Modul WMI
1. Dasar-Dasar Analisa Kuantitatif
2. Konsep Probabilitas
3. Korelasi dan Regresi Linier
Dasar Analisa Kuantitatif
Masalah
Kuantitatif Kualitatif
Model
Variabel
Variabel
Measurable Laten
Kualitatif Kuantitatif
Interval Rasio
Nominal Ordinal
Statistika
Statistik Populasi
Sampel
Pengumpulan
Nominal
Data
Ordinal
Laten
Statistika
Statistika adalah cabang ilmu yang mempelajari tentang
bagaimana:
• mengumpulkan
• mengelompokkan
• menganalisis
• menginterpretasi
data untuk membantu pengambilan keputusan yang
efektif.
Statistika Deskriptif dan Inferensi
• Statistik Deskriptif
– Mengumpulkan dan mengelompokkan data untuk
dirangkum, dan ditampilkan dengan cara yang lebih
informatif.
• Statistik Induktif – Inferensial
– Menganalisa dan menginterpretasikan data yang
digunakan untuk mengestimasi karakteristik populasi
berdasarkan sampel yang diperoleh.
Skala Pengukuran
• Nominal : klasifikasi tanpa menunjukkan urutan
• Jenis investasi (saham, obligasi, reksadana)
• Ordinal : mengurutkan kategori berdasarkan urutan tertentu
• Peringkat obligasi (AAA, AA, A, BBB, BB, B, dst)
• Interval : mengurutkan dengan jarak/ selisih per satuan yang
sama – tidak ada 0 mutlak
• Suhu
• Rasio : selain mengurutkan dengan selisih antar satuan yang
setara, juga dapat mengukur perbandingan – ada 0 mutlak
• Gaji
Populasi vs Sampel
• Populasi adalah semesta data yang memiliki
karakteristik tertentu
– Contoh : Saham perusahaan tercatat di BEI
• Modus
Contoh Soal
• Metode Empiris
Perhitungan Probabilitas
• Mengacu pada contoh pengamatan investor terhadap
perbandingan return saham ABCD dan return pasar,
misalkan diperoleh data berikut:
Outcome Frekuensi
“Lebih besar” 92
“Sama dengan” 27
“Lebih kecil” 81
Total observasi 200
tentukanlah:
a. Probabilitas saham menghasilkan return rendah P(R)
b. Probabilitas saham berkapitalisasi kecil P(K)
c. P(RK) , P(RB), P(TK), dan P(TB)
d. P(K|R), P(K|T), P(R|K), dan P(R|B)
Distribusi Probabilitas
• Merepresentasikan daftar seluruh hasil (outcome) dari sebuah
percobaan beserta probabilitas yang bersesuaian dengan setiap
outcome tersebut.
• Menggambarkan seberapa besar kecenderungan munculnya
suatu kejadian di masa yang akan datang untuk suatu nilai
tertentu (discrete) atau interval (continuous)
sehingga
dengan
Interpretasi Koefisien Korelasi
Koefisien Korelasi: Contoh
• Diketahui data harga saham A dan harga saham B
sebagai berikut
4950
Saham A Saham B
4900
7700 4775 4850
7650 4725 4800
7750 4800 4750
7850 4875 4700
7800 4925 4650
7650 4700 4600
7600 4600 4550
7700 4625 7550 7600 7650 7700 7750 7800 7850 7900
• Hipotesis:
H0: = 0 (korelasi linier populasi sama dengan nol)
H1: ≠ 0 (korelasi linier populasi tidak sama dengan nol)
• H0 ditolak jika t > t/2,n-2 atau t < -t/2,n-2
• Statistik uji:
dimana
Pengujian Model Regresi (Goodness of Fit & Uji Parsial)
• Pengujian untuk melihat pengaruh tiap variabel
independen terhadap variabel dependen
• Hipotesis:
H0: b1= 0 (var independen tidak berpengaruh
terhadap var dependen)
H1: b1 ≠ 0 (var independen berpengaruh terhadap
var dependen)
bˆ
• Statistik uji: t
hit
1
dengan
sb ˆ
• Kriteria Penolakan: p - value < a ,thit < -t/2;n-2 atau thit > t/2;n-2
1
• Output
Regression Statistics
Multiple R 0.700196566
R Square 0.490275231
Adjusted R Square 0.426559634
Standard Error 356.6902572
Observations 10
ANOVA
df SS MS F
Regression 1 978986.4832 978986.4832 7.694744459
Residual 8 1017823.517 127227.9396
Total 9 1996810
Standard
Coefficients Error t Stat P-value
Intercept 3538.12366 744.4161688 4.752883948 0.001439903
X Variable 1 -418.263045 150.783005 -2.773940241 0.024149352
Koefisien Determinasi (R2)
• Suatu alat ukur untuk kemampuan model (berupa
variabel independen) dalam menerangkan variasi
variabel dependen
• Misalnya suatu model diketahui memiliki R2 sebesar
0.75, artinya kemampuan model dengan variabel
independen yang ada dalam menerangkan variabel
dependen
• Nilai R2 dinyatakan dengan formula
Model Regresi dengan Variabel Dummy