Nama : Hardianti

Nim : 181821529
Kelas : Akuntansi (A)
Matkul : Metode Penelitian

ALAT-ALAT ANALISIS STATISTIKA YANG DIGUNAKAN DALAM PENELITIAN

AKUNTANSI
A. Angka Indeks
Angka indeks adalah ukuran statistik yang biasanya digunakan untuk menyatakan
perubahan-perubahan relatif (perbandingan) nilai suatu variabel tunggal atau nilai sekelompok
variabel.
 Contohnya : Rata-rata harga per kg beras dikota kolaka pada tahun 2019 dan tahun 2020
masing-masing adalah Rp 777.00 dan Rp 881.00, Apabila kita bandingkan harga beras pada
tahun 2020 dengan tahun 2019, akan kita dapatkan angka indeks sebagai berikut : angka
indeks = Rp 881/Rp 777 x 100% = Rp 113,38. Angka indeks sebesar 113,38 memiliki
makna bahwa rata-rata harga per kg beras ditahun 2020 lebih tinggi atau mengalami
kenaikan sebesar 13.38% ( = 113,38 – 100) dari rata-rata harga per kg beras ditahun2019.

Jenis-Jenis Indeks Harga

1) Indeks Harga (Price Indeks)
Adalah angka yang dapat dipakai untuk melihat perubahan mengenai harga-harga barang,
baik harga sejenis barang maupun sekelompok barang dalam waktu dan tempat yang sama
atau berlainan.
2) Indeks Kuantitas (Quantity indeks)
Adalah angka yang dapat dipakai untuk melihat perubahan mengenai kuantitas sejenis
barang atau sekelompok barang yang dihasilkan (diproduksi), dijual, dikonsumsi, diekspor,
dan sebagainya dalam waktu yang sama atau berlainan.
3) Indeks nilai (Value indeks)
Adalah angka yang dapat dipakai untuk melihat perubahan nilai uang dari suatu barang
yang diproduksi, diekspor, diimpor, dikonsumsi dan sebagainya dalam waktu dan tempat
yang sama atau berlainan.
Contohnya:
 Indeks biaya hidup, yang merupakan nilai pengeluaran konsumsi setiap keluarga,
yang tak lain dari hasil perkalian antara harga dan kuantitas barang yang
dikonsumsi.
 Indeks nilai produksi, yang tak lain merupakan hasil perkalian antara harga dan
kuantitas barang yang diproduksi.
 B. Tabulasi Silang (Crosstabs)
Pengertian tabulasi silang (crosstabs) adalah metode analisis yang paling sederhana tetapi memiliki
daya menerangkan cukup kuat untuk menjelaskan hubungan antar variabel. Untuk itu ada beberapa prinsip
sederhana yang perlu diperhatikan dalam menyusun tabel silang agar hubungan antara variabel tampak
dengan jelas. Untuk itu maka dalam analisis crosstabs digunakan analisis statistik yaitu Chi Kuadrat (Chi-
Square) yang disimbolkan dengan X2.
Metode analisis tabulasi silang (crosstabs) ini digunakan untuk menguji korelasi antara variabel
dalam tabel kontigensi sehingga diketahui apakah proporsi dari dua (2) peubah terjadi karena kebutuhan
atau karena adanya asosiasi. Test ini cukup sederhana dan mudah dihitung dari hasil tabel silang. Dalam
analisis tabel silang, peneliti menggunakan distribusi frekuensi pada sel-sel dalam tabel sebagai dasar untuk
menyimpulkan hubungan antara variabel-variabel penelitian sehingga dengan demikian dapat dengan
mudah melihat keterkaitan hubungan antara dua variabel.
. Manfaat yang dapat diperoleh dari analisis tabulasi silang, khususnya dalam perencanaan wilayah dan
kota, adalah:

1. Membantu menyelesaikan penelitian yang berkaitan dengan penentuan hubungan antara variabel
atau faktor yang diperoleh dari data kualitatif, setelah melalui uji statistik.
2. Menentukan besarnya derajat asosiasi (hubungan kuat atau lemah).
3. Dapat menentukan variabel dependent (terikat) dan variabel independent (bebas) dari dua variable
yang dianalisis

C. Analisis Regresis Sederhana

Analisis regresi bertujuan menentukan suatu persamaan regresi yang digunakan untuk
menggambarkan pola atau fungsi hubungan antar variabel.
Maka bentuk persamaan yang akan ditentukan adalah sebagai berikut :

Y = a + bX

Yang menyatakan bahwa

a: konstanta (nilai Y apabila X = 0)

b: koefisien regresi ( taksiran perubaahan nilai Y apabila X berubah nilai satu unit). Y:
varibel yang nilainya dipengaruhi variable lain (dependent variable).
X: variable yang mempengaruhi nilai variable lain (independent variable) Harga
a dihitung dengan rumus: Harga b dihitung dengan rumus:
 a = ∑y (∑x²) - ∑ X . ∑ XY b = n∑XY- ∑X ∑Y

n∑ x² - (∑ X)² n∑ x² - (∑ X)²

Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X)
dengan variabel dependen (Y). Analisis regresi sederhana dapat digunakan untuk mengetahui arah dari
hubungan antara variabel bebas dengan variabel terikat, apakah memiliki hubungan positif atau negatif serta
untuk memprediksi nilai dari variabel terikat apabila nilai variabel bebas mengalami kenaikan ataupun
penurunan. Pada regresi sederhana biasanya data yang digunakan memiliki skala interval atau rasio.
Rumus regresi linear sederhana sebagai berikut:
                              Y = a + bX
Keterangan:
Y     = Variabel dependen (variabel terikat)
X     = Variabel independent (variabel bebas)
a      = Konstanta (nilai dari Y apabila X = 0)
b      = Koefisien regresi (pengaruh positif atau negatif)

Contoh untuk regresi sederhana adalah jumlah uang saku yang diterima mahasiswa dipengaruhi dengan
jarak tempuh dari rumah ke kampus. Apabila didasarkan dari penjelasan logis maka semakin dekat jarak
rumah dengan kampus maka akan semakin kecil nilai uang saku mahasiswa, sebaliknya apabila semakin
jauh jarak tempuh dari rumah ke kampus maka akan semakin besar jumlah uang saku mahasiswa, sehingga
jarak tempuh dari rumah ke kampus (variabel X) akan mempengaruhi nilai uang saku mahasiswa (variabel
Y) secara positif.

D. Peramalan
Peramalan (forecasting) adalah kegiatan memperkirakan apa yang terjadi pada masa yang
akan datang berdasarkan data yang relevan pada masa lalu dan menempatkannya ke masa
yang akan datang dengan suatu bentuk model matematis.

 Model Sederhana

Data deret waktu

Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu

(time series). Di dunia bisnis, data deret waktu diperlukan sebagai bahan acuan
pembuatan keputusan sekarang, untuk proyeksi maupun untuk perencanaan di masa depan.
Untuk dapat menggunakan deret waktu dalam keperluan pembuatan suatu proyeksi, perlu
diketahui beberapa asumsi yang penting. Pertama adanya ketergantungan kejadian masa
yang akan dating dengan masa sebelumnya. Kedua aktivitas dimasa yang akan dating
mengikuti pola yang terjadi di masa yang lalu, dan ketiga, hubungan atau keterkaitan masa
lalu dapat ditentukan dengan observasi atau penelitian.
Komponen Deret Waktu

Model klasik deret waktu yang biasa digunakan oleh ekonom adalah mengalikan empat
komponen deret waktu sebagai berikut:
Yt = Tt . Ct . St . It

Dimana :

Yt = variable tak bebas (respon) Tt

= trend sekuler (secular trend)
Ct = pergerakan siklus (cyclical movement)

St = fluktuasi musiman (seasonal fluctuation) It =

variasi tak beraturan (irregular variation)
 Trend Sekuler

Didefinisikan sebagai gerakan umum dalam jangka panjang. Pergerakan ini dapat berupa garis
lurus atau parabolic yang menaik atau menurun. Metode yang banyak digunakan untuk
menentukan trend adalah rata-rata bergerak dan metode kuadrat terkecil. Sama halnya pada
analisis regresi, analisis trend dengan kuadrat terkecil dapat berupa linear, kurvilinear atau
eksponensial sesuai dengan kecenderungan data yang bersangkutan. Menentukan trend yang
terbaik biasanya dilihat dari nilai standar error model terkecil atau koefisien determinasi
terbesar.
 Pergerakan Siklus

Faktor siklus merupakan pola data pada deret waktu yang terjadi dan berulang kembali selama
masa waktu beberapa tahun. Perulangan ini bisa terjadi setelah 5, 10 atau 20 tahun atau lebih.
Sebagai contoh dari pergerakan siklus adalah siklus bisnis dan siklus

ekonomi. Suatu waktu bisa saja bisnis berada pada puncak di atas garis trend, tetapi di lain
waktu bias terjadi pada titik terendah di bawah garis trend. Jangka waktu antara titik puncak
dan titik terendah sering terjadi pada waktu yang sangat lama sehingga sulit diketahui atau
disadari adanya siklus ini.

 Fluktuasi Musim

Faktor musim ini ditunjukan oleh adanya pola yang teratur yang sifatnya tahunan.
Variasi ini akan berulang kembali setiap tahun. Contoh faktor musim adalah pola
penjualan, perdgangan, permintaan, produksi, kebutuhan persediaan dan lain-lain.

 Variasi Tak Beraturan

Variasi ini merupakan gerakan naik turun yang tidak dapat diduga sebelumnya dan terjadi
secara acak. Sebagai contoh, pengaruh konflik Timur Tengah (1973), situasi Iran (1979-1981),
kejatuhan OPEC (1986), situasi Irak (1990) dan lain-lain.

Metode Rata – rata Bergerak

Metode rata-rata bergerak adalah metode yang banyak digunakan untuk menentukan
trend dari suatu data deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret
berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus dan tidak terlalu
tergantung pada osilasi sehingga lebih memungkinkan untuk menunjukkan trend dasar atau
siklus dalam pola data sepanjang waktu.

E. Regresi Linier Berganda

merupakan model persamaan yang menjelaskan hubungan satu variabel tak bebas/ response
(Y) dengan dua atau lebih variabel bebas/predictor (X1, X2,…Xn). Persamaan regresi linier
berganda secara matematik diekspresikan oleh :
Y = a + b1 X1 + b2 X2 + … + bn Xn

yang mana :

Y = variable tak bebas (nilai variabel yang akan diprediksi)

a = konstanta
 b1,b2,…, bn = nilai koefisien regresi

X1,X2,…, Xn = variable bebas

Dalam mengkaji hubungan antara beberapa variabel menggunakan analisis regresi, terlebih dahulu peneliti
menentukan satu variabel yang disebut dengan variabel tidak bebas dan satu atau lebih variabel bebas. Jika
ingin dikaji hubungan atau pengaruh satu variabel bebas terhadap variabel tak bebas, maka model regresi
yang digunakan model regresi linear sederhana. Kemudian jika ingin dikaji hubungan atau pengaruh dua
atau lebih variabel bebas terhadap variabel tak bebas, maka model regresi yang digunakan adalah model
regresi linear berganda (multiple linear regression model). Kemudian untuk mendapatkan model regresi
linear sederhana maupun model regresi linear berganda dapat diperoleh dengan melakukan estimasi
terhadap parameter-parameternya menggunakan metode tertentu. Adapun metode yang dapat digunakan
untuk mengestimasi parameter model regresi linier sederhana maupun model regresi linier berganda adalah
dengan metode kuadrat terkecil (ordinary least square/OLS) dan metode kemungkinan maksimum
(maximum likelihood estimation/MLE) (Kutner et.al, 2004)

Tujuan Analisis

1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel
bebas.
2. Membangun hipotesis karakteristik dependensi.
3. Untuk meramalkan nilai rata-rata ariable bebas dengan didasarkan pada nilai ariable bebas di luar
jangkauan

F. Regresi Non Linier

 Regresi non linier adalah suatu metode untuk mendapatkan model non linier yang menyatakan
hubungan variabel dependen dan variabel independenRegresi nonlinier dapat mengestimasi model
hubungan variabel dependen dan independen dalam bentuk non linier dengan keakuratan yang lebih baik
daripada regresi linier, karena dalam mengestimasi model dipakai iterasi algoritma
B. Pengukuran Data
Data hasil penelitian dapat dikelompokkan menjadi beberapa kelompok. Dalam melakukan
pengelompokkan perlu didasarkan pada pengukuran yang akurat. Menurut Siegel (1994) ada 4 skala
pengukuran:
1. Skala nominal adalah pengukuran yang hanya untuk mengklasifikasikan suatu objek
2. Skala ordinal adalah pengukuran yang menunjukkan tingkatan. Seperti sesuatu yang lebih
disukai, lebih tinggi, lebih sulit, dan lain-lain.
 3. Skala interval adalah pengukuran yang mempunyai segala sifat skala ordinal. Disamping itu
jarak antara dua angka pada skala interval diketahui ukurannya. 4. Skala rasio adalah
pengukuran yang mempunyai semua ciri pada skala interval. Disamping itu memiliki suatu
titik nol sejati sebagai titik asalnya.

G.Korelasi prodak momen

Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan alat uji statistik
yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua variabel bila datanya berskala interval
atau rasio. KPM dikembangkan oleh Karl Pearson (Hasan, 1999).

KPM merupakan salah satu bentuk statistik parametris karena menguji data pada skala interval atau rasio.
Oleh karena itu, ada beberapa persyaratan untuk dapat menggunakan KPM, yaitu :

1. Sampel diambil dengan teknik random (acak)

2. Data yang akan diuji harus homogen
3. Data yang akan diuji juga harus berdistribusi normal
4. Data yang akan diuji bersifat linier
Fungsi KPM sebagai salah satu statistik inferensia adalah untuk menguji kemampuan generalisasi
(signifikasi) hasil penelitian. Adapun syarat untuk bisa menggunakan KPm selain syarat menggunakan
statistik parameteris, juga ada persyaratan lain, yaitu variabel independen (X) dan variabel (Y) harus berada
pada skala interval atau rasio.

- Kegunaan Korelasi Product Moment Pearson

• Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan variabel Y.
• Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam
persen.