TANGGAPAN

Forum Diskusi

Mata Kuliah
METODE KUANTITATIF - EKMA5103.01

Disusun oleh:
MATSAID BUDI REKSONO
NIM: 530015107

PROGRAM PASCASARJANA
PROGRAM STUDI MAGISTER MANAJEMEN
BIDANG MINAT KEUANGAN
UNIVERSITAS TERBUKA
2018
Forum Diskusi
Saudara mahasiswa peserta tutorial EKMO 5103.01(Metode Kuantitatif).
Saudara mahasiswa peserta tutorial, coba pelajari dan pahami materi kegiatan belajar yang
terdapat di dalam modul Metode Kuantitatif (EKMO 5103), terutama berkaitan dengan konsep-
konsep yang terkait dengan: uji chi-kuadrat, analisis antrian, dan model simulasi. Silakan
diskusikan dengan sesama temannya.

Tanggapan
A. Uji Chi-kuadrat (X2)
Uji statistik Chi Kuadrat atau Chi Square, menurut Wan Usman (2016), dipakai untuk
menyelidiki ada atau tidaknya hubungan antara dua kelompok dimana masing-masing kelompok
mempunyai kategori.

Chi Kuadrat adalah teknik analisis komprasional yang mendasarkan diri pada perbedaan
frekuensi data yang sedag diobservasi. Adapun beberapa manfaat dari distribusi chi-kuadrat yaitu
antara lain; unuk menguji apakah frekuesni yang diamati berbeda secara signifikan dengan
frekuensi teoritis atau frekuensi yang diharpakan, untuk menguji kebebasan (independensi antar
faktor dari data dalam daftar kontigensi, untuk menguji apakah data sampel mempunyai
distribusi yang memdekati dsitrubusi teoritis tertentu atau distribusi hipotesis tertentu (distribusi
populasi) seperti distribusi binomial, distribusi poisson, dan distribusi normal.
Uji Chi Kuadrat merupakan salah satu uji statistic non-parametik (distribusi dimana besaran-
besaran populasi tidak diketahui) yang cukup sering digunakan dalam penelitian yang
menggunaka dua variable, dimana skala data kedua variable adalah nominal atau untuk menguji
perbedaan dua atau lebih proporsi sampel. Uji Chi Kuadrat diterapkan pada kasus dimana akan
diuji apakah frekuensi yang akan di amati (data observasi) untuk membuktikan atau ada
perbedaan secara nyata atau tidak dengan frekuensi yang diharapkan. Chi-Kuadrat adalah teknik
analisis yang digunakan untuk menentukan perbedaan frekuensi observasi (Oi) dengan frekuensi
ekspektasi atau frekuensi harapan (Ei) suatu kategori tertentu yang dihasilkan. Uji ini dapat
dilakukan pada data diskrit atau frekuensi.

1|Page
 Uji Chi-Kuadrat merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar,
sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
• Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar
0 (Nol).
• Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
• Apabila bentuk tabel lebih dari 2 x 2, misalnya 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Berikut ini adalah manfaat dan kelemahan dari uji chi kuadrat yang juga merupakan manfaat dan
kelemahan secara umum dari analisis frekuensi data kategorik.
[1] Manfaat dari uji chi kuadrat
(a) Untuk mengetahui ada tidaknya asosiasi antara 2 variabel (Independent test)
(b) Apakah suatu kelompok homogen atau tidak (Homogenity test)
(c) Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
(d) Digunakan untuk menganalisis data yang berbentuk frekuensi.
(e) Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-
variabel yang dianalisis
(f) Cocok digunakan untuk data kategorik, data diskrit atau data nominal
[2] Kelemahan dari chi kuadrat
(a) Uji ini sensitif terhadap banyaknya sampel yang digunakan.
Uji ini akan menjadi kurang akurat jika terdapat nilai frekuensi harapan yang kurang
dari 5 pada sel tabel kontingensi. Bahkan uji ini tidak bisa digunakan jika frekuensi
harapan yang kurang dari 5 terdapat lebih dari 20 % dari total sel yang ada atau bila
terdapat nila frekuensi harapan yang kurang dari 1. Hal ini mengindikasikan bahwa uji
ini baik digunakan pada jumlah sampel yang cukup besar dan tidak efektif digunakan
untuk sampel yang kecil. Beberapa alternatif bisa digunakan untuk mengatasi masalah
tersebut. Penggabungan kolom atau baris untuk menghilangkan nilai frekuensi harapan
yang kurang dari 5 bisa dilakukan asalkan penggabungan tersebut tidak menghilangkan
makna dari pengklasifikasian yang ada pada tabel.

2|Page
 (b) Uji Chi-kuadrat hanya memberikan informasi tentang ada atau tidaknya hubungan
antara kedua variabel.
Uji ini tidak memberikan informasi mengenai seberapa besar hubungan yang ada
antara kedua variabel tersebut serta bagaimana arah hubungan yang ada. Oleh karena itu,
dibutuhkan alat analisis sebagai informasi tambahan yang akan mendukung analisis
menggunakan uji Chi-kuadrat. Untuk mengetahui seberapa besar hubungan yang ada
dapat menggunakan Odds Ratio dan Relative Risk. Odds Ratio dan Relative Risk juga
dapat memberikan informasi mengenai arah hubungan yang ada dari kedua variabel.
Selain itu, dengan melakukan dekomposisi Chi-Kuadrat dan mempelajari residualnya
dapat lebih mempertajam analisis.
(c) Uji Chi-Kuadrat hanya bagus digunakan untuk skala data nominal untuk kedua
variabel yang diuji.
Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal. Uji Chi-kuadrat
bergantung pada jumlah marginal dan bukan pada pengurutan dari baris dan kolom. Jadi,
pengubahan urutan dari baris atau kolom tidak akan menguabah nilai dari uji Chi-kuadrat
yang didapat. Dengan kata lain, uji ini memperlakukan klasifikasi yang ada pada baris
dan kolom sebagai nominal. Dengan demikian, jika terdapat dari sala satu variabel yang
berskata ordinal sebaiknya menggunkan uji yang lain seperti koefisien gamma dan yang
lainnya.
B. Analisis Antrian
Analisis antrian diperkenalkan oleh A.K Erlang (1913) yang mempelajari fluktuasi
permintaan fasilitas telepon, dan keterlambatan pelayanan. Pada prinsipnya analisis antrian
memberikan informasi probabilitas yang dinamakan operatong characterristics yang dapat
membuat para pengambil keputusan untuk permintaan pelayanan yang fluktuatif secara random,
sehingga terjadi keseimbangan antara biaya pelayanan dengan biaya menunggu.
(1) Biaya Antrian
Masalah antria terpusat pada pertanyaan untuk mendapatkan tingkat pelayanan yang ideal,
ayang dapat dilakukan oleh perusahaan. Kebanyakan manajer menyadari adanya pertukan (trade
off) harus diambil antara biaya pelayanan yang baik dengan biaya pelanggan yang dikorbankan
dari menunggu (antri). Dengan kata lain dingin dicari biaya terkecil antara pengeluaran biaya
pelayanan yang baik dengan biaya pelanggan menunggu.

3|Page
(2) Karakteristik Sistem Antrian
3 (tiga) bagian dari sistem Antrian antara lain:
(a) Karakteristik Kedatangan
Sumber input yang menghasilkan kedatangan atau pelanggan untuk sistem pelayanan
mempunyai tiga pola kedatangan.
(i) Ukuran Populasi yang dipanggil
Ukuran populas tidak terbatas atau terbatas. Apabila banyak pelanggan atau kedatangan
berada ditempat pada setiap waktu yang telah ditentukan merupakan sebagian kecil dari
kedatangan yang potensial, populasi yang dipanggil dianggap tak terbatas.
(ii) Pola Kedatangan dalam Sistem
Pelanggan baik yang datang di suatu fasilitas pelayanan menutur skedul yang diketahui.
Kedatangan dianggap random ketika mereka bebas satu sama lain dan ketepatannya tak
dapat diramalkan secara pasti. Sering kali dalam masalah antrian, banyak kedatangan per
unit, waktu dapat di estimasi dengan distribusi probabilitas dikenal dengan distribusi
poisson. Distribusi poisson yang diskrit dapat melalui rumus:
𝑒𝑒 𝜆𝜆 𝜆𝜆𝑋𝑋
P(X) = untuk X = 0,1,2,3,4..
𝑋𝑋!
P(X) = probabilitas kedatangan X
X = banyak kedatangan per unit per waktu

𝜆𝜆 = rata-rata laju kedatangan

e = 2,7183
(iii) Perilaku Kedatangan
Model antrian mengasumsikan bahwa pelanggan yang datang adalah pasien langganan
artinya orang yang menunggu dalam antrian sampai mereka dilayanai dan tidak pindah
jalur antrian. Sangat disayangkan pengembangan analisis kuantitatif disulitkan oleh
kenyataan bahwa yang telah diketahui untuk menolak antri yang panjang atau tidak sabar
menunggu.
(b) Karakteristik Menungg dalam Antrian
Merupakan komponen kedua dari sistem antian. Karakteristik antrian yang kedua ini
ialah yang berkaitan dengan disiplin antrian. Ini berkenaan dengan ukran bagi pelanggan

4|Page
 di dalam antri unuk mendapatkan pelayanan. Kebanyakan sistem yang digunkan untuk
antri ialah “firs ini – first out (FIFO).
(c) Karakteristik Fasilitas Pelanggan
Ialah fasilitas pelayanan. Penting sekali untuk memeriksa dua syarat dasar: (i)
Konfigurasi sistem pelayanan, (ii) pola waktu pelayanan.
Sistem konfigurasi antrian biasanya diklasisikaskan atas banyaknya saluran (channel)
atau banyaknya pelayanan dan banyaknya tahap (fase) atau banyaknya pemberhentian
pelayanan (service stop) yang harus dibuat.

C. Model Simulasi
Menurut Wan Usman (2016), simulasi merupakan langkah meniru situasi yang sebenarnya
secara matematika dengan mempelajari sifat-sifatnya untuk menarik kesimpulan dan akhirnya
mengambil tindakan berdasarkan hasil simulasi.
Menurut Webster’s Collegiate Dictionary, Simulasi diartikan sebagai to feign, to obtain the
essence of without the reality yang berarti untuk memperoleh intisari dari sesuatu tanpa
melibatkan kenyataan. Sedangkan menurut Oxford American Dictionary (1980) simulasi adalah
“ to reproduce the condition of a situasion, as by means of a model, for studi or testing or
training, etc” untuk menghasilkan suatu kondisi dari sebuah situasi, dalam maksud sebuah
model, untuk dipelajari atau untuk percobaan atau pelatihan, dan sebagainya.
Menurut Pusat Bahasa Depdiknas (2005) simulasi adalah satu metode pelatihan yang
memperagakan sesuatu dalam bentuk tiruan (imakan) yang mirip dengan keadaan yang
sesungguhnya; simulasi: penggambaran suatu sistem atau proses dengan peragaan memakai
model statistic atau pemeran.
Lebih lanjut dikatakan oleh Wan Usman (2016) bahwa dalam menggunakan simulasi, kita
harus melakukan langkah-langkah persiapan untuk mengonstruksi model, membuat simulasi, dan
akhirnya memilih cara-cara untuk bertindak.
Dengan menggunakan simulasi, seorang manajer harus: (1) mendefinisikan masalah, (2)
memperkenalkan variabel yang terkait dengan masalah, (3) mengkontribusikan model numerik,
(4) menyusun cara-cara yang dimungkinkan untuk di uji, (5) lakukan eksprimen, (6)
pertimbangka hasilny (kemungkinan mengubah atau menyesuaikan input data), (7) putuskan
tindakan apa yang harus dilakukan.

5|Page
 Salah satu contoh model simulasi adalah simulasi monte carlo. Tujuan simulasi dengan
metode Monte Carlo adalah untuk mempelajari kasus-kasus probabilistic (berkemungkinan) dengan
model tertentu yang kemudian dicobakan dalam keadaan nyatanya. Oleh karenanya situasi nyata sedapat
mungkin harus dapat ditirukan dalam situasi simulasi. Dengan mempelajari model yang disimulasikan
diharapkan dapat menghasilkan kesimpulan atau tindakan yang diperlukan.
Kasus-kasus yang biasanya disimulasikan adalah masalah kedatangan pelanggan, persediaan barang,
waktu tunggu dalam antrian, jangka waktu pelaksanaan proyek, dan sebagainya. Sebagai contoh adlaah
permintaan akan inventori tiap hari atau tiap minggu, tidak pasti, tetapi bersifat kemungkinan. Jangka
waktu penyelesaian proyek bersifat kemungkinan (tidak pasti) dan sebagainya.
Lima langkah simulasi monte carlo, menurut wan usman (2016), adalah sebagai berikut:
(1) Menetapkan distribusi probabilitas bagi variabel penting
(2) Membangun distribusi probabilitas kumulatif bagi tiap variabel di langkah pertama
(3) Menetapkan random interval untuk tiap variabel
(4) Hasilkan random variabel
(5) Nyatakan percobaan simulasi.
Beberapa manfaat simulasi antara lain:
• Bisa mengetahui alokasi penyediaan barang secara lebih tepat sehingga biaya investasi
terhadap barang tersebut bisa lebih efisien.
• Simulasi dapat memberi jawaban yang tidak bisa dilakukan model analitik
• Simulasi dapat digunakan untuk analisis yang besar dan komplek pada situasi keadaan
nyata yang tidak dapat dilakukan oleh model kuantitatif konvensional
• Model simulasi lebih realistis terhadap sistem nyata karena asumsi yang lebih sedikit
• Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang langsung dan
terperinci dalam periode wantu khusus,
• Hasilnya biasanya dapat ditransfer ke masalah lain
Sedangkan keterbatasan dari simulasi adalah
• Simulasi bukan presisi dan juga bukan suatu proses optimasi. Simulasi tidak
menghasilkan penyelesaian, tetapi menghasilkan cara untuk menilai jawaban termasuk
jawaban optiomal
• Model simulasi yang baik dan efektif adalah sangat mahal dan membutuhkan waktu yang
lama dibandingkan dengan model analitik.
• Sulit untuk menggeneralisir hasil

6|Page
 • Sulit dalam mempertimbangkan semua nilai kasus/parameter
• Sulit untuk menentukan sensitivitas waktu untuk mengembangkan dan mengeksekusi
simulasi
• Simulasi cukup berisiko (bias dari kenyataan) jika hanya dilakukan dalam jangka waktu
yang pendek.

DAFTAR PUSTAKA
Hario, P Fakhriy. (2012). Metode Probabilistik Monte Karlo. Diakses pada tanggal 19 Oktober
2018 pada URL: http://fakhriyhario.lecture.ub.ac.id/2012/03/metode-probabilistik-monte-
carlo/
Liswandi. (2018). Materi Tuton. Diakses dari E-learning Universitas Terbuka pada tanggal 06
November 2018 dari URL: https://elearning.ut.ac.id.
Usman, Wan. (2016). Metode Kuantitatif. Jakarta: Penerbit Universitas Terbuka.
Zibran, Minhaz Fahim. (2007). Chi-squared test of Independence. Diakses pada tanggal 06 Nov
2018 di URL: http://pages.cpsc.ucalgary.ca/~saul/wiki/uploads/CPSC681/topic-fahim-
CHI-Square.pdf

7|Page