Donald R Cooper, Pamela S. Schindler-Business Research Methods-McGraw-Hill (2013) - 2 Copy-341-416.en - Id

462 >bagian IV Analisis dan Penyajian Data
>Pameran 17-18 Plot ANOVA Pengukuran Berulang
Efek Plot Interaksi: Peringkat oleh Maskapai*

80
75
70
Sel berarti "layanan penerbangan
65
60
55
50
45
40
35
30
Lufthansa Malaysia Cathay
Perusahaan penerbangan
Peringkat 1 Peringkat 2
* Semua data bersifat hipotetis.
5. Nilai tes kritis. Masukkan Lampiran D, Bukti D-8, dengan df (2, 57), sebuah 5 .05 dan (1, 57),
sebuah "5".05. Nilai kritisnya adalah 3,16 (2, 57) dan 4,01 (1, 57).
6. Penafsiran. Hasil statistik adalah alasan untuk menolak ketiga hipotesis nol dan menyimpulkan ada
perbedaan yang signifikan secara statistik antara rata-rata dalam ketiga kasus. Kami menyimpulkan
bahwa persepsi layanan dalam penerbangan secara signifikan dipengaruhi oleh maskapai yang berbeda,
interval antara dua ukuran memiliki pengaruh yang signifikan pada peringkat, dan interval waktu
pengukuran dan maskapai berinteraksi ke tingkat yang signifikan.
Tabel ringkasan ANOVA pada Tampilan 17-17 mencatat hasil tes. Tabel rata-rata menyediakan rata-rata
dan deviasi standar untuk semua kombinasi peringkat oleh maskapai penerbangan. Tabel rata-rata kedua
melaporkan perbedaan antara peringkat layanan #ight 1 dan 2. Dalam Tampilan 17-18, ada plot interaksi
untuk data ini. Perhatikan bahwa peringkat layanan in-#ight kedua ditingkatkan di dua dari tiga grup
setelah satu minggu, tetapi untuk maskapai ketiga, ada penurunan respons yang menguntungkan. Garis
berpotongan dalam plot interaksi mencerminkan !nding ini.
Tes Nonparametrik
Ketika k sampel terkait telah diukur pada skala nominal, Cochran Q tes adalah pilihan yang baik.14 Tes ini
memperluas tes McNemar, yang dibahas sebelumnya, untuk studi yang memiliki lebih dari dua sampel. Ini
menguji hipotesis bahwa proporsi kasus dalam suatu kategori adalah sama untuk beberapa kategori terkait.
Ketika data setidaknya ordinal, analisis varians dua arah Friedman adalah tepat. Ini menguji sampel yang cocok,
memberi peringkat setiap kasus dan menghitung peringkat rata-rata untuk setiap variabel di semua kasus. Ini
menggunakan peringkat ini untuk menghitung statistik uji. Produk adalah tabel dua arah di mana baris mewakili
subjek dan kolom mewakili kondisi perawatan.15 Lihat Lampiran C untuk pengujian nonparametrik tambahan.
>bab 17 Pengujian Hipotesis 463
>ringkasan
1 Dalam statistik klasik kami membuat kesimpulan tentang populasi ukuran sampel, bergeser dari uji signifikansi dua sisi ke
didasarkan pada bukti yang dikumpulkan dari sampel. Meskipun kita tidak satu sisi, atau keduanya.
dapat menyatakan dengan tegas apa yang benar tentang seluruh populasi,
d Hitung nilai uji sebenarnya dari data.
sampel yang representatif memungkinkan kita untuk membuat pernyataan
e Dapatkan nilai uji kritis, biasanya dengan mengacu pada a
tentang apa yang mungkin benar dan berapa banyak kesalahan yang
tabel untuk jenis distribusi yang sesuai.
mungkin ditemui dalam mencapai suatu keputusan. Pendekatan Bayesian
f Interpretasikan hasilnya dengan membandingkan nilai tes yang sebenarnya
juga menggunakan statistik sampling tetapi memiliki elemen tambahan dari
informasi sebelumnya untuk meningkatkan penilaian pembuat keputusan. dengan nilai uji kritis.
4 Tes parametrik dan nonparametrik dapat diterapkan di bawah
2 Sebuah perbedaan antara dua atau lebih set data adalah statistik berbagai kondisi yang dijelaskan dalam bab ini. Mereka juga
signifikan jika itu benar-benar terjadi dalam suatu populasi. Untuk diringkas dalam Tampilan 17-6. Tes parametrik beroperasi dengan
mendapatkan temuan yang signifikan secara statistik berdasarkan data interval dan rasio dan lebih disukai ketika asumsi mereka
bukti pengambilan sampel, kita harus dapat menghitung probabilitas dapat dipenuhi. Alat diagnostik memeriksa data untuk
bahwa beberapa perbedaan yang diamati cukup besar sehingga kecil pelanggaran asumsi tersebut. Tes nonparametrik tidak
kemungkinannya dapat dihasilkan dari pengambilan sampel acak. memerlukan asumsi yang ketat tentang distribusi populasi dan
Probabilitas adalah dasar untuk memutuskan penerimaan hipotesis berguna dengan ukuran nominal dan ordinal yang kurang kuat.
nol, dan statistik sampling memfasilitasi perolehan perkiraan. 5 Dalam memilih uji signifikansi, seseorang perlu mengetahui, minimal
ibu, jumlah sampel, independensi atau keterkaitannya, dan
3 Pengujian hipotesis dapat dilihat sebagai prosedur enam langkah: tingkat pengukuran data. Tes statistik yang ditekankan dalam
bab ini adalah:Z dan t-tes, analisis varians, dan chi-square. Itu
Sebuah Menetapkan hipotesis nol serta alternatif hy-
Z dan t-tes dapat digunakan untuk menguji perbedaan antara
hipotesis. Ini adalah uji signifikansi satu arah jika hipotesis
dua cara. Itut-tes dipilih ketika ukuran sampel kecil. Variasi
alternatif menyatakan arah perbedaan. Jika tidak ada arah
padat-tes digunakan untuk sampel independen dan terkait.
perbedaan yang diberikan, itu adalah tes dua sisi.
b Pilih uji statistik berdasarkan asumsi Analisis varians satu arah membandingkan rata-rata beberapa
tentang persebaran penduduk dan tingkat pengukurannya. Bentuk kelompok. Ini memiliki variabel pengelompokan tunggal, yang
data juga bisa menjadi faktor. Mengingat pertimbangan ini, disebut faktor, dan variabel dependen terus menerus. Analisis
seseorang biasanya memilih tes yang memiliki efisiensi daya varians (ANOVA) mempartisi variasi total antara skor menjadi
terbesar atau kemampuan untuk mengurangi kesalahan keputusan. varians antar-kelompok (perlakuan) dan dalam-kelompok
(kesalahan). ItuF rasio, statistik uji, menentukan apakah
c Pilih tingkat kepercayaan yang diinginkan. Sementarasebuah 5 .05 perbedaannya cukup besar untuk menolak hipotesis nol. ANOVA
adalah level yang paling sering digunakan, banyak lainnya juga dapat diperluas menjadi dua arah,n-cara, pengukuran berulang,
digunakan. ItuSebuah adalah tingkat signifikansi yang kita inginkan dan dan aplikasi multivarian.
biasanya ditetapkan sebelum penelitian. Kesalahan alfa atau tipe I Chi-square adalah statistik nonparametrik yang sering
adalah risiko menolak hipotesis nol yang benar dan mewakili kesalahan digunakan untuk tabulasi silang atau tabel kontingensi.
keputusan. Itub atau kesalahan Tipe II adalah kesalahan keputusan yang Aplikasinya meliputi pengujian untuk perbedaan antara
dihasilkan dari menerima hipotesis nol yang salah. Biasanya, seseorang proporsi dalam populasi dan pengujian untuk independensi.
menentukan tingkat yang dapat diterimaSebuah Koreksi untuk chi-kuadrat dibahas.
kesalahan dan kemudian berusaha untuk mengurangi b kesalahan dengan meningkatkan
>kunciistilah
Sebuah prioritas kontras 457 nilai kritis 436 berarti persegi 454
hipotesis alternatif (HSEBUAH) 432 F perbandingan 454 beberapa tes perbandingan

(rentang!tes) 457
analisis varians (ANOVA) 453 statistik inferensial 430
tes nonparametrik 440
Statistik Bayesian 430 k-tes sampel independen 453
plot probabilitas normal 440
chi-kuadrat (!2) uji 445 k-tes sampel terkait 460
hipotesis nol (H0) 432
statistik klasik 430 tingkat signifikansi 438
tingkat signifikansi yang diamati 452 wilayah penerimaan 436 tes dua sampel terkait 450
tes satu sampel 444 wilayah penolakan 436 uji dua sisi 432
uji satu sisi 432 signifikansi statistik 430 Kesalahan tipe I (Sebuah) 435
p nilai 438 untuk distribusi 444 Kesalahan tipe II (b) 435
tes parametrik 440 t-uji 444 Z distribusi 444
kekuatan ujian 437 uji coba 460 Z uji 444
arti praktis 431 tes dua sampel independen 447
>diskusipertanyaan
Persyaratan dalam Ulasan c Sebuah perusahaan memiliki tiga kategori analis pemasaran:
1 Bedakan antara berikut ini: (1) dengan kualifikasi profesional tetapi tanpa pengalaman kerja,
Sebuah Tes parametrik dan tes nonparametrik. (2) dengan kualifikasi profesional dan dengan pengalaman kerja,
dan (3) tanpa kualifikasi profesional tetapi dengan pengalaman
b kesalahan tipe I dan kesalahan tipe II.
kerja. Sebuah studi ada yang mengukur tingkat motivasi masing-
c Hipotesis nol dan hipotesis alternatif. masing analis (diklasifikasikan sebagai tinggi, normal, dan rendah).
d Wilayah penerimaan dan wilayah penolakan. Sebuah hipotesis tidak ada hubungan antara kategori analis dan
e Uji satu sisi dan uji dua sisi. motivasi harus diuji.
d Sebuah perusahaan memiliki 24 tenaga penjual. Tes harus mengevaluasi

f Kesalahan tipe II dan kekuatan tes.
makan apakah kinerja penjualan mereka tidak berubah
2 Meringkas langkah-langkah pengujian hipotesis. Apakah yang
atau meningkat setelah program pelatihan.
kebaikan dari prosedur ini?
e Perusahaan harus mengevaluasi apakah harus mengatribusikan
3 Dalam analisis varians, apa tujuan dari mean?
peningkatan penjualan kualitas produk, iklan, atau
kuadrat antara dan kuadrat rata-rata di dalam? Jika hipotesis
interaksi kualitas produk dan iklan.
nol diterima, seperti apa kuantitas ini?
7 Anda melakukan survei terhadap sampel 25 anggota
4 Jelaskan asumsi untuk ANOVA, dan jelaskan caranya
mahasiswa pemasaran yang lulus tahun ini dan menemukan
mereka mungkin didiagnosis.
bahwa IPK rata-rata adalah 3,2. Standar deviasi sampel adalah
Membuat Keputusan Penelitian 0,4. Selama 10 tahun terakhir, IPK rata-rata adalah
5 Sarankan situasi di mana peneliti harus lebih banyak 3.0. Apakah IPK siswa tahun ini berbeda secara signifikan dengan rata-
berkaitan dengan kesalahan Tipe II dibandingkan dengan kesalahan Tipe I.
rata jangka panjang? Pada tingkat alpha berapakah itu akan menjadi
Sebuah Bagaimana kemungkinan kesalahan Tipe I dikurangi? signifikan?
A!Kesalahan Tipe II?
8 Anda ingin tahu apakah profesor dan siswa di sekolah Anda
b Bagaimana signifikansi praktis berbeda dari statistik? memiliki keyakinan politik yang berbeda, jadi Anda mengambil
signifikansi? sampel 20 profesor dan 20 siswa yang diambil secara acak dari
c Misalkan Anda mewawancarai semua anggota baru- setiap populasi. Anda menemukan bahwa 10 profesor mengatakan
laki-laki dan kelas senior dan menemukan bahwa 65 persen mereka konservatif dan 6 siswa mengatakan mereka konservatif.
mahasiswa baru dan 62 persen mahasiswa senior menyukai proposal Apakah ini perbedaan yang signifikan secara statistik?
untuk mengirim Pusat Bantuan ke luar negeri. Apakah perbedaan ini
signifikan? 9 Anda menghubungi sampel acak dari 36 lulusan Western

6 Prosedur pengujian hipotesis apa yang akan Anda gunakan dalam University dan mengetahui bahwa gaji awal mereka rata-rata
situasi berikut? $28,000 tahun lalu. Anda kemudian menghubungi sampel acak
dari 40! lulusan Universitas Timur dan menemukan bahwa gaji
Sebuah Sebuah tes mengklasifikasikan pelamar sebagai diterima atau ditolak. Di
awal rata-rata mereka adalah $28.800. Dalam setiap kasus,
berdasarkan data pada 200 pelamar, kami menguji hipotesis bahwa
standar deviasi sampel adalah $1.000.
keberhasilan penempatan iklan tidak terkait dengan gender.
Sebuah Uji hipotesis nol bahwa tidak ada perbedaan
b Sebuah perusahaan memproduksi dan memasarkan mobil
antara rata-rata gaji yang diterima lulusan kedua
di dua negara yang berbeda. Kami ingin tahu apakah jarak
sekolah tersebut.
tempuh bahan bakarnya sama untuk kendaraan dari kedua
fasilitas tersebut. Ada sampel 45 unit dari setiap fasilitas. b Asumsi apa yang diperlukan untuk pengujian ini?
>bab 17 Pengujian Hipotesis 465
10 Sampel acak siswa diwawancarai untuk menentukan apakah Uji hipotesis bahwa tidak ada perbedaan antara rata-rata
ada hubungan antara kelas dan sikap terhadap perusahaan. produk ini (sebuah 5 .05).
Dengan hasil sebagai berikut, uji hipotesis bahwa tidak ada 13 Produsen komputer memperkenalkan produk baru new
perbedaan antara siswa pada sikap ini. secara khusus ditargetkan pada pasar rumah dan ingin
Baik Netral Tidak menguntungkan
membandingkan efektivitas tiga strategi penjualan: toko
komputer, toko elektronik rumah, dan department store.
mahasiswa baru 100 50 70
Jumlah penjualan oleh 15 tenaga penjualan dicatat di sini:
mahasiswa tahun kedua 80 60 70
junior 50 50 80
Toko elektronik: 5, 4, 3, 3, 3
Senior 40 60 90
Toserba: 9, 7, 8, 6, 5 Toko
11 Anda melakukan survei terhadap mahasiswa pemasaran dan seni liberal komputer: 7, 4, 8, 4, 3
siswa sekolah untuk mengetahui berapa kali seminggu mereka
Sebuah Ujilah hipotesis bahwa tidak ada perbedaan antara
membaca koran harian. Dalam setiap kasus, Anda mewawancarai 100
sarana pengecer (sebuah 5 .05).
siswa. Anda menemukan yang berikut ini:
}5 4,5 kali per minggu b Pilih tes perbandingan ganda, jika perlu, untuk
Xsaya
menentukan kelompok mana yang berbeda dalam penjualan rata-rata (sebuah 5 .05).
Ssaya 5 1.5
} 5 5,6 kali per minggu
Xla Dari Headline
Sla 5 2.0 14 Pengusaha, militer, dan perguruan tinggi menggunakan tes bakat untuk
memprediksi seberapa baik kinerja seseorang. Baru-baru ini,

Ujilah hipotesis bahwa tidak ada perbedaan yang signifikan
para kritikus mengatakan tidak ada banyak perbedaan dalam
antara kedua sampel tersebut.
kinerja di atas tingkat tertentu—bahwa setiap orang kurang
12 One-Koat Paint Company telah mengembangkan jenis baru dari
lebih sama. Sekarang, dalam edisi terbaruIlmu Psikologi,
cat teras yang diharapkan paling awet di pasaran. Grup R&D
penulis studi baru menemukan bahwa ini tidak benar. Sebaliknya, semakin
menguji produk baru tersebut terhadap dua produk pesaing
tinggi skor Anda, semakin baik kinerja Anda nantinya. Penyelidikan tersebut
utama dengan menggunakan mesin yang menggosok sampai
mempertimbangkan empat studi besar terhadap orang-orang yang telah
aus melalui lapisan. One-Koat menjalankan lima uji coba
mengambil tes bakat: skor SAT Dewan Perguruan Tinggi untuk 150.000
dengan setiap produk dan mengamankan re-
siswa yang memasuki 110 perguruan tinggi dan IPK mahasiswa baru
sults (dalam ribuan scrub):
mereka. Angkatan Darat mengumpulkan 5.000 skor untuk Baterai Bakat
Kejuruan Angkatan Bersenjata dan kemudian menilai kandidat tentang
Percobaan Satu-Koat Pesaing A Pesaing B
seberapa baik mereka melakukan pekerjaan mereka. Dua set data
1 37 34 24
tambahan berisi kinerja siswa pada tes di sekolah menengah dan nilai
2 30 19 25 mereka di perguruan tinggi. Semakin tinggi ujiannya
3 34 22 23 skor, semakin baik kinerja selanjutnya.! Sarankan hipotesis
4 28 31 20 alternatif yang sama-sama bisa menjelaskan temuan ini.
5 29 27 20
>kasus*
Pikiran yang Ingin Tahu—SEKARANG! NCRCC: Menuju Arah Strategis Baru
Marcus Thomas LLC Menguji Hipotesis untuk Bukti: Memanfaatkan Kecintaan Wartawan pada Statistik
Pengembangan Kreatif TroyBilt
Yahoo!: Konsumen Langsung Menikahkan Metrik Pembelian dengan
Iklan Spanduk
Menguasai Kepemimpinan Guru
* Anda akan menemukan deskripsi setiap kasus di bagian Indeks Kasus dari buku teks. Periksa Indeks Kasus untuk menentukan
apakah suatu kasus menyediakan data, instrumen penelitian, video, atau materi tambahan lainnya. Kasus tertulis dapat diunduh
dari situs web teks (www.mhhe.com/cooper12e). Semua materi video dan kasus video tersedia dari Pusat Pembelajaran Online.
>bab 18
Langkah-langkah Asosiasi
>belajartujuan
Setelah membaca bab ini, Anda harus memahami.!.!.
1 Bagaimana analisis korelasi dapat diterapkan untuk mempelajari hubungan antara dua atau lebih variabel.
2 Penggunaan, persyaratan, dan interpretasi koefisien korelasi momen produk.
3 Bagaimana prediksi dibuat dengan analisis regresi menggunakan metode kuadrat terkecil untuk meminimalkan kesalahan dalam menggambar
garis yang paling cocok.
4 Bagaimana menguji model regresi untuk linieritas dan apakah persamaan tersebut efektif dalam menyesuaikan data.
5 Ukuran asosiasi nonparametrik dan alternatif yang mereka tawarkan ketika asumsi dan persyaratan utama
untuk teknik parametrik tidak dapat dipenuhi.
“ sangat mirip
Perilaku dengan
konsumen perilaku
dengan mereka
edisi dengan
digital edisi cetak
majalah
majalah, dan sangat berbeda dengan perilaku mereka dengan
situs web. Pembaca biasanya menggesek melalui edisi tablet dari
depan ke belakang, misalnya, dengan cara yang sama mereka
bekerja melalui edisi cetak. Mereka menelusuri—menerima
iklan saat mereka pergi—bukan jum ping langsung ke spesifik
artikel seperti yang dilakukan peselancar web.
”
Scott McDonald, wakil presiden senior untuk penelitian dan wawasan,
Conde Nast
>membawapenelitianuntukkehidupan
Sara tiba untuk pertemuan analisis dengan Jason dan Gladeside tepi laut
menemukan seorang pria kecil botak dan bulat duduk di meja Panggilan polisi tanpa penangkapan 46 40
Jason, mempelajari layar komputer laptop, membelai janggut Panggilan polisi menghasilkan 4 10
abu-abunya dan tersenyum lebar. penangkapan Total panggilan 50 50
"Sara," kata Jason, "bertemu JackAdams, konsultan politik yang sedang
naik daun." "Saya ragu Sandy akan memperhatikan, kecuali bahwa

Jack, yang tampak sedang membelai laptopnya, di kedua lingkungan itu, jumlah panggilan polisi
menyeringai lebar. "Halo, Sara," sapa Jack. "Saya ingin kebetulan adalah 50, yang membuatnya mudah untuk
Jason tahu bahwa komputer kecil ini telah menjadikan melihat bahwa di Oceanside tingkat penangkapan dua
saya gembong pemasaran kancah politik Boca Beach." kali lipat di Gladeside."
“Jack menjual bisnis lukisannya di Long Island kepada “Sebenarnya,” kata Sara, “Saya terkejut akan ada
ketiga putranya dan pindah ke Pantai Boca setelah istrinya panggilan polisi di komunitas kelas atas seperti itu.”
meninggal dunia,” Jason menawarkan penjelasan. "Kami sudah tua," kata Jack, "tetapi tidak mati."
“Selama tiga bulan saya bermain golf di pagi hari dan duduk di “Bagaimanapun, insting politik Sandy yang sangat tajam
tepi kolam renang dan bermain kartu di sore hari. Selama tiga memberitahunya bahwa dia tidak akan kemana-mana dengan
bulan, tujuh hari, saya melakukan ini. Aku menjadi gila. Kemudian mencoba membuat masyarakat melawan sheriff. Akan jauh lebih
tetangga sebelah saya Marty meninggal dan istrinya memberi baik untuk mengubah pemilih Oceanside melawan mereka yang
saya MindWriter-nya.” ada di Gladeside. Jadi dia mengeluh tentang dampak
“Jason datang melalui Pantai Boca dan mampir untuk penangkapan yang berbeda. Sementara kedua komunitas
berkunjung. Dia mengunduh program statistik, gratis dari tersebut berukuran kira-kira sama, di Oceanside orang-orang
Internet. Saya harus mengatakan, statistik di perguruan kebanyakan dari Brooklyn, dan di Gladeside orang-orang berasal
tinggi tidak pernah menghasilkan kegembiraan seperti yang dari Bronx.”
baru-baru ini, ”senyum Jack. “Kami memiliki orang bijak, "Tapi etikanya.".".
Sandy Plover, mantan kontraktor listrik di Jersey, yang terjun "."."."tidak berarti apa-apa bagi Sandy. Dia mengatakan kepadaku,
ke politik lokal. Menjadi pembuat onar yang lahir secara 'Kurasa aku akan menendang pantat dan membuat nama untuk diriku
alami, dia menunggu kesempatannya untuk gelisah. Seperti sendiri di sini.' ”
yang terjadi, sheriff merilis data ke surat kabar bahwa insiden "Masalah dengan panggilan polisi sebagai masalah
penangkapan akibat panggilan polisi ke Oceanside—yang adalah bahwa sheriff saat ini memiliki staf yang baik
lebih kaya dari dua lingkungan tempat sheriff kebetulan dengan analis berpendidikan statistik yang tahu betul
tinggal—lebih tinggi daripada di Gladeside.” bagaimana membantah klaim eksentrik," sela Jason.
Jack mengetik berikut ini: “Meskipun saya secara pribadi merindukan masa lalu, saya
Hipotesis penelitian: Penduduk Oceanside mendapatkan perlakuan khusus memasukkan angka ke dalam MindWriter ini di sini untuk
dalam memecahkan kejahatan dan dengan demikian hidup di lingkungan memeriksa ulang statistiknya. Saya melakukan yang pertama,
yang lebih aman karena pendapatan mereka yang lebih tinggi dan kekuatan persis seperti yang saya kira akan dilakukan oleh seorang analis
politik yang lebih besar. polisi. Saya menjalankan tabulasi silang dan uji chi-kuadrat dari
Hipotesis nol: Gladeside dan Oceanside mendapat hipotesis bahwa penangkapan di Oceanside tidak proporsional
perhatian yang sama dari polisi. dengan yang ada di Gladeside.”
>membawapenelitianuntukkehidupanlanjutan
“Bagi seorang pengamat yang tidak terlatih akan terlihat telah memberikan interpretasi yang sama sebelum dia pergi
seperti itu,” kontribusi Sara saat dia mengintip dari balik bahu Jack. ke koran, jadi saya sekarang memiliki karir baru: jenius politik
"Tapi kemudian aku tidak begitu mudah ditipu." residen. Apa yang saya lakukan adalah melihat hasil polling
“Bagus untukmu, Sara!” seru Jack. “Apa yang Anda miliki di sini lawan dan menyangkal validitasnya untuk surat kabar dan TV.
adalah kekeliruan 'bola mata', seperti yang dikatakan oleh profesor Jika pihak lawan unggul dengan beberapa poin polling, saya
tua saya hampir 50 tahun yang lalu. Seperti yang saya jelaskan mencemooh tipisnya margin. Jika keunggulan mereka lebar,
kepada Sandy, 100 pertemuan polisi yang menghasilkan beberapa saya meremehkan ukuran sampel dan intim yang akan dilihat
penangkapan bukanlah apa-apa, nada, bukan sampel yang cukup oleh ahli statistik mana pun. ”
besar untuk memercayai mengintip cepat dan melompat ke “Jack penuh warna, lucu, dan baik hati dalam membantah jajak
kesimpulan. Anda menjalankannya melalui komputer, dan, tentu pendapat lawan-lawannya, dan penulis surat kabar tidak pernah
saja, meskipun rasionya tampak rusak, perbedaannya tidak menantangnya untuk membuktikan klaim atau interpretasinya,”
signifikan secara statistik. Anda tidak dapat mendukung 'dampak kontribusi Jason. “Apa yang dia pelajari dari saya adalah bahwa statistik
yang berbeda.' Tidak mungkin." sangat rumit, dan membuat banyak orang takut, sehingga Anda dapat
“Memberikan bahwa 10 penangkapan per 50 lebih besar dari 4 per mengklaim atau menyangkal apa pun. Dan dia biasanya benar untuk
50,” Jason mengamati, “Jack melihat bahwa seorang ahli statistik akan menyanggah jajak pendapat, karena, agar jajak pendapat politik
mengatakan bahwa tidaklah cukup untuk meyakinkan seorang ilmuwan sebelum pemilihan dianggap serius, harus ada sampel yang cukup
bahwa polisi bertindak berbeda di dua lingkungan tersebut. Seorang besar untuk menghasilkan hasil yang signifikan. Dan harus ada selisih
ahli statistik akan berkata, Tunggu dan lihat, biarkan ceritanya yang cukup besar antara pemenang dan pecundang untuk melindungi
terungkap, kumpulkan sampel yang lebih besar.” dari perubahan sentimen pemilih di menit-menit terakhir. Di daerah
"Bagaimana Sandy menerima penjelasanmu, Jack?" “Dia pemilihan politik kondominium yang kecil dan diperebutkan secara
siap menembak utusan itu, sangat terganggu, pertama- ketat, hampir tidak ada jajak pendapat yang dapat memenuhi dua
tama, bahwa saya tidak akan mendukung strategi kriteria ketat seperti itu.”
politiknya. Tapi saya cukup yakin sheriff akan datang “Jadi sekarang saya duduk di clubhouse kondominium saya dan
kembali dengan analisis statistik untuk membuang air orang-orang datang dan ingin tahu apa yang saya pikirkan tentang
dingin ke Sandy.” Timur Tengah, reformasi kampanye, semuanya.” Jack, berdiri,
"Apakah kamu membawanya berkeliling?" mengulurkan tangannya ke Sara, “Saya dapat memberitahu Anda
“Si brengsek itu, datang? Tidak pernah. Dia berlari ke koran, dan memiliki hal-hal yang harus dilakukan, jadi saya akan melanjutkan.
menumpahkan nomor dan tuduhannya dalam sebuah surat kepada Senang bertemu denganmu, Sara.”
editor yang dicetak pada hari Senin, dan Selasa sheriff kembali dengan Sara melihat Jack Adams memeluk Jason dan kemudian
para ahlinya dan membuat Sandy terlihat seperti orang bodoh—di berjalan keluar pintu.
halaman satu, jika Anda bisa percaya saya t. Jadi Sandy terhanyut, tetapi "Jadi, Sara, apa pendapatmu tentang pengetahuan
dia mengatakan kepada reporter bahwa saya statistik Jack?"
> pengantar
Dalam bab sebelumnya, kami menekankan pengujian hipotesis perbedaan. Namun, pertanyaan
manajemen sering berkisar pada studi tentang hubungan antara dua atau lebih variabel. Kemudian,
hipotesis relasional diperlukan. Dalam pertanyaan penelitian “Apakah peralatan dapur AS dianggap oleh konsumen
Amerika memiliki kualitas yang lebih baik daripada peralatan dapur asing?” sifat hubungan antara dua variabel
("negara asal" dan "kualitas yang dirasakan") tidak ditentukan. Implikasinya, bagaimanapun, adalah bahwa satu
variabel bertanggung jawab untuk yang lain. Hipotesis relasional yang benar untuk pertanyaan ini akan
menyatakan bahwa variabel terjadi bersama-sama dalam beberapa cara tertentu tanpa menyiratkan bahwa yang
satu menyebabkan yang lain.
Berbagai tujuan disajikan dengan analisis korelasi. Kekuatan, arah, bentuk, dan fitur lain dari
hubungan dapat ditemukan. Atau pertanyaan taktis dan strategis dapat dijawab oleh
468
>bab 18 Langkah-langkah Asosiasi 469
memprediksi nilai satu variabel dari yang lain. Mari kita lihat beberapa pertanyaan manajemen yang
umum:
• Dalam bisnis pesanan melalui pos, biaya katalog yang berlebihan dengan cepat menekan margin. Banyak surat
yang gagal mencapai pembeli yang reseptif atau aktif. Apa hubungan antara surat yang menghapus pelanggan
yang tidak aktif dan peningkatan margin keuntungan?
• Perusahaan menengah sering mengalami kesulitan untuk menarik hasil panen MBA, dan ketika
mereka berhasil, mereka kesulitan mempertahankannya. Apa hubungan antara peringkat kandidat
berdasarkan wawancara eksekutif dan peringkat yang diperoleh dari pengujian atau penilaian
manajerial?
• Alokasi pemasaran perusahaan rokok bergeser beberapa tahun yang lalu sebagai akibat dari pemukiman
multinegara yang menghilangkan iklan luar ruang dan transit. Baru-baru ini, iklan di majalah-majalah
dengan pembaca muda yang besar mendapat sorotan. Selama periode tertentu, apa hubungan antara
pengeluaran point-of-sale dan laba bersih?
• Perusahaan-perusahaan teknologi tinggi AS yang agresif telah banyak beriklan di pasar chip Eropa, dan penjualan
mereka telah tumbuh 20 persen di atas penjualan tiga perusahaan Eropa terbesar. Bisakah kita memprediksi
penjualan tahun depan berdasarkan iklan saat ini?
Semua pertanyaan ini dapat dievaluasi dengan cara mengukur asosiasi. Dan semua memerlukan teknik
yang berbeda berdasarkan pada tingkat di mana variabel diukur atau maksud pertanyaan. Tiga yang
pertama masing-masing menggunakan data nominal, ordinal, dan interval. Yang terakhir dijawab melalui
regresi linier sederhana.
Dengan korelasi, seseorang menghitung indeks untuk mengukur sifat hubungan antar variabel.
Dengan regresi, persamaan dikembangkan untuk memprediksi nilai variabel dependen. Keduanya
dipengaruhi oleh asumsi tingkat pengukuran dan distribusi yang mendasari data.
Tampilan 18-1 mencantumkan beberapa ukuran umum dan kegunaannya. Bab ini mengikuti
perkembangan pameran, pertama meliputi korelasi linier bivariat, kemudian memeriksa regresi
sederhana, dan menyimpulkan dengan ukuran asosiasi nonparametrik. Eksplorasi data melalui
inspeksi visual dan evaluasi diagnostik asumsi terus ditekankan.
> Analisis Korelasi Bivariat

Analisis korelasi bivariat berbeda dari ukuran nonparametrik asosiasi dan analisis regresi
dalam dua cara penting. Pertama, korelasi parametrik membutuhkan dua variabel kontinu yang
diukur pada skala interval atau rasio. Kedua, koefisien tidak membedakan antara independen
dan variabel terikat. Ini memperlakukan variabel secara simetris karena koefisienrxy memiliki interpretasi
yang sama dengan ryx.
Koefisien Momen Produk Pearson r

Itu Pearson (momen produk) koefisien korelasi! ilmiah bervariasi dalam rentang 11 sampai 0
sampai 21. Penunjukan r melambangkan estimasi koefisien asosiasi linier berdasarkan data sampling.
Koef! ilmiahr mewakili korelasi populasi.
Koefisien korelasi mengungkapkan besaran dan arah hubungan. Itubesarnya adalah sejauh mana variabel
bergerak serempak atau berlawanan. Besarnya korelasi dari1.40 sama dengan salah satu 2.40. Tanda tidak
mengatakan apa-apa tentang ukuran. Tingkat korelasinya sederhana. Coef!cient's sign menandakanarah dari
hubungan. Arah memberi tahu kita apakah nilai besar pada satu variabel dikaitkan dengan nilai besar pada variabel
lain (dan nilai kecil dengan nilai kecil). Ketika nilai-nilai tersebut berkorespondensi dengan cara ini, kedua variabel
memiliki hubungan positif: ketika salah satu meningkat, yang lain juga meningkat. Pendapatan keluarga, misalnya,
berhubungan positif dengan pengeluaran makanan rumah tangga. Ketika pendapatan meningkat, pengeluaran
makanan meningkat. Variabel lain berbanding terbalik. Nilai besar pada variabel ! pertama dikaitkan dengan nilai
kecil pada variabel kedua (dan sebaliknya). Harga produk dan jasa berbanding terbalik dengan kelangkaannya.
Secara umum, ketika produk menurun dalam
>Pameran 18-1 Ukuran Asosiasi yang Umum Digunakan
Pengukuran Koefisien Komentar dan Penggunaan
Koefisien korelasi Pearson Untuk variabel yang berhubungan linier terus menerus.
(product moment)
Rasio korelasi (eta) Untuk data nonlinier atau menghubungkan efek utama
dengan variabel dependen kontinu.
Biserial Satu variabel kontinu dan satu variabel dikotomis

Selang
dengan distribusi normal yang mendasarinya.
dan
Perbandingan
Korelasi parsial Tiga variabel; menghubungkan dua dengan efek
ketiga diambil.
Korelasi ganda Tiga variabel; menghubungkan satu variabel dengan dua

variabel lainnya.
Regresi linier bivariat Memprediksi satu variabel dari skor yang lain.
Gamma Berdasarkan pasangan konkordan-sumbang: (P - T);

pengurangan proporsional dalam kesalahan (PRE) interpretasi.
Kendall tau b P - Q berbasis; penyesuaian untuk peringkat terikat.
Urut Kendall tau c P - Q berbasis; penyesuaian untuk dimensi meja.
Somers's d P - Q berbasis; perpanjangan asimetris dari gamma.
Roh Spearman Korelasi momen produk untuk data peringkat.
phi Chi-square (CS) berdasarkan 2 3 2 meja.
Cramer's V berbasis CS; penyesuaian ketika satu

dimensi tabel > 2.
Koefisien kontingensi C berbasis CS; asumsi data dan distribusi yang fleksibel.
Nominal
lambda Interpretasi berbasis pra.
Koefisien ketidakpastian Berbasis pra dengan penekanan tabel marginal.
tau Goodman & Kruskal Berguna untuk tabel multidimensi.
Kappa Ukuran kesepakatan.
kuantitas yang tersedia, harga mereka naik. Ketiadaan suatu hubungan dinyatakan dengan koefisien
kira-kira nol.
Scatterplots untuk Menjelajahi Hubungan

plot sebar penting untuk memahami hubungan antar variabel. Mereka menyediakan sarana untuk inspeksi
visual data yang tidak dapat dilakukan oleh daftar nilai untuk dua variabel. Baik arah maupun bentuk
hubungan disampaikan dalam sebuah plot. Dengan sedikit latihan, besarnya hubungan dapat terlihat.
Tampilan 18-2 berisi serangkaian scatterplot yang menggambarkan beberapa hubungan di seluruh
rentang r. Tiga plot di sisi kiri gambar memiliki titik miring dari kiri atas ke kanan bawah masing-masing xy
merencanakan.1 Mereka mewakili besaran yang berbeda dari hubungan negatif. Di sisi kanan gambar,
ketiga plot memiliki pola yang berlawanan dan menunjukkan hubungan yang positif.
>Pameran 18-2 Scatterplots dari Korelasi antara Dua Variabel

kamu kamu kamu
x x x
r = –1.00 r=0 r = +1.00
kamu kamu
x x
r = –.90 r = +.90
kamu
kamu
x x
r = –.40 r = +.40
– 1.00 - . 50 0 + . 50 + 1,00
Negatif sempurna Tidak ada hubungan Positif sempurna
hubungan hubungan
Ketika hubungan yang lebih kuat terlihat (misalnya, 6.90 korelasi), titik-titik mengelompok dekat dengan garis
lurus imajiner yang melewati data. Hubungan yang lebih lemah (6.40) menggambarkan awan data yang lebih
menyebar dengan titik-titik menyebar lebih jauh dari garis.
Bentuk hubungan linier dicirikan oleh garis lurus, sedangkan hubungan nonlinier memiliki kurva
lengkung, parabola, dan majemuk yang mewakili bentuknya. Pearson'sr mengukur hubungan dalam
variabel yang berhubungan linier. Itu tidak dapat membedakan data linier dari data nonlinier.
Ringkasan statistik saja tidak mengungkapkan kesesuaian data untuk model, itulah sebabnya
mengapa memeriksa data itu penting.
Kebutuhan akan visualisasi data diilustrasikan dengan empat kumpulan data kecil yang memiliki statistik
ringkasan yang identik tetapi menampilkan pola yang sangat berbeda.2 Tampilan 18-3 berisi data ini, dan Tampilan
18-4 memplotnya. Pada Plot 1 dari !guratan, variabel-variabel tersebut berhubungan positif. Poin mereka mengikuti
garis lurus yang ditumpangkan melalui data. Contoh ini sangat cocok untuk analisis korelasi. Pada Plot 2, data
berbentuk lengkung terhadap garis, danr adalah ukuran yang tidak tepat dari hubungan mereka. Plot 3
menunjukkan adanya titik berpengaruh yang mengubah koefisien yang seharusnya menjadi sempurna11.0. Plot
terakhir menampilkan nilai konstan constantx (mirip dengan apa yang mungkin Anda temukan dalam percobaan
hewan atau kontrol kualitas). Satu titik leverage menetapkan garis !tted untuk data ini.
Kami akan kembali ke konsep-konsep ini dan proses menggambar garis ketika kita membahas regresi. Untuk saat ini,
membandingkan Plot 2 hingga 4 dengan Plot 1 menunjukkan pentingnya memeriksa data korelasi secara visual untuk pola
yang mendasarinya guna memastikan linearitas. Analis yang cermat menjadikan scatterplot sebagai bagian integral dari
inspeksi dan eksplorasi data mereka. Meskipun sampel kecil dapat diplot dengan tangan, paket perangkat lunak statistik
menghemat waktu dan menawarkan berbagai prosedur plot.
>Pameran 18-3 Empat Kumpulan Data dengan Statistik Ringkasan yang Sama
Ss X1 kamu1 X2 kamu2 X3 kamu3 X4 kamu4
1 10 8.04 10 9.14 10 7.46 8 6.58

2 8 6.95 8 8.14 8 6.77 8 5.76
3 13 7.58 13 8.74 13 12.74 8 7.71
4 9 8.81 9 8.77 9 7.11 8 8.84
5 11 8.33 11 9.26 11 7.81 8 8.47
6 14 9.96 14 8.10 14 8.84 8 7.04
7 6 7.24 6 6.13 6 6.08 8 5.25
8 4 4.26 4 3.10 4 5.39 19 12.50
9 12 10.84 12 9.13 12 8.15 8 5.56

10 7 4.82 7 7.26 7 6.42 8 7.91
11 5 5.68 5 4.74 5 5.73 8 6.89
Pearson's r 0.81642 0.81624 0.81629 0,81652
r2 0.66654 0.66624 0.66632 0,66671
Disesuaikan r2 0.62949 0,62916 0,62925 0,62967
Kesalahan standar 1.2366 1.23721 1.23631 1.2357
>Pameran 18-4 Scatterplot Berbeda untuk Statistik Ringkasan yang Sama

Plot 1 plot 2
10 10
5 5
0 0
0 5 10 15 20 0 5 10 15 20
Plot 3 plot 4
10 10
5 5
0 0
0 5 10 15 20 0 5 10 15 20
Asumsi dari r
Seperti teknik parametrik lainnya, analisis korelasi membuat asumsi tertentu tentang data. Banyak
dari asumsi ini diperlukan untuk menguji hipotesis tentang koefisien.
!Persyaratan pertama untuk r aku s linearitas. Semua contoh dalam Tampilan 18-2 dengan pengecualian
r 5 0 menggambarkan hubungan antar variabel yang dapat digambarkan dengan garis lurus yang melewati awan data.
Kapanr 5 0, tidak ada pola yang jelas yang dapat digambarkan dengan satu baris. Secara parentetik, dimungkinkan juga
untuk !menemukan koefisien 0 di mana variabel-variabelnya sangat terkait tetapi dalam bentuk nonlinier. Seperti yang
telah kita lihat, plot membuat !temuan seperti itu menjadi jelas.
Asumsi kedua untuk korelasi adalah distribusi normal bivariat—yaitu, datanya adalah
dari sampel acak dari suatu populasi di mana dua variabel terdistribusi secara normal secara bersama-sama.
Seringkali asumsi ini atau tingkat pengukuran yang diperlukan tidak dapat dipenuhi. Kemudian analis harus memilih
ukuran asosiasi nonlinier atau nonparametrik, yang banyak di antaranya akan dijelaskan nanti dalam bab ini
bab.
Komputasi dan Pengujian r

Koefisien korelasi populasi adalah
Cov(X, Y)
r"5"_________
ss (1)
XY
Karena parameter populasi biasanya tidak kita ketahui, kita memperkirakan dari sampel acak (X, Y)
pasangan observasi.
Dengan penduga sampel Cov(X, Y) menjadi SSXY /(n"2 1), penaksir dari sX"aku s
__________
"SAYASSX/(tidak 2 1)
dan penduga dari sy"aku s

__________
SAYASSY/(tidak 2 1)
Kita dapat mengganti estimator-estimator ini dengan rekan populasinya dalam persamaan (2), memberikan kita
sampel koefisien korelasi yang ditunjuk oleh r.
"SSXY__
r"5 ______________ (2)
SAYASSXSSkamu
Rumus umum lainnya untuk menghitung Pearson's r aku s

__ __
_S_(_X_ 2X_)_(_Y__2___) kamu
r5 ___
(3)
(tidak 2 1)SS
xy
dimana
tidak 5 "jumlah" dari "pasangan" dari "kasus"
Sx, Skamu 5 "standar" penyimpangan "untuk"X"dan"kamu
Variasi yang dikenal sebagai korelasi re#ektif, digunakan ketika data tidak terpusat pada meannya
nilai, adalah:
_S
_____________
xy
r 5 ______ (4)
SAYA(Sx2)(Skamu2)
sejak ____
____
SAYA
S kamu
___
Sx 5
2
Skamu 5
SAYA_
tidak S_x_ 2 tidak
>Pameran 18-5 Perhitungan Korelasi Momen Produk Pearson
(1) (2) (3) (4) (5) (6) (7) (8)

Keuntungan bersih Arus kas
($, jutaan) ($, jutaan) Penyimpangan dari Sarana
- -
Perusahaan X kamu (X - X)x (Y - Y )y xy x2 kamu2
1 82.6 126,5 293,84 2178.64 16763,58 8805,95 31912.25
2 89.0 191.2 287.44 2113,94 9962.91 7645.75 12982,32
3 176.0 267.0 20,44 238.14 16.78 0.19 1454.66
4 82.3 137.1 294.14 2168.04 15819,29 8862.34 28237,44
5 413.5 806.8 237.06 501.66 118923,52 56197,44 251602,56
6 18.1 35.2 158,34 2269.94 42742.3 25071.56 72867.60
7 337.3 425.5 160.86 120.36 19361.11 25875,94 14486,53
8 145.8 380,0 230.64 74,86 22293,71 938.81 5604.02
9 172.6 326.6 23.84 21.36 82.02 14,75 456.25
10 247.2 355.5 70.76 50.36 3563.47 5006,98 2536.13

__ __
X 5 176,44 kamu 5 305.14 Sxy 5 224777.23
sx 5 216,59 skamu 5 124.01
Sx2 5 138419,71
Skamu2 5 422139,76
Jika pembilang persamaan (4) dibagi dengan n, kami memiliki kovarians, besarnya deviasi yang X dan kamu
distribusi memiliki kesamaan. Dengan kovarians positif, variabel bergerak serempak; dengan yang negatif,
mereka bergerak berlawanan. Ketika kovarians adalah 0, tidak ada hubungan. Penyebut untuk persamaan
(4) menunjukkan variasi potensial maksimum yang dimiliki oleh kedua distribusi. Dengan demikian, korelasi
dapat dianggap sebagai rasio.
Tampilan 18-5 berisi subsampel acak 10 rms dari sampel Forbes 500. Variabel yang dipilih untuk
menggambarkan perhitunganr adalah arus kas dan laba bersih. Di bawah setiap variabel adalah mean dan
standar deviasinya. Pada kolom 4 dan 5 kita peroleh deviasi dariX dan kamu nilai dari rata-ratanya, dan di
kolom 6 kita !menemukan produknya. Kolom 7 dan 8 adalah skor deviasi kuadrat.
Substitusikan ke dalam rumus, kita peroleh
_4
______2 _2 _______________ 5
__7_ 7_ . _2_3_
_7
r 5 ___________ . 9298
SAYA138419,71 * SAYA422139,76
Dalam subsampel ini, laba bersih dan #arus kas berhubungan positif dan memiliki koefisien yang sangat tinggi.
Ketika laba bersih meningkat, arus kas meningkat; sebaliknya juga benar. Linearitas variabel dapat diperiksa
dengan scatterplot seperti yang ditunjukkan pada Tampilan 18-6. Titik data jatuh sepanjang garis lurus.
Varians Umum sebagai Penjelasan

Jumlah varians umum dalam X (laba bersih) dan Y (cash #ow) dapat diringkas oleh
koefisien determinasi (r2). Seperti yang ditunjukkan oleh Tampilan 18-7, tumpang tindih antara dua variabel adalah
proporsi varians bersama atau bersama.
Area tumpang tindih mewakili persentase total hubungan yang diperhitungkan oleh satu variabel atau variabel
lainnya. Jadi 86 persen dari varians dalamX dijelaskan oleh Y, dan sebaliknya.
>Pameran 18-6 Plot Laba Bersih Forbes 500 dengan Arus Kas
900
800
700
600
Uang tunai "ow
500
400
300
200
100
0
0 100 200 300 400 500
Keuntungan bersih
>Pameran 18-7 Diagram Varians Umum
X kamu
r = .93
r2 = .86
Menguji Signifikansi r
Apakah koefisien yang mewakili hubungan antara laba bersih dan arus kas nyata, atau terjadi secara kebetulan?
Pertanyaan ini mencoba untuk menemukan apakah kitar adalah simpangan peluang dari suatu populasi p dari nol.
Dalam situasi lain, peneliti mungkin ingin mengetahui apakah ada perbedaan yang signifikan antara dua atau lebihr
's. Dalam kedua kasus,r's sign!canance harus diperiksa sebelum r digunakan dalam perhitungan atau
perbandingan lain. Untuk pengujian ini, kita harus memiliki sampel acak independen dari distribusi normal bivariat.
KemudianZ atau t-tes dapat digunakan untuk hipotesis nol, p 5 0.
Rumus untuk sampel kecil adalah
untuk 5 ____r____
_1_2
___r_2
SAYA______
tidak 2 2
dimana
r 5 .93
tidak 5 10
Substitusi ke persamaan, kita hitung t:
untuk 5 ____.9_3____ 5 7.03

_1_2
___.8_6_
8
SAYA_______
Dengan tidak 2 2 derajat kebebasan, program statistik menghitung nilai t (7,03) dengan kemungkinan
kurang dari 0,005 untuk alternatif satu arah, HSEBUAH: p > 0. Kami menolak hipotesis bahwa tidak ada
hubungan linier antara laba bersih dan arus kas dalam populasi. Statistik sebelumnya sesuai
ketika hipotesis nol menyatakan korelasi 0. Ini harus digunakan hanya untuk uji satu sisi.3 Namun, seringkali sulit
untuk mengetahui terlebih dahulu apakah variabel-variabel tersebut berhubungan positif atau negatif, terutama
ketika komputer menghilangkan kontak kita dengan data mentah. Program perangkat lunak menghasilkan dua
nce level untuk tes satu sisi adalah setengah dari yang dicetak
kesalahan Korelasi
koefisien korelasi berapa pun besaran atau tandanya,
pernah signifikansi statistiknya, tidak menyiratkan asi.
Peningkatan laba bersih dapat menyebabkan
peningkatan nilai pasar, atau peningkatan kepuasan
dapat menyebabkan kinerja yang luar biasa dalam
situasi tertentu, tetapi coron tidak memberikan bukti
sebab dan akibat. penjelasan alternatif ral dapat
diberikan untuk hasil lasi:
X penyebab Y.
kamu penyebab X
X dan kamu diaktifkan oleh satu atau lebih

variabel lain.
X dan kamu saling mempengaruhi secara timbal balik.
kebanyakan studi fakta jarang memiliki desain yang

cukup kuat untuk menunjukkan kondisi mana yang
benar. Dengan mengendalikan variabel di bawah
desain ahli, kita dapat memperoleh kegunaan bukti
yang lebih ketat.
berhati-hatilah untuk menghindari apa yang disebut korelasi artefak-
, di mana kelompok-kelompok yang berbeda bergabung

untuk memberikan esensi satu. Panel atas Exhibit 18-8
menunjukkan data dari dua sektor usaha. Jika semua titik data
untukX dan kamu variabel dikumpulkan dan korelasi dihitung
untuk satu kelompok, hasil korelasi positif. Perhitungan terpisah
untuk setiap sektor (perhatikan bahwa poin untuk sektor A
Iklan ini menangkap analisis data secara akurat: “Meskipun data memberikan jawaban secara
membentuk lingkaran, seperti halnya poin untuk sektor B)
hitam dan putih, kehalusan area abu-abulah yang memberi Anda gambaran besar.” Meskipun
mengungkapkantidak hubungan antara X dan kamu variabel.
jawaban dominan untuk suatu variabel mungkin memberi Anda wawasan tentang sebagian
besar tanggapan, mempelajari tanggapan yang kurang umum kemungkinan akan memberi
Contoh kedua, ditampilkan di panel bawah, berisi plot data
Anda pemahaman yang lebih kaya tentang populasi Anda yang relevan. tentang aset dan penjualan. Kami telah melampirkan dan
www.burke.com menyoroti data untuk
>Pameran 18-8 Korelasi Artefak

kamu
Sektor A
Sektor B
x
0
22.500
15.000
Aktiva
Sektor keuangan
7.500
0
0 2.000 4,000 6.000
Penjualan
sektor !keuangan. Ini ditunjukkan sebagai pita sempit yang dikelilingi oleh elips. Perusahaan-perusahaan di sektor ini
memiliki nilai aset yang tinggi dan penjualan yang rendah—semuanya adalah bank. Ketika data untuk bank dihapus dan
diperlakukan secara terpisah, korelasinya hampir sempurna (0,99). Ketika bank dikembalikan ke sampel dan korelasi
dihitung ulang, hubungan keseluruhan turun ke tengah 0,80-an. Singkatnya, data yang disembunyikan atau disarangkan
dalam kumpulan agregat dapat menghadirkan gambaran yang sangat berbeda.
Isu lain yang mempengaruhi interpretasi koefisien menyangkut signifikansi praktis. Bahkan ketika sebuah
koefisien secara statistik signifikan, itu harus bermakna secara praktis. Dalam banyak hubungan, faktor-faktor lain
bergabung untuk membuat makna koefisien itu menyesatkan. Misalnya, di alam kita mengharapkan curah hujan
dan ketinggian waduk berkorelasi positif. Tetapi di negara-negara di mana mekanisme pengelolaan air dan
pengendalian #ood adalah kompleks, hubungan yang tampaknya sederhana mungkin tidak berlaku. Teknik seperti
korelasi parsial dan ganda atau regresi berganda sangat membantu dalam memilah efek pengganggu.
Dengan sampel yang besar, bahkan koefisien yang sangat rendah pun bisa menjadi signifikan secara statistik.
"Si!makna" ini hanya mencerminkan kemungkinan hubungan linier dalam populasi. Haruskah magnitudo kurang
dari 0,30 dilaporkan ketika besarnya signifikan? Tergantung. Kita mungkin menganggap korelasi antara variabel
seperti arus kas, penjualan, nilai pasar, atau laba bersih sebagai pengungkapan yang menarik dari
>jeprettembakan
Apakah Oscar Menampilkan Beberapa Noda?
Setiap tahun industri film menempatkan gambar-gambar terbaiknya dan aktor, penulis, dan sutradaranya yang paling cerdas ke dalam kompetisi yang dikenal
sebagai Oscar. Dipilih oleh anggota Academy of Motion Picture Arts and Sciences, Oscar tidak hanya dirancang untuk mengakui keunggulan, tetapi juga, secara
terang-terangan, untuk meningkatkan penayangan film.
Polaris Marketing Research, Inc. dan AMC Theatres berangkat untuk menentukan apakah acara Oscar memiliki efek terukur pada jumlah penonton film.
Meluncurkan survei online singkat melalui OmniPulse Research Now® penawaran omnibus, dan mencocokkan pertanyaan sikap dan perilaku dengan data
demografis yang luas, Polaris Marketing Research, Inc. menunjukkan bahwa untuk film, studio, atau aktor, semua sensasi pra-acara dan acara Oscar itu sendiri
memengaruhi persentase yang relatif kecil untuk menonton Oscar -nominasi atau film pemenang Oscar. Apakah data di bawah ini menunjukkan bahwa
perempuan dan laki-laki merespons Oscar secara berbeda, pada tingkat yang signifikan secara statistik? Bagaimana Anda menentukan ini?
Pertanyaan: Seberapa besar Anda setuju atau tidak setuju dengan pernyataan berikut?
Dengan kuat Agak Agak Dengan kuat jangan

Setuju Setuju Tidak setuju Tidak setuju Tahu
Saya menikmati mengikuti proses nominasi Oscar dan buzz pra-Oscar. Saya 4 3 2 1 5
ingin melihat film-film yang mendapatkan nominasi Oscar. Saya ingin 4 3 2 1 5
menonton film-film yang memenangkan Oscar. 4 3 2 1 5
Data:
Laki-laki Wanita
Dengan kuat Dengan kuat Dengan kuat Dengan kuat
Setuju/ Tidak setuju/ Setuju/ Tidak setuju/

Setuju Tidak setuju Setuju Tidak setuju Total
Saya menikmati mengikuti proses Menghitung 198 367 316 322 565 laki-laki
nominasi Oscar dan buzz pra-Oscar. 638 wanita
Persen 35.0 65.0 49.5 50.5
Berarti 1,93 laki-laki
2.24 perempuan
Saya ingin melihat film-film yang Menghitung 199 366 266 372
mendapatkan nominasi Oscar.
Persen 35.2 64.8 41.7 58.3
Berarti 1,98 laki-laki
2.13 perempuan
Saya ingin menonton film-film yang Menghitung 234 331 313 325
memenangkan Oscar.
Persen 41.4 58.6 49.1 50.9

Berarti 2.10 laki-laki
2.31 perempuan
www.polarismr.com, www.amctheatres.com, www.researchnow.com
fenomena tertentu apakah mereka tinggi, sedang, atau rendah. Sifat penelitian, karakteristik
sampel, atau alasan lain akan menjadi faktor penentu.Sebuah koefisien tidak luar biasa hanya
karena secara statistik signifikan.
Dengan menyelidiki bukti arah, besarnya, signifikansi statistik, dan varians umum bersama-sama
dengan tujuan dan keterbatasan studi, kami mengurangi kemungkinan pelaporan temuan sepele.
Secara bersamaan, komunikasi implikasi praktis kepada pembaca akan ditingkatkan.
>Pameran 18-9 Perbandingan Korelasi dan Regresi Linier Bivariat
Korelasi Regresi
Pengukuran
Skala interval atau rasio Skala interval atau rasio
tingkat
Sifat dari
Keduanya terus menerus, Keduanya terus menerus,
variabel
berhubungan linier berhubungan linier
kamu tergantung, X
X - kamu
X dan kamu simetris; independen; regresi dariX
hubungan
rxy = ryx di kamu berbeda dari kamu di X
korelasi dari x korelasi dari kamu - X aku s

dan kamu menghasilkan sama dengan korelasi antara
Korelasi
estimasi linear nilai prediksi kamu dan nilai
asosiasi berdasarkan yang diamati dari kamu
pengambilan sampel data
Proporsi variabilitas kamu

Koefisien dari
Menjelaskan umum dijelaskan oleh regresi kuadrat
penentuan
varians dari X dan kamu terkecil pada X
> Regresi Linier Sederhana4

Pada bagian sebelumnya, kami fokus pada hubungan antar variabel. Korelasi product moment
ditemukan untuk mewakili indeks besarnya hubungan, tanda mengatur arah, danr2 menjelaskan
varians umum. Hubungan juga berfungsi sebagai dasar untuk estimasi dan prediksi.
Ketika kita mengambil nilai-nilai yang diamati dari X untuk memperkirakan atau memprediksi yang sesuai kamu
nilai, prosesnya disebut prediksi sederhana.5 Bila lebih dari satu X variabel digunakan, hasilnya adalah fungsi dari
beberapa prediktor. Prediksi sederhana dan ganda dibuat dengan teknik yang disebutanalisis regresi.
Persamaan dan perbedaan korelasi dan regresi dirangkum dalam Tampilan 18-9. Keterkaitan mereka
akan menunjukkan bahwa di bawah banyak masalah korelasi adalah analisis regresi yang dapat
memberikan wawasan lebih lanjut tentang hubungankamu dengan X
Model Dasar
Garis lurus pada dasarnya adalah cara terbaik untuk memodelkan hubungan antara dua variabel
kontinu. Regresi linier bivariat dapat dinyatakan sebagai:
kamu 5 b0 1 b1Xsaya
dimana nilai variabel terikat kamu adalah fungsi linier dari nilai yang sesuai dari
variabel tak bebas Xsaya dalam sayapengamatan. Kemiringan dankamu intersep dikenal sebagai regresi
koefisien. Itu lereng, b1, adalah perubahan kamu untuk perubahan 1 unit dalam X Kadang-kadang disebut "naik di
atas lari." Ini didefinisikan oleh rumus
b1 5 _D_Y_
DX
Ini adalah rasio perubahan (D) dalam kenaikan garis relatif terhadap lari atau perjalanan sepanjang X sumbu.
Pameran"18-10 menunjukkan beberapa dari banyak kemungkinan lereng yang mungkin Anda temui.
>Pameran 18-10 Contoh Lereng yang Berbeda
6
Sebuah d c
4 Kemiringan Garis
> Tes untuk 0 Sebuah –1
kemiringan dijelaskan
b 0
kemudian, dalam “Menguji
b c +1
Kebaikan Kecocokan.”
2 d !
0
0 2 4 6
Itu mencegat, b0, adalah nilai fungsi linier ketika melintasi kamu sumbu; itu adalah perkiraan
kamu kapan X 5 0. Rumus untuk intersep berdasarkan skor rata-rata dari X dan kamu variabel adalah
__ __
b0 5kamu 2 b1X
Aplikasi Konsep
Apa yang membuat Generasi X di seluruh dunia memilih segelas anggur daripada bir, Jack Daniels and Coke, atau
Bacardi Breezer? Sebuah laporan penelitian dari Australia menyoroti sikap Generasi X terhadap anggur. Hasilnya
menyarankan #pemberi pengaruh teratas adalah teman dan keluarga, ulasan anggur, dan kunjungan ke kilang
anggur.6 Dari sudut pandang kilang anggur, mencicipi dari tong bukan hanya alat penjualan yang tersebar luas
tetapi juga penentu utama pasar en primeur atau kontrak berjangka, yang mewakili sekitar 60 persen dari hasil
panen.
Cuaca secara luas dianggap bertanggung jawab atas pernyataan tentang rasa anggur dan kualitas potensial.
Seorang ekonom Princeton telah menguraikan gagasan itu. Dia menyarankan bahwa hanya beberapa fakta
tentang kondisi cuaca lokal mungkin merupakan prediktor yang lebih baik dari anggur merah Prancis kuno
daripada selera dan hidung yang paling halus.7 Model regresi yang dikembangkan memprediksi indeks harga
lelang untuk sekitar 80 anggur dari musim dingin dan jumlah curah hujan panen dan suhu musim tanam rata-rata.
Menariknya, perhitungan menunjukkan bahwa Bordeaux 1989 akan menjadi salah satu yang terbaik sejak 1893.
Tradisionalis Prancis bereaksi histeris terhadap metode ini namun setuju dengan kesimpulannya.
Contoh pertama kami akan menggunakan satu prediktor dengan data yang sangat sederhana.
MembiarkanX mewakili suhu musim tanam rata-rata dalam derajat Celcius dan kamu harga kotak 12 botol
dalam euro. Ambil contoh, burgundy Prancis yang terkenal seperti Romanáe Conti St. Vivant, yang dijual
seharga $340" per botol (dikalikan 12 botol per kotak atau $4,080). Ini akan menjadi sekitar €3,060. Data
muncul di sini:
X kamu
Suhu Rata-Rata (Celcius) Harga per Kotak (EUR)
12 2.000
16 3.000
20 4,000
24 5.000
__ __
X 5 18 kamu 5 3.500
>Pameran 18-11 Plot Harga Anggur berdasarkan Suhu Tumbuh Rata-Rata
5.500
5.000
4.500
Harga (per kasus EUR)

X = 20
4,000 Y = 4,000
3.500 1.000
X = 16 1.000
" 1=
3.000 Y = 3.000 4
4
2.500
2.000
1.500
10 12 14 16 18 20 22 24 26
500
Musim tanam rata-rata
0 suhu dalam Celcius
– 500
– 1.000 "0 = –1.000
– 1.500
–4 –2 0 2 46
Data yang diplot pada Tampilan 18-11 menunjukkan hubungan linier antara pasangan titik dan
korelasi positif sempurna, ryx 5 1.0. Kemiringan garis dihitung:
b15X __aku j 5
kamu 2 kamu
_4,0_0_0__2__3_,0_0_0_
_ 5 _1_,0_0_0_
X
saya 2 j
20 2 16 4 5 250
Dimana Xsayakamusaya nilai adalah titik data (20, 4,000) dan Xjkamuj adalah poin (16, 3.000). Intersepb0
aku s 21.000, titik di mana X 5 0 di petak ini. Area ini di luar grafik dan muncul di sisipan pada
yang ! gambar.
__ __
b0 5kamu 2 b1X 5 3.500 2 250(18) 5 21.000
Mengganti ke dalam rumus, kita memiliki persamaan regresi sederhana simple
y"5"21.000"1"250Xsaya
Kami sekarang dapat memprediksi bahwa musim tanam yang hangat dengan suhu 25,5 °C akan membawa harga
kasus 5.375 euro. (dipanggil Y-topi) adalah nilai prediksi dari Y:
kamu 5 21.000 1 250(25.5) 5 5.375
Sayangnya, seseorang jarang menemukan kumpulan data yang terdiri dari empat nilai berpasangan, korelasi sempurna, dan
garis yang mudah ditarik. Sebuah model berdasarkan data tersebut adalahdeterministik bahwa untuk setiap nilai X,
hanya ada satu kemungkinan nilai yang sesuai dari Y. Kemungkinan besar kami akan mengumpulkan data di mana nilai-
nilai kamu bervariasi untuk masing-masing X nilai. Mempertimbangkan Tampilan 18-12, kita harus mengharapkan
distribusi nilai harga untuk suhuX 5 16, satu lagi untuk X 5 20, dan satu lagi untuk setiap nilai X Sarana ini kamu distribusi
juga akan bervariasi dalam beberapa cara yang sistematis dengan X Variabilitas ini membawa kita untuk membangun
probabilistik model yang juga menggunakan fungsi linier.8 Fungsi ini ditulis
kamusaya 5 b0 1 b1Xsaya 1 «1
dimana « melambangkan penyimpangan sayapengamatan dari mean, b0 1 b1Xsaya.

>Pameran 18-12 Distribusi dari kamu untuk Pengamatan X
kamu
5.500
5.000
4.500
4,000
3.500
3.000
2.500
2.000
1.500 X
10 12 14 16 18 20 22 24 26
y = "0 + "1Xsaya + # y = "0 + "1Xsaya + #

Distribusi kemungkinan
- +
Garis regresi "0 + "1Xsaya
Seperti yang ditunjukkan pada Tampilan 18-12, nilai sebenarnya dari kamu dapat ditemukan di atas atau di bawah garis regresi
diwakili oleh nilai rata-rata dari Y (b0 1 b1Xsaya) untuk nilai tertentu dari X Penyimpangan-penyimpangan ini merupakan
kesalahan dalam menentukan garis dan sering disebut istilah kesalahan.
Metode Kuadrat Terkecil

Tampilan 18-13 berisi kumpulan data baru untuk contoh harga anggur. Prediksi kami tentangkamu dari X sekarang
harus memperhitungkan fakta bahwa X dan kamu pasangan tidak jatuh rapi di sepanjang garis. Sebenarnya,
hubungan itu bisa diringkas dengan beberapa baris. Tampilan 18-14 menunjukkan dua alternatif berdasarkan
inspeksi visual—keduanya menghasilkan kesalahan, atau jarak vertikal dari nilai yang diamati ke garis. Itumetode
kuadrat terkecil memungkinkan kita untuk !menemukan garis regresi, atau garis !t terbaik, yang akan
meminimalkan kesalahan ini. Ini menggunakan kriteria meminimalkan kesalahan kuadrat total estimasi. Ketika kita
memprediksi nilai kamu untuk setiap Xsaya, perbedaan antara yang sebenarnya kamusaya dan diprediksi Ŷ adalah kesalahan. Kesalahan
ini dikuadratkan dan kemudian dijumlahkan. Garis !t terbaik adalah yang meminimalkan kesalahan kuadrat total total
dari prediksi.9
Se
tidak
2
saya diminimalkan
saya51
koefisien regresi! ilmuwan b0 dan b1 digunakan untuk !menemukan solusi kuadrat terkecil. Mereka dihitung sebagai
berikut:
SXY 2 _(__ S X_)(

__S___
Y)
___________n____
b15
(X)2
SX2 2 _S ____
tidak
__ __
b̂ 0"5"kamu 2"b 1X
>Pameran 18-13 Data untuk Studi Harga Anggur
Harga (EUR) Suhu (C)

kamu X XY kamu2 X2
1 1,813 11.80 21.393.40 3.286.969.00 139.24
2 2.558 15.70 40,160.60 6.543.364,00 246,49
3 2,628 14.00 36.792,00 6.906.384.00 196.00
4 3.217 22.90 73,669,30 10.349.089,00 524,41
5 3.228 20.00 64,560.00 10.419.984.00 400.00
6 3,629 20.10 72.942,90 13.169.641.00 404.01
7 3.886 17.90 69.559.40 15.100.996.00 320,41
8 4.897 23.40 114.589,80 23,980,609.00 547.56
9 4.933 24.60 121.351.80 24.334.489.00 605.16
10 5,199 25.70 133,614.30 27.029.601.00 660.49
Hai 35.988 196.10 748.633,50 141.121.126.00 4.043,77
Berarti 3,598,80 19.61
s 1.135.66 4.69
Jumlah kuadrat (SS) 11.607.511,59 198,25 42.908,82
>Pameran 18-14 Scatterplot dan Kemungkinan Garis Regresi Berdasarkan Inspeksi Visual: Anggur
Studi Harga
5.500
5.000
Bisa jadi
4.500 baris 1
4,000
Harga (EUR)
Bisa jadi
baris 2
3.500
3.000
2.500
2.000
1.500
10 12 14 16 18 20 22 24 26 28
Suhu (C°)
Mengganti data dari Tampilan 18-13 ke dalam kedua rumus, kita dapatkan
(196.1)(35.988)
748.633,5 2 _____________ 5 216.439
b15 _________________1_0_______________
(196.1)2
4.043,77 2 _______
10
b̂ 05 3.598.8 2 (216.439)(19.61) 5 2645. 569
Persamaan prediksi sekarang kamu 5 2645.57 1 216,44 Xsaya.
Menggambar Garis Regresi

Sebelum menggambar garis regresi, kami memilih dua nilai X untuk menghitung. Menggunakan nilai 13 dan 24 untuk
Xsaya, poinnya adalah
kamu 5"2645.57 1 216,44(13) 5 2.168.15

kamu 5"2645.57 1 216,44(24) 5 4,548,99
Membandingkan garis yang ditarik pada Tampilan 18-15 dengan garis percobaan pada Tampilan 18-14, orang dapat dengan mudah
melihat keberhasilan metode kuadrat terkecil dalam meminimalkan kesalahan prediksi.
>fotoprofil
Constellation Wines menggunakan penelitian kualitatif dan kuantitatif untuk merancang kampanye “Count On It” untuk merek Blackstone-nya. Resesi
baru-baru ini menyebabkan pembeli anggur mengubah perilaku mereka, jadi daripada membeli berdasarkan petualangan penemuan, pembeli saat ini
mengandalkan pengurangan risiko yang terkait dengan merek yang sudah mapan. Untuk memanfaatkan perubahan perilaku itu, Constellation Wines
meluncurkan proyek penelitian bertingkat. Pertama, penelitian penentuan posisi menggunakan enam kelompok fokus—masing-masing tiga di Chicago
dan Los Angeles, setengah dengan wanita dan setengah lagi dengan pria—untuk mengungkapkan bagaimana anggur Blackstone dibandingkan dan
dikontraskan dengan pesaing terdekatnya. Diskusi terpandu ini termasuk jenis kata. "Kami memilih kata-kata yang kami pikir mungkin relevan, serta
kata-kata yang kami pikir jelas tidak relevan," kata direktur pemasaran Constellation Wines. Satu kata yang tak terduga, maskulin, terus muncul di
antara pria dan wanita. Penyelidikan oleh moderator mengungkapkan ini bukan maskulin sebagai macho atau mengancam, melainkan maskulin
sebagai kekuatan. Kelompok fokus mengungkapkan bahwa beberapa kata dan fase lain dikaitkan dengan Blackstone Wine: "kualitas bersahaja",
"pahlawan sederhana", "menarik", serta "pokok yang akan disampaikan". Amazon Advertising mengembangkan tiga pendekatan iklan yang berbeda
dan menguji masing-masing untuk memastikan bahwa itu benar untuk pemosisian merek yang diperbarui. “Mengingat temuan penelitian, kami ingin
memastikan bahwa kampanye baru kami tidak terlalu feminim seperti kampanye terakhir kami.” Gallup dan Robinson kemudian menguji beberapa
eksekusi iklan menggunakan wawancara interaktif berbasis web selama 20 menit, menampilkan iklan terhadap iklan run-of-press komparatif di media
cetak yang ditargetkan dan menangkap ingatan prospek, reaksi, dan pemahaman. Iklan yang ditampilkan di sini adalah salah satu dari dua iklan yang
penelitiannya membantu Constellation Wines memilih untuk mempromosikan Blackstone Wine.www.cbrands.com; www.gallup-robinson.com;
www.amazonadv.com
>Pameran 18-15 Menggambar Garis Kuadrat Terkecil: Studi Harga Anggur
5.500
5.000 Y = –645,57 + 216,44X
4.500
4,000
Harga (EUR)
3.500
3.000
2.500
2.000
1.500
10 12 14 16 18 20 22 24 26 28
Suhu (C°)
Residu
Kami sekarang mengalihkan perhatian kami ke plot residu standar dalam Tampilan 18-16. SEBUAHsisa apa
tetap setelah garis adalah !t atau (kamusaya 2 kamu saya). Ketika distandarisasi, residu sebanding dengan Z skor
dengan rata-rata 0 dan standar deviasi 1. Dalam plot ini, residu standar harus berada di antara 2
dan 22, didistribusikan secara acak sekitar nol, dan tidak menunjukkan pola yang terlihat. Semua kondisi ini mengatakan
model diterapkan dengan tepat.
Dalam contoh kami, kami memiliki satu residu di 22.2, distribusi acak sekitar nol, dan beberapa indikasi
dari pola berurutan. Penting untuk menerapkan diagnostik lain untuk memverifikasi bahwa asumsi regresi
(normalitas, linieritas, kesetaraan varians, dan independensi kesalahan) terpenuhi. Berbagai program perangkat
lunak menyediakan plot dan pemeriksaan asumsi regresi lainnya.10
>Pameran 18-16 Plot Residual Standar: Studi Harga Anggur
kamu Diprediksi
Kasus – 3.0 0,0 3.0 Harga Harga Sisa
1 *. 1,813 1.908.4112 – 95.4112
2 *. 2.558 2,752,5234 – 194.5234
3 . 2,628 2,384.5771 243.4229
*
.
4 * .
3.217 4.310.8844 – 1.093.8844
5 * . 3.228 3.683.2112 – 455.2112
6 *. 3,629 3.704.8551 – 75.8551
7 . 3.886 3.228.6893 657.3107
*
.
8 * 4.897 4.419.1039 477.8961
.
9 .* 4.933 4.678.8307 254.1693
10 . * 5,199 4.916.9137 282.0863
– 3.0 0,0 3.0

>jeprettembakan
Envirosell: Studi Mengungkapkan R Tangan Kiri
Pengecer dunia mengumpulkan dan berlangganan berbagai
sumber data, tetapi mereka membutuhkan pengetahuan dari
data tersebut untuk menyusun strategi merchandising, staf, dan
promosi, serta desain toko mereka. Raksasa ritel (misalnya, The
Gap, Limited, Starbucks, Radio Shack, McDonald's) beralih ke
konsultan Paco Underhill ketika mereka ingin mengetahui
bagaimana konsumen membeli apa yang mereka lakukan dan
hambatan apa yang mencegah atau mencegah pembelian.
Underhill menggambarkan dirinya sebagai “peneliti komersial,
yang berarti saya adalah sebagian ilmuwan, sebagian seniman,
dan sebagian pengusaha.” Perusahaannya, Envirosell, memiliki
kantor di Amerika Serikat, Milan, Sidney, dan São Paulo.
Envirosell berkonsentrasi pada segmen ketiga informasi ritel,
diambil dari observasi (segmen 1 adalah data register, dan
segmen 2 adalah studi komunikasi). Dalam obrolan elektronik
langsung ABC News, Underhill berkata, “Perbedaan utama
dalam pola belanja dunia pertama lebih ditentukan oleh
pendidikan dan pendapatan daripada etnis!.!.!. tetapi orang
Inggris dan Australia cenderung berjalan saat mengemudi. Ini
membentuk beberapa pola [belanja] ritel yang sangat aneh,
karena pola berjalan mereka membentuk dominasi tangan kiri,
sedangkan di AS dan sebagian besar belahan dunia lainnya, pola Jika Anda adalah Gap dan akan merancang sebuah toko untuk dibuka di London, bagaimana
jalan kaki kami membentuk dominasi tangan kanan.” Anda akan merancang penelitian untuk memverifikasi kesimpulan Paco Underhill tentang
dominasi tangan kiri?
www.envirosell.com
Prediksi
Jika kami ingin memprediksi harga anggur merah tingkat investasi untuk musim tanam yang rata-rata
21°C, prediksi kami adalah
Ŷ 5"2645.57 1 216,44(21) 5 3.899,67
Ini adalah sebuah prediksi poin dari kamu dan harus dikoreksi agar lebih presisi. Seperti perkiraan kepercayaan lainnya,
kami menetapkan derajat kepercayaan yang diinginkan dan mensubstitusikannya ke dalam rumus
_______________ ____
(X 2X)_2
_______
Ŷ 6 untukSebuah/2s
SAYA 10 1
1 1 _1__ SSx
dimana
untukSebuah/2 5 nilai kritis dua sisi untuk untuk pada tingkat yang diinginkan (95 persen dalam contoh ini)
s 5 kesalahan standar estimasi (juga akar kuadrat dari kesalahan kuadrat rata-rata dari analisis
sis varians model regresi) (lihat Tampilan 18-19).
SSx 5 jumlah kuadrat untuk X (lihat Tampilan 18-13).
3.899,67 6 (2.306)(538.559) SAYA____________________

1 1 _1__ 1_9_._6_1_)_
198,25
10 1 _(2_1__2
__ 2
3.899,67 6 1,308,29
Kami 95 persen yakin dengan prediksi kami bahwa kasus anggur merah berkualitas investasi yang ditanam
pada tahun tertentu pada suhu rata-rata 21°C pada awalnya akan dihargai 3.899,67 6 1.308,29 euro, atau
dari sekitar 2.591 hingga 5.208 EUR. Bandwidth yang relatif besar dihasilkan dari jumlah kesalahan dalam
model (dipengaruhi olehr2), beberapa kekhasan dalam kamu nilai, dan penggunaan prediktor tunggal.
Kemungkinan besar kita ingin memprediksi harga rata-rata dari semua kasus tumbuh pada 21 ° C. Prediksi ini
akan menggunakan rumus dasar yang sama tetapi menghilangkan !digit pertama (1 di bawah radikal). Lebih
sempitmeyakinkan band adalah hasil karena rata-rata semua kamu nilai sedang diprediksi dari yang diberikan X
Dalam contoh kita, interval kepercayaan untuk 95 persen adalah 3.899,67 6411.42, atau dari 3.488 hingga 4.311
EUR. Prediktor yang kami pilih, 21°C, mendekati rata-rataX (19.61). Karenaprediksi dan keyakinan band
berbentuk seperti dasi kupu-kupu, prediktor lebih jauh dari rata-rata memiliki bandwidth yang lebih besar. Sebagai
contoh,X nilai 15, 20, dan 25 menghasilkan pita kepercayaan sebesar 6565, 6397, dan 6617, masing-masing. Hal ini
diilustrasikan dalam Tampilan 18-17. Semakin jauh prediktor yang dipilih dariX, semakin lebar interval prediksi.
Menguji Kebaikan Kecocokan

Dengan garis regresi yang diplot dan beberapa prediksi ilustratif, sekarang kita harus mengumpulkan beberapa
bukti dari kebaikan dari !t—seberapa baik modelnya terhadap data. Tes terpenting dalam linear bivariat
regresi adalah apakah kemiringan, b1, sama dengan nol.11 Kami telah mengamati kemiringan nol pada
Tampilan"18-10, baris b. Kemiringan nol dihasilkan dari berbagai kondisi:
• kamu sama sekali tidak berhubungan dengan X, dan tidak ada pola sistematis yang terlihat.
• Ada nilai konstan dari kamu untuk setiap nilai X
• Data terkait tetapi diwakili oleh fungsi nonlinier.
>Pameran 18-17 Pita Prediksi dan Keyakinan pada Kedekatan dengan X
kamu
= "0 + "1Xsaya
Con!dence band
Pita prediksi
kamu
X
10 X 28
Prediksi 15 20 25
Itu t-Uji
Untuk menguji apakah b1 5 0, kami menggunakan uji dua sisi (karena hubungan sebenarnya adalah positif, negatif,
atau nol). Tes mengikutiuntuk distribusi untuk tidak 2 2 derajat kebebasan:
b1_ 5 _2_1_6_.4_3_9_ 5 5.659

untuk 5 ___
sb
( 1) 34.249
dimana
b1 sebelumnya didefinisikan sebagai kemiringan b1
s(b1) adalah kesalahan standar dari b1 12
Kami menolak hipotesis nol, b1 5 0, karena dihitung untuk lebih besar dari apapun untuk nilai untuk 8 derajat kebebasan
dan sebuah 5 .01. Oleh karena itu, kami menyimpulkan bahwa kemiringan tidak sama dengan nol.
Itu F Uji
Hasil cetakan komputer umumnya berisi tabel analisis varians (ANOVA) dengan F pengujian model regresi. Dalam
regresi bivariat,untuk dan F tes menghasilkan hasil yang sama karena untuk2 adalah sama dengan F
Dalam regresi berganda, F tes memiliki peran keseluruhan untuk model, dan masing-masing variabel independen
kemampuan dievaluasi dengan terpisah t-uji. Dari bab terakhir, ingatlah bahwa ANOV_A _ varians partisi
menjadi bagian-bagian komponen. Untuk regresi, ini terdiri dari devia_t_ions yang dijelaskan,Ŷ 2 Y, dan penyimpangan yang tidak
dapat dijelaskan, kamu2 . Bersama-sama mereka membentuk total deviasi, kamu 2 Y. Ini ditunjukkan secara grafis dalam
Exhibit"18-18. Sumber-sumber penyimpangan ini dikuadratkan untuk semua pengamatan dan dijumlahkan di seluruh titik
data.
Dalam Tampilan 18-19, kami mengembangkan konsep ini secara berurutan, diakhiri dengan F uji model
regresi untuk data anggur. Berdasarkan hasil yang disajikan dalam tabel tersebut, kami menemukan bukti
statistik dari hubungan linier antar variabel. Hipotesis nol,r2 5 0, ditolak dengan F 5 32.02,
df (1,"8), p , .005. Hipotesis alternatif diterima. Hipotesis nol untukF tes memiliki
efek yang sama dengan b1 5 0 karena kita bisa memilih salah satu tes. Dengan demikian, kami menyimpulkan bahwaX dan kamu secara linier
terkait.
>Pameran 18-18 Komponen Variasi
kamu
kamu = "0 + "1Xsaya
(Xj, kamuj) titik data

Sisa (kesalahan) (kamu - kamu)̂
(X j, Y ˆj) Regresi
ramalan (Ŷ - Y)
Regresi (Ŷ - Y)
(X j, Yj) Arti dari
kamu X dan kamu
distribusi
Variasi yang tidak dapat dijelaskan
Variasi yang dijelaskan
Variasi total
X
kamu
>Pameran 18-19 Aplikasi Progresif dari Konsep Varians yang Dipartisi
Konsep Umum
(Ŷ - Y) + (kamu - ) = (kamu - Y)
Variasi yang Dijelaskan Variasi yang tidak dapat dijelaskan Variasi Total
(hubungan regresi antara (tidak dapat dijelaskan oleh
X dan Y) hubungan regresi)
Aplikasi ANOVA
tidak tidak tidak
! (Ŷ - Y)2 ! (kamu - )2 ! (kamu - Y)2

saya = 1 saya = 1 saya = 1
SSr SSe SSt

Jumlah Regresi Kuadrat Jumlah Kesalahan Kuadrat Jumlah Kuadrat Total
Isi Tabel Ringkasan
Sumber Derajat kebebasan Jumlah Kuadrat Rata-rata Persegi F Perbandingan
SS r NONAr
Regresi 1 SSr MS r=
1 NONAe
SSe
Kesalahan tidak – 2 SSe NONAe =
tidak – 2
Total SSuntuk
Tabel Rangkuman ANOVA: Uji Model Regresi
Sumber Derajat kebebasan Jumlah Kuadrat Rata-rata Persegi F Perbandingan
Regresi 1 9.287.143,11 9.287.143,11 32.02
Sisa (kesalahan) 8 2.320.368.49 290.046.06
Total 11.607.511,60
Signifikansi dari F = .0005
Koefisien Determinasi
__
Dalam memprediksi nilai kamu tanpa sepengetahuan X, perkiraan terbaik kami will_b_ eY, artinya. Setiap
nilai prediksi yang tidak jatuh padakamu menyebabkan kesalahan estimasi, kamu 2 Y. Kuadrat total
kesalahan untuk beberapa prediksi adalah S(kamusaya 2 Y)2. Dengan memperkenalkan nilai-nilai yang diketahui dari X menjadi
persamaan regressio_n_, kami mencoba t_o_ mengurangi kesalahan ini lebih jauh. Secara alami, ini adalah peningkatan
__t berlebihan menggunakan Y,
dan hasilnya adalah (Ŷ 2Y). Peningkatan total berdasarkan beberapa perkiraan adalah S(Ŷsaya 2Y)2, jumlah
variasi yang dijelaskan oleh hubungan antara X dan kamu dalam regresi. Berdasarkan rumus tersebut,
koefisien determinasi adalah rasio garis kesalahan !t terbaik atas yang terjadi dengan menggunakan Y. Salah satu
tujuan pengujian, kemudian, adalah untuk menemukan apakah persamaan regresi adalah alat prediksi yang lebih
efektif daripada rata-rata variabel dependen.
Seperti dalam korelasi, koefisien determinasi dilambangkan dengan r2.13 Ini memiliki beberapa
tujuan. Sebagai indeks !t, itu ditafsirkan sebagai proporsi total varians dalamkamu dijelaskan oleh X
Sebagai ukuran hubungan linier, ini memberitahu kita seberapa baik garis regresi ts data. Ini juga
merupakan indikator penting dari akurasi prediksi persamaan. Biasanya, kami ingin memilikir2 yang
menjelaskan 80"persen atau lebih variasi. Lebih rendah dari itu, akurasi prediksi mulai menurun.
penentuan, r2, dihitung seperti ini:
S (Ŷ 2 Y)
tidak
2 SS 1 2
___r 5
SS
r2 5 _saya__5 1_________ 5 ___e
SSe
S
__
tidak
SSuntuk
(kamu 2 Y)2
saya 5 1
Untuk studi harga anggur, r2 ditemukan dengan menggunakan data dari bagian bawah Tampilan 18-19:
______
r2 5 1 2 _2_,_3_2_0_,368.49
11.607.511,60 5 .80
Delapan puluh persen perbedaan harga dapat dijelaskan oleh suhu musim tanam. Dengan data aktual dan
beberapa prediktor, hasil kami akan meningkat secara substansial.
> Ukuran Asosiasi Nonparametrik14

Ukuran untuk Data Nominal
Ukuran nominal digunakan untuk menilai kekuatan hubungan dalam tabel klasifikasi silang. Mereka sering digunakan
dengan chi-kuadrat atau dapat digunakan secara terpisah. Pada bagian ini, kami memberikan contoh tiga statistik
berdasarkan chi-kuadrat dan dua yang mengikuti pendekatan pengurangan kesalahan proporsional.
Tidak ada ukuran serba guna yang sepenuhnya memuaskan untuk data kategorikal. Beberapa terpengaruh oleh bentuk
tabel dan jumlah sel; yang lain sensitif terhadap ukuran sampel atau marjinal. Hal ini mengganggu untuk menemukan
statistik serupa yang melaporkan koefisien yang berbeda untuk data yang sama. Ini terjadi karena sensitivitas khusus suatu
statistik atau cara statistik itu dirancang.
Secara teknis, kami ingin menemukan dua karakteristik dengan ukuran nominal:
• Ketika tidak ada hubungan sama sekali, koefisiennya harus 0.

• Ketika ada ketergantungan penuh, koefisien harus menunjukkan kesatuan, atau 1.
Ini tidak selalu terjadi. Selain menyadari masalah sensitivitas, analis harus waspada terhadap
perlunya pemilihan tes yang cermat.
Ukuran Berbasis Chi-Square

Tampilan 18-20 melaporkan tabel 2 $2 yang menunjukkan pengujian kampanye iklan yang melibatkan 66
orang. Variabelnya adalah keberhasilan kampanye dan apakah surat langsung digunakan. Dalam contoh ini,
tingkat signifikansi yang diamati kurang dari tingkat pengujian (sebuah 5 .05), dan hipotesis nol ditolak.
Sebuah koreksi untuk chi-kuadrat disediakan. Kami sekarang beralih ke ukuran asosiasi untuk mendeteksi
kekuatan hubungan. Perhatikan bahwa pameran juga memberikan perkiraan signifikansi dari koefisien
berdasarkan distribusi chi-kuadrat. Ini adalah pengujian hipotesis nol bahwa tidak ada hubungan antara
variabel surat langsung dan keberhasilan kampanye.
Yang ! pertama ukuran berbasis chi-kuadrat diterapkan pada surat langsung dan keberhasilan kampanye. Itu disebut
phi (f). Phi berkisar dari 0 sampai 11.0 dan mencoba untuk memperbaiki x2 secara proporsional N Phi paling baik digunakan
dengan 2 tabel $2 seperti Exhibit 18-20 karena koefisiennya bisa melebihi 11.0 bila diterapkan ke tabel yang lebih besar. Phi
dihitung
_x_2
SAYA___ _6_.6_1_6_2_5_7_
5 .3056
66
f5
tidak 5 SAYA_________
>Pameran 18-20 Ukuran Asosiasi Berbasis Chi-Kuadrat
Sukses Kampanye Pemasaran
Menghitung Baris
Iya Tidak Total
Iya 21 10 31
Surat Langsung
Tidak 13 22 35
Kolom
Total 34 32 66
Chi-Square Nilai df Signi! batal
Pearson 6.16257 1 . 01305

Koreksi kontinuitas 4.99836 1 . 02537
Frekuensi minimal yang diharapkan 15.030
Perkiraan
Statistik Nilai Signi! batal
phi . 30557 . 01305*

Cramer's V . 30557 . 01305*
koefisien kontingensi! C . 29223 . 01305*
* Probabilitas chi-kuadrat Pearson.
Koefisien Phi menunjukkan hubungan yang moderat antara keberhasilan kampanye pemasaran dan surat
langsung. Tidak ada saran dalam interpretasi ini bahwa satu variabel menyebabkan yang lain, juga tidak ada
indikasi arah hubungan.
Cramer's V adalah modifikasi phi untuk tabel yang lebih besar dan memiliki jangkauan hingga 1,0 untuk tabel dalam bentuk apa
pun. Perhitungannya seperti ini:
_
____x_2___
V 5SAYA________
_______
_6_.6_1_6_2_5_7_
N(k 2 1) 5 66(1) 5 .3056
dimana k 5 jumlah baris atau kolom yang lebih sedikit. Pada Peraga 18-20, koefisiennya sama dengan phi.
Itu koefisien kontingensi! C dilaporkan terakhir. Ini tidak sebanding dengan ukuran lain dan memiliki batas
atas yang berbeda untuk berbagai ukuran tabel. Batas atas ditentukan sebagai
_k___21_
k
SAYA_____
dimana k 5 jumlah kolom. untuk 23 2 tabel, batas atas adalah 0,71; untuk 33 3, .82; dan untuk 43 4, .87.
Meskipun statistik ini beroperasi dengan baik dengan tabel yang memiliki jumlah baris yang sama dengan
kolom, pembatasan batas atasnya tidak konsisten dengan kriteria pengukuran asosiasi yang baik.
C"dihitung sebagai
_______ _____________
x2
SAYA______ ___6_._6_1_6_2_5_7___
x 1 tidak SAYA 6.616257 1 66 5 .2922
C5 5
2
Keuntungan utama dari C adalah kemampuannya untuk menampung data dalam hampir semua bentuk: miring atau
normal, diskrit atau kontinu, dan nominal atau ordinal.
Pengurangan Proporsional dalam Kesalahan
Pengurangan proporsional dalam kesalahan (PRE) statistik adalah jenis kedua yang digunakan dengan
tabel kontingensi. Lambda dan tau adalah contoh yang dibahas di sini. Koef! ilmiahlambda (l) didasarkan
pada seberapa baik frekuensi satu variabel nominal menawarkan bukti prediktif tentang frekuensi yang lain.
Lambda bersifat asimetris—memungkinkan penghitungan arah prediksi—dan simetris, memprediksi
variabel baris dan kolom secara merata.
Perhitungan lambda sangat mudah. Dalam Tampilan 18-21, kami memiliki hasil dari survei opini dengan
sampel 400 pemegang saham di !rms yang diperdagangkan secara publik. Dari 400 pemegang saham, 180
(45 persen) mendukung pembatasan gaji eksekutif; 220 (55 persen) tidak suka melakukannya. Dengan
informasi ini saja, jika diminta untuk memprediksi pendapat individu dalam sampel, kami akan mencapai
rekor prediksi terbaik dengan selalu memilih kategori modal. Ini dia "jangan mendukung." Namun, dengan
melakukan itu, kita akan salah 180 dari 400 kali. Estimasi probabilitas untuk klasifikasi yang salah adalah
0,45,P(1) 5 (1 2 .55).
Sekarang anggaplah kita memiliki informasi sebelumnya tentang status pekerjaan responden dan diminta
untuk memprediksi opini. Apakah itu akan meningkatkan kemampuan prediksi? Ya, kami akan membuat prediksi
dengan menjumlahkan probabilitas semua sel yang bukan nilai modal untuk barisnya [misalnya, sel (1, 2) adalah
20/400, atau .05]:
P(2)"5"sel"(1,"2)".05"1"sel"(2,"1)".15"1"sel"(3,"1)".075"5".275
>Pameran 18-21 Pengurangan Proporsional dari Tindakan Kesalahan
Apa pendapat Anda tentang pembatasan gaji eksekutif?
Penunjukan sel Kebaikan Tidak Baris

Menghitung Kebaikan Total
Baris Pt.
Manajerial 1,1 1,2 110
90 20
82.0 18.0
pekerjaan kerah putih 2,1 2,2 140
Kelas 60 80
43.0 57.0
Kerah biru 3,1 3,2 150
30 120
20.0 80.0
Kolom 180 220 400

Total 45,0% 55,0% 100,0%
Chi-Square Nilai df Signi! batal
Pearson 98.38646 2 . 00000

Rasio kemungkinan 104.96542 2 . 00000
Frekuensi minimum yang diharapkan 49.500
Perkiraan
Statistik Nilai ASEI Nilai T Signi! batal
Lambda:
sayaSimetris . 30233 . 03955 6.77902
Dengan ketergantungan pekerjaan . 24000 . 03820 5.69495
Dengan ketergantungan pendapat . 38889 . 04555 7.08010
Goodman & Kruskal tau: Dengan
pekerjaan tergantung Dengan . 11669 . 02076 . 00000*
pendapat tergantung . 24597 . 03979 . 00000*
* Berdasarkan pendekatan chi-kuadrat.

Lambda kemudian dihitung:
_.4_5__2__.2_7_5_
1 2__P_(_2_) 5
l 5 _P_(_)__ 5 . 3889
P(1) . 45
Perhatikan bahwa lambda asimetris dalam Tampilan 18-21, di mana opini adalah variabel dependen,
mencerminkan perhitungan ini. Sebagai hasil dari mengetahui klasifikasi pekerjaan responden, kami meningkatkan
prediksi kami sebesar 39 persen. Jika kita ingin memprediksi klasifikasi pekerjaan dari opini dan bukan sebaliknya, a
aku dari .24 akan diamankan. Ini berarti bahwa 24 persen kesalahan dalam memprediksi kelas pekerjaan
dieliminasi oleh pengetahuan opini tentang pertanyaan gaji eksekutif. Lambda bervariasi antara 0 dan 1, sesuai
dengan tidak ada kemampuan untuk menghilangkan kesalahan untuk menghilangkan semua kesalahan prediksi.
Goodman dan Kruskal tau (t) menggunakan margin tabel untuk mengurangi kesalahan prediksi. Dalam
memprediksi opini tentang gaji eksekutif tanpa pengetahuan tentang kelas pekerjaan, kita akan mengharapkan
klasifikasi benar 50,5 persen dan kemungkinan kesalahan 49,5 persen. Ini didasarkan pada kolom
persentase marjinal dalam Tampilan 18-21.
Kolom Marjinal Persen kolom Kasus yang Benar
180 * 45 5 81
220 * 55 5 121
Total klasifikasi yang benar 202
Klasifikasi yang benar dari variabel opini 5 . 505 5 400_2__0_2_
Kemungkinan kesalahan, P(1) 5 (1 2 .505) 5 .495
Ketika pengetahuan tambahan tentang kelas pekerjaan digunakan, informasi untuk klasifikasi yang benar dari variabel
opini ditingkatkan menjadi 62,7 persen dengan probabilitas kesalahan 37,3 persen. Ini diperoleh dengan menggunakan
jumlah sel dan marjinal untuk kelas pekerjaan (lihat Tampilan 18-21), seperti yang ditunjukkan di bawah ini:
____
Baris! 1 ( 110)
_9__0_ 90 1 ( 20 5 73.6364!1!3.6364! 5 77.2727
110) 20
____
Baris! 2 ( 140)
_6__0_ 60 1 ( 80 5 25.7143!1!45.7142 !5 71.4286
140) 80
Baris!3 ( 150)
_3__0_ 30 1 ( _1_2_0_ 5 6.0!1!96.0 5 102.0000
150) 120
Total klasifikasi yang benar (dengan informasi tambahan tentang kelas pekerjaan) 250.7013
Klasifikasi yang benar dari variabel opini 5 .627 5 _2_5_0_._7_

400
Probabilitas! dari! kesalahan,!P(2) 5 (1 2 .627) 5!.373
Tau kemudian dihitung seperti ini:
P(1)__2__P_(_2_)
t 5 ___ 5 _.4_9_5__2__.3_7_3_ 5 .246
P(1) . 495
Tampilan 18-21 menunjukkan bahwa informasi tentang kelas pekerjaan telah mengurangi kesalahan dalam
memprediksi opini menjadi sekitar 25 persen. Tabel tersebut juga memuat informasi pengujian hipotesis
nol yang tau5 0 dengan perkiraan tingkat signifikansi yang diamati dan kesalahan asimtotik (untuk
mengembangkan interval kepercayaan). Berdasarkan tingkat signifikansi yang diamati kecil, kita akan
menyimpulkan bahwa tau berbeda secara signifikan dari koefisien 0 dan bahwa ada hubungan antara
pendapat tentang gaji eksekutif dan kelas pekerjaan dalam populasi dari mana sampel diambil. terpilih. Kita
juga dapat menetapkan tingkat kepercayaan untuk koefisien pada tingkat 95 persen sebagai kira-kira 0,256 .
04.
>jeprettembakan
Statistik Tingkat Lanjut Meningkatkan Kepuasan dan Melepaskan Lebih Banyak Dana melalui ATM
Navy Federal Credit Union (NFCU) adalah serikat kredit Boeing baru-baru ini meluncurkan proyek penelitian ambisius di seluruh
terbesar di dunia, dengan aset lebih dari $48 miliar, 3,9 juta perusahaan untuk meningkatkan kepuasan pelanggan. Proyek ini berfokus pada
anggota, 220 kantor cabang, 461 ATM milik sendiri, dan lebih apakah akan mengizinkan penarikan ATM yang lebih besar dan kredit sementara
dari 8.900 karyawan di seluruh dunia. Pelanggannya mewakili yang lebih banyak untuk cek yang disetorkan. BECU berhipotesis bahwa
semua militer dan warga sipil Departemen Pertahanan dan memungkinkan anggota untuk mengakses uang tunai lebih nyaman akan
keluarga mereka. Menurut Alan Payne, manajer penelitian meningkatkan retensi dan menghasilkan pendapatan. Tujuan tambahan adalah
dan pengembangan anggota Angkatan Laut, secara teratur untuk mengoptimalkan tingkat respons dalam kampanye pemasaran langsung,
survei kepuasan anggota dengan pinjaman, tabungan dan menurunkan biaya akuisisi per unit, dan mengidentifikasi lokasi cabang baru.
memeriksa, dan investasi dan program asuransi Calvin Bierley, analis riset pasar, dalam berbicara tentang penggunaan
menggunakan berbagai produk dari SPSS PASW statistik, SPSS mengatakan, "Model skor risiko tertanam dalam sistem pemrosesan
pemodelan, dan modul analisis teks. Melalui kombinasi teknik transaksi harian untuk secara otomatis menentukan berapa banyak uang
statistik, NFCU menemukan bahwa anggota yang menelepon tunai yang dapat ditarik setiap anggota dari ATM atau terima saat melakukan
pusat panggilan untuk mendapatkan informasi akun juga penyetoran." Kemudian melalui teknik statistik pemodelan lainnya, BECU
ingin mengetahui tentang layanan yang disempurnakan dan mengidentifikasi pelanggan reseptif untuk kampanye pemasaran (mencapai
menerima promosi lintas layanan. tingkat respons 20 hingga 30 persen pada surat langsung), menghemat $1
juta per tahun dalam kepegawaian dengan mengotomatiskan keputusan
kredit sementara, meningkatkan pendapatan sebesar $600.000 dari akuisisi
Serikat Kredit Karyawan Boeing (BECU) adalah organisasi proaktif dan retensi anggota baru. , dan berhasil mengidentifikasi lokasi cabang baru.
lainnya yang menggunakan analitik canggih. Sebagai koperasi

keuangan terkemuka di Amerika Serikat dengan lebih dari 744.000 www.becu.org; www.navyfcu.org; www.spss.com
anggota, dua pusat layanan lengkap, dan lebih dari 40 lokasi,
Langkah-langkah untuk Data Ordinal

Ketika data membutuhkan langkah-langkah ordinal, ada beberapa alternatif statistik. Pada bagian ini kami akan
mengilustrasikan:
• Gamma.
• Kendall tau b dan tau c.
• Somers's d.
• rho Spearman.
Semua kecuali korelasi urutan peringkat Spearman didasarkan pada konsep pasangan konkordan dan sumbang.
Tak satu pun dari statistik ini memerlukan asumsi distribusi normal bivariat, namun dengan memasukkan urutan,
sebagian besar menghasilkan rentang dari21.0 (hubungan negatif yang sempurna) ke 11.0 (positif sempurna).
Dalam rentang ini, koefisien dengan magnitudo yang lebih besar (nilai absolut ukuran) diinterpretasikan memiliki
hubungan yang lebih kuat. Karakteristik ini memungkinkan analis untuk menginterpretasikan baik arah maupun
kekuatan hubungan.
Tampilan 18-22 menyajikan data untuk 70 karyawan manajerial KeyDesign, sebuah desain industri besar !rm.
Semua 70 karyawan telah dievaluasi risiko penyakit jantungnya oleh perusahaan asuransi kesehatan !rm. Tingkat
manajemen diberi peringkat, begitu pula penilaian ketangguhan oleh dokter. Jika kita menggunakan ukuran
nominal dari asosiasi dengan data ini (seperti Cramer'sV), nilai statistik yang dihitung akan positif karena urutan
tidak ada dalam data nominal. Tetapi menggunakan ukuran asosiasi ordinal mengungkapkan sifat sebenarnya dari
hubungan tersebut. Dalam contoh ini, semua koefisien memiliki tanda negatif; oleh karena itu, tingkat !tness yang
lebih rendah dikaitkan dengan tingkat manajemen yang lebih tinggi.
>Pameran 18-22 Tabel Peringkat untuk Tingkat Manajemen dan Kebugaran di KeyDesign
Tingkat manajemen
Menghitung Menurunkan Tengah Atas
Tinggi 14 4 2 20
kebugaran Moderat 18 6 2 26
Rendah 2 6 16 24
34 16 20 70
Statistik Nilai*
Gamma - . 70
Kendall tau b - . 51
Kendall tau c - . 50
Somers's d
Simetris - . 51
Dengan !tness tergantung - . 53
Dengan ketergantungan tingkat manajemen - . 50
* The untuk nilai untuk setiap koefisien adalah –5.86451.
Informasi dalam pameran telah diatur sehingga jumlah pasangan pengamatan individu yang konkordan dan
sumbang dapat dihitung. Ketika subjek yang berperingkat lebih tinggi pada satu variabel juga berperingkat lebih
tinggi pada variabel lain, pasangan pengamatan dikatakan sebagaisesuai. Jika peringkat yang lebih tinggi pada
satu variabel disertai dengan peringkat yang lebih rendah pada variabel lain, pasangan pengamatan adalah:
sumbang. Membiarkan P berdiri untuk pasangan konkordan dan Q berdiri untuk sumbang. Ketika pasangan yang
konkordan melebihi pasangan sumbang dalam aP2Q hubungan, statistik melaporkan hubungan positif antara
variabel yang diteliti. Saat pasangan sumbang meningkat dari pasangan konkordan, asosiasi menjadi negatif.
Sebuah keseimbangan menunjukkan tidak ada hubungan antara variabel. Tampilan 18-23 merangkum prosedur
untuk menghitung suku-suku ringkasan yang diperlukan dalam semua statistik yang akan kita bahas.15
Goodman dan Kruskal gama (g) adalah statistik yang membandingkan pasangan konkordan dan sumbang dan
kemudian menstandarkan hasilnya dengan memaksimalkan nilai penyebut. Ini memiliki interpretasi pengurangan
kesalahan proporsional (PRE) yang terhubung dengan baik dengan apa yang sudah kita ketahui tentang nominal PRE
Pengukuran. Gamma didefinisikan sebagai
Q 5 _1_7_2_"2
g 5 _P__2____ _
__"9_9_2_ 5 _2_8_20_
P1Q 172"1"992" 1164 5 2 .70
Untuk data !tness, kami menyimpulkan bahwa saat tingkat manajemen meningkat, !tness menurun. Ini segera
terlihat dari jumlah pasangan sumbang yang lebih banyak. Penjelasan yang lebih tepat untuk gamma mengambil
nilai absolutnya (mengabaikan tandanya) dan menghubungkannya dengan PRE. Secara hipotetis, jika seseorang
mencoba untuk memprediksi apakah pasangan itu sesuai atau tidak, dia mungkin akan membuat #ip koin dan
mengklasifikasikan hasilnya. Cara yang lebih baik adalah membuat prediksi berdasarkan lebih banyak konkordansi
atau ketidaksesuaian; nilai absolut gamma adalah pengurangan proporsional dalam kesalahan ketika prediksi
dilakukan dengan cara kedua. Misalnya, Anda akan mendapatkan rasio hit 50 persen menggunakan koin. PRE 0,70
meningkatkan rasio hit Anda menjadi 85 persen (0,503 .70) 1 (.50) 5 .85. Dengan g dari 2.70, 85 persen pasangan
sumbang dan 15 persen sesuai.16 Ada hampir enam kali lebih banyak pasangan sumbang daripada pasangan
konkordan. Dalam situasi di mana data memanggil 23 2 tabel, modifikasi gamma yang tepat adalah Yule's Q.17
Kendall's tau b (untukb) adalah re!nement gamma yang menganggap pasangan terikat. Pasangan terikat terjadi ketika
subjek memiliki nilai yang sama padaX variabel, pada kamu variabel, atau keduanya. Untuk ukuran sampel tertentu,
Ada n(n 2 1)/2 pasang pengamatan.18 Setelah pasangan konkordan dan pasangan sumbang dihilangkan,
>Pameran 18-23 Perhitungan Konkordan (P), sumbang (T), Terikat (T , T ), danx Total
kamu
Pengamatan Berpasangan:
KeyContoh Desain
Pengelolaan
Bawah Tengah Atas
H
kebugaran
Total saya
berpasangan n(n – 1)/2 = 70(69)/2 = 2,415
L
70
2 4
Sesuai
18 6 18 2 6
berpasangan
2 6 2 2 6 2
2(18 + 6 + 2 + 6) + 4(18 + 2) + 2(6 + 2) + 6(2) = 172
14 4
Sumbang 6 2 2 18 6
berpasangan
6 16 18 6 16 16
14(6 + 2 + 6 +16) + 4(2 + 18) + 18(6 + 16) + 6(16) = 992
20
r m(m – 1) 20(19) 26(25) 24(23)
sayasaya
Terikat
Ty = $ = + + = 791
berpasangan
26 saya =1
2 2 2 2
Total terikat
24 !tness
c sayaj(sayaj – 1) 34(33) 16(15) 20(19)

34 16 20 70 Tx = $ = + + = 871
j =1 2 2 2 2
Total terikat
pengelolaan
dimana Tx adalah jumlah pasangan ikatan pada variabel kolom

Tkamu adalah jumlah pasangan ikatan pada variabel baris
sayaaku j adalah kaum marginal
sisanya diikat. taub tidak memiliki interpretasi PRE tetapi menyediakan berbagai 11,0 sampai
21.0 untuk tabel persegi. Kompensasinya untuk ikatan menggunakan informasi yang ditemukan dalam Tampilan 18-23. Ini dapat
dihitung sebagai
P2Q ___
)( )
t 5 ______________________________________________________
1) 1)2 T
(
b
____2___ 2 T ____2___
n(n2_
n(n _2 x kamu
5 _________________
1__7__2___2 __
_________________
____9__9__2 5 2.51
SAYA(2.415"2"872)(2.415"2"791)
Kendall's tau c (untukc) adalah penyesuaian lain untuk dasar P 2 Q hubungan gama. Pendekatan asosiasi ordinal
ini cocok untuk tabel dengan ukuran berapa pun. Meskipun kami menggambarkan tauc, kami akan memilih
tau b karena tabel klasifikasi silang untuk data !tness berbentuk persegi. Penyesuaian untuk bentuk tabel adalah
terlihat dalam rumus
__Q
_2_m_(_P__2 __) ___9_9_2_)
_2_(3_)_(_1_7_2_2
t5 tidak2(saya 2
c 1) 5 (70)2(3 2 1) 5 2.50
dimana saya adalah jumlah baris atau kolom yang lebih kecil.
Somers's d melengkapi cakupan statistik kami yang menggunakan konsep pasangan sumbang yang
sesuai. Utilitas statistik ini berasal dari kemampuannya untuk mengkompensasi peringkat terikat dan
menyesuaikan arah variabel dependen. Sekali lagi, kami mengacu pada perhitungan awal yang disediakan
dalam Tampilan 18-23 untuk menghitung simetris dan asimetrisd's. Seperti sebelumnya, koefisien simetris
(persamaan 1) memperhitungkan variabel baris dan kolom secara seimbang. Perhitungan kedua dan ketiga
menunjukkan kebugaran sebagai dependen dan tingkat manajemen sebagai dependen,
masing-masing.
_____(P__2__Q
__)____ 5
dsim5 n(n 2 1) 2 TTxy/2
_2_8_2_0_
(1)
1,584 5 2.51
(P 2 T) __8_2_0___
d 5 ____________ 5 ____2 (2)
kamu2x
_n_(n _
__2__1_) 2.415 2 871 5 2.53
2 Tx
2
(P 2 T) ____2_8_2_0____
dxy25 _____________ 5 2.415 2 791 5 2.50 (3)
__2___1_) 2 T
_n_(n
2
kamu
Itu rho Spearman (r) korelasi adalah ukuran ordinal lainnya. Seiring dengan tau Kendall, ini sering digunakan
dengan data ordinal. Rho mengkorelasikan peringkat antara dua variabel terurut. Kadang-kadang, peneliti
menemukan variabel kontinu dengan terlalu banyak kelainan untuk dikoreksi. Kemudian skor dapat dikurangi
menjadi peringkat dan dihitung dengan rho Spearman.
Sebagai bentuk khusus dari korelasi product moment Pearson, kekuatan rho lebih besar daripada kelemahannya.
Pertama, ketika data ditransformasikan dengan log atau kuadrat, rho tetap tidak terpengaruh. Kedua, outlier atau skor
ekstrim yang merepotkan sebelum dilakukan pemeringkatan tidak lagi menjadi ancaman karena jumlah terbesar dalam
distribusi sama dengan ukuran sampel. Ketiga, ini adalah statistik yang mudah untuk dihitung. Kekurangan utama adalah
kepekaannya terhadap peringkat terikat. Ikatan mendistorsi ukuran koefisien. Namun, jarang ada terlalu banyak ikatan
untuk membenarkan formula koreksi yang tersedia.
Untuk mengilustrasikan penggunaan rho, pertimbangkan situasi di mana KDL, sebuah media !rm, merekrut
peserta pelatihan eksekutif akun. Asumsikan !bidang telah dipersempit menjadi 10 pelamar untuk !evaluasi akhir.
Mereka tiba di kantor pusat perusahaan, menjalani serangkaian tes, dan diwawancarai oleh panel yang terdiri dari
tiga eksekutif. Hasil tes tersebut dievaluasi oleh psikolog industri yang kemudian mengurutkan 10 kandidat. Para
eksekutif menghasilkan peringkat komposit berdasarkan wawancara. Tugas Anda adalah memutuskan seberapa
baik kedua set peringkat ini setuju. Tampilan 18-24 berisi data dan perhitungan awal. Pengganti-
ing ke dalam persamaan, kita mendapatkan
_6_S 6(57_) __
__d_2_ 5 ______
rs5 1 2 . 654
3
tidak 2 tidak (10)32 10 5
dimana tidak adalah jumlah mata pelajaran yang diberi peringkat.

Hubungan antara peringkat panel dan psikolog cukup tinggi, menunjukkan kesepakatan
antara dua ukuran. Uji hipotesis nol bahwa tidak ada hubungan
antara tindakan (rs 5 0) ditolak pada level .05 dengan tidak 2 2 derajat kebebasan.
______ _________
SAYA_n__2__2_
untuk 5 r s
_____
5SAYA____8
1 2 rs
2
1 2 . 42775 2.45
>Pameran 18-24 Data KDL untuk Spearman's Rho
Peringkat menurut
Pemohon Panel x Psikolog kamu d d2
1 3.5 6.0 22.5 6.25

2 10.0 5.0 5.0 25.00
3 6.5 8.0 21.5 2.25
4 2.0 1.5 0,5 0,25
5 1.0 3.0 22.0 4.00
6 9.0 7.0 2.0 4.00
7 3.5 1.5 2.0 4.00
8 6.5 9.0 22.5 6.25
9 8.0 10.0 22.0 4.00
10 5.0 4.0 1.0 1.00
57.00
catatan: Peringkat yang diikat diberikan rata-rata (dari peringkat) seolah-olah tidak ada ikatan yang terjadi.
>ringkasan
1 Pertanyaan manajemen sering kali melibatkan hubungan antara Garis lurus pada dasarnya adalah cara terbaik untuk memodelkan
antara dua variabel atau lebih. Analisis korelasi dapat diterapkan untuk hubungan antara dua variabel kontinu. Metode kuadrat terkecil
mempelajari hubungan tersebut. Hipotesis korelasional yang benar memungkinkan kita menemukan garis regresi, atau garis yang paling
menyatakan bahwa variabel-variabel terjadi bersama-sama dalam beberapa cocok, yang meminimalkan kesalahan dalam menggambar garis. Ini
cara tertentu tanpa menyiratkan bahwa yang satu menyebabkan yang lain. menggunakan kriteria meminimalkan kesalahan kuadrat total
2 Korelasi parametrik membutuhkan dua variabel kontinu estimasi. Prediksi titik yang dibuat dari data yang dilengkapi dengan
diukur pada skala interval atau rasio. Koefisien korelasi baik dapat mengalami kesalahan. Pita prediksi dan keyakinan dapat
momen produk mewakili indeks besarnya hubungan: digunakan untuk menemukan kisaran nilai yang mungkin untukkamu
Tandanya mengatur arah dan kuadratnya menjelaskan berdasarkan prediktor yang dipilih. Pita dibentuk sedemikian rupa
varians umum. Korelasi bivariat memperlakukanX dan kamu sehingga prediktor lebih jauh dari rata-rata memiliki bandwidth yang
variabel secara simetris dan dimaksudkan untuk digunakan lebih besar.
dengan variabel yang berhubungan linier. 4 Kami menguji model regresi untuk linearitas dan untuk menemukan
Scatterplots memungkinkan peneliti untuk memeriksa data apakah persamaan tersebut efektif dalam menyesuaikan data. Tes
hubungan secara visual untuk kesesuaian statistik yang dipilih. penting dalam regresi linier bivariat adalah apakah kemiringannya
Arah, besaran, dan bentuk suatu hubungan disampaikan dalam sama dengan nol (yaitu, apakah variabel prediktorX
sebuah plot. Bentuk hubungan linier ditandai dengan garis lurus, merupakan pengaruh yang signifikan terhadap variabel kriteria Y). Dalam
sedangkan hubungan nonlinier berbentuk lengkung atau regresi bivariat, t-tes dan F pengujian regresi menghasilkan hasil yang sama
parabola atau memiliki kelengkungan lainnya. Asumsi linearitas karena untuk2 adalah sama dengan F
dan distribusi normal bivariat dapat diperiksa melalui plot dan tes 5 Seringkali asumsi atau tingkat pengukuran yang diperlukan
diagnostik. untuk teknik parametrik tidak dapat dipenuhi. Ukuran asosiasi
Koefisien korelasi dengan besaran atau tanda apa pun, nonparametrik menawarkan alternatif. Ukuran nominal asosiasi
terlepas dari signifikansi statistiknya, tidak menyiratkan sebab- digunakan untuk menilai kekuatan hubungan dalam tabel
akibat. Demikian pula, koefisien tidak luar biasa hanya karena klasifikasi silang. Mereka sering digunakan bersama dengan chi-
signifikan secara statistik. Signifikansi praktis harus kuadrat atau mungkin didasarkan pada pendekatan pengurangan
dipertimbangkan dalam menafsirkan dan melaporkan temuan. kesalahan proporsional (PRE).
3 Analisis regresi digunakan untuk memperluas wawasan kita ke dalam Phi berkisar dari 0 sampai 11.0 dan upaya untuk mengoreksi chi-
hubungan dari kamu dengan X Ketika kita mengambil nilai-nilai yang diamati dari kuadrat sebanding dengan N Phi paling baik digunakan dengan 2 3
X untuk memperkirakan atau memprediksi yang sesuai kamu nilai, 2 meja. Cramer'sV adalah modifikasi phi untuk tabel yang lebih besar
proses ini disebut prediksi sederhana. Bila lebih dari satuX variabel dan memiliki jangkauan hingga 1,0 untuk tabel konfigurasi apa pun.
digunakan, hasilnya adalah fungsi dari beberapa prediktor. Lambda, statistik PRE, didasarkan pada seberapa baik frekuensi satu
Prediksi sederhana dan ganda dibuat dengan analisis regresi. variabel nominal menawarkan bukti prediktif tentang
frekuensi orang lain. Tau Goodman dan Kruskal menggunakan tabel konsep pasangan konkordan dan sumbang. Tak satu pun dari statistik
marginal untuk mengurangi kesalahan prediksi. ini memerlukan asumsi distribusi normal bivariat, namun dengan
Ukuran untuk data ordinal termasuk gamma, tau Kendall memasukkan urutan, sebagian besar menghasilkan rentang
b dan tau c, Somers's d, dan rho Spearman. Semua kecuali dari 21 sampai 11.
korelasi peringkat-urutan Spearman didasarkan pada
>kunciistilah
korelasi artefak 476 kebaikan 487 koefisien korelasi Pearsonar 469
analisis korelasi bivariat 469 lambda (l) 492 prediksi dan keyakinan band 487
distribusi normal bivariat 473 linearitas 473 pengurangan proporsional dalam
kesalahan (PRE) 492

tindakan berbasis chi-kuadrat 490 metode kuadrat terkecil 482
analisis regresi 479
koefisien kontingensi C 491 langkah-langkah ordinal 494
koefisien regresi 479

Cramer's V 491 gama (g) 495
mencegat (b0) 480
phi (f) 490 Somers's d 497
kemiringan (b1) 479
koefisien determinasi (r 2) 474 rho Spearman (r) 497
sisa 485
sesuai 495 tau (t) 493
petak sebar 470
sumbang 495 tau b (untukb) 495
prediksi sederhana 479

istilah kesalahan 482 tau c (untukc) 497
>diskusipertanyaan
Persyaratan dalam Ulasan d r2 dan r.
1 Bedakan antara berikut ini: e Kemiringan 0.
Sebuah koefisien regresi dan koefisien korelasi. f F dan untuk2.
b r 5 0 dan r 5 0. 2 Jelaskan hubungan antara dua variabel dalam

c Uji kemiringan sebenarnya, uji intersep, dan empat plot.
r2 5 0.
(Sebuah) (b)
(c) (d)
Membuat Keputusan Penelitian Sebuah Buat diagram pencar.
3 Sebuah organisasi jajak pendapat mengumpulkan data pada sampel 60

b Temukan garis kuadrat terkecil.
pemilih terdaftar mengenai pajak atas nilai pasar transaksi
c Plot garis pada diagram.
ekuitas sebagai salah satu solusi untuk defisit anggaran.
d Meramalkan: kamu jika X adalah 10.
kamu jika X adalah 17.

pendidikan
Opini tentang 8 Tes kehamilan di rumah mengklaim 97 persen akurat
Pajak Pasar SMA Lulusan perguruan tinggi. MBA ketika konsumen memperoleh hasil yang positif. Sejauh
mana variabel "kondisi klinis aktual" dan "pembacaan tes"
Baik 15 5 0
terkait?
Bimbang 10 8 2
Sebuah Hitung phi, Cramer's V, dan koefisien kontingensi
Tidak menguntungkan 0 2 18
tepat untuk tabel berikut. Apa yang dapat Anda katakan
tentang kekuatan hubungan antara dua variabel?
Sebuah Hitung gamma untuk tabel.
b Hitung lambda untuk data ini. Apa statistik ini-
b Hitung tau b atau tau c untuk data yang sama.
tik memberitahu Anda?
c Apa yang menyebabkan perbedaan?
d Putuskan mana yang lebih cocok untuk data ini. Pembacaan Uji Kondisi Klinis Sebenarnya dari In-Vitro
Tabulasi Silang Diagnostik
4 Dengan menggunakan data tabel dalam pertanyaan 3, hitung Somers's d
simetris dan kemudian menggunakan opini sebagai variabel terikat. Putuskan Tes Bacaan dari
Menghitung
Diagnostik In-Vitro
pendekatan mana yang terbaik untuk melaporkan keputusan tersebut.
Klinis Sebenarnya
5 Sebuah tim peneliti melakukan studi tentang preferensi minuman ringan Kondisi Positif Negatif Total
di antara penduduk di pasar uji sebelum kampanye iklan Hamil 451 36 487
untuk produk cola baru. Dari peserta tersebut, 130 adalah
tepat tidak akurat
remaja dan 130 orang dewasa. Para peneliti
Tidak hamil 15 183 198
mengamankan hasil sebagai berikut:
tidak akurat tepat
soda Noncola Total 466 219 685
Remaja 50 80
Dewasa 90 40 9 Isi blok yang hilang untuk tabel ringkasan ANOVA di
laba bersih dan nilai pasar digunakan dengan analisis regresi.
Hitung ukuran asosiasi yang tepat, dan putuskan bagaimana
menyajikan hasilnya. Bagaimana informasi ini dapat Tabel Ringkasan ANOVA
mempengaruhi strategi periklanan?
Jumlah dari Berarti
df kotak Kotak F
Menghidupkan Penelitian
Regresi 1 11.116.995.47
6 Berapa jumlah "panggilan polisi yang mengakibatkan penangkapan"
untuk Gladeside dan Oceanside perlu diubah untuk Kesalahan 116.104,63
mendukung kesimpulan "dampak yang berbeda." Total 9 12.045.832,50
Sebuah apa yang F memberi tahu Anda? (alfa5 .05)

Dari Konsep ke Praktek
b Apakah yang untuk nilai? Jelaskan maknanya. (Lihat
7 Dengan menggunakan data berikut,
tabel di halaman berikutnya untuk data.)
X kamu
3 6
6 10
9 15
12 24
15 21
18 20
Subsampel Acak Forbes 500 ($, jutaan)

Jumlah
Para karyawan
Aktiva Penjualan Nilai pasar Laba Bersih Arus kas (ribuan)

1,034.00 1,510.00 697,00 82,60 126,50 16.60
956.00 785.00 1,271,00 89.00 191.20 5.00
1.890.00 2.533.00 1,783,00 176.00 267.00 44.00
1,133.00 532.00 752.00 82.30 137.10 2.10
11.682,00 3,790.00 4,149.00 413.50 806.80 11.90
6.080.00 635.00 291.00 18.10 35.20 3.70
31.044.00 3,296.00 2,705,00 337.30 425.50 20.10
5,878.00 3,204.00 2.100.00 145.80 380.00 10.80
1.721.00 981.00 1,573.00 172.60 326.60 1.90
2.135.00 2.268,00 2.634.00 247.20 355.50 21.20
10 Amankan korelasi urutan peringkat Spearman untuk yang terbesar (1) b1 5 0.

Koefisien Pearson dalam matriks dari pertanyaan 9. Jelaskan (2) r 5 0.
perbedaan antara kedua temuan tersebut.
(3) Sebuah F uji.
11 Menggunakan data matriks sebelumnya (Forbes 500), pilih pasangan
Dari Headline
variabel dan menjalankan regresi sederhana. Kemudian
selidiki kesesuaian model untuk data menggunakan alat 13 “Ada 'korelasi yang tidak sehat' antara pembangunan
diagnostik untuk mengevaluasi asumsi. gedung pencakar langit dan kehancuran finansial berikutnya,”
menurut Barclays Capital. Contohnya termasuk: gedung pencakar
12 Untuk data berikut,
langit pertama di dunia, gedung Equitable Life di New York (selesai
X kamu pada tahun 1873 dan bertepatan dengan resesi lima tahun), gedung
Empire State (Depresi Besar sedang berlangsung), Menara Willis
25 5
Chicago—sebelumnya dikenal sebagai Menara Sears—pada tahun
19 7
1974 (selama guncangan minyak dan ketika ketergantungan dolar AS
17 12 pada emas ditinggalkan), dan Menara Petronas Malaysia pada tahun
14 23 1997 (sesuai dengan krisis keuangan Asia). Saat ini, gedung pencakar
12 20 langit tertinggi di dunia adalah Burj Khalifa (dibangun tepat sebelum
9 25 masalah keuangan Dubai). Cina adalah pembangun gedung pencakar
8 26 langit terbesar, dengan 53 persen dari semua gedung tinggi di dunia.

JPMorgan Chase berkata
7 28
bahwa pasar properti China bisa turun sebanyak 20 persen
3 20
nilainya di kota-kota besar negara itu dalam 12 sampai 18
bulan ke depan. “Seringkali gedung tertinggi di dunia
Sebuah Hitung korelasi antara X dan Y. adalah!.!.!. [refleksi dari] misalokasi modal yang meluas dan
b Menafsirkan tanda korelasi. koreksi ekonomi yang akan datang,” kata analis Barclays
Capital.
c Menafsirkan kuadrat korelasi.
Periksa temuan korelasional dan berikan yang masuk akal
d Plot garis kuadrat terkecil.
alternatif untuk temuan mereka.
e Uji hubungan linier:
>kasus*
Menguasai Kepemimpinan Guru NCRCC: Teeing Up dan Arahan Strategis Baru tidak
* Anda akan menemukan deskripsi setiap kasus di bagian Indeks Kasus dari buku teks. Periksa Indeks Kasus untuk menentukan apakah suatu
kasus menyediakan data, instrumen penelitian, video, atau materi tambahan lainnya. Kasus tertulis dapat diunduh dari situs web teks
(www.mhhe.com/cooper12e). Semua materi video dan kasus video tersedia dari Pusat Pembelajaran Online.
>bab 19
Menyajikan Wawasan dan Temuan:
Tertulis! Laporan
>belajartujuan
Setelah membaca bab ini, Anda harus memahami. . .
1 Bahwa presentasi temuan penelitian yang berkualitas dapat memiliki efek yang sangat besar pada persepsi pembaca atau pendengar
dari kualitas sebuah studi.
2 Isi, jenis, panjang, dan spesifikasi teknis laporan penelitian.
3 Bahwa penulis laporan penelitian harus dipandu oleh pertanyaan tentang tujuan, pembaca, keadaan/keterbatasan,
dan gunakan.
4 Bahwa sementara beberapa data statistik dapat dimasukkan ke dalam teks, sebagian besar statistik harus ditempatkan dalam tabel, bagan,
atau! grafik.
“ mereka sering kurang terampil dalam menciptakan wawasan

Orang-orang luar biasa dalam mengumpulkan data, tapi
keluar darinya dan menyebarkannya ke seluruh
seluruh organisasi. Data memang bagus, tetapi
jarang berarti apa-apa kecuali Anda telah mengetahui
dengan tepat apa yang dikatakan data itu—dan apa
yang akan Anda lakukan untuk itu.
”
Nancy Porte, wakil presiden t pengalaman pelanggan,
Verint-Vovici
>membawapenelitianuntukkehidupan PikiranPenulis
“Pernahkah terpikir oleh Anda bahwa draf laporan “Saya suka proyek MindWriter.”
MindWriter Anda belum tersentuh dalam dua hari "Ah, itu masalahnya," katanya. “Jason, saya telah mendengar Anda
terakhir? Tumpukan halaman yang ditandai ada di sana di mengatakan bahwa Anda membenci proyek untuk klien lain, dan saya
meja Anda, dan Anda telah mengerjakannya. ” telah mendengar Anda mengatakan bahwa Anda menyukai proyek.
Jason mengernyit dan sejenak menatap tumpukan Tapi ini adalah #pertama kalinya saya mendengar Anda mengatakan
halaman yang ditandai. Anda menyukai sebuah proyek. Ada saatnya, setelah Anda memelihara
Sara terjun ke depan dengan keluhannya. “Itu bukan masalah sesuatu, Anda harus melepaskannya. Maka itu bukan milikmu. Itu milik
besar, kau tahu. Anda berjanji untuk memotong tiga halaman" orang lain, atau miliknya sendiri, tapi bukan milikmu.”
metodologi yang tidak akan dipedulikan oleh siapa pun kecuali

sesama atlet statistik Anda" ." ." .”—Jason menatapnya dengan "Kurasa kau benar," Jason tersenyum malu-malu. “Saya
tatapan sedih— “." ." ." dan untuk menghapus rekomendasi Anda sedikit terlalu berinvestasi. Proyek MindWriter ini adalah bayi
dan memberikannya dalam surat informal yang terpisah sehingga saya—yah, milik Anda dan milik saya. Jika saya memotong
Myra Wines dapat mendistribusikannya di bawah namanya dan tiga halaman dari laporan, itu #selesai. Maka itu milik Myra.
mengklaim penghargaan atas 'kecemerlangan' Anda. Saya tidak memilikinya lagi. Saya tidak dapat menerapkan
"Saya pikir saya memiliki blok penulis." rekomendasi saya. Saya tidak bisa mengubah apa pun. Saya
"Tidak. Blok penulis adalah ketika Anda tidak bisa menulis. Anda tidak bisa berpikir dua kali.”
tidak dapat membatalkan penulisan; itulah masalahnya. Anda memiliki “Perbaiki, kalau begitu. Kirimkan faktur kepada MindWriter. Menulis
blok penulis. Dengar, beberapa orang melakukan penelitian hebat dan proposal untuk pekerjaan tindak lanjut. Lakukan sesuatu, Jason. Selesaikan
kemudian panik ketika mereka harus memutuskan apa yang masuk itu. Lepaskan dan lanjutkan.” Sara tersenyum dan berhenti sejenak saat dia
dalam laporan dan apa yang tidak. Atau mereka tidak dapat akan meninggalkan kantor Jason. Jason telah menarik laporan itu ke tengah
mengambil semua ide hebat yang berkeliaran di kepala mereka dan mejanya, sebuah pertanda yang sangat bagus.
mengekspresikan abstraksi mereka dengan kata-kata. Atau mereka “Ngomong-ngomong, Custom Foods baru saja menelepon. Itu
tidak percaya bahwa mereka cukup pintar untuk berkomunikasi memberi kami kontrak untuk pekerjaan idenya. Aku tidak suka
dengan klien mereka, atau sebaliknya. Jadi mereka membeku. Ini mengerjakan proyek itu tanpamu, tapi."."."
biasanya bukan masalah Anda. Ada semacam hubungan emosional
dengan laporan MindWriter ini, Jason; menghadapinya."

> pengantar
Sebagai bagian dari proposal penelitian, sponsor dan peneliti menyepakati jenis pelaporan apa yang
akan terjadi selama dan di akhir proyek penelitian. Bergantung pada anggaran proyek, presentasi
lisan formal mungkin bukan bagian dari pelaporan. Namun, sponsor penelitian pasti membutuhkan
laporan tertulis. Tampilan 19-1 merinci fase pelaporan dari proses penelitian.
> Laporan Penelitian Tertulis

Ini mungkin tampak tidak ilmiah dan bahkan tidak adil, tetapi laporan atau presentasi akhir yang buruk dapat merusak sebuah
penelitian. Teknisi riset mungkin mengabaikan pentingnya konten yang dilaporkan dengan buruk, tetapi sebagian besar pembaca
akan terpengaruh oleh kualitas pelaporan. Fakta ini seharusnya mendorong peneliti untuk melakukan upaya khusus untuk
berkomunikasi secara jelas dan lengkap.
Laporan penelitian berisi #temuan, analisis #temuan, interpretasi, kesimpulan, dan terkadang rekomendasi. Peneliti
adalah ahli dalam topik tersebut dan mengetahui hal-hal spesifik dengan cara yang tidak dapat dilakukan orang lain.
Karena laporan penelitian tertulis merupakan komunikasi satu arah yang otoritatif, maka laporan tersebut membebankan
kewajiban khusus untuk menjaga objektivitas. Bahkan jika #temuan Anda tampaknya mengarah pada suatu tindakan, Anda
harus menunjukkan pengendalian diri dan kehati-hatian saat mengusulkan kursus itu.
Laporan dapat ditentukan oleh tingkat formalitas dan desainnya. Laporan formal mengikuti format yang
digambarkan dengan baik dan relatif panjang. Ini berbeda dengan laporan informal atau singkat.
Laporan Singkat
Laporan singkat sesuai jika masalahnya didefinisikan dengan baik, cakupannya terbatas, dan memiliki metodologi
yang sederhana dan lugas. Sebagian besar laporan informasi, kemajuan, dan sementara adalah jenis ini: laporan
perubahan biaya hidup untuk negosiasi tenaga kerja yang akan datang atau eksplorasi tuduhan "pembuangan"
#ling terhadap pesaing asing.
Laporan singkat sekitar #ve halaman. Jika digunakan di situs web, mereka mungkin lebih pendek. Pada
bagian awal, harus ada pernyataan singkat tentang izin penelitian, masalah yang diteliti, serta keluasan dan
kedalamannya. Berikutnya adalah kesimpulan dan rekomendasi, diikuti dengan #temuan yang
mendukungnya. Judul bagian harus digunakan.
Surat pengantar adalah sarana untuk menyampaikan laporan singkat. Laporan #ve-halaman dapat dibuat untuk
melacak penjualan setiap tiga bulan. Laporan harus langsung, banyak menggunakan grafik untuk menunjukkan
tren, dan merujuk pembaca ke departemen penelitian untuk informasi lebih lanjut. Informasi rinci tentang metode
penelitian akan dihilangkan, meskipun gambaran umum dapat muncul dalam lampiran. Tujuan dari jenis laporan
ini adalah untuk mendistribusikan informasi dengan cepat dalam format yang mudah digunakan. Laporan singkat
juga dibuat untuk klien dengan proyek penelitian kecil yang relatif murah.
Surat tersebut merupakan bentuk laporan singkat. Nadanya harus informal. Formatnya mengikuti format surat
bisnis yang baik dan tidak boleh lebih dari beberapa halaman. Laporan surat sering ditulis dengan gaya pribadi
(kami, kamu), meskipun ini tergantung pada situasi.
Laporan memorandum adalah variasi lain dan mengikuti Ke, Dari, Subjek format. Saran
ini mungkin berguna untuk menulis laporan singkat:
• Beri tahu pembaca mengapa Anda menulis (mungkin sebagai tanggapan atas permintaan).
• Jika memo itu sebagai tanggapan atas permintaan informasi, ingatkan pembaca tentang pokok yang diangkat,
jawablah, dan ikuti dengan perincian yang diperlukan.
• Tulis dalam gaya ekspositori dengan singkat dan langsung.
• Jika waktu mengizinkan, tulis laporan hari ini dan biarkan untuk ditinjau besok sebelum mengirimkannya.
• Lampirkan materi rinci sebagai lampiran bila diperlukan.

>bab 19 Menyajikan Wawasan dan Temuan: Laporan Tertulis 505
>Pameran 19-1 Presentasi Tertulis dan Proses Penelitian
Analisis & Interpretasi Data
Tentukan Laporan Tertulis

Gaya & Jenis
Formal/Informal
Panjang/Pendek
Manajemen teknis
Tentukan Akses Laporan Tertulis
Kertas Kedua Elektronik
Kembangkan Data yang Sesuai

Menampilkan
Tampilan Tabular
Tampilan Grafis
Tampilan Tekstual
Tampilan Visual
Diskusikan & Siapkan

Rekomendasi
Siapkan Nondata
Bagian Laporan
Menyusun Laporan Tertulis
Kirim Laporan
Laporan Alamat
Pertanyaan
Laporan Panjang
Laporan panjang terdiri dari dua jenis, laporan teknis atau laporan dasar dan laporan manajemen.
Pilihannya tergantung pada audiens dan tujuan peneliti.
Banyak proyek akan membutuhkan kedua jenis laporan: a laporan teknikal, ditulis untuk audiens
peneliti, dan a laporan manajemen, ditulis untuk manajer atau klien yang berorientasi nonteknis.
Meskipun beberapa peneliti mencoba menulis satu laporan yang memenuhi kedua kebutuhan, hal ini
memperumit tugas dan jarang memuaskan. Kedua jenis audiens ini memiliki pelatihan teknis, minat, dan
tujuan yang berbeda.
>jeprettembakan
E-Kecepatan atau Tanpa Kecepatan
Internet telah selamanya mengubah harapan pembuat keputusan yang • Frekuensi real-time.
berkaitan dengan kecepatan hasil data. Internet telah memberi pemasar rasa • Tabulasi silang waktu nyata.
"e-time"—data yang ditabulasi dan disintesis secara real time. “Sementara • Respon verbatim tanpa akhir waktu nyata.
beberapa pemasar menyadari bahwa e-speed dapat mengorbankan kualitas • Status kuota real-time.
dalam penelitian,” kata Darcy Zwetko, manajer–layanan penelitian, Opinion • Status harian proyek Anda.
Search, Inc. (Ottawa, Kanada), “mengetahui kecepatan yang tersedia dengan • Laporan disposisi panggilan harian.
survei online mendorong kami untuk membuat CATI kami hasil survei dapat
Selain cepat, dataCAP memberikan informasi terenkripsi untuk melindungi privasi
diakses secara real time, langsung melalui komputer masing-masing klien.”
data. Kecepatan tanpa keamanan tidak akan memenangkan klien mana pun. Dan
Pencarian Opini menyebut industri ini sebagai yang pertamadataCAP untuk
kecepatan yang mengorbankan kualitas tidak akan membuat mereka kembali.
“Portal Kontrol dan Akses Data.” Di antara peluang lainnya, dataCAP
www.opinionsearch.com
menyediakan:
Laporan Teknis
Laporan ini harus mencakup dokumentasi lengkap dan detail. Biasanya akan bertahan dari semua kertas kerja dan #les
data asli dan dengan demikian akan menjadi dokumen sumber utama. Ini adalah laporan yang ingin dilihat oleh peneliti
lain karena memiliki cerita lengkap tentang apa yang dilakukan dan bagaimana hal itu dilakukan.
Meskipun kelengkapan adalah tujuan, Anda harus berhati-hati agar tidak memasukkan materi yang tidak
penting. Panduan yang baik adalah bahwa informasi prosedural yang memadai harus disertakan untuk
memungkinkan orang lain mereplikasi penelitian. Ini termasuk sumber data, prosedur penelitian, desain sampling,
instrumen pengumpulan data, konstruksi indeks, dan metode analisis data. Sebagian besar informasi harus
dilampirkan dalam lampiran.
Laporan teknis juga harus mencakup presentasi lengkap dan analisis data penting. Kesimpulan dan
rekomendasi harus jelas terkait dengan temuan spesifik. Jargon teknis harus diminimalkan tetapi didefinisikan saat
digunakan. Mungkin ada referensi singkat untuk penelitian, teori, dan teknik lain. Meskipun Anda mengharapkan
pembaca untuk terbiasa dengan referensi ini, akan berguna untuk menyertakan beberapa penjelasan singkat,
mungkin sebagai catatan kaki atau catatan akhir.
Laporan teknis singkat mencakup item yang sama dengan laporan teknis panjang tetapi dalam bentuk yang
disingkat. Metodologi disertakan sebagai bagian dari pendahuluan dan tidak lebih dari beberapa paragraf.
Sebagian besar penekanan ditempatkan pada #temuan dan kesimpulan. Format memo atau surat hanya
mencakup minimal: apa masalahnya dan apa kesimpulan penelitiannya.
Laporan Manajemen
Berbeda dengan laporan teknis, laporan manajemen adalah untuk klien nonteknis. Pembaca memiliki sedikit waktu
untuk menyerap detail dan membutuhkan paparan segera terhadap #temuan paling kritis; dengan demikian
bagian laporan berada dalam urutan terbalik. Setelah bagian pendahuluan dan pendahuluan, kesimpulan dengan
rekomendasi yang menyertai disajikan. Temuan individu disajikan selanjutnya, mendukung kesimpulan yang telah
dibuat. Lampiran menyajikan rincian metodologi yang diperlukan. Urutan laporan manajemen memungkinkan
klien untuk memahami kesimpulan dan rekomendasi dengan cepat, tanpa banyak membaca. Kemudian, jika
mereka ingin melangkah lebih jauh, mereka dapat membaca #ndings. Laporan manajemen harus memanfaatkan
tampilan visual secara bebas.
Terkadang klien tidak memiliki latar belakang penelitian dan lebih tertarik pada hasil daripada
metodologi. Media komunikasi utama dalam situasi ini adalah laporan manajemen. Masih bermanfaat
untuk memiliki laporan teknis jika nantinya klien ingin melakukan penilaian teknis atas studi tersebut.
Gaya laporan harus mendorong pembacaan cepat dan pemahaman cepat tentang temuan utama, dan harus
mendorong pemahaman implikasi dan kesimpulan. Nada laporan bersifat jurnalistik dan harus akurat. Judul dan
garis bawah untuk penekanan sangat membantu; gambar dan grafik sering menggantikan tabel. Kalimat dan
paragraf harus pendek dan langsung. Pertimbangkan penggunaan ruang putih yang bebas dan margin yang lebar.
Mungkin diinginkan untuk menempatkan satu #nding pada setiap halaman. Ini juga membantu untuk memiliki
tema yang berjalan melalui laporan dan bahkan karakter grafis atau animasi yang dirancang untuk memvariasikan
presentasi.
> Komponen Laporan Penelitian

Laporan penelitian, panjang dan pendek, memiliki seperangkat komponen yang dapat diidentifikasi. Biasanya heading dan
subheading membagi bagian-bagian tersebut. Setiap laporan bersifat individual; bagian dapat diturunkan atau ditambahkan,
dipadatkan atau diperluas untuk memenuhi kebutuhan audiens. Tampilan 19-2 mencantumkan empat jenis laporan, bagian yang
biasanya disertakan, dan urutan umum presentasi. Masing-masing format ini dapat dimodifikasi menjadi
memenuhi kebutuhan audiens.
>Pameran 19-2 Bagian Laporan Penelitian dan Urutan Pencantumannya
Laporan Singkat Laporan Panjang
Modul Laporan Memo atau Surat Teknis Singkat Pengelolaan Teknis
Informasi Awal 1 1 1
Surat pengiriman ! ! !
Judul Halaman ! ! !
Pernyataan otorisasi ! ! !
Ringkasan eksekutif ! ! !
Daftar Isi ! !
pengantar 1 2 2 2
Pernyataan masalah ! ! ! !
Tujuan penelitian ! ! ! !
Latar Belakang ! ! ! !
Metodologi ! ! 3
Desain sampel !
Desain penelitian !
Pengumpulan data !
Analisis data !
Keterbatasan ! ! !
Temuan 3 4 4
Kesimpulan 2 4 3 5
Ringkasan dan ! ! ! !
kesimpulan Rekomendasi ! ! ! !
Lampiran 5 5 6
Bibliografi 7
Item Awal
Bahan pendahuluan tidak memiliki hubungan langsung dengan penelitian itu sendiri. Sebaliknya, mereka membantu pembaca dalam
menggunakan laporan penelitian.
Surat Pengiriman
Ketika hubungan antara peneliti dan klien bersifat formal, surat pengiriman harus disertakan. Ini
sesuai bila laporan ditujukan untuk klien tertentu (misalnya, perusahaan#cer) dan bila dibuat untuk
organisasi luar. Surat tersebut harus mengacu pada otorisasi untuk proyek dan setiap instruksi
khusus atau batasan yang ditempatkan pada penelitian. Hal ini juga harus menyatakan tujuan dan
ruang lingkup penelitian. Untuk banyak proyek internal, tidak perlu menyertakan surat pengiriman.
Judul Halaman
Halaman judul harus mencakup empat item: judul laporan, tanggal, dan untuk siapa dan oleh siapa laporan
itu disiapkan. Judul harus singkat tetapi mencakup tiga elemen berikut: (1) variabel yang termasuk dalam
penelitian, (2) jenis hubungan antar variabel, dan (3) populasi yang hasilnya dapat diterapkan.1 Redundansi
seperti “A Report of ” dan “A Discussion of ” menambah panjang judul tetapi sedikit yang lain. Judul kata
tunggal juga bernilai kecil. Berikut adalah tiga cara yang dapat diterima untuk
judul laporan kata:
Studi deskriptif: Prospek Permintaan Lima Tahun untuk Barang Kemasan Konsumen di
Amerika Serikat
Studi korelasi: Hubungan Tingkat In!asi Nasional Relatif dan Pembelian Rumah
Tangga Merek X di Pasar Internasional
Studi kausal: Pengaruh Berbagai Metode Motivasi Terhadap Sikap dan Kinerja
Rekanan Penjualan Ritel
Surat kuasa
Ketika laporan dikirim ke organisasi publik, biasanya menyertakan surat kuasa yang menunjukkan wewenang
untuk melakukan penelitian. Hal ini terutama berlaku untuk laporan kepada pemerintah federal dan negara bagian
serta organisasi nonprofit. Surat itu tidak hanya menunjukkan siapa yang mensponsori penelitian tetapi juga
menggambarkan permintaan aslinya.
Ringkasan bisnis plan

Sebuah Ringkasan bisnis plan dapat melayani dua tujuan. Ini mungkin laporan dalam bentuk mini (kadang-kadang disebut a
laporan utama), mencakup semua aspek dalam tubuh laporan tetapi dalam bentuk yang disingkat. Atau
dapat berupa ringkasan singkat dari #temuan dan kesimpulan utama, termasuk rekomendasi. Dua halaman
biasanya cukup untuk ringkasan eksekutif. Tulis bagian ini setelah sisa laporan #selesai. Seharusnya tidak
mencakup informasi baru tetapi mungkin memerlukan grafik untuk menyajikan kesimpulan tertentu.
Harapkan rangkuman mengandung kepadatan tinggi istilah-istilah penting karena mengulang pokok-pokok
laporan.
Daftar isi
Sebagai panduan kasar, setiap laporan dari beberapa bagian yang berjumlah lebih dari 6 sampai 10 halaman harus
memiliki daftar isi. Jika ada banyak tabel, bagan, atau pameran lainnya, mereka juga harus dicantumkan setelah
daftar isi dalam tabel ilustrasi yang terpisah.
>jeprettembakan
Penelitian Forrester: Menemukan Alur Cerita yang Dramatis
Forrester Research adalah perusahaan yang melakukan penelitian berbasis “Kami mengembangkan rantai WIM—jika 'a' ditemukan, bukankah 'b'
isu di banyak industri dan menjual banyak laporannya dengan berlangganan. mungkin? Atau jika 'b', maka 'c'; dan jika 'c,' maka 'd.' Banyak deduksi dan
Forrester mengambil pendekatan modular untuk penulisan laporan, apakah dugaan berdasarkan pengetahuan dan pengalaman yang solid dalam
itu "ringkasan" yang disusun dalam beberapa jam atau laporan yang industri berakhir di bagian terakhir laporan. Jadi jika 40 persen dealer
mungkin memakan waktu hingga 30 jam. Setiap laporan memiliki tiga bagian memiliki mobil yang salah, dan pabrikan memiliki informasi yang dibutuhkan
utama. Bagian “Ikhtisar Pasar” menjelaskan data yang dikumpulkan dari dealer, maka dealer dapat meningkatkan inventaris untuk mengurangi
wawancara, survei, dan penelusuran sekunder. Dimulai dengan tingkat itu, katakanlah 20 persen. Dan bagi calon pelanggan yang masih
mengungkapkan masalah yang lebih sederhana dan beralih ke masalah yang belum dapat menemukan mobil yang mereka inginkan? Mereka mungkin
lebih kompleks. Itu tidak mengulangi informasi yang diketahui audiens tetapi cenderung membuat custombuild untuk memesan untuk mencapai
hanya menyediakan data yang baru. Bagian "Analisis" menafsirkan temuan. kepuasan. ” Bagian spekulatif ini adalah bagian terkecil dari laporan.
Dan bagian "Apa Artinya" berspekulasi tentang implikasi dari temuan dan Dan dalam hal menulis laporan, para peneliti Forrester meluangkan waktu
analisisnya. untuk menemukan kata-kata yang tepat untuk menyampaikan informasi mereka.
Dalam satu studi semacam itu, Tinjauan Pasar akan mengaitkan Judul memiliki arti khusus, karena pelanggan sering memilih laporan yang mereka
temuan bahwa "40 persen dealer mobil memiliki mobil yang salah." Di akses berdasarkan judul. “Kami akan membuat lebih banyak orang membaca
bagian Analisis, laporan tersebut akan menghubungkan bahwa dengan laporan jika kami memberi judul sesuatu yang menarik seperti 'Apakah melewatkan
semua data yang dimiliki produsen mobil tentang mobil apa—dan fitur iklan akan mematikan televisi?' daripada jika kita menyebutnya sesuatu yang lebih
di dalam mobil—yang dijual, dealer yang memiliki akses ke informasi kering seperti 'Implikasi teknologi pada aktivitas kontrol pemirsa dalam paparan
ini harus dapat meningkatkan bauran inventarisnya. Analis senior Mark iklan televisi.' ”
Bunger menceritakan bahwa bagian Apa Artinya bersifat spekulatif. www.forrester.com
pengantar
Pendahuluan mempersiapkan pembaca untuk laporan dengan menggambarkan bagian-bagian dari proyek:
pernyataan masalah, tujuan penelitian, dan materi latar belakang.2 Di sebagian besar proyek, pendahuluan dapat
diambil dari proposal penelitian dengan sedikit pengeditan.
Pernyataan masalah
Pernyataan masalah berisi kebutuhan untuk proyek penelitian. Masalahnya biasanya diwakili oleh
pertanyaan manajemen. Ini diikuti oleh serangkaian tujuan yang lebih rinci.
Tujuan Penelitian
Tujuan penelitian membahas tujuan proyek. Tujuan ini mungkin pertanyaan penelitian dan pertanyaan investigasi
terkait. Dalam studi korelasional atau kausal, pernyataan hipotesis disertakan. Seperti yang telah kita bahas di Bab
2, hipotesis adalah pernyataan deklaratif yang menggambarkan hubungan antara dua variabel atau lebih. Mereka
menyatakan dengan jelas variabel yang menjadi perhatian, hubungan di antara mereka, dan kelompok sasaran
yang sedang dipelajari. Definisi operasional dari variabel kritis harus disertakan.
Latar Belakang
Bahan latar belakang dapat terdiri dari dua jenis. Ini mungkin hasil awal eksplorasi dari survei
pengalaman, kelompok fokus, atau sumber lain. Atau, itu bisa menjadi data sekunder dari
tinjauan literatur. Skema organisasi tradisional adalah memikirkan lingkaran konsentris target.
Dimulai dengan cincin luar, penulis bekerja menuju tengah. Mata banteng berisi materi
berhubungan langsung dengan masalah. Sumber daya dan sarana untuk mengamankan informasi ini disajikan
dalam Bab 5 dan di situs web teks Anda.
Penelitian, teori, atau situasi sebelumnya yang mengarah pada pertanyaan manajemen juga dibahas
dalam bagian ini. Sastra harus disusun, diintegrasikan, dan disajikan sedemikian rupa sehingga
menghubungkannya secara logis dengan masalah. Latar belakang mencakup definisi, kualifikasi, dan
asumsi. Ini memberi pembaca informasi yang dibutuhkan untuk memahami sisa laporan penelitian.3
Bahan latar belakang dapat ditempatkan sebelum pernyataan masalah atau setelah tujuan penelitian. Jika
terutama terdiri dari tinjauan literatur dan penelitian terkait, itu harus mengikuti tujuan. Jika berisi informasi yang
berkaitan dengan masalah manajemen atau situasi yang menyebabkan penelitian, dapat ditempatkan sebelum
pernyataan masalah (di mana ditemukan dalam banyak studi terapan).
Metodologi
Dalam laporan singkat dan laporan manajemen, metodologi tidak boleh memiliki bagian terpisah; itu harus
disebutkan dalam pendahuluan, dan rinciannya harus ditempatkan dalam lampiran. Namun, untuk laporan teknis,
metodologi merupakan bagian penting, yang berisi setidaknya #ve bagian.
Desain Pengambilan Sampel
Peneliti secara eksplisit menentukan populasi sasaran yang diteliti dan metode pengambilan sampel yang digunakan.
Misalnya, apakah ini sampel probabilitas atau nonprobabilitas? Jika probabilitas, apakah itu acak sederhana atau acak
kompleks? Bagaimana elemen dipilih? Bagaimana ukuran ditentukan? Seberapa besar keyakinan yang kita miliki, dan
seberapa besar kesalahan yang diperbolehkan?
Penjelasan tentang metode pengambilan sampel, keunikan parameter yang dipilih, atau hal-hal
lain yang perlu dijelaskan harus diringkas. Perhitungan harus ditempatkan dalam lampiran, bukan di
badan laporan.
Desain penelitian
Cakupan desain harus disesuaikan dengan tujuan. Dalam studi eksperimental, bahan, tes, peralatan,
kondisi kontrol, dan perangkat lain harus dijelaskan. Dalam desain deskriptif atau ex post facto,
mungkin cukup untuk menutupi alasan penggunaan satu desain daripada alternatif yang bersaing.
Bahkan dengan desain yang canggih, kekuatan dan kelemahan harus diidentifikasi dan instrumentasi
dan bahan didiskusikan. Salinan bahan ditempatkan dalam lampiran.
Pengumpulan data
Bagian laporan ini menjelaskan spesifikasi pengumpulan data. Isinya tergantung pada desain yang dipilih.
Pekerjaan survey umumnya menggunakan tim dengan pengawasan #lapangan dan pusat. Berapa banyak orang
yang terlibat? Apa pelatihan mereka? Bagaimana mereka dikelola? Kapan data dikumpulkan? Berapa lama waktu
yang dibutuhkan? Bagaimana kondisi di #lapangan? Bagaimana penyimpangan ditangani? Dalam sebuah
eksperimen, kita ingin mengetahui tentang penugasan partisipan ke dalam kelompok, penggunaan prosedur dan
protokol yang terstandarisasi, pemberian tes atau formulir observasi, manipulasi variabel, dan sebagainya.
Biasanya, Anda akan menyertakan diskusi tentang relevansi data sekunder yang memandu
keputusan ini. Sekali lagi, materi terperinci seperti instruksi #eld harus disertakan dalam lampiran.
Analisis data
Bagian ini merangkum metode yang digunakan untuk menganalisis data dan menjelaskan
penanganan data, analisis pendahuluan, uji statistik, program komputer, dan informasi teknis
lainnya. Alasan pemilihan pendekatan analisis harus jelas. Sebuah komentar singkat tentang asumsi
dan kesesuaian penggunaan harus disajikan.
Keterbatasan
Topik ini sering ditangani dengan ambivalensi. Beberapa orang ingin mengabaikan masalah ini, merasa bahwa
menyebutkan batasan mengurangi dampak penelitian. Sikap ini tidak profesional dan mungkin tidak etis. Yang lain
tampaknya mengadopsi pendekatan masokis untuk merinci segalanya. Bagian ini harus merupakan presentasi
yang bijaksana tentang metodologi atau masalah implementasi yang signifikan. Pendekatan yang adil adalah salah
satu ciri penyelidik yang jujur dan kompeten. Semua studi penelitian memiliki keterbatasan, dan peneliti yang
tulus menyadari bahwa pembaca membutuhkan bantuan dalam menilai validitas penelitian.
Temuan
Ini umumnya merupakan bagian terpanjang dari laporan. Tujuannya adalah untuk menjelaskan data daripada
menarik interpretasi atau kesimpulan. Ketika data kuantitatif dapat disajikan, ini harus dilakukan sesederhana
mungkin dengan bagan, grafik, dan tabel.
Data tidak perlu mencakup semua yang telah Anda kumpulkan. Kriteria inklusi adalah, Apakah materi ini
penting untuk pemahaman pembaca tentang masalah dan #temuannya? Namun, pastikan untuk menunjukkan
#temuan yang tidak mendukung hipotesis Anda dan juga hipotesis yang mendukungnya, karena ini memperkuat
ikatan kepercayaan yang telah berkembang antara peneliti dan sponsor.
Sangat berguna untuk menyajikan #temuan dalam paragraf bernomor atau menyajikan satu #temuan per halaman
dengan data kuantitatif yang mendukung #temuan yang disajikan dalam tabel atau bagan kecil pada halaman yang sama
(lihat Tampilan 19-3). Meskipun pengaturan ini menambah sebagian besar laporan, itu nyaman bagi pembaca.
>Pameran 19-3 Contoh Halaman Temuan dalam Studi Pasar Bank Kota Pusat
Temuan: 1. Di kota ini, bank komersial bukanlah media tabungan yang disukai.
Bank berada di posisi ketiga yang lemah di belakang rekening pasar uang.
2. Nasabah Bank Sentral Kota memiliki sikap yang agak lebih menguntungkan
terhadap tabungan bank dan kurang dari preferensi untuk obligasi
pemerintah.
Pertanyaan: Misalkan Anda baru saja menerima tambahan $1.000 dan telah memutuskan untuk menyimpannya.
Manakah dari metode penghematan yang tercantum yang akan menjadi pilihan Anda?
cara yang disukai untuk menyimpannya?
! Obligasi pemerintah
! Simpan pinjam
! tabungan bank
! Serikat kredit
! persediaan
! Lain
Total Bank Sentral Kota Bank lain

Metode Penghematan Balasan Pelanggan Pelanggan
Obligasi pemerintah 24% 20% 29%

Simpan pinjam 43 45 42
Bank 13 18 8
Serikat kredit 9 7 11
persediaan 7 8 5
Lain 4 2 5
Total 100% 100% 100%
n = 216 n = 105 n = 111
Kesimpulan
Ringkasan dan Kesimpulan
Rangkuman adalah pernyataan singkat dari #temuan penting. Ringkasan bagian dapat digunakan jika ada banyak
#temuan khusus. Ini dapat digabungkan menjadi ringkasan keseluruhan. Dalam penelitian deskriptif sederhana,
ringkasan dapat melengkapi laporan, karena kesimpulan dan rekomendasi mungkin tidak diperlukan.
Menemukan fakta-fakta negara; kesimpulan mewakili kesimpulan yang diambil dari #temuan. Seorang penulis
terkadang enggan membuat kesimpulan dan menyerahkan tugas kepada pembaca. Hindari godaan ini jika memungkinkan.
Sebagai peneliti, Anda adalah orang yang paling mengetahui faktor-faktor yang secara kritis memengaruhi #temuan dan
kesimpulan. Peneliti yang baik tidak menarik kesimpulan yang melampaui data yang terkait dengan penelitian.
Kesimpulan dapat disajikan dalam bentuk tabel untuk memudahkan membaca dan referensi. Ringkasan
#temuan dapat disubordinasikan di bawah pernyataan kesimpulan terkait. Ini mungkin diberi nomor untuk
merujuk pembaca ke halaman atau tabel di bagian #ndings.
Rekomendasi
Semakin, peneliti diharapkan untuk menawarkan ide-ide untuk tindakan korektif. Dalam penelitian terapan
rekomendasi biasanya untuk tindakan manajerial, dengan peneliti menyarankan satu atau beberapa alternatif yang
didukung oleh #temuan. Juga, peneliti dapat merekomendasikan inisiatif penelitian lebih lanjut. Dalam penelitian
dasar atau murni, rekomendasi seringkali merupakan saran untuk studi lebih lanjut yang memperluas atau
menguji pemahaman suatu bidang studi.
Lampiran
Lampiran adalah tempat untuk tabel kompleks, uji statistik, dokumen pendukung, salinan formulir
dan kuesioner, deskripsi rinci tentang metodologi, instruksi untuk #pekerja lapangan, dan bukti lain
yang penting untuk dukungan selanjutnya. Pembaca yang ingin mempelajari tentang aspek teknis
studi dan melihat rincian statistik akan menginginkan lampiran lengkap.
Bibliografi
Penggunaan data sekunder memerlukan daftar pustaka. Laporan yang panjang, terutama yang bersifat teknis, memerlukan daftar pustaka.
Daftar pustaka mendokumentasikan sumber-sumber yang digunakan oleh penulis. Meskipun bibliografi mungkin berisi pekerjaan yang
digunakan sebagai latar belakang atau untuk studi lebih lanjut, lebih baik untuk memasukkan hanya sumber yang digunakan untuk menyiapkan
laporan.
> Menulis Laporan

Siswa sering memberikan perhatian yang tidak memadai untuk melaporkan temuan dan kesimpulan mereka. Ini sangat disayangkan. Sebuah
studi yang disajikan dengan baik akan sering mengesankan pembaca lebih dari sebuah studi dengan kualitas ilmiah yang lebih besar tetapi
dengan presentasi yang lebih lemah. Menilai sebuah laporan sebagai laporan yang ditulis dengan kompeten sering kali merupakan langkah #
pertama kunci dari keputusan manajer untuk menggunakan #temuan dalam pengambilan keputusan dan juga untuk mempertimbangkan
penerapan rekomendasi peneliti. Keterampilan menulis laporan sangat berharga bagi eksekutif junior atau peneliti yang bercita-cita untuk
berkembang dalam suatu organisasi. Sebuah studi yang ditulis dengan baik sering meningkatkan prospek karir.
Masalah Prapenulisanwriting
Sebelum menulis, ada baiknya bertanya lagi, Apa tujuan dari laporan ini? Menanggapi pertanyaan ini adalah salah satu cara
untuk mengkristalkan masalah.
Pertanyaan prapenulisan kedua adalah, Siapa yang akan membaca laporan? Pemikiran harus diberikan pada kebutuhan,
temperamen, dan bias penonton. Anda tidak boleh mendistorsi fakta untuk memenuhi kebutuhan dan bias ini tetapi
harus mempertimbangkannya saat mengembangkan presentasi. Mengetahui siapa yang akan membaca laporan mungkin
menyarankan panjang yang sesuai. Umumnya, semakin tinggi laporan dalam suatu organisasi, semakin pendek seharusnya.
Pertimbangan lain adalah latar belakang teknis—kesenjangan dalam pengetahuan subjek antara pembaca dan penulis.
Semakin besar kesenjangan, semakin sulit untuk menyampaikan #temuan secara utuh secara bermakna dan ringkas.
Pertanyaan prapenulisan ketiga adalah, Apa keadaan dan batasan di mana saya menulis? Apakah sifat
subjek sangat teknis? Apakah Anda memerlukan statistik? Bagan? Apa pentingnya topik? Subyek penting
membutuhkan lebih banyak usaha daripada yang kecil. Apa yang harus menjadi ruang lingkup laporan?
Berapa banyak waktu yang tersedia? Tenggat waktu sering kali memberikan batasan pada "laporan.
Terakhir, Bagaimana laporan akan digunakan? Cobalah untuk memvisualisasikan pembaca menggunakan laporan.
Bagaimana informasi dapat dibuat lebih nyaman? Berapa banyak usaha yang harus diberikan untuk mendapatkan
perhatian dan minat pembaca? Apakah laporan akan dibaca oleh lebih dari satu orang? Jika demikian, berapa banyak
salinan yang harus dibuat? Apa yang akan menjadi distribusi laporan?
Garis Besar
Setelah peneliti membuat analisis data pertama, menarik kesimpulan sementara, dan menyelesaikan uji
signifikansi statistik, sekarang saatnya untuk mengembangkan garis besar. Sebuah sistem yang berguna
menggunakan struktur organisasi berikut:
I. Judul Topik Utama """A.

Judul Subtopik Utama
""""""""""""1. Subtopik
""""""""""""""""a. Subtopik minor
"""""""""""""""""""(1) Detail lebih lanjut """"
""""""""""""""""""""(a) Lebih detail lagi
Perangkat lunak untuk mengembangkan garis besar dan menghubungkan ide secara visual menyederhanakan tugas yang dulunya
berat ini. Dua gaya kerangka yang banyak digunakan — kerangka topik dan kerangka kalimat. Dalamgaris besar topik,
satu atau dua kata kunci digunakan. Asumsinya adalah bahwa penulis mengetahui signifikansinya dan nantinya
akan mengingat sifat argumen yang diwakili oleh kata atau frasa itu atau, sebagai alternatif, pembuat garis tahu
bahwa suatu poin harus dibuat tetapi belum yakin bagaimana membuatnya.
Itu garis besar kalimat mengungkapkan pemikiran penting yang terkait dengan topik tertentu. Pendekatan ini menyisakan lebih
sedikit pekerjaan pengembangan untuk penulisan selanjutnya, selain elaborasi dan penjelasan untuk meningkatkan keterbacaan. Ini
memiliki keuntungan yang jelas mendorong penulis untuk membuat keputusan tentang apa yang harus dimasukkan dan bagaimana
mengatakannya. Ini mungkin gaya garis besar terbaik untuk peneliti yang tidak berpengalaman karena membagi pekerjaan menulis
menjadi dua komponen utama — apa yang harus dikatakan dan bagaimana mengatakannya.
Berikut adalah contoh jenis detail yang ditemukan dengan masing-masing format kerangka ini:
Garis Besar Topik Garis Besar Kalimat
I. Permintaan I. Permintaan lemari es

!!!!!SEBUAH. Bagaimana diukur !!!!!SEBUAH. Diukur dalam hal pengiriman pabrik seperti yang dilaporkan ke AS
!!!!!!!!!!!!1. Kesalahan disengaja !!!!!!!!!!!!!2. Departemen perdagangan.
Kesalahan pengiriman !!!!!!!!!!!!!!!!!!a. 1. Kesalahan dimasukkan ke dalam perbandingan tahun-ke-tahun karena
Varian bulanan pelaporan bersifat sukarela.
2. Faktor kedua adalah variasi dari bulan ke bulan karena pola
pengiriman dan faktur.
Sebuah. Variasi hingga 30 persen tahun ini tergantung pada
apakah pengiriman diukur dengan data pengiriman aktual
atau tanggal faktur.
Daftar Pustaka
Manual gaya memberikan panduan tentang bentuk, bagian dan pengaturan abjad, dan anotasi.
Kutipan yang tepat, gaya, dan format unik untuk tujuan laporan. Instruktur, program, institusi, atau
klien sering menetapkan persyaratan gaya. Keunikan dari berbagai persyaratan membuat
contoh rinci dalam bab ini tidak praktis, meskipun catatan akhir dan referensi dalam buku ini memberikan
contoh. Seperti dikutip dalam Lampiran A pada proposal penelitian, kami merekomendasikan:Manual
Publikasi dari American Psychological Association; Kate L. Turabian, Buku Pedoman Penulis Term Paper,
Tesis, dan Disertasi; dan Joseph Gibaldi, Buku Pegangan MLA untuk Penulis Makalah Penelitian.
Perangkat lunak pengambilan bibliografi memungkinkan peneliti untuk menemukan dan menyimpan referensi dari
layanan online dan menerjemahkannya ke dalam catatan basis data. Entri dapat dicari lebih lanjut, diurutkan, diindeks, dan
diformat ke dalam bibliografi dengan gaya apa pun. Banyak program pengambilan yang kompatibel dengan jaringan dan
terhubung ke pengolah kata populer. EasyBib (www.easybib.com) dan BibMe (www.bibme.org) adalah dua contoh.
Menulis Draf
Setelah kerangka selesai, keputusan dapat dibuat tentang penempatan grafik, tabel, dan bagan. Masing-masing
harus dicocokkan dengan bagian tertentu dalam garis besar. Meskipun grafik mungkin ditambahkan nanti atau
t perkiraan grafis sebelum mulai menikah
nanti dalam bab ini.
ch penulis menggunakan mekanisme yang berbeda untuk
mendapatkan ghts ke dalam bentuk tertulis. Beberapa akan
menulis dengan mengandalkan orang lain untuk menyalin
format prosa kata-proses mereka. Yang lain paling senang
dengan pengolah kata, dapat menambah, menghapus, dan
melanjutkan sesuka hati. Apa pun yang cocok untuk Anda adalah
yang terbaik untuk digunakan.
paket perangkat lunak komputer memeriksa ejaan s dan
menyediakan tesaurus untuk mencari alternatif untuk
mengekspresikan pikiran. Internet menawarkan
kamus bahasa Inggris oxford, diyakini sebagai kamus
terbaik dalam bahasa apa pun. Kebingungan kata umum (
sana untuk mereka, untuk untuk terlalu, atau efek untuk
mempengaruhi) tidak akan ditemukan oleh pemeriksa ejaan
standar. Program lanjutan akan memeriksa laporan Anda
untuk tata bahasa, tanda baca, kapitalisasi, digandakan
kata, transposisi huruf, homonim, masalah gaya, dan tingkat keterbacaan. Pemeriksa gaya akan mengungkapkan
kata-kata yang disalahgunakan dan menunjukkan ungkapan yang canggung. Tampilan 19-4 menunjukkan contoh
keluaran dari paket komersial yang digunakan pada salah satu sketsa teks ini. Program yang ditampilkan menulis
komentar ke teks #le, menyiapkan salinan cadangan dari yang asli, dan menghasilkan laporan statistik. Statistik
merangkum evaluasi program keterbacaan, tingkat kelas, dan struktur kalimat. Perbandingan dengan dokumen
"referensi", atau dokumen yang Anda kirimkan untuk perbandingan, dapat dilakukan. Perangkat lunak tidak dapat
menjamin laporan bebas kesalahan tetapi akan sangat mengurangi waktu Anda dalam mengoreksi dan
meningkatkan gaya produk yang telah selesai.4
Keterbacaan
Penulis yang sensitif mempertimbangkan kemampuan membaca pembacanya untuk mencapai tingkat pembaca yang tinggi. Anda
dapat memperoleh jumlah pembaca yang tinggi dengan lebih mudah jika topik tersebut menarik minat pembaca dan sesuai dengan
bidang keahlian mereka. Selain itu, Anda dapat menunjukkan kegunaan laporan dengan menunjukkan bagaimana laporan itu akan
membantu pembaca. Terakhir, Anda dapat menulis pada level yang sesuai dengan kemampuan membaca audiens. Untuk menguji
tulisan untuk tingkat kesulitan, gunakan standarindeks keterbacaan. Skor Kemudahan Membaca Flesch memberikan skor antara 0
dan 100. Semakin rendah skor, semakin sulit materi untuk dibaca. Tingkat Tingkat Flesch-Kincaid dan Indeks Kabut Gunning
keduanya memberikan skor yang sesuai dengan tingkat tingkat yang diperlukan untuk membaca dan memahami dokumen dengan
mudah. Meskipun dimungkinkan untuk menghitung indeks ini dengan tangan, beberapa paket perangkat lunak akan melakukannya
secara otomatis. Paket paling canggih memungkinkan Anda untuk menentukan tingkat membaca yang diinginkan. Kata-kata yang
berada di atas level itu disorot untuk memungkinkan Anda memilih alternatif.
>Pameran 19-4 Hasil Pengoreksi Tata Bahasa dan Gaya
Statistik Perbandingan
Statistik untuk: Bab Vignette Masalah yang ditandai/terdeteksi: 8/8 Bagan Perbandingan Keterbacaan
Statistik Keterbacaan Vignette Bab Skor Kemudahan

Kemudahan Membaca Flesch: 66 Tingkat Kelas Flesch-Kincaid: 8 Membaca Flesch 66
Indeks Kabut Gunning: 11 Alamat Gettysburg 64
Cerita pendek Hemingway 86
Statistik Paragraf Polis asuransi jiwa 45
Jumlah paragraf: 25 Panjang rata-rata: 2,2 kalimat
Vignette Bab Level Kelas
Statistik kalimat Flesch-Kincaid 8
Jumlah kalimat: 55 Panjang rata- Suara pasif: 4 Alamat Gettysburg 11
rata: 13,8 kata Pendek (< 12 kata) : 39 Cerita pendek Hemingway 5
Polis asuransi jiwa 13
Berakhir dengan "?" : 2 Panjang (> 28 kata) : 7
Berakhir dengan "!" : 0 Bagan Perbandingan Statistik Kalimat
Kalimat Rata-Rata per Paragraf Bab

Statistik Kata
Vignette 2.2
Jumlah kata: 759 Panjang rata-rata: 4.58 huruf
Alamat Gettysburg 4.1
Cerita pendek Hemingway 2.8
Polis asuransi jiwa 3.2
Ringkasan Dokumen untuk: Bab Vignette Masalah terdeteksi: 8
Rata-rata Kata per Kalimat Bab
Statistik Keterbacaan Penafsiran
Vignette 13.8
Tingkat kelas: Tingkat pilihan untuk sebagian besar pembaca. Alamat Gettysburg 26.8
8 (Flesch-Kincaid) Cerita pendek Hemingway 13.5
Skor kemudahan membaca: Ini mewakili 6 sampai 10 tahun Polis asuransi jiwa 23.9
66 (Daging) sekolah.
Bagan Perbandingan Statistik Kata
Suara pasif: Tulisan mungkin sulit dibaca atau
Rata-rata Huruf per Kata
331 ambigu untuk gaya penulisan ini.
Bab Vignette 4,5
Panjang kalimat rata-rata: Sebagian besar pembaca dapat dengan mudah Alamat Gettysburg 4.2
13.8 kata memahami kalimat sepanjang ini.
Cerita pendek Hemingway 4.0
Panjang kata rata-rata: Kosakata yang digunakan dalam dokumen ini Polis asuransi jiwa 4.7
1,50 sl. dapat dimengerti oleh sebagian besar pembaca.
Panjang paragraf rata-rata: Sebagian besar pembaca dapat dengan mudah
2.2 kalimat mengikuti paragraf sepanjang ini.
Pendukung pengukuran keterbacaan tidak mengklaim bahwa semua materi tertulis harus dibuat sesederhana
mungkin. Mereka hanya berpendapat bahwa levelnya harus sesuai untuk penonton. Mereka menunjukkan bahwa buku
komik mendapat skor sekitar 6 pada skala Gunning (yaitu, seseorang dengan pendidikan kelas enam harus dapat membaca
materi itu).Waktu biasanya skor sekitar 10, sementara Atlantik dilaporkan memiliki skor 11 atau 12. Materi yang skornya
jauh di atas 12 menjadi sulit dibaca oleh publik dengan nyaman. Langkah-langkah seperti itu jelas hanya memberikan
gambaran kasar tentang keterbacaan laporan yang sebenarnya. Menulis yang baik membutuhkan berbagai keterampilan
lain untuk meningkatkan pemahaman membaca.
Kelengkapan
Tulisan yang baik berbeda dengan tujuan penulisan. Penulisan penelitian dirancang untuk menyampaikan
informasi yang sifatnya tepat. Hindari ambiguitas, makna ganda, dan kiasan. Berhati-hatilah untuk memilih kata
yang tepat—kata-kata yang menyampaikan pikiran secara akurat, jelas, dan efisien. Ketika konsep dan konstruksi
digunakan, mereka harus didefinisikan, baik secara operasional maupun deskriptif.
Kata-kata dan kalimat harus diatur dan diedit dengan hati-hati. Pengubah yang salah tempat merajalela dalam laporan yang
ditulis dengan sembarangan. Gagasan bawahan yang bercampur dengan gagasan utama membuat laporan membingungkan
pembaca, memaksa mereka untuk memilah mana yang penting dan mana yang sekunder ketika hal ini seharusnya dilakukan untuk
mereka.
Akhirnya, ada masalah kecepatan. Kecepatan didefinisikan sebagai:
Tingkat di mana halaman yang dicetak menyajikan informasi kepada pembaca!.!.!.!. Kecepatan yang tepat dalam penulisan teknis
adalah yang memungkinkan pembaca untuk menjaga pikirannya bekerja hanya sepersekian detik di belakang matanya saat dia
membaca. Secara logis akan lambat jika informasinya rumit atau sulit dipahami; cepat ketika informasinya mudah dan akrab. Jika
pikiran pembaca tertinggal di belakang matanya, langkahnya terlalu cepat; jika pikirannya mengembara di depan matanya (atau
ingin) langkahnya terlalu lambat.5
Jika teks penuh dengan konsep, ada terlalu banyak informasi per kalimat. Sebaliknya, tulisan yang jarang memiliki terlalu
sedikit ide yang signifikan per kalimat. Penulis menggunakan berbagai metode untuk menyesuaikan kecepatan penulisan
mereka:
• Gunakan ruang putih yang cukup dan margin yang lebar untuk menciptakan efek psikologis yang positif pada pembaca.
• Pecah unit teks yang besar menjadi unit yang lebih kecil dengan judul untuk menunjukkan organisasi topik.
• Hilangkan teks yang sulit dengan bantuan visual jika memungkinkan.
• Tekankan materi penting dan kurangi penekanan materi sekunder melalui konstruksi kalimat dan
penggunaan yang bijaksana dari huruf miring, garis bawah, kapitalisasi, dan tanda kurung.
• Pilih kata-kata dengan hati-hati, pilih yang dikenal dan pendek daripada yang tidak diketahui dan panjang.
Mahasiswa pascasarjana, khususnya, tampaknya senang menggunakan jargon, konstruksi sombong, dan kata-kata
panjang atau misterius. Secara alami, ada kalanya istilah teknis tepat. Para ilmuwan berkomunikasi secara efisien
dengan jargon, tetapi audiens untuk sebagian besar penelitian terapan tidak terlatih secara ilmiah dan
membutuhkan lebih banyak bantuan daripada yang diberikan oleh banyak penulis.
d ide-ide sulit sehingga pembaca punya waktu untuk menyerapnya.
rds. Ini adalah kata-kata yang “tidak mewakili objek atau ide,
semua kata, seperti kata penghubung, adalah kata layanan.
Jadi kata-kata seperti 'di sisi lain', 'ringkasan', dan 'in ast.' ”6
tidak
Perbaiki tulisan untuk memastikan nadanya sesuai. Pembaca bisa, dan

d, dirujuk, tetapi peneliti harus menghindari mengacu pada mereka-
s. Seorang penulis mencatat bahwa "penerapan sikap 'kamu'.".". s pesan
terdengar seperti itu ditulis untuk pembaca, tidak dikirim oleh
r. Pesan yang disiapkan untuk pembaca menyampaikan ketulusan,
kehangatan personal, dan keterlibatan penulis.”7 Untuk mencapai
menghapus ungkapan negatif dan menulis ulang pikiran positif. Jangan
berikan rekomendasi atau temuan Anda untuk membuatnya positif.
iklan, tinjau frasa. Manakah dari berikut ini yang terdengar lebih baik?
dan pengguna tidak ingin Departemen Sistem Informasi memberi tahu mereka
perangkat lunak apa yang akan dibeli.
dan pengguna menginginkan lebih banyak otonomi atas perangkat lunak komputer mereka.
pesan menyampaikan informasi yang sama, tetapi nada positif dari

pesan singkat tidak membuat pembaca dari Departemen Sistem
Informasi menjadi defensif.
Bukti Akhir
Perangkat lunak office suite terintegrasi seperti Microsoft Office telah
membuatnya jauh lebih mudah, dan lebih menantang, untuk menyusun laporan Akan sangat membantu untuk menyimpan draf selama sehari sebelum melakukan
penelitian. Sponsor penelitian mengharapkan laporan yang jelas dan terorganisir
pengeditan #nal. Pergi ke pantai, naik sepeda di taman, atau menonton film—
dengan baik dan perangkat lunak dapat menyampaikannya. Namun, mereka juga
lakukan apa pun yang tidak terkait dengan proyek penelitian. Kemudian kembali ke
mengharapkan kesempurnaan. Hanya dengan penyuntingan dan penulisan
ulang yang cermat, ditambah dengan penggunaan perangkat lunak yang laporan dan membacanya dengan mata kritis. Apakah tulisannya mengalir dengan
terampil, peneliti mampu memenuhi harapan itu. lancar? Apakah ada transisi di mana mereka dibutuhkan? Apakah organisasi?
jelas bagi pembaca? Apakah temuan dan kesimpulan cukup memenuhi rumusan masalah dan tujuan
penelitian? Apakah tabel dan grafik menampilkan informasi yang tepat dalam format yang mudah dibaca?
Setelah meyakinkan diri sendiri bahwa draf sudah selesai, tulis ringkasan eksekutif.
Pertimbangan Presentasi
Pertimbangan terakhir dalam proses penulisan laporan adalah produksi. Laporan dapat diketik; dicetak pada ink-
jet, laser, warna, atau printer lainnya; atau dikirim untuk pengaturan huruf. Kebanyakan mahasiswa dan laporan
penelitian kecil diketik atau diproduksi pada printer komputer. Penyajian laporan menyampaikan kepada pembaca
pendekatan profesional yang digunakan di seluruh proyek. Perhatian harus diberikan untuk menggunakan font
yang kompatibel di seluruh laporan. Printer harus menghasilkan huruf yang konsisten dan mudah dibaca pada
kertas berkualitas. Ketika laporan difotokopi untuk lebih dari satu pembaca, pastikan salinannya bersih dan tidak
ada garis hitam atau area abu-abu.
Kepadatan teks menciptakan masalah tampilan. Pembaca membutuhkan kelegaan visual yang disediakan oleh
ruang putih yang cukup. Kami mendefinisikan "cukup" sebagai 1 inci ruang putih di margin atas, bawah, dan
kanan. Di sisi kiri, margin harus setidaknya 1$ inci untuk menyediakan ruang untuk mengikat atau membuat
lubang. Margin yang lebih besar akan sering meningkatkan tampilan laporan dan membantu menyoroti poin atau
bagian utama. Kepadatan juga terjadi ketika laporan berisi halaman demi halaman dari blok besar teks yang tidak
terputus. Hal ini menghasilkan efek psikologis yang tidak menyenangkan bagi pembaca karena penampilannya
yang tangguh. Namun, teks yang terlalu padat dapat dihindari dengan cara berikut:
• Gunakan paragraf yang lebih pendek. Sebagai panduan kasar, paragraf apa pun yang lebih panjang dari setengah halaman patut
dicurigai. Ingatlah bahwa setiap paragraf harus mewakili pemikiran yang berbeda.
• Indentasi bagian teks yang mewakili daftar, kutipan panjang, atau contoh.
• Gunakan judul dan subjudul untuk membagi laporan dan bagian utamanya menjadi bagian topikal
yang homogen.
• Gunakan daftar titik vertikal (seperti daftar ini).
Pelabelan yang tidak memadai menciptakan masalah fisik lainnya. Setiap grafik atau tabel harus berisi informasi yang
cukup untuk menjelaskannya sendiri. Judul teks dan subjudul juga membantu pelabelan. Mereka berfungsi sebagai tanda
bagi audiens, menggambarkan organisasi laporan dan menunjukkan kemajuan diskusi. Mereka juga membantu pembaca
membaca sekilas materi dan kembali dengan mudah ke bagian-bagian tertentu dari laporan.
> Presentasi Statistik8

Penyajian statistik dalam laporan penelitian menjadi tantangan tersendiri bagi penulis. Empat cara dasar untuk
menyajikan data tersebut adalah dalam (1) paragraf teks, (2) bentuk semitabular, (3) tabel, atau (4) grafik.
Presentasi Teks
Ini mungkin metode presentasi yang paling umum ketika hanya ada sedikit statistik. Penulis dapat mengarahkan
perhatian pembaca pada angka atau perbandingan tertentu dan menekankan poin-poin tertentu. Kekurangannya
adalah bahwa statistik terendam dalam teks, mengharuskan pembaca untuk memindai seluruh paragraf untuk
mengekstrak maknanya. Materi berikut memiliki beberapa perbandingan sederhana tetapi
menjadi lebih rumit ketika teks dan statistik digabungkan:
Walmart mendapatkan kembali peringkat nomor-1 di Forbes 500 karena kinerja penjualannya yang kuat
(peningkatan 11%; $351,1 miliar). Meskipun Walmart melampaui peringkat nomor-2 Exxon Mobil dalam
penjualan, profitabilitas Walmart ($11,2 miliar) jauh di bawah raksasa minyak ($39,5 miliar). Beberapa memuji
beberapa masalah hubungan masyarakat yang menantang dengan tingkat yang lebih rendah dari yang
diperkirakan. General Electric peringkat ke-6 juga mengungguli Walmart dalam laba dengan $20,8 miliar.
Bagian ini
Pertumbuhan penjualan GE yang kuat (27,4%) adalah indikasi bahwa kemungkinan akan menantang Walmart berlanjut
dan ExxonMobil di masa depan. pada p. 529
>Menutupnaik
Laporan Tertulis MindWriter
Sebuah laporan tertulis adalah puncak dari proyek sebagian besar datanya. Referensi ke bab di mana rincian spesifik
MindWriter, yang telah mengilustrasikan proses dapat ditinjau ditampilkan dalam komentar marginal.
PikiranPenulis
penelitian di seluruh buku ini. Kontrak untuk Penyajian temuan mengikuti spesifikasi isi Tampilan 19-2
Proyek CompleteCare memerlukan laporan tentang ukuran proyek jangka siswa. untuk laporan singkat. Itu berada di antara memo/surat dan
Meskipun bagian-bagian yang berulang telah dihilangkan untuk menghemat ruang, laporan teknis singkat. Tujuannya adalah untuk membuatnya
hal itu seharusnya memberikan gambaran kepada pembaca tentang bagaimana tersedia dengan cepat untuk umpan balik ke tim CompleteCare.
proyek yang diterapkan dengan ukuran ini diringkas. Statistik deskriptif dan grafik Oleh karena itu dibuat sebagai lampiran email PDF.
sederhana digunakan untuk menganalisis dan menyajikan
Lembar sampul faks berfungsi

sebagai surat pengiriman
sementara sampai salinan
kertas biasa dikirim.
Untuk: Anggur Myra Dari: Jason Henry
Perusahaan: MindWriter Corp. Perusahaan: Henry dan Rekan
Ini menyediakan semua Lokasi: Austin, TX Bldg 5 Lokasi: Pantai Palm, Florida
identifikasi yang diperlukan dan Telepon: 512.555.1234 Telepon: 407.555.4321
informasi kontak. Hubungan Fax: 512.555.1250 Fax: 407.555.4357
penulis dan penerima membuat
penggunaan nama depan tepat.
Jumlah total halaman termasuk yang ini: 11
5 Januari 2014
Otorisasi untuk studi. Myra yang terhormat,
Lingkup temuan (bulan).

Instruksi khusus untuk Faks ini berisi laporan CompleteCare Desember yang diminta oleh Tn. Malraison. Anda
masalah proses. mungkin mengharapkan salinan kertas biasa besok pagi untuk didistribusikan.
Permintaan tindak lanjut oleh Kami berharap bahwa Pusat Panggilan akan menyelesaikan survei nonresponden sehingga
klien untuk mengurangi kami dapat mengetahui sejauh mana hasil ini mewakili semua pelanggan CompleteCare.
keterbatasan penelitian.
Pembaruan kemajuan Temuan bulan ini menunjukkan perbaikan di bidang yang kita diskusikan minggu lalu melalui
dan umpan balik pada telepon. Tingkat respons juga meningkat. Anda akan senang mengetahui bahwa analisis awal
perbaikan. kami menunjukkan peningkatan peringkat kurir.
Salam Hormat,
Jason
>Menutupnaiklanjutan
Judul berisi referensi ke

survei dan program yang
diketahui. Deskripsi
variabel, hubungan, dan Pelanggan Perawatan Lengkap
populasi adalah
tidak perlu.
Hasil Survei bulan Desember
Penerima laporan,
korporasi, dan tanggal Disiapkan untuk Myra Wines
muncul berikutnya.
MindWriter Corporation
Januari 2014
penyusun laporan, Henry dan Rekan

lokasi, dan nomor telepon 200 Menara ShellPoint
memudahkan kontak untuk Pantai Palm, Florida 33480
informasi tambahan.
407.555.4321
email: info@henry &assoc.com

www.henry&assoc.com
tingkat informasi
mengidentifikasi ini
sebagai sirkulasi terbatas

RAHASIA MindWriter
dokumen untuk internal
gunakan saja.
Judul diulang.
Hasil Desember MindWriter CompleteCare
Judul bagian adalah

bekas. pengantar
Laporan ini didasarkan pada data bulan Desember yang dikumpulkan dari MindWriter
Pendahuluan berisi
CompleteCare Survey. Survei menanyakan kepuasan pelanggan terhadap sistem
periode pertanggungan
perbaikan dan servis CompleteCare. Tujuan kedua adalah untuk mengidentifikasi target
untuk laporan, manajemen
perbaikan bulanan untuk manajemen.
pertanyaan, dan tujuan
penelitian sekunder. Temuan disusun ke dalam bagian berikut: (1) ringkasan eksekutif,
(2) metode yang digunakan, (3) Grid Peningkatan Layanan, (4) temuan rinci untuk
Ikhtisar isi laporan
setiap pertanyaan, dan (5) pola dalam pertanyaan terbuka.
memungkinkan pembaca
untuk beralih ke bagian
tertentu yang menarik. Ringkasan bisnis plan
Tingkat kepuasan tertinggi dengan CompleteCare ditemukan dalam kategori “kecepatan

Ringkasan eksekutif
pengiriman” dan “kecepatan pengambilan”. Skor rata-rata pada item ini adalah antara these
memberikan sinopsis dari
4.2 dan 4.4 pada skala 5 poin. “Kecepatan perbaikan”, “kondisi saat kedatangan”, dan “kesan
temuan-temuan penting. Ini
keseluruhan efektivitas CompleteCare” juga dinilai relatif baik. Mereka berada di atas
adalah laporan dalam bentuk mini memenuhi semua harapan tingkat (lihat grafik yang sesuai).
—enam paragraf.
Beberapa pertanyaan ada di bawah memenuhi semua harapan tingkat. Dari yang terendah,
“responsivitas Call Center,” hingga “kompetensi teknis Call Center,” dan “pengaturan layanan
kurir,” skor rata-rata berkisar antara 2,0 hingga 3,9. Secara umum, peringkat telah meningkat
Baik hasil positif dan
sejak November dengan pengecualian "kondisi saat kedatangan".
negatif dikapsulkan.
Tiga item yang paling banyak menimbulkan komentar negatif adalah (1) masalah
dengan pengaturan kurir, (2) lama menunggu telepon, dan (3) transfer antar banyak
orang di Call Center. Komentar yang sama ini terbawa selama dua bulan terakhir.
Kriteria CompleteCare untuk Pelanggan yang Tidak Puas terdiri dari komentar negatif di
Kriteria untuk indeks
bagian Komentar/Saran atau penilaian kurang dari tiga (3,0) pada pertanyaan satu
disediakan sebagai pengingat. sampai delapan. Empat puluh tiga persen sampel memenuhi kriteria ini, turun dari 56
persen bulan lalu. Dengan menghitung hanya komentar pelanggan (positif/negatif atau
+/–), persentase Pelanggan yang Tidak Puas adalah 32 persen.
Rasio komentar negatif terhadap positif adalah 1,7 banding 1, peningkatan dibandingkan
rasio November (2,3 banding 1).
Metodologi, Ketika skor kepuasan berbasis harapan disesuaikan untuk kepentingan yang dirasakan,
dilaporkan secara singkat, "Call Center responsif," "Call Center kompetensi teknis," dan "pengaturan kurir"
mengingatkan pembaca tentang diidentifikasi sebagai item tindakan. "Kecepatan perbaikan" dan "resolusi masalah"
metode pengumpulan data, mempertahankan skor penting yang tinggi dan juga dinilai di atas rata-rata.
sifat dan bentuk
dari kuesioner,
Metodologi
skala yang digunakan, dan
masalah pengukuran target.

Instrumen pengumpulan data adalah survei online. Partisipasi diminta melalui
email di antara pengguna program CompleteCare.
Sampel, sampel Survei ini terdiri dari 12 pertanyaan kepuasan yang diukur pada skala 5 poin. Pertanyaan
nonprobabilitas yang mencatat sejauh mana komponen proses CompleteCare (pengaturan untuk menerima
memilih sendiri, dan tingkat komputer pelanggan melalui pengembalian produk yang diperbaiki) memenuhi kebutuhan
respons ditampilkan. Dengan pelanggan.harapan. Sebuah pertanyaan kategoris terakhir menanyakan apakah pelanggan
data responden dari akan menggunakan CompleteCare lagi. Ruang untuk saran disediakan.
kartu pos dan file Call Center

tentang nonrespondents,
Sampel
studi masa depan tentang
nonresponse Sampel terdiri dari 175 pelanggan yang memberikan kesan efektivitas CompleteCare.
bias direncanakan. Untuk periode empat minggu, tingkat respons adalah 35 persen tanpa insentif yang
diberikan. Belum ada yang diketahui tentang perbedaan antara responden dan
nonresponden.
Bagian ini memulai
bagian Temuan. Temuan
Kisi Peningkatan Layanan
terdiri dari tindakan
perencanaan grid dan Kisi di halaman tiga membandingkan sejauh mana harapan terpenuhi bersama dengan were
bagian hasil rinci. Itu kepentingan turunan dari harapan tersebut. Skor rata-rata untuk kedua sumbu menentukan garis
judul telah ditentukan pemisah untuk keempat kuadran. Kuadran diberi label untuk mengidentifikasi item yang dapat
oleh klien. ditindaklanjuti dan untuk menyoroti item yang perlu diperhatikan untuk peningkatan atau penurunan.
Metode untuk membuat Itu Upaya Konsentrasi kuadran adalah area di mana pelanggan sedikit puas dengan
kisi perencanaan dan isi layanan tetapi menganggap masalah layanan penting. Pertanyaan 1a, "Ketanggapan
kisi adalah Call Center," Pertanyaan 1b, "Kompetensi teknis Call Center," dan Pertanyaan 2a,
disorot. "pengaturan kurir," ditemukan di sini. "Kompetensi teknis" dinilai sama bulan lalu.
Kepentingannya yang dirasakan dinilai lebih tinggi di bulan-bulan sebelumnya.
"Pengaturan kurir" telah meningkat dalam arti penting dari laporan sebelumnya.
Teknik statistik untuk
Tinggi
menghasilkan grid adalah
Upaya konsentrasi Kerja bagus
korelasi. Sebuah modifikasi
. 75
dari scatterplot adalah
Pengaturan kurir
digunakan untuk membuat plot
dengan garis referensi (lihat

Kecepatan perbaikan
. 70 teknis pusat
Bab 18). Masalah
kompetensi
resolusi
pusat
Pentingnya
Kurir
daya tanggap menjemput
. 65
. 60 Kondisi
pada saat kedatangan
Kurir
. 55 kecepatan pengiriman
Prioritas rendah berlebihan
Rendah 1.5 2.0 2.5 3.0 3.5 4.0 4,5 Tinggi
Kepuasan Perawatan Lengkap
catatan: Skor kepuasan berada dalam kisaran 1,0 hingga 5,0 dan kepentingan berada dalam kisaran 0 hingga 1,0.
Isi setiap kuadran Dalam Kerja bagus kuadran, CompleteCare memiliki, rata-rata, memenuhi semua harapan
dijelaskan. dengan pertanyaan "kecepatan perbaikan" dan "penjemputan kurir". Skor rata-rata mereka
Perbandingan dan lebih besar dari 4,0 dan dianggap penting oleh responden. "Penyelesaian masalah" telah
meningkat tetapi tetap menjadi perhatian batas.
koneksi ke bagian
berikutnya dipratinjau.
Tidak ada item di Prioritas rendah kuadran.
Membunuh secara berlebihan, kuadran terakhir, berisi dua pertanyaan. Pertanyaan 5, “kondisi pada saat
kedatangan,” telah meningkatkan peringkatnya selama bulan lalu tetapi telah sedikit turun pada skala
kepentingan karena rata-rata nilai kepentingan (garis horizontal) bergerak ke atas. Pertanyaan 2c, “kecepatan
pengiriman kurir,” memiliki peringkat kepuasan yang tinggi, tetapi responden menganggap item ini memiliki
tingkat kepentingan yang lebih rendah daripada sebagian besar masalah di CompleteCare.
Temuan rinci
Temuan rinci menunjukkan Gambar-gambar berikut memberikan (1) perbandingan skor rata-rata untuk setiap
hasil pertanyaan individu. pertanyaan selama tiga bulan terakhir dan (2) hasil pertanyaan individual. Yang terakhir berisi
Bagian ini mengumumkan frekuensi untuk nilai skala, persentase untuk setiap kategori, skor rata-rata, standar deviasi,
dan kasus yang valid untuk setiap pertanyaan. (Lihat Lampiran untuk kata-kata dan
dua bagian
penempatan pertanyaan.)
konten dan hadiah,
singkat dan dalam gaya
Perbandingan tiga bulan (Oktober, November, Desember) menunjukkan hasil untuk semua pertanyaan
langsung, hasil yang
berskala. Bilah data bulan Desember (berwarna biru tua) menunjukkan peningkatan pada semua skor
paling relevan.
rata-rata (sumbu vertikal) kecuali Pertanyaan 5, “kondisi pada saat kedatangan”. Sebagian besar aspek
proses layanan/perbaikan telah menunjukkan peningkatan selama periode tiga bulan.
Perbandingan Bulanan
5.0
Grafik ini memberikan pembaca
4,5
pandangan tiga bulan dari
semua pertanyaan secara 4.0
sekilas. Bilah vertikal adalah
3.5
yang paling sederhana dan
paling mudah dibaca untuk
3.0
jumlah ruang yang dialokasikan. 2.5
Garis kisi horizontal memandu
2.0
mata dari puncak bilah ke nilai
terdekat pada sumbu skor rata- 1.5
rata. 1.0
1a 1b 2a 2b 2c 3 4 5 6 7 8a 8b
Desember Berarti:
Bagan yang mirip dengan 1,98 2,89 3,89 4.19 4.44 4.17 4.10 4.14 4.14 4,54 4.02 4.09
ini dapat dibuat oleh
spreadsheet yang sama
Oktober November Desember
yang menangani entri
data. Program charting
menawarkan opsi lain dan
akan mengimpor data dari
spreadsheet.
Item individu pertama Pertanyaan 1a. Responsivitas Call Center.!!Pertanyaan ini memiliki skor rata-rata
dilaporkan dengan skor terendah dari survei. Dengan menggunakan metode pelaporan top-box (menggabungkan dua
rata-rata, persentase, dan kategori teratas), 11 persen responden merasa bahwa Call Center memenuhi atau melampaui
harapan mereka untuk responsivitas layanan. Ini hanya sedikit meningkat sejak November
rekomendasi untuk
dan memiliki implikasi yang signifikan terhadap target program. Berdasarkan kunjungan kami
perbaikan.
dan hasil terakhir, kami menyarankan Anda untuk segera memulai program kontingensi yang
telah kita diskusikan: pelatihan tambahan untuk operator Call Center dan penerapannya.
mentation rencana kepegawaian yang diusulkan.
Responsivitas Call Center

100
Bagan ini menyampaikan 90
pesan tentang respons
80
yang rendah bukan 45%
70
baik tetapi tidak memiliki label
untuk sumbu vertikal. Sangat 60

mudah untuk mengacaukan 50
persentase dengan 24%
40 21%
jumlah responden
30
(yang seharusnya
diwakili). 20
8%
10 3%
0
Format pelaporan Bertemu sedikit Bertemu dengan beberapa Bertemu paling banyak Bertemu semua Melebihi
serupa dilewati. Harapan
Skor rata-rata: 1,98 Standar deviasi: 1,09 Kasus yang valid: 159
Pertanyaan 6 menunjukkan Pertanyaan 6. Kesan Keseluruhan Efektivitas CompleteCare.
responden CompleteCare telah meningkatkan jumlah responden yang benar-benar puas dengan 46
kesan keseluruhan dari persen (dibandingkan 43 persen di bulan November) di melebihi harapan kategori. Skor
Perawatan Lengkap. Itu akan
top-box telah meningkat menjadi 75 persen responden (terhadap 70 persen di
November).
menjadi variabel dependen
yang ideal untuk studi regresi
di mana pertanyaan! 1
sampai 5 adalah
Variabel independen Kesan Keseluruhan Efektivitas CompleteCare
(lihat Bab 18 dan Pusat 100
Pembelajaran Online 90
suplemen Analisis Multivariat, 46%
80
Sebuah Tinjauan).
70
60
29%
50
40
17%
30
20
6%
10 2%
0
Bertemu sedikit Bertemu beberapa Paling sering ketemu Bertemu semua Melebihi
Harapan
Skor rata-rata: 4,14 Deviasi standar: 0,98 Kasus yang valid: 169
Pertanyaan 8a adalah
pertanyaan lain untuk lebih Soal 8a. Kemungkinan Membeli Kembali MindWriter Berdasarkan Pengalaman
penelitian rinci. Saya t
Layanan/Perbaikan. Skor rata-rata responden (4,02) untuk kemungkinan ini
skala hood adalah yang tertinggi bulan ini sejak pengukuran dimulai. Peningkatan pengaturan
memungkinkan peneliti untuk
layanan kurir dengan pelanggan dan penyelesaian masalah yang mendorong layanan
menghubungkan variabel
tampaknya menjadi prediktor terbaik untuk pembelian kembali saat ini.
yang menggambarkan pengalaman!
layanan/perbaikan dengan
niat pembelian ulang.

Menggunakan regresi yang dibuat
mungkin untuk mengidentifikasi Kemungkinan Membeli Kembali MindWriter

dua pengaruh kunci untuk
Berdasarkan Pengalaman Layanan/Perbaikan
pertanyaan ini.
100
90
Pertanyaan 8b (bukan 80 43%
ditampilkan) serupa, menanyakan
70 38%
tentang hubungan kinerja produk
60
dengan
niat pembelian ulang. 50

40
30
20 8%
7% 5%
10
0
Sangat Tidak mungkin Tidak mungkin Tidak mungkin Sangat mungkin
tidak sepertinya juga tidak mungkin
Skor rata-rata: 4,02 Standar deviasi: 1.10 Kasus yang valid: 165
Pola dalam Pertanyaan Terbuka

Kuesioner memiliki satu Kategori berikut ditemukan ketika komentar dan saran adalah
pertanyaan terbuka yang dianalisis. Rasio komentar negatif dan positif adalah 1,7 banding 1. Masalah
mendorong responden penjemputan terus menjadi masalah "kurir saja" dan koordinasi antara MindWriter
untuk memberikan dukungan telepon dan kurir. Pelanggan mengeluh memegang telepon untuk waktu
yang lama dan dipindahkan di antara orang-orang pendukung. Masalah dengan layanan
komentar atau saran.
dibagi antara masalah besar yang belum diperbaiki dan masalah kecil, masalah
gangguan yang siap dihadapi pelanggan. Komentar positif memuji perputaran dan
Analisis isi digunakan untuk layanan dan juga memuji operator teknis tertentu.
menyaring tanggapan (lihat
Bab 15).
Meskipun konten Komentar Negatif Menghitung
analisis menghasilkan
pengiriman 19
lebih dari frekuensi
hitungan berulang Masalah penjemputan (15)
tema, itu adalah Masalah pengiriman (2)

proses padat karya. Itu Kerusakan kotak (1)
pembatasan proyek
Kurir menagih pelanggan (1)
anggaran dan
kebutuhan audiens Pusat Panggilan 19
membuat bagian ini Terlalu lama menunggu (9)
laporan yang memadai untuk
Panggilan yang ditransfer terlalu sering/bingung
tujuannya.
(8) Tidak terlatih/sulit dimengerti (2)
Layanan 13
Masalah berlanjut (5)
Barang kecil tidak !diperbaiki/rusak (6)
Terlalu lama (2–7 minggu) (2)
Produk 6
Perlu beberapa kali
perbaikan (3) Cat luntur (2)
Ketidaksukaan umum terhadap produk (1)
Komentar Positif
Komentar positif umum tentang proses 13
Respon cepat 12
Layanan hebat 7
Personil telepon yang membantu 6
Komentar lain
MindWriter tidak perlu diperbaiki Memberikan informasi 4
lebih lanjut tentang apa yang telah dilakukan Tawarkan 2
garansi yang diperpanjang 1
Tidak akan menggunakan Pusat Panggilan MindWriter lagi 1
lampiran laporan ini
berisi salinan Lampiran: Kuesioner
kuesioner.
Penulis Pikiran komputer pribadi menawarkan kemudahan penggunaan dan pemeliharaan. Saat Anda membutuhkan layanan,
kami ingin Anda mengandalkanPerawatan Lengkap, dimanapun Anda berada. Itu sebabnya kami
meminta Anda meluangkan waktu untuk memberi tahu kami seberapa baik kami telah melayani Anda.
Jawablah pertanyaan pertama dengan menggunakan skala berikut: PikiranPenulis
bertemu Beberapa bertemu Beberapa bertemu Paling bertemu Semua Melebihi

Harapan Harapan Harapan Harapan Harapan
1 2 3 4 5
1 2 3 4 5
1. Bantuan telepon untuk masalah Anda:
Sebuah. Daya tanggap
b. Kompetensi teknis
2. Efektivitas jasa kurir:
Sebuah. Pengaturan
b. Kecepatan pengambilan
c. Kecepatan pengiriman
3. Kecepatan proses perbaikan secara keseluruhan
4. Penyelesaian masalah yang mendorong layanan/perbaikan
5. Kondisi MindWriter Anda pada saat kedatangan
6. Kesan keseluruhan dari efektivitas CompleteCare
Seberapa besar kemungkinan Anda akan . . .

Sangat Agak tidak juga Agak Sangat
Tidak sepertinya Tidak sepertinya Tidak sepertinya Mungkin Mungkin

atau mungkin
7. Gunakan CompleteCare di lain kesempatan
8. Beli kembali MindWriter lain berdasarkan:
Sebuah. Pengalaman servis/perbaikan
b. Kinerja Produk
Silakan bagikan komentar atau saran tambahan apa pun
Bagaimana kami dapat menghubungi Anda untuk menindaklanjuti setiap masalah yang Anda alami?
Nama keluarga Nama depan Surel
Kota Negara Kode Pos Telepon
Kode Layanan
Terima kasih atas partisipasinya.

KIRIMKAN
Presentasi Semitabular
Ketika hanya ada beberapa #gures, mereka dapat diambil dari teks dan terdaftar. Daftar perbandingan kuantitatif
jauh lebih mudah dibaca dan dipahami daripada statistik yang disematkan. Berikut ini adalah contoh presentasi
semitabular yang ditampilkan:
Walmart merosot ke No. 2 di Fortune 500 2011 setelah memegang posisi teratas selama dua tahun berturut-turut.
Raksasa ritel itu terpaksa memangkas harga secara agresif untuk membalikkan penurunan penjualan toko yang sama
di Amerika Serikat.
• Walmart adalah bisnis terbesar kedua di Fortune 500 dengan pendapatan naik 6 persen
tetapi laba turun 4,2 persen.
• Raksasa minyak dan energi Exxon Mobil adalah bisnis paling menguntungkan di Fortune 500 dengan
pendapatan naik 27,7 persen dan laba naik 34,8 persen.
• Sementara Exxon Mobil diuntungkan dari kenaikan harga minyak, Exxon Mobil juga memposisikan dirinya dengan baik untuk
memanfaatkan tren terbaru dalam produksi energi domestik: fracking.
• Meskipun harga minyak naik, tahun Chevron berakhir dengan catatan suram dengan kerugian kuartal keempat;
namun mempertahankan peringkat nomor 3 dengan pendapatan dan keuntungan tahunan melonjak, masing-
masing 25,1 persen dan 41,4 persen.
Presentasi Tabular
Tabel umumnya lebih unggul daripada teks untuk menyajikan statistik, meskipun harus disertai dengan komentar
yang mengarahkan perhatian pembaca ke #gambar penting. Tabel memfasilitasi perbandingan kuantitatif dan
menyediakan cara yang ringkas dan efisien untuk menyajikan data numerik.
Walmart merosot ke No. 2 di Fortune 500 2011 setelah memegang posisi teratas selama dua tahun berturut-turut.
Raksasa ritel itu terpaksa memangkas harga secara agresif untuk membalikkan penurunan penjualan di toko yang sama
di Amerika Serikat.
Bagaimana Walmart 2011 Pendapatan Pertumbuhan Pendapatan Keuntungan Pertumbuhan Laba
Membandingkan Pangkat ($,!jutaan) atas Tahun Sebelumnya ($,!jutaan) atas Tahun Sebelumnya
Exxon Mobil 1 452.926.0 27,7% 41,060.0 34,8%

Walmart 2 446.950.0 6.0% 15,699.0 24.2%
Chevron 3 245.621.0 25,1% 26.895.0 41,4%
Sumber: “2011 Forbes 500,” CNN Money, diakses 26 Juni 2012 (http://money.cnn.com/magazines/fortune/ fortune500/2012/
snapshots/387.html; http://money.cnn.com /majalah/keberuntungan/keberuntungan500/2012/snapshots/
2255.html; http://money.cnn.com/magazines/fortune/fortune500/2012/snapshots/385.html).
Tabel bersifat umum atau ringkasan. Tabel umum cenderung besar, kompleks, dan detail.
Mereka berfungsi sebagai gudang untuk #temuan statistik penelitian dan biasanya dalam
lampiran laporan penelitian.
Tabel ringkasan hanya berisi beberapa bagian penting dari data yang terkait erat dengan #penemuan tertentu. Untuk
membuatnya mengundang pembaca (yang sering melewatkannya), perancang tabel harus menghilangkan detail yang
tidak penting dan meruntuhkan beberapa klasifikasi ke dalam ukuran gabungan yang dapat menggantikan data asli.
Setiap tabel harus berisi informasi yang cukup bagi pembaca untuk memahami isinya. Judul
harus menjelaskan subjek tabel, cara pengklasifikasian data, jangka waktu, atau hal-hal lain
yang terkait. Subjudul terkadang disertakan di bawah judul untuk menjelaskan sesuatu tentang
tabel; paling sering ini adalah pernyataan unit pengukuran di mana data dinyatakan. Isi kolom
harus diidentifikasi dengan jelas oleh kepala kolom, dan isi rintisan harus melakukan hal yang
sama untuk baris. Badan tabel berisi data, sedangkan catatan kaki berisi penjelasan yang
diperlukan. Catatan kaki harus diidentifikasi dengan huruf atau simbol seperti tanda bintang,
bukan dengan angka, untuk menghindari kebingungan dengan nilai data. Terakhir, harus ada
catatan sumber jika data tidak berasal dari penelitian asli Anda.
>Pameran 19-5 Contoh Temuan Tabular
Persentase Penggunaan Internet di antara Orang Dewasa AS* Judul B

SEBUAH
Menggunakan tidak
Penggunaan Internet Rumah Kecepatan tinggi Internet untuk Membuat Kolom N

paling sedikit Menerima Internet atau Koneksi Info tentang Panggilan telepon Header E
Kadang Surel Penggunaan Email di rumah Hobi On line R
Distribusi Persen
Jenis kelamin
Pria 48 70 90 90 49 22
Perempuan 52 72 89 89 51 21
pendidikan
Kurang dari Lulusan 40 27 73 72 35 11
SMA 68 63 85 86 62 15
Beberapa perguruan tinggi 86 84 91 92 48 22
Lulusan Universitas 93 92 96 94 42 29
etnis
putih 79 75 91 90 49 20
Hitam 68 62 83 83 56 15
S Hispanik 66 58 85 88 52 23
T
kamu Usia Tubuh
B
18–29 91 83 89 91 48 33
30–49 86 80 89 90 51 20
50–64 73 69 91 90 51 12
65+ 39 38 92 81 49 12
Status Orang Tua
Induk 88 83 89 92 49 20
Bukan Orang Tua 70 66 90 88 50 22
Pendapatan
Kurang dari $30.000 60 53 79 83 51 12
$30,00–49,999 80 79 90 88 48 23
$50,000–74,999 88 85 97 94 57 20
$75.000+ 97 64 96 96 44 30
* Mengacu pada orang dewasa berusia 18 tahun atau lebih, dengan akses dalam waktu 30 hari sebelum partisipasi mereka dalam studi pelacakan. Catatan kaki
Sumber: Proyek Internet & Kehidupan Amerika PEW Research Center, Studi Pelacakan, 25 Juli–26 Agustus Sumber
2011 (Tabel: AACTIV31, AACTIV12, I_User, Home3NW, Modem3b, Emlocc, IntUse.) catatan
grafis
Dibandingkan dengan tabel, grafik menunjukkan lebih sedikit informasi dan seringkali hanya nilai perkiraan. Namun,
mereka lebih sering dibaca dan diingat daripada tabel. Keuntungan besar mereka adalah bahwa mereka menyampaikan
nilai-nilai kuantitatif dan perbandingan lebih mudah daripada tabel. Dengan program charting komputer pribadi, Anda
dapat dengan mudah mengubah satu set angka menjadi bagan atau grafik.
Ada banyak bentuk grafik yang berbeda. Tampilan 19-6 menunjukkan yang paling umum dan bagaimana
mereka harus digunakan. Bagan penjelasan statistik seperti boxplot, tampilan batang dan daun, dan histogram
dibahas dalam Bab 16. Grafik garis; diagram area, pai, dan batang; dan piktograf dan grafik 3-D mendapat
perhatian tambahan di sini.
Grafik Garis
Grafik garis digunakan chie!y untuk deret waktu dan distribusi frekuensi. Ada beberapa pedoman untuk
mendesain grafik garis:
• Letakkan satuan waktu atau variabel bebas pada sumbu horizontal.

• Saat menampilkan lebih dari satu baris, gunakan jenis garis yang berbeda (padat, putus-putus, putus-putus, putus-putus)
untuk"memungkinkan pembaca membedakannya dengan mudah.
• Cobalah untuk tidak menempatkan lebih dari empat baris pada satu grafik.
• Gunakan garis padat untuk data primer.
Penting untuk menyadari masalah persepsi dengan diagram garis. #rst adalah penggunaan garis dasar nol. Karena
panjang batang atau jarak di atas garis dasar menunjukkan statistik, penting bahwa grafik memberikan kesan
visual nilai yang akurat. Cara yang baik untuk mencapai ini adalah dengan memasukkan garis dasar nol pada skala
di mana kurva diplot. Menetapkan basis pada beberapa nilai lain berarti memperkenalkan bias visual. Hal ini dapat
dilihat dengan membandingkan tayangan visual di bagian A dan B dari Exhibit"19-7. Keduanya adalah plot akurat
dari sistem televisi kabel di Amerika Serikat dari tahun 1985 hingga 2012. Namun, pada bagian"A, menggunakan
baseline nol menempatkan kurva dengan baik pada grafik dan memberikan persepsi yang lebih baik tentang
hubungan antara ukuran absolut sistem kabel dan perubahan pada interval #ve-tahun. Grafik di bagian B, dengan
baseline 35 juta, dapat dengan mudah memberi kesan bahwa pertumbuhannya lebih cepat. Ketika spasi atau
alasan lain mendikte menggunakan skala yang diperpendek, titik dasar nol harus tetap digunakan tetapi dengan
jeda dalam skala seperti yang ditunjukkan pada bagian C dari Tampilan 19-7. Ini akan memperingatkan pembaca
bahwa skala telah dikurangi.
Keseimbangan ukuran antara skala vertikal dan horizontal juga mempengaruhi kesan pembaca terhadap data.
Tidak ada solusi tunggal untuk masalah ini, tetapi hasilnya dapat dilihat dengan membandingkan bagian B dan C
pada Tampilan 19-7. Di bagian C, skala horizontal dua kali lipat di bagian B. Ini mengubah kemiringan kurva,
menciptakan persepsi tingkat pertumbuhan yang berbeda.
Distorsi ketiga dengan diagram garis terjadi ketika perubahan relatif dan absolut di antara dua atau lebih kumpulan
data ditampilkan. Di sebagian besar bagan, kami menggunakan skala aritmatika, di mana setiap unit ruang memiliki nilai
yang identik. Ini menunjukkan perbedaan mutlak antar variabel, seperti pada bagian A dari Tampilan 19-8, yang menyajikan
penjualan truk ringan dan truk berat di Amerika Serikat dari tahun 1985 hingga 2011. Ini adalah cara yang benar secara
aritmatika untuk menyajikan data ini; tetapi jika kita tertarik pada tingkat pertumbuhan, tayangan visual dari skala semi-
logaritmik lebih akurat. Skala semi-logaritma menggunakan logaritma sepanjang satu sumbu (biasanya vertikal ataukamu
sumbu) dan skala aritmatika di sepanjang sumbu lainnya (biasanya horizontal atau X sumbu). Itukamu sumbu
menunjukkan kuantitas, dan X sumbu menunjukkan waktu. Data aritmatika dikonversi ke log alami oleh spreadsheet atau
perangkat lunak statistik dan diplot. Grafik semi-logaritmik mempertahankan hubungan persentase di seluruh skala.
Perbandingan diagram garis di bagian A dan B dari Peraga 19-8 menunjukkan seberapa besar perbedaan yang dibuat
oleh skala semi-logaritmik. Masing-masing berharga, dan masing-masing bisa menyesatkan. Pada bagian A, perhatikan
bahwa penjualan truk ringan dan berat telah tumbuh sejak tahun 1985 tetapi penjualan truk berat hanya sebagian kecil dari
Penjualan truk di AS dan memiliki kurva pertumbuhan yang jauh lebih baik. Seseorang bahkan dapat memperkirakan berapa
proporsi ini. Bagian B memberikan wawasan tentang tingkat pertumbuhan yang tidak jelas dari skala aritmatika. Ini menunjukkan
bahwa meskipun truk ringan mengalami lonjakan pertumbuhan yang besar antara 1985–2011, lonjakan yang tidak dimiliki oleh truk
berat, sejak itu pola pertumbuhannya lebih konsisten satu sama lain. Dari tingkat pertumbuhan yang dihitung, dalam dua dari empat
periode #ve-tahun terakhir yang diperiksa, pertumbuhan penjualan truk berat sebenarnya melebihi pertumbuhan penjualan truk
ringan, meskipun penjualan truk ringan jauh melebihi penjualan truk berat.
>Pameran 19-6 Panduan Bagan untuk Laporan Tertulis
Untuk Komponen Keseluruhan atau Frekuensi
Pai menunjukkan kue meledak Bar Sederhana Tempat Kolom Sederhana piktograf Batang Bertumpuk
hubungan bagian Menarik perhatian kategori pada Kategori tempat aktif Mewakili nilai Menunjukkan jumlah
untuk keseluruhan. Baji komponen kritis kamu sumbu dan jumlah itu X sumbu dan jumlah sebagai gambar; antara dari komponen
adalah nilai baris dari dalam keseluruhan. atau persentase pada atau persentase pada batang atau kolom. variabel; antara
data. itu X sumbu. kamu sumbu. batang atau kolom.
Untuk Hubungan atau Perbandingan
Batang Membandingkan Bullet Bar Membandingkan Kolom Membandingkan Penyimpangan (Bar atau Bilah Gambar Cermin Daerah (permukaan) Suka
entitas yang berbeda pada entitas yang berbeda pada entitas yang berbeda pada Kolom) Posisi Kategori posisi bagan garis, bandingkan
variabel atau komponen variabel atau komponen variabel atau komponen kategori aktif X sumbu dan di kamu sumbu dan nilai pada mengubah nilai tetapi
yang sama dari a yang sama dari a yang sama dari a nilai pada kamu sumbu. X sumbu sebagai gambar menekankan relatif
variabel. variabel. variabel. Penyimpangan membedakan cermin untuk berbeda nilai setiap seri.
positif dari negatif entitas.
nilai-nilai.
Gelembung Biasanya Garis Membandingkan Baris terisi Serupa plot kotak Menampilkan Langkah Membandingkan Bersebelahan
perkenalkan ketiga nilai dari waktu ke waktu untuk ke bagan garis, tetapi menggunakan distribusi dan titik-titik diskrit pada Batang Bertumpuk
variabel (titik menunjukkan perubahan dalam isian untuk menyorot rangkaian. membandingkan sumbu nilai dengan garis Membandingkan
ukuran yang berbeda). Sumbu tren. karakter dari vertikal menunjukkan komponen dua
bisa berupa penjualan, keuntungan; bentuk (Bab 17). perbedaan antara atau lebih item yang
gelembung adalah aset. poin. Tidak untuk menarik.
menunjukkan tren.
301
8 2
20
10
7 0 3
6 4
5
Kolom dengan Garis Pai Tumpuk Sama Beberapa Pai menggunakan Menyebarkan Menunjukkan jika Laba-laba (dan Radar)
Item yang paling menarik sebagai pie tetapi data yang sama seperti pai hubungan antara Garis pancaran adalah
disajikan di bar dan menampilkan dua atau bertumpuk tetapi memplot variabel mengikuti a kategori; nilai-nilai
dibandingkan dengan item lebih seri data. pai terpisah untuk setiap pola. Dapat digunakan adalah jarak dari
diwakili oleh garis; kolom data tanpa dengan satu variabel pada tengah (menunjukkan beberapa
kategori aktif X sumbu dan menumpuk. waktu yang berbeda. variabel—misalnya,
nilai pada kamu sumbu. kinerja, peringkat,
kemajuan).
>Pameran 19-7 Pelanggan Kabel, 1985–2012
SEBUAH B
70
60 65
Pelanggan kabel
Pelanggan kabel
50
(dalam jutaan)
(dalam jutaan)
40 55
30
20 45
10
0 35
1985 1990 1995 2000 2005 2010 2012 1985 1990 1995 2000 2005 2010 2012
Tahun Tahun
65
Pelanggan kabel
55
(dalam jutaan)
45
35
1985 1990 1995 2000 2005 2010 2012

Tahun
>Pameran 19-8 Penjualan Truk AS 1985–2011 (dalam ribuan)
A. Skala aritmatika B. Skala semi-logaritmik

10000 10000
9000
8000
1000
7000
6000
5000 100
4000
3000
10
2000
1000
0 0
1985 1990 1995 2000 2005 2010 2011 1985 1990 1995 2000 2005 2010 2011
Truk ringan Truk berat Truk ringan Truk berat
Penjualan 1985 1990 1995 2000 2005 2010 2011

Truk berat 295 277.5 388.4 461.9 496,5 217.6 306.1
Truk ringan 4446.7 4559.5 6081,4 8491.6 9228.4 5826 6540.7
Persen Pertumbuhan Penjualan
1985-1990 1990–1995 1995–2000 2000–2005 2005–2010 2010–2011

Truk berat 25.9 40.0 18.9 7.5 256.2 40.7
Truk ringan 2.5 33.4 39.6 8.7 236.9 12.3
Sumber: Data diambil dari Senat Michigan, diakses 25 Juni 2012 (http://www.senate.michigan.gov/sfa/
Ekonomi/RitelAutoSales.PDF).
>Pameran 19-9 Contoh Bagan Area: Bagan Stratum dan Dua Pai
Perhatikan bahwa dua diagram lingkaran tampaknya menunjukkan penurunan kategori "di bawah 25" relatif terhadap diagram strata.
Kategori "di bawah 25" memang menurun (dari 40 menjadi 33 persen) tetapi tidak sedramatis yang ditunjukkan oleh perbandingan strata to
pie. Perhatikan juga bahwa ukuran sampel berubah dari 100 menjadi 180 unit antara tahun 1975 dan 2005. Penting untuk tidak
menggunakan diagram lingkaran saja dalam rangkaian waktu, untuk menghindari memberikan kesan yang salah.
Bagan Stratum Diagram lingkaran
200
180
160
140
120
100
80 1975
60
40
20
0
1975 1985 1995 2005 2015
2005
55 ke atas 25–54 Dibawah 25
Area (Stratum atau Permukaan) Grafik
Sebuah grafik area juga digunakan untuk deret waktu. Terdiri dari garis yang telah dibagi menjadi bagian-bagian komponen, paling
baik digunakan untuk menunjukkan perubahan pola dari waktu ke waktu. Aturan yang sama berlaku untuk bagan strata seperti
bagan garis (lihat Tampilan 19-9).
Diagram lingkaran
Diagram lingkaran adalah bentuk lain dari diagram area. Mereka sering digunakan dengan data bisnis. Namun, mereka
dapat dengan mudah menyesatkan pembaca atau tidak dipersiapkan dengan benar. Penelitian menunjukkan bahwa
persepsi pembaca tentang persentase yang diwakili oleh irisan kue secara konsisten tidak akurat.9 Pertimbangkan saran
berikut saat mendesain diagram lingkaran:
• Tunjukkan 100 persen subjek yang digambarkan.

• Selalu beri label irisan dengan "call-out" dan dengan persentase atau jumlah yang diwakili. Ini
memungkinkan Anda untuk membuang legenda.
• Letakkan potongan terbesar pada pukul dua belas dan gerakkan searah jarum jam dalam urutan menurun.
• Gunakan warna terang untuk irisan besar, warna gelap untuk irisan kecil.
• Dalam diagram lingkaran dengan irisan hitam dan putih, satu irisan merah akan paling menarik perhatian dan
mudah diingat. Gunakan untuk mengomunikasikan pesan terpenting Anda.10
• Jangan tampilkan evolusi dari waktu ke waktu dengan diagram lingkaran sebagai satu-satunya media. Karena diagram
lingkaran selalu mewakili 100 persen, pertumbuhan secara keseluruhan tidak akan dikenali. Jika Anda harus
menggunakan serangkaian diagram lingkaran, lengkapi dengan diagram area.
Seperti yang ditunjukkan pada Tampilan 19-9, diagram lingkaran menggambarkan data frekuensi dengan cara yang menarik. Selain itu,
mereka dapat ditumpuk untuk menunjukkan hubungan antara dua set data.
Diagram batang
Diagram batang bisa sangat efektif jika dibangun dengan benar. Gunakan sumbu horizontal untuk mewakili waktu
dan sumbu vertikal untuk mewakili unit atau variabel terkait pertumbuhan. Batang vertikal umumnya digunakan
untuk deret waktu dan untuk klasifikasi kuantitatif. Batang horizontal lebih jarang digunakan. Jika tidak ada variabel
yang berhubungan dengan waktu, salah satu format dapat digunakan. Program grafik komputer (misalnya, Excel,
versi terbaru SPSS) dengan mudah menghasilkan grafik. Jika Anda menyiapkan diagram batang dengan tangan,
sisakan ruang di antara batang sama dengan setidaknya setengah lebar batang. Pengecualian untuk ini adalah
bagan khusus — histogram — di mana data kontinu dikelompokkan ke dalam interval untuk distribusi frekuensi
(lihat Bab 17). Pengecualian kedua adalah bagan multi-variabel, di mana lebih dari satu batang terletak pada
segmen waktu tertentu. Pada kasus ini, jarak antara kelompok batang setidaknya setengah dari lebar kelompok.
Grafik batang datang dalam berbagai pola. Dalam Bab 17, Tampilan 17-3 menunjukkan grafik batang vertikal
standar. Variasi diilustrasikan dalam Tampilan 19-6.
Piktograf dan Geografis

Grafik ini digunakan di majalah dan surat kabar populer karena menarik dan imajinatif. Amerika Serikat Hari Ini dan
sejumlah peniru sering kali bersalah karena menganggap ini ekstrem, membuat grafik yang tidak dapat dipahami. SEBUAH
piktograf menggunakan simbol bergambar (drum minyak untuk barel minyak, tongkat # untuk jumlah karyawan, atau
pohon pinus untuk jumlah kayu). Simbol mewakili volume data dan digunakan sebagai pengganti batang dalam bagan tipe
batang. Adalah tepat untuk menumpuk gambar dengan ukuran yang sama untuk mengekspresikan lebih banyak kuantitas
dan untuk menunjukkan pecahan dari suatu gambar untuk menunjukkan lebih sedikit. Tetapi mengubah skala simbol
menghasilkan masalah. Karena gambar mewakili objek yang sebenarnya, menggandakan ukuran akan menambah luas
simbol sebanyak empat (dan volume lebih banyak). Ini menyesatkan pembaca untuk percaya bahwa peningkatannya lebih
besar dari yang sebenarnya. Pengecualian adalah grafik yang mudah diganti dengan batang, seperti pensil pada Tampilan
19-6.
Bagan geografis menggunakan sebagian dari peta dunia, dalam bentuk gambar, untuk menunjukkan
variasi dalam data regional. Mereka dapat digunakan untuk penjualan produk, status distribusi, konsumsi
media, tingkat respons promosi, tingkat konsumsi per kapita, demografi, atau sejumlah variabel spesifik
geografis lainnya.
Kumpulan data yang ditumpuk menghasilkan variabel yang menarik yang dapat disejajarkan pada referensi geografis umum.
Tampilan bergambar yang dihasilkan memungkinkan pengguna untuk "mengebor" melalui lapisan dan memvisualisasikan
hubungan. Dengan perangkat lunak berbasis Windows yang lebih baik dan lembaga pemerintah yang menyediakan kode geografis
dan titik referensi, tampilan spasial geografis menjadi bentuk grafik yang lebih umum.
Grafik 3-D
Dengan teknik charting saat ini, hampir semua chart sekarang dapat dibuat tiga dimensi. MeskipunGrafik 3-D menambah
minat, juga dapat mengaburkan data. Kehati-hatian harus digunakan dalam memilih kandidat bagan 3-D (lihat Tampilan
19-10). Jangan bingung dengan diagram lingkaran dan diagram batang yang telah mencapai dimensi hanya dengan
menambahkan kedalaman pada grafik; ini bukan 3-D. Bagan kolom 3-D memungkinkan Anda untuk membandingkan tiga
atau lebih variabel dari sampel dalam satu grafik tipe bagan batang. Jika Anda ingin menampilkan beberapa kuartal hasil
penjualan untuk Hertz, Avis, Anggaran, dan Nasional, Anda memiliki data 3-D. Bagan permukaan dan bagan sebar 3-D
berguna untuk menampilkan pola data yang kompleks jika distribusi yang mendasarinya multivarian. Terakhir, berhati-
hatilah dalam mengonversi bagan garis menjadi bagan pita, dan bagan area menjadi bagan area 3-D; ini bisa sulit untuk
pemula untuk membaca dan tujuan utama Anda dalam presentasi grafis selalu kejelasan data.
>Pameran 19-10 Bagan 3-D
Kolom 3-D Pita 3-D Ini 3-DWireframe Garis Permukaan 3-D

Variasi pada bagan kolom, contohnya adalah plot satu Variasi dari kontur atau Menangani tiga kolom
mereka membandingkan dinding yang menunjukkan kolom permukaan respons; data dan plot XYZ
variabel satu sama lain atau data (seri) sebagai cocok untuk perubahan koordinat untuk menunjukkan
dari waktu ke waktu. sumbu: pita. Satu atau lebih waktu dan multivariat permukaan respons.
X = kategori, kolom digunakan. data. sumbu:X = kategori, Bermanfaat untuk multivariasi
Y = seri, Z = nilai-nilai. sumbu: X = kategori, Y = seri, Z = nilai-nilai. aplikasi.
Variasi lainnya Y = seri, Z = nilai-nilai.
termasuk bagan area 3-
D dan titik sambung
grafik sebar.
>ringkasan
1 Presentasi temuan penelitian yang berkualitas dapat memiliki 3 Penulis laporan penelitian harus dipandu oleh empat
efek berlebihan pada persepsi pembaca atau pendengar tentang pertanyaan:
kualitas studi. Pengakuan fakta ini harus mendorong peneliti untuk • Apa tujuan dari laporan ini?
melakukan upaya khusus untuk berkomunikasi dengan terampil dan
• Siapa yang akan membacanya?
jelas.
• Apa keadaan dan batasan di mana itu ditulis?
2 Laporan penelitian berisi temuan, analisis, interpretasi,
kesimpulan, dan terkadang rekomendasi. Mereka mungkin
mengikuti format informal yang pendek seperti memorandum • Bagaimana laporan akan digunakan?
dan surat, atau mungkin lebih panjang dan lebih kompleks. Laporan harus diatur dengan jelas, menarik secara fisik, dan mudah
Laporan panjang baik dari jenis teknis atau manajemen. Pada dibaca. Penulis dapat mencapai tujuan ini jika mereka berhati-hati
bagian pertama, masalah disajikan dan diikuti oleh temuan, dengan detail mekanis, gaya penulisan, dan pemahaman.
kesimpulan, dan rekomendasi. Dalam laporan manajemen, 4 Ada tantangan khusus untuk menyajikan data statistik.
kesimpulan dan rekomendasi mendahului temuan. Laporan Sementara beberapa dari data ini dapat dimasukkan ke dalam
teknis ditargetkan pada pembaca yang terlatih secara teknis; teks, sebagian besar statistik harus ditempatkan dalam tabel,
laporan manajemen adalah bagan, atau grafik. Pilihan tabel, bagan, atau grafik tergantung
ditujukan untuk manajer-klien. pada data spesifik dan tujuan penyajiannya.
>kunciistilah
grafik area 534 grafik garis 531 indeks keterbacaan 514
grafik batang 535 laporan manajemen 505 garis besar kalimat 513
Ringkasan bisnis plan 508 kecepatan 516 laporan teknikal 505
bagan geografis 535 piktograf 535 Grafik 3-D 535
surat pengiriman 508 Pie chart 534 garis besar topik 513
>diskusipertanyaan
Persyaratan dalam Ulasan 5 Gunakan Tampilan 19-2 dan rencanakan struktur proyek kursus
1 Bedakan antara berikut ini: Anda atau studi penelitian yang telah Anda baca di salah satu
Sebuah Laporan teknis dan laporan manajemen. Cuplikan dalam teks ini.
b Garis besar topik dan garis besar kalimat. 6 Pilih kasus yang berisi data dari situs teks dan siapkan
halaman temuan, mirip dengan yang ada di Tampilan 19-3.
Membuat Keputusan Penelitian
2 Apa yang harus Anda lakukan untuk masing-masing ini?
7 Eksekutif di Warner Brothers percaya bahwa Ellen DeGeneres adalah
pewaris Oprah Winfrey di TV siang hari. Di musim terakhirnya, sebuah
Sebuah Memasukkan informasi dalam laporan penelitian tentang
laporan penelitian mengungkapkan bahwaPertunjukan Ellen
keterbatasan studi.
DeGeneres adalah, untuk pertama kalinya, setara dengan Pertunjukan
b Ukuran dan kompleksitas tabel dalam laporan penelitian.
Oprah Winfrey dalam pikiran pemirsa. Menerapkan temuan, Warner
c Presentasi fisik laporan.
Brothers mengumumkan bahwa 10 stasiun yang dimiliki dan
d Kecepatan dalam tulisan Anda.
dioperasikan NBC akan terus menyiarkan acara DeGeneres hingga
3 Jenis laporan apa yang Anda sarankan untuk ditulis di masing-masing? 2014.
kasus berikut? Laporan tertulis mengungkapkan bahwa pertunjukan DeGeneres
Sebuah Presiden perusahaan telah meminta studi tentang selama satu jam penuh semangat dan inspirasi—sifat yang menarik
program pensiun perusahaan dan perbandingannya dengan bagi penonton wanita siang hari; dia terlihat santai dan relatable; dan
program perusahaan lain dalam industri. dia lebih disukai daripada Winfrey, menurut Q Scores Company.
b Anda telah diminta untuk menulis pengalaman pemasaran Meskipun pertunjukan DeGeneres tertinggal di belakang pertunjukan
ment, yang baru saja Anda selesaikan, untuk diserahkan ke Winfrey dalam peringkat Nielsen yang berharga, pada masalah
itu Jurnal Riset Pemasaran. emosional DeGeneres berada dalam ikatan virtual dengan Winfrey.
c Manajer divisi Anda telah meminta Anda untuk mempersiapkan Sebuah Pertanyaan lain apa yang harus dijawab oleh laporan?
pemeran kebutuhan anggaran promosi untuk divisi selama
b Bagaimana Anda menyarankan jaringan untuk "waralaba"
12 bulan ke depan.
DeGeneres berdasarkan hasil studi Anda?
d Institut Kesehatan Nasional telah memberi Anda hibah untuk
mempelajari hubungan antara iklan obat resep dan Dari Headline
penjualan selanjutnya dari obat tersebut. 8 Indeks Optimisme Usaha Kecil turun 3 poin dalam
Juni 2012, jatuh ke 91,4 dan kehilangan keuntungan yang dicapai di awal
4 Ada beberapa bentuk presentasi grafis. Yang
tahun, menurut laporan NFIB Research Foundation. Indikator pasar tenaga
apakah Anda akan merekomendasikan untuk menunjukkan masing-masing hal berikut? Mengapa?
kerja dan rencana pengeluaran untuk persediaan dan peralatan modal
Sebuah Perbandingan perubahan rata-rata tahunan per kapita di-
mendorong sekitar 40 persen penurunan. Keengganan pemilik usaha kecil
datang ke Amerika Serikat dan Jepang dari tahun 1995 hingga!2010.
untuk berekspansi tetap menjadi sejarah
b Komposisi persentase rata-rata pengeluaran keluarga
tinggi karena ketidakpastian politik. Indeks Optimisme laporan berisi
pola pengeluaran, menurut jenis pengeluaran utama, untuk keluarga
pertanyaan tentang pekerjaan, pengeluaran modal, persediaan, ekonomi
yang kepalanya berusia di bawah 35 tahun dibandingkan dengan
secara umum, penjualan, kredit, ekspansi, dan pendapatan. Faktor-faktor
keluarga yang kepalanya berusia 55 tahun ke atas.
lain apa yang memengaruhi kepercayaan diri usaha kecil dan bagaimana
c Perbandingan perubahan dalam pemberian amal
Anda akan mengintegrasikannya ke dalam laporan?
antara 31 Desember 2006, dan 31 Desember 2010.
>kasus*
Pikiran yang Ingin Tahu—WOW! Lotere Ohio: Desain Penelitian Inovatif Mendorong
Kemenangan
Menguasai Kepemimpinan Guru

Bukti Bukti: Memanfaatkan Kecintaan Wartawan
terhadap Statistik
NCRCC: Teeing Up dan Arah Strategis Baru
* Anda akan menemukan deskripsi setiap kasus di bagian Indeks Kasus dari buku teks. Periksa Indeks Kasus untuk menentukan!
apakah suatu kasus menyediakan data, instrumen penelitian, video, atau materi pelengkap lainnya. Kasus tertulis dapat diunduh
dari situs web teks (www.mhhe.com/cooper12e). Semua materi video dan kasus video tersedia dari Pusat Pembelajaran Online.
Ikon rol film menunjukkan kasing video atau materi video yang relevan dengan kasing.

Donald R Cooper, Pamela S. Schindler-Business Research Methods-McGraw-Hill (2013) - 2 Copy-341-416.en - Id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Donald R Cooper, Pamela S. Schindler-Business Research Methods-McGraw-Hill (2013) - 2 Copy-341-416.en - Id

Diunggah oleh

Hak Cipta:

Format Tersedia

462 >bagian IV Analisis dan Penyajian Data

>Pameran 17-18 Plot ANOVA Pengukuran Berulang

Efek Plot Interaksi: Peringkat oleh Maskapai*

* Semua data bersifat hipotetis.

4 Tes parametrik dan nonparametrik dapat diterapkan di bawah

hipotesis alternatif (HSEBUAH) 432 F perbandingan 454 beberapa tes perbandingan

p nilai 438 untuk distribusi 444 Kesalahan tipe II (b) 435

tes parametrik 440 t-uji 444 Z distribusi 444

kekuatan ujian 437 uji coba 460 Z uji 444

arti praktis 431 tes dua sampel independen 447

d Sebuah perusahaan memiliki 24 tenaga penjual. Tes harus mengevaluasi

untuk mengirim Pusat Bantuan ke luar negeri. Apakah perbedaan ini

signifikan? 9 Anda menghubungi sampel acak dari 36 lulusan Western

memprediksi seberapa baik kinerja seseorang. Baru-baru ini,

Pikiran yang Ingin Tahu—SEKARANG! NCRCC: Menuju Arah Strategis Baru

2 Penggunaan, persyaratan, dan interpretasi koefisien korelasi momen produk.

naik daun." "Saya ragu Sandy akan memperhatikan, kecuali bahwa

dingin ke Sandy.” Timur Tengah, reformasi kampanye, semuanya.” Jack, berdiri,

> Analisis Korelasi Bivariat

Koefisien Momen Produk Pearson r

>Pameran 18-1 Ukuran Asosiasi yang Umum Digunakan

Pengukuran Koefisien Komentar dan Penggunaan

Biserial Satu variabel kontinu dan satu variabel dikotomis

Korelasi ganda Tiga variabel; menghubungkan satu variabel dengan dua

Gamma Berdasarkan pasangan konkordan-sumbang: (P - T);

Kendall tau b P - Q berbasis; penyesuaian untuk peringkat terikat.

Urut Kendall tau c P - Q berbasis; penyesuaian untuk dimensi meja.

Somers's d P - Q berbasis; perpanjangan asimetris dari gamma.

Roh Spearman Korelasi momen produk untuk data peringkat.

phi Chi-square (CS) berdasarkan 2 3 2 meja.

Cramer's V berbasis CS; penyesuaian ketika satu

Koefisien ketidakpastian Berbasis pra dengan penekanan tabel marginal.

tau Goodman & Kruskal Berguna untuk tabel multidimensi.

Kappa Ukuran kesepakatan.

Scatterplots untuk Menjelajahi Hubungan

>Pameran 18-2 Scatterplots dari Korelasi antara Dua Variabel

Ss X1 kamu1 X2 kamu2 X3 kamu3 X4 kamu4

1 10 8.04 10 9.14 10 7.46 8 6.58

9 12 10.84 12 9.13 12 8.15 8 5.56

r2 0.66654 0.66624 0.66632 0,66671

Disesuaikan r2 0.62949 0,62916 0,62925 0,62967

Kesalahan standar 1.2366 1.23721 1.23631 1.2357

>Pameran 18-4 Scatterplot Berbeda untuk Statistik Ringkasan yang Sama

Komputasi dan Pengujian r

dan penduga dari sy"aku s

Rumus umum lainnya untuk menghitung Pearson's r aku s

tidak 5 "jumlah" dari "pasangan" dari "kasus"

Sx, Skamu 5 "standar" penyimpangan "untuk"X"dan"kamu

>Pameran 18-5 Perhitungan Korelasi Momen Produk Pearson

(1) (2) (3) (4) (5) (6) (7) (8)

1 82.6 126,5 293,84 2178.64 16763,58 8805,95 31912.25

2 89.0 191.2 287.44 2113,94 9962.91 7645.75 12982,32

3 176.0 267.0 20,44 238.14 16.78 0.19 1454.66

4 82.3 137.1 294.14 2168.04 15819,29 8862.34 28237,44

5 413.5 806.8 237.06 501.66 118923,52 56197,44 251602,56

6 18.1 35.2 158,34 2269.94 42742.3 25071.56 72867.60

7 337.3 425.5 160.86 120.36 19361.11 25875,94 14486,53

8 145.8 380,0 230.64 74,86 22293,71 938.81 5604.02

9 172.6 326.6 23.84 21.36 82.02 14,75 456.25

10 247.2 355.5 70.76 50.36 3563.47 5006,98 2536.13

Varians Umum sebagai Penjelasan

>Pameran 18-7 Diagram Varians Umum

Rumus untuk sampel kecil adalah