Penggunaan Statistik untuk Penelitian

Di dalam metode penelitian kuantitatif terdapat titik beda dengan kualitatif : pada design studi dan
pengumpulan data.

Statistika inferensia : membuktikan kebenaran teori probabilitas, bertujuan untuk menggeneralisasi

Dengan sampel, kita bisa mengambil kesimpulan.

Ada tantangan baru dengan big data -> sampling tidak dibutuhkan

Bisa juga menggunakan data untuk mengetahui variabel yang paling berpengaruh

Pendugaan Titik

 Ukuran Pemusatan

Terdapat perbedaan metode yang digunakan. Kalau pada data yang berdistribusi normal, bisa pakai
median atau rata-rata. Namun jika pada data yang tidak berdistribusi normal, gunakan modus.

 Ukuran Penyebaran

Menghitung dengan menggunakan simpangan: deviasi, variance, standar deviasi

Di saham, digunakan varian ini dengan metode markovic model

Data Kontinuum

 Ordinal
Tidak ada keterangan jelas dari pembanding, jaraknya tidak sama sehingga tidak bisa
dioperasikan secara matematis
 Data interval
Tidak ada nilai nol, seperti suhu
 Ratio
Data yang memiliki tingkatan, memiliki jarak yang sama dan memiliki nilai 0 mutlak
Contoh: tinggi badan
Bisa dibandingkan, namun tak ada tinggi yang bernilai negatif

Pendugaan Titik Parameter

Antara sampel dan populasi hasilnya sama: rata-rata misalnya

Bisa dinyatakan dengan variabel error ( y= y−¿+E (x)¿ )

Data disebut konsisten apabila bertambahnya n akan semakin mendekati nilai sebenarnya.

Boleh salah, tapi tidak boleh bohong. Sebutkan saja asumsinya

Pengujian Hipotesis

H0 selalu negatif (tidak ada hubungan, tidak ada apa-apa) -> harus banyak baca, praktek sehingga
punya preliminary knowledge

 Taraf nyata -> probabilitas menolak H0

Berapa kemungkinan paling sedikit H0 salah sehingga H0 bisa ditolak
Nilai toleransi : tergantung jumlah sampel (berapa % sampel dari populasi) dan sense.
 Jika H0 ditolak, maka belum tentu H1 berkorelasi positif atau negatif
Digunakan uji dua arah
Penggunaan satu arah atau dua arah tergantung tujuan penelitian

Non parametris

 Binomial : hanya ada dua pilihan

Di SPSS, terlebih dahulu definisikan variable di kolom variable view
Pastikan measure nya benar : pilih scale dan nominal
H0 : tidak ada perbedaan
Lihat pada exact sig tailed
Ternyata nilainya >0.05 berarti H0 diterima

Di SPSS juga bisa langsung membuka file excel

Untuk dua group, pastikan ada defining variables dan tentukan masing-masing variable
kodenya apa. Dan yang diamati itu adalah F bukan t

Korelasi Pearson

Digunakan untuk mengukur keeratan (variabel R), bisa mengukur keeratan linear positif maupun
negatif. Namun ia menganggap selain dari hubungan tersebut nol:

Hiperbolik, kuadrat, eksponensial, logaritmik

Belum tentu yang memiliki korelasi 0 tidak memiliki hubungan sama sekali

Dan dia memperhitungkan pencilan sehingga terjadi penyimpangan. Jadi seharusnya pencilan
dibersihkan terlebih dahulu. Harus ada dasar teorinya.

Dua-duanya dipindahin ke kanan (variabel dependant), dan harus dilihat setelah dihitung bivariate
taraf signifikansinya terlebih dahulu. Baru dilihat R nya

Setelah itu, baru ditentukan: mana yang dependent dan mana yang independent

Rank Spearman

Digunakan untuk data yang bersifat ordinal

Kita meneliti jawaban responden dan dibuat skala likert

(misalnya untuk marketting, digunakan beberapa faktor inti: product, price, promotion, place)

Regresi

Kalau ternyata ada pengaruhnya, maka bisa dilakukan regresi : independent dan dependent

Dan bisa dianalisa bahwa terdapat errornya, yaitu dari variabel yang tidak diperhitungkan karena
terlalu rumit atau sulit didapatkan

Di data ordinal dan interval sulit menentukan regresi linear

R square adalah tingkat kejelasan independen terhadap dependen, 1-r adalah variabel lain yang
berpengaruh

Di marketting, 50% rendah

Di keuangan, 20% sudah tinggi

Mengukur 2 variabel satu sama lain

Model bisa digunakan apabila asumsi terpenuhi

 linearitas
 Error mengikuti asumsi regresi klasik (gauss markov theorem)
- error harus normal (diuji normalitasnya)
- varians error bersifat homoskedastisitas -> tidak boleh ada heteroskedastisitas
- tidak ada otokorelasi (khusus time series) -> error sekarang dipengaruhi error sebelumnya
Artinya, error sekarang harus sama dengan error sebelumnya atau error di masa yang akan
datang
 Antara variabel independen tidak sering berubah (ceteris paribus) -> multikolinearitas
Batasnya <0.3

Cara menguji asumsi:

a. Analyze – regression – linear – plot pilih sdresid untuk y dan zpred untuk x
- Save – predicted value centang unstandardized, residual centang
unstandardized juga

Lalu,

b. Analyze – descriptive statistic – explore – plots – centang normality plit with tes

Kalau sig > 0.05, berarti normal errornya

c. Lalu, uji dengan runs test

Dependant-nya adalah unstandardized – kalau sig>0.05 berarti emang gaada hubungan error dengan
error sebelumnya

d. Transform – compute variable -bikin nama variabel mut_A, numericalnya dibikin abs ->
Abs(res_1) ok
Uji bivariate spearson, dengan uji mut u dengan x, ok
Terima H0 tidak ada korelasi heteroskedasititas
e. Multikolinearitas -> VIF < 10

NAMUN, SEBELUM INI SEMUA, HARUS DIUJI DULU KUESIONERNYA!!! APAKAH BUTIR-BUTIR
PERTANYAAN BISA DIUKUR!!! ADA UJI VALIDASI DAN UJI RELIABILITAS (tiap waktu dilaksanakan
konsisten)
Bisa di SPSS!
Reliability
Analyze – scale – reliability analysis – masukin semua termasuk residual (kecuali nama variabel ke
kanan) -> statistics -> centang scale if item deleted
Suatu kuesioner dinilai variabel apabila cronchbach alfa >0.6
Nah, akan ada variabel yang kalau di hilangkan (kolom if deleted) cronhbach alfa meningkat
Ini digunakan sebagai uij validitas
Kalau dibawah 0.3 -> butir tersebut tidak berkaitan
Bisa jadi redaksi salah, atau tidak nyambung
Hilangkan di excelnya

Agar bisa valid, lakukan pra-survey terhadap 30 orang