu atau lebih prosedur
statistic setelah mengumpulkan informasi mengenai sasaran (yaitu, tujuan analisis misalnya
untuk memahami buhungan antara dua variabel), dan data (yaitu, kategori, skala). Statistical
navigator merupakan panduan bagi mereka yang tidak menguasai statistic tetapi ingin
memastikan bahwa mereka memaki teknik statistik yang tepat.
Adapun dalam penggunaannya statistical navigator dijumpai dalam membuat keputusan yang
berkaitan dengan berbagai aspek desain penelitian antara lain; sifat studi, horizon waktu, jenis
studi, situasi studi, unit analisis, desain pengambilan sampel, metode pengumpulan data, dan
lain-lain.
Pengujian Rata-Rata Sampel Tunggal
Pengujian rata-rata sampel tunggal digunakan ketika kita ingin mengetahui apakah sampel kita
berasal dari populasi tertentu tetapi kita tidak memiliki informasi populasi yang tersedia bagi
kita. Sebagai contoh, kita mungkin ingin tahu apakah nilai ujian sampel mahasiswa tertentu
mirip atau berbeda dari nilai ujian mahasiswa pada umumnya. Berikut bentuk hipotesisnya:
Pengujian rata-rata sampel tunggal terbagi menjadi dua bagian, yaitu One sample means Z test
atau Uji z rata-rata sampel tunggal dan One sample means t test atau Uji t rata-rata sampel
tunggal.
Pengujian Dua Sampel Rata-Rata Berpasangan
Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami
dua perlakuan atau pengukuran yang berbeda. Pengujian ini dilakukan pada waktu
 Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan sesudah
 Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
o Satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
o Merupakan data kuantitatif (rasio-interval)
o Berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
Pengujian Dua Sampel Rata-Rata tidak Berpasangan
Pengujian ini digunakan untuk membandingkan rata-rata dari dua group yang tidak berhubungan
satu dengan yang lain, apakah kedua group tersebut mempuyai rata-rata yang sama ataukah tidak
secara signifikan. Data kuantitatif dengan asumsi data berdistribusi normal dan jumlah data
sedikit yakni di dibawah 30.

ANALISIS REGRESI
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain.
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
 Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.
 Menguji hipotesis karakteristik dependensi.
 Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkauan sample.
Regresi dengan Variabel Dummy
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang
bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan
situasi dan lain-lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga
mempunyai pengaruh terhadap variabel yang bersifat kontinu.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D.
D = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).
Multikolinearitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara
masing-masing variabel independen dalam model regresi. Multikolinearitas biasanya terjadi
ketika sebagian besar variabel yang digunakan saling terkait dalam suatu model regresi. Adapun
indikasi terdapat masalah multikolinearitas dapat kita lihat dari kasus-kasus sebagai berikut:
a. Nilai R2 yang tinggi (signifikan), namun nilai standar error dan tingkat signifikansi
masing-masing variabel sangat rendah.
b. Perubahan kecil sekalipun pada data akan menyebabkan perubahan signifikan pada
variabel yang diamati.
 c. Nilai koefisien variabel tidak sesuai dengan hipotesis, misalnya variabel yang
seharusnya memiliki pengaruh positif (nilai koefisien positif), ditunjukkan dengan
nilai negatif.
Untuk melihat indikasi adanya multikolinearitas dengan tolerance value (TOL),
eigenvalue, dan yang paling umum digunakan adalah varians inflation factor (VIF),
dengan nilai toleransi kurang dari 1 atau VIF lebih besar dari 10 menunjukkan
multikolinearitas signifikan. Klein (1962) menunjukkan bahwa, jika VIF lebih besar
dari 1/(1 – R2) atau nilai toleransi kurang dari (1 – R2), maka multikolinearitas dapat
dianggap signifikan secara statistik.

PENGUJIAN DAN ANALISIS MULTIVARIAT LAINNYA

Analisis diskriminan
Analisis diskriminan adalah analisis statistik peubah ganda (multivariate statistical analysis) yang
bertujuan untuk memisahkan beberapa kelompok data yang sudah terkelompokkan dengan cara
membentuk fungsi diskriminan
Regresi Logistik
Analisis regresi logistik adalah salah satu bentuk analisis data dengan menggunakan teknik
regresi yang dapat diaplikasikan ketika kita ingin mengetahui hubungan antara variabel
dependen dengan satu atau lebih variabel independen dimana variabel dependen yang kita punyai
berbentuk katagorikal baik itu secara dikotomus maupun polikotomus
Contjoint Analysis
Contjoint analysis atau analisis konjoin adalah sebuah teknik analisis yang dapat digunakan
untuk menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh
suatu produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk terkait
Two-way ANOVA 358
Two way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila peneliti
melakukan kategorisasi terhadap sampel kedalam beberapa blok.
MANOVA
MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara beberapa
variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel tak bebas secara
simultan.
Korelasi kanonik
Analisis korelasi kanonik (canonical analysis) pertama kali diperkenalkan oleh Hotelling (1936),
sebagai suatu teknik statistika peubah ganda (Multivariat) yang menyelidiki keeratan hubungan
antara dua kelompok variabel. Satu variabel diidentifikasikan sebagai gugus variabel penduga
(independent variables), sedangkan satu variabel lainnya diperlakukan sebagai gugus variabel
respon (dependent variabel)