1
4. Opini / hasil penelitian sebelumnya
Telaah Literatur:
1. Mengarahkan Argumentasi penggunaan metode pengumpulan dan pengolahan data
penelitian sekarang dengan penelitian sebelumnya
2. Untuk konfirmasi atas teori-teori temuan sebelumnya
3. Menemukan keterbatasan penelitian terdahulu dan kemudian memperbaikinya
PROBABILITY SAMPLING
(Setiap unit dalam populasi berkesempatan(peluang) untuk dipilih dalam sampel dan
keseluruhan sampel terpilih dapat mewakili populasi)
1. Sampling Acak Sederhana (Simple Random Sampling)
Pengambilan sampel dari populiasi secara acak
2. Sampling Acak Sistematis (Systematic Random Sampling)
Pengambilan sampel melibatkan aturan populasi dalam urutan sistematika tertentu.
3. Sampling Stratifikasi (Stratified Sampling)
Populasi dibagi ke kelompok strata kemudian ambil sampel dari tiap kelompok tergantung
kriteria. Misalnya, populasi dibagi ke dalam anak-anak dan orang tua kemudian memilih
masing-masing wakil dari keduanya.
4. Sampling Rumpun (Cluster Sampling)
Misalnya, populasi Jawa Tengah lalu sampel diambil dari tiap kabupaten.
5. Sampling Bertahap (Multistage Sampling)
Pengambilan sampel menggunakan lebih dari satu teknik probability sampling. Misalnya,
menggunakan metode stratified sampling pada tahap pertama kemudian metode simple
random sampling di tahap kedua dan seterusnya sampai mencapai sampel yang
diinginkan.
6. Probabilitas Proporsional Ukuran Sampling (Probability Proportional to Size Sampling)
2
bentuk multistage sampling di tahap pertama dan kemudian random sampling di tahap
kedua, tapi jumlah sampel sebanding dengan ukuran populasi.
7. T : yang termasuk sampling non probability (sampel dipilih berdasarkan kriteria tertentu
sesuai dengan tujuan penelitian)
J : jenis sampling non probability : convenience, snowball, purposive, quota
8. Kriteria penduga yang baik : unbiased, konsisten, cukup, efisien, varian minimum
T : syarat penduga yang baik kecuali
J : varian maksimum
Ada beberapa kriteria penduga (estimator) yang baik yaitu:
1. Tidak bias (unbiased)
Penduga θ^ , dikatakan tidak bias apabila ekspektasi nilai penduga (rata-rata penduga), sama
dengan nilai populasi.
2. Konsisten (Consistent)
jika = nilai rata-rata populasi sama dengan θ^ =nilai rata-rata dari sampel yang mungkin.
3
3. total eror = sampling eror + non sampling eror
4. varian mengecil karena semakin mendekati parameter populasi
12. T : data yang membedakan kelompok tetapi tidak memiliki tingkatan disebut
J : data nominal
Nominal adalah skala ukur perbedaan antar kategori. Misalnya agama yaitu
Protestan, Katolik, Islam, Yahudi, Buddha. Atau,
Ordinal adalah skala ukur seperti Tinggi, Rendah, Sedang atau sikap (Sangat Setuju,
Setuju, Tidak Setuju, Sangat Tidak Setuju).
Interval mengukur apa yang bisa diukur nominal dan ordinal ditambah skala. seperti
Skor IQ (95, 110, 125) atau temperatur (5 derajat, 7, derajat, atau 9 derajat).
Rasio bisa mengukur apa yang bisa diukur nominal, ordinal, dan rasio ditambah rasio
punya titik 0 yang pasti seperti uang (1 rupiah, 2 rupiah) atau tahun belajar (1 tahun,
2 tahun, 3 tahun).
4
Kelemahan:
1. Sering tidak ada informasi awal yang tepat sebagai dasar pengelompokkan, akibatnya
strata yang dibuat tidak sesuai dengan tujuan;
2. Harus dibuat kerangka sampel terpisah dan berbeda untuk tiap kelompok.
15. T : yang tidak termasuk bahasa pengolahan
J : cek data lapangan
17. T : jika kita ingin membandingkan hasil pilkada tahun ini dengan tahun lalu
J : lupa pilihan jawaban (kemungkina chi square)
Teori: analisis mendalam satu sektor -> menganalisa hanya satu sektor saja misalkan
pertanian, penduduk tanpa dibandingkan dengan sektor lain
Teori: korelasi -> hubungan yang menunjukan kuat atau tidak dan arah hubungan berlawan
atau searah, nilai antara -1 <r<1
Koefisien determinasi /r square -> persentase besarnya variabel independent mempengaruhi
variabel dependent
22. T : hasil regeresi amin memiliki r-squre tinggi tetapi bias. Hasil regresi iman ..........
Asumsi apa yang dilanggar pada hasil regresi amin dan iman
J : homoskedastisitas dan multukoinieritas
5
Uji Regresi mengasumsikan variabel-variabel bebas tidak memiliki hubungan linier satu
sama lain. Sebab, jika terjadi hubungan linier antar variabel bebas akan membuat prediksi
atas variabel terikat menjadi bias karena terjadi masalah hubungan di antara para variabel
bebasnya.
mengenai Uji Multikolonieritas dengan Melihat Nilai Tolerance dan VIF SPSS >10
Uji Heteroskedastisitas. pada dasarnya bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain TETAP, maka
disebut Homoskedastisitas dan berbeda disebut Heteroskedastisitas.
Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas.
1. Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi
heteroskedastisitas.
2. Jika nilai nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi
heteroskedastisitas.
Interprestasi :
Berdasarkan output di atas diketahui bahwa nilai signifikasi variabel Motivasi (X1) sebesar 0,004
lebih kecil dari 0,05, artinya terjadi heteroskedastisitas pada variabel Motivasi (X1).
Sementara itu, diketahui nilai signifikasi variabel Minat (X2) yakni 0,009 lebih kecil dari 0,05,
antinya terjadi heteroskedastisitas pada variabel Minat (X2)
Teori : jumlah sampel dipengaruhi oleh Rata-rata, simpangan baku, variabel, jumlah
populasi
24. T : hal pertama yang dilakukan peneliti dalam menyusun survei adalah
J : menentukan tujuan survei
6
Teknik pemulusan (SMOOTHING). Kalau ada tren (naik/turun) gunakan teknik pemulusan
Double Moving Average, jika tidak ada tren pakai teknik pemulusan Exponential
Smoothing
data yang sudah dimuluskan artinya tingkat ketidakberaturan (irreguler) data sudah
dihilangkan pengaruhnya.
Smoothing adalah salah satu cara untuk menghilangkan noise pada data fluktuatif
Penjelasan:
Statistik dibagi menjadi 2, DESKRIPTIF dan INFERENSIA (sudah dipelajari di grup Statistisi
Jabar)
7
SOAL ESSAY (pilih 5 dari 9 soal)
1. Sebutkan dan jelaskan cara mengumpulkan pengumpulan bahan/ informasi pendukung kegiatan statistik
J:
2. Sebutkan dan jelaskan hasil kegiatan menelaah bahan/ informasi pendukung kegiatan statistik
J :
8
2. Pengecekan konsitensi antar pertanyaan satu dengan pertanyaan yang lain.
3. Pemberian kode misalnya jenis pekerjaan utama dan lapangan usaha.
4. Pengecekan isian yang meragukan. Apabila ada keraguan, laporkan ke pengawas agar segera
dilakukan pengecekan lapangan.
Rule validasi Entry Data (Membatasi data input dengan menggunakan aturan validasi)
Aturan validasi bidang
Aturan validasi rekaman
Validasi pada
Validasi Data adalah proses memastikan program beroperasi dengan bersih, data yang
benar dan berguna. Menggunakan aturan validasi yang memeriksa kebenaran,
kebermaknaan, dan keamanan data yang masukan ke sistem.
Validasi metode
J: Statistika Deskriptif
Statistika Deduktif/Deskriptif merupakan metode yang berkaitan dengan pengumpulan dan penyajian
suatu hasil pengamatan (data) sehingga memberikan informasi yang berguna bagi pihak-pihak yang
berkepentingan terhadap data dan informasi tersebut. statistika deskriptif hanya menyajikan data yang
dimiliki (data dari sampel) dan bukan kesimpulan apapun tentang data populasi. Penyampaian informasi
dapat berupa diagram, grafik, gambar dan tabel.
Pokok-pokok bahasan yang diuraikan di dalam statistika deskriptif sebagai berikut :
1. Distribusi frekuensi
2. Pengukuran nilai-nilai statistika
3. Angka indeks
4. Analisis time series (analisis runtut waktu)
9
Statistika Induktif/Inferensi adalah statistika yang menggunakan data pada suatu sampel untuk
kemudian sampai pada peramalan atau penarikan kesimpulan (generalisasi) mengenai keseluruhan data
induknya (populasi)
Pengambilan kesimpulan dari statistika inferensial yang hanya didasarkan pada sebagian data saja yang
menyebabkan sifat tak pasti, memungkinkan terjadi kesalahan dalam pengambilan keputusan
Pokok-pokok bahasan yang dikemukakan di dalam statistika induktif sebagai berikut :
1. Probabilitas
2. Kurva normal
3. Sampling dan distribusi sampling
4. Estimasi (pendugaan) harga parameter
5. Uji hipotesis, baik sederhana, perbandingan antara dua nilai; bagi mean maupun proporsi
6. Regresi, termasuk pengujian signifikasi dan penggunaannya untuk prediksi
7. Korelasi
5. sebutkan dan jelaskan syarat yang harus dipenuhi dalam regresi linier
J : Analisis regresi adalah suatu teknik statistikal yang dipergunakan untuk menganalisis pengaruh di
antara suatu variabel dependen dan variabel independen
Dalam regresi linear salah satu yang harus dipenuhi agar taksiran parameter dalam model tersebut
bersifat BLUE (Best, Linear, Unbiased, and Estimator) adalah var (ui) = σ2 mempunyai variasi
yang sama.
1. Normalitas
menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi
normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk
sampel kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu melalui pendekatan
grafik (histogram dan P-P Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun
Shapiro-Wilk.
2. Multikolinieritas
muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa variabel atau semua
variabel independen dalam model.
Untuk mendeteksi multikolinearitas digunakan pengukuran terhadap nilai VIF (Variable Inflation
Factor) dan nilai Tolerance .
3. Heterokedastisitas
mendeteksi apakah kesalahan pengganggu dari model yang diamati tidak memiliki varians yang
konstan dari satu observasi ke observasi lainnya.
4. Kelinieran
5. Autokorelasi
korelasi antara anggota serangkaian observasi yang diurutkan seperti data deret waktu atau ruang
seperti data cross-section. Untuk mengetahui autokorelasi digunakan uji Durbin-Watson (DW-
test)
10
b. biasanya digunakan pada populasi yang cenderung homogen kenyataannya jarang populasi
homogen
c. membutuhkan sampel jauh lebih banyak daripada metode lain untuk mendapatkan relatif sttandar
eror yang kecil
d. sampel cenderung menyebar jauh sehingga membutuhkan biaya, tenaga, dan waktu yang lebih
banyak
7. Syarat model baik menurut boxjenkins
a. Autoregrsive, nilai X dipengaruhi oleh nilai * periode sebelumnya hingga periode ke-p. jadi yang
berpengaruh disini adalah variabel itu sendiri.
b. Moving average, nilai variabel x dipengaruhi oleh error dari varibel x tersebut.
c. Integreted, apabila data stasioner pada level maka ordonya sama dengan 0, jika stasioner pada
different pertama maka ordonya 1, dst.
11
SOAL ANALISIS (pilih 5 dari 9)
12
penelitian
Uji hipotesis Hosmer and Lemeshow Test.
Hasilnya, nilai Sig 0,999 lebih besar daripada
Alpha 5%. sehingga kita menerima hipotesis
nol (secara statistik tidak terdapat perbedaan
yang signifikan antara model dengan nilai
observasi) sehingga model sudah fit dengan
data.
Y’ = a + b1X1+ b2X2
Y’ = 4662,491 - 74,482X1 + 692,107X2
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
- Konstanta 4662,491; artinya jika (X1) dan (X2) nilainya 0, maka harga saham (Y’)
Rp.4662,491.
- Koefisien regresi variabel PER (X1) sebesar -74,482; artinya jika variabel independen lain
nilainya tetap dan PER naik 1%, maka harga saham akan mengalami penurunan sebesar
Rp.74,482.
- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel independen lain
nilainya tetap dan ROI naik 1%, maka harga saham (Y’) akan mengalami peningkatan
sebesar Rp.692,107.
13
a. R = 0,879. Ini menunjukkan Hubungan yang sangat kuat antara PER dan ROI terhadap harga
saham.
b. R2 (R Square) = 0,772 atau (77,2%). Ini menunjukkan sumbangan pengaruh variabel
independen (PER dan ROI) terhadap variabel dependen (harga saham) sebesar 77,2%.
Sedangkan sisanya 22,8% dipengaruhi atau dijelaskan variabel lain yang tidak dimasukkan
dalam model penelitian ini.
c. Adjusted R Square digunnakan jika lebih dari dua variabel bebas. (sebagai koefisien
determinasi).
d. Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model regresi
dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80 atau Rp.870,80
(satuan harga saham), hal ini berarti banyaknya kesalahan dalam prediksi harga saham
sebesar Rp.870,80.
Sebagai pedoman jika Standard error of the estimate kurang dari standar deviasi Y, maka
model regresi semakin baik dalam memprediksi nilai Y.
Tahap-tahap untuk melakukan uji F adalah Tahap-tahap untuk melakukan uji T adalah
sebagai berikut: sebagai berikut:
1. Merumuskan Hipotesis 1. Merumuskan Hipotesis
Ho : Tidak ada pengaruh signifikan antara Ho : Tidak ada pengaruh signifikan antara
X1dan X2 secara bersama-sama terhadap X1dan X2 secara parsial terhadap harga
harga saham. saham.
Ha : Ada pengaruh signifikan antara X1dan Ha : Ada pengaruh signifikan antara X1dan
X2secara bersama-sama terhadap harga X2secara parsial terhadap harga saham.
saham. 2. Menentukan tingkat signifikansi
2. Menentukan tingkat signifikansi a = 5% (signifikansi 5%
a = 5% (signifikansi 5% 3. Menentukan T hitung
3. Menentukan F hitung = 25,465 4. T table, dgn tingkat keyakinan 95%, a = 5%,
4. F table, dgn tingkat keyakinan 95%, a = 5%, diperoleh T tabel =
diperoleh F tabel = 3,683 5. Kriteria pengujian
5. Kriteria pengujian - Ho diterima bila T hitung < T table,
- Ho diterima bila F hitung < F table, - Ho ditolak bila T hitung > T table)
- Ho ditolak bila F hitung > F table) 6. Nilai T hitung > T tabel, maka Ho ditolak.
6. Nilai F hitung > F tabel (25,465 > 3,683),
maka Ho ditolak.
7. Kesimpulan, Karena F hitung > F tabel
(25,465 > 3,683), maka Ho ditolak, artinya ada
14
pengaruh signifikan antara price earning
ratio (PER) dan return on investmen (ROI)
secara bersama-sama terhadap terhadap harga
saham.
Jadi dapat disimpulkan bahwa PER dan ROI
secara bersama-sama berpengaruh terhadap
harga saham pada perusahaan di BEJ.
15
I.Model Matematis dan Algoritma Pokok Analisis
Model ARIMA terdiri dari tiga langkah dasar, yaitu tahap IDENTIFIKASI, TAHAP
PENAKSIRAN dan PENGUJIAN, dan PEMERIKSAAN DIAGNOSTIK. Selanjutnya model
ARIMA dapat digunakan untuk melakukan peramalan jika model yang diperoleh memadai.
Identifikasi
Proses identifikasi dari model musiman tergantung pada alat-alat statistik berupa autokorelasi dan
parsial autokorelasi, serta pengetahuan terhadap sistem (atau proses) yang dipelajari.
Penaksiran Parameter
Ada dua cara yang mendasar untuk mendapatkan parameter-parameter tersebut:
a. satu parameter yang akan ditaksir) yang meminimumkan jumlah kuadrat nilai sisa (sum of squared
residual).
b. Perbaikan secara iteratif, memilih taksiran awal dan kemudian membiarkan program komputer
memperhalus penaksiran tersebut secara iteratif.
Pengujian Parameter Model
1. Pengujian masing-masing parameter model secara parsial (t-test)
2. Pengujian model secara keseluruhan (Overall F test)
Model dikatakan baik jika nilai error bersifat random, artinya sudah tidak mempunyai pola
tertentu lagi. Dengan kata lain model yang diperoleh dapat menangkap dengan baik pola data yang ada.
Untuk melihat kerandoman nilai error dilakukan pengujian terhadap nilai koefisien autokorelasi dari
error, dengan menggunakan salah satu dari dua statistik berikut:
16
1) Uji Q Box dan Pierce:
2) Uji Ljung-Box:
Ha IHS Har IHS Har IHS Har IHS Har IHS Har IHS
ri G i G i G i G i G i G
Data tersebut cenderung sudah stasioner, artinya nilai tengah dan varian tetap tidak tergantung pada
perubahan waktu. Plot data adalah sebagai berikut: Gambar 1. Plot data IHSG
17
40
0
35
0
30
0
25
0
20
ARIMA (0,0,1)
ARIMA (1,0,0)
18
Durbin-Watson stat 1.842423 Prob(F-statistic) 0.000324
Uji t untuk masing-masing parameter, terlihat bahwa pada ARIMA (0,0,1) dan ARIMA (1,0,0) ternyata
t-hitung > dari t-tabel, dan mempunyai nilai prob < 0,005 sehingga dengan alpha 5%, H0 ditolak,
artinya koefisien signifikan (berbeda dari nol). Sementara untuk ARIMA (1,0,1) mempunyai t-hitung <
dari t-tabel, sehingga H0 diterima, artinya koefisien tidak signifikan.
Jawab :
2
a. n =( s / RSE. Y) . artinya jumlah sampel berhubungan lurus dengan simpangan. Semakin tinggi
simpangan semakin banyak sampel yang diperlukan agar margin of eror kecil. Jumlah sampel
berhubungan terbalik dengan RSE. Jumlah sampel berhubungan lurus dengan jumlah populasi
- bandingkan jumlah sampel berdasarkan variabel kepemilikan rumah, kualitas air minum
(kemungkinan dipengaruhi oleh simpangan baku variabel)
- bandingkan jumlah sampel berdasarkan margin of error. Semakin kecil margin of eror semakin besar
sampel
- bandingkan berdasarkan kecamatan, semakin tinggi total sampel, kemungkinan jumlah penduduk
semakin banyak
19
Kualitas hasil estimasi suatu survei bisa diamati dari RSE yang dihasilkan. Menurut Soedarti dkk (2007),
keputusan mengenai keakuratan suatu estimasi bisa diamati dari tabel berikut.
Kondisi Perlakuan
2 2
(∑ y )
Varian (S2) = ∑Y 2
n−1
−
n , Standar Deviasi/ Simpangan Bku (S) = ∑ Y
√ 2
n−1
−
(∑ y )
n =√ S 2
√
S
Standar Error S y̆ = S
n√
2
, Relative Standar Error RSE =
100 X √ n
SE
n = 100 X n √
95% Confidence Interval (Tingkat keyakinan 95% telah diterima secara universal sebagai
standard).
Relatif MoE (MarginOf Error) 20 persen secara umum adalah nilai maksimum yang
diperbolehkan untuk indikator penting, jika terlalu besar hasilnya tidak akan bermanfaat
Ukuran sampel untuk mencapai relatif MoE (Margin Of Error) 10 persen adalah seperempat,
sama besarnya ketika relatif MoE yang diterapkan 5 persen
Indonesia
No Variabel Estimasi Standar RSE 95% Confidence Interval Deff Deft Observasi
20
(n) error (%)
Batas bawah Batas atas
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
1 Pendduk 15 th > 181,769,009 760,199 0.42 180,279,019 183,258,999 8.00 2.83 123,780
2 Angkatan Kerja 126,019,987 624,208 0.50 124,796,539 127,243,435 4.33 2.08 86,268
b.
Pengangguran 7,155,510 171,143 2.39 6,820,070 7,490,950 2.95 1.72 3,814
RSE =100 % X SE/Estimasi Statistik Z = 1,96 tingkat keyakinan 95% (1,645 u/ Level 90%)
Base weight dari unit yang dijadikan sampel adalah berbanding terbalik dengan probabilitas
pemilihannya dalam sampel tersebut.
Sebagai contoh, sebuah unit sampel dengan probabilitas 1/50, mewakili 50 unit populasi dari
sampelnya.
Sehingga, sampling weights-nya berperan sebagai faktor pengali (inflation factors)
Untuk multistage design, base weight-nya harus mencerminkan probabilitas pemilihannya pada tiap
tahapnya.
Contoh : dalam kasus desain dua tahap (two-stage design) keseluruhan probabilitas pemilihan (Pij)
didalam sampel didapat dari perkalian dua probabilitas (n Stage) ini dan keseluruhan base weight
rumahtanga didapat dengan mengambil perbandingan terbalik (reciprocal) dari keseluruhan
probabilitas pemilihannya.
Jumlah sampling weights menyediakan perkiraan yang bias dari jumlah keseluruhan unit dalam
populasi target.
21