Tugas Kelompok

Metodologi Penelitian Akuntansi

Rabu 10:30 – 13:00
Kelas F

DISUSUN OLEH :

202050188 Rafael Christian

202050369 Livia Bela Saputri
202050363 Elisa
202050375 Kheren
202050428 Yovela Adhianta
202050437 Meisya

Jurusan Akuntansi
Trisakti School of Management
Jakarta
2022
 Chapter 14
Quantitative data analysis

Getting the data ready for analysis

Setelah data selesai diambil, peneliti nih harus nentuin data mana aja yang bisa dimasukin
ke dalam model penelitian. Outlier, data yang blank harus dikeluarin sehingga hasil
penelitiannya bisa lebih akurat

Coding and data entry

Langkah pertama dalam mempersiapkan data adalah data coding. Data coding melibatkan
beberapa respons dari partisian, sehingga bisa dimasukan ke database. Hal ini menghindari
peneliti dari kebingungan ngeliat kuisioner berulang-ulang.

Coding the responses

Peneliti bisa memasukan data pilihan responden dengan menuliskan langsung pilihannya
atau membuat variable dummy. Misalnya laki-laki 0, perempuan 1, dst.

Data entry

Setelah data sudah dikoding, maka data bisa dimasukan ke data base. Data mentah tadi
harus diolah dengan software khusus, contohnya SPSS.

Editing data
Data editing berhubugan dengan mendeteksi dan mengoreksi data yang kurang logis, tidak
konsisten, dan kelalaian berdasarkan informasi yang didapatkan dari responden. Beberapa
contoh illogical response:

 Outlier, yaitu sebuah data observasi yang secara substansial berbeda dengan data
hasil observasi lainnya. Outlier belom tentu merupakan data error, walaupun
biasanya diakibatkan oleh data error.
 Respon yang tidak konsisten adalah respon yang ga nyambung dipertanyaan
yang sama. Biasanya peneliti pakai trik mengubah frasa, untuk menguji
kekonsistenan responden.
  Illegal codes adalah nilai yang sebenernya ga ada di kuisioner. Misalnya
pilihannya Cuma sampe 5, tapi dia nulisnya 6.
 Omission, merupakan kelalaian responden, jadi dia ga jawab satu atau beberapa
item dalam kuisioner. Biasanya karena ga ngerti atau gamau jawab aja.

Kalo lebih dari 25% pertanyaan dalam kuisioner ga diawab, maka bisa dibilang itu blank
quisonaire dan seharusnya ga usah dimasukin dalam analisa data.

Data Transformation
Merupakan variasi dari data coding, yakni proses untuk mengubah representasi numerical
dari nilai quantitavi menjadi nilai lainnya. Data biasanya diubah untuk menghindari
masalah di tahapan selanjutnya dalam proses analisa data. Contohnya, para ekonom biasa
menggunakan transformasi logaritmik supaya data terdistribusi dengan normal.
Contoh transformasi data lainnya adalah reverse scoring, jadi ada skor negatif, 0, sama
positif gitu kalo misalnya skala pengukurannya pake ordinal.

Getting a feel for the data

Kita bisa lebih ngerasain nya dengan bikin rangkuman visual, bisa ngecek central
tendencydna disperse dari masing-masing variabelnya. Kita juga bisa menilai datanya
dengan menilai relasi antar dua variable. Dibawah ini data yang bisa di visualisasi datanya
berdasarkan jenis skala yg kita pake:
Peneliti perlu tau nih central tendency, range, disperse, dan alat statistic lainnya, supaya
bener-bener tau konsep yg lagi dikembangin. Dalam hal ini ada istilahnya descriptive
statistics, yaitu untuk setiap variable, gimana sih frekuensi, central tendency dan
dispersinya.

Frequencies
Frekuensi merupakan berapa kali sih data/angka itu muncul dalam penelitian. Biasanya
juga bisa pake pie chart/ bar chart

The mean
The mean adalah ukuran tendensi sentral yang menawarkan gambaran umum data tanpa
perlu membanjiri satu dengan masing-masing pengamatan dalam kumpulan data.

The median
Median adalah item sentral dalam sekelompok pengamatan ketika mereka disusun dalam
urutan menaik atau menurun.

The mode
The mode adalah satu set pengamatan tidak meminjamkan dirinya untuk representasi yang
berarti baik melalui mean atau median, tetapi dapat ditandai dengan fenomena yang paling
 sering terjadi.

Range
Mengacu pada nilai ekstrim dalam satu set pengamatan.

Variance
Varians dihitung dengan mengurangkan mean dari setiap pengamatan dalam kumpulan
data, mengambil kuadrat dari perbedaan ini, dan membagi totalnya dengan jumlah
pengamatan.

Standard deviation
Standar deviasi merupakan ukuran lain dari dispersi untuk data skala interval dan rasio,
menawarkan indeks penyebaran distribusi atau variabilitas dalam data.

Nonparametric tests
Tes nonparametrik tersedia untuk menilai hubungan antara variabel yang diukur pada
skala nominal atau ordinal.

Correlation matrix
matriks korelasi digunakan untuk menguji hubungan antara variabel interval dan/atau
rasio.
Factorial Validity
Validitas yang dapat ditetapkan dengan mengirimkan data untuk dilakukan analisis faktor.
Hasil analisis faktor akan mengkonfirmasi apakah muncul dimensi berteori atau tidak.
Analisis faktor mengungkapkan apakah dimensi memang disadap oleh item dalam ukuran
seperti dalam teori atau tidak.
Criterionrelated Validity
Validitas yang dapat ditetapkan dengan menguji kekuatan ukuran untuk membedakan
individu yang berbeda.
Discriminant Validity
Validitas yang dapat dibentuk ketika terdapat dua konsep yang tidak berkorelasi satu sama
lain
 CHAPTER 15
QUANTITATIVE DATA ANALYSIS: HYPOTHESIS TESTING
Inferential Statistics
Bukti statistik yang perlu disediakan oleh statistik inferensial adalah seperti analisis regresi
atau MANOVA. Statistik inferensial membantu peneliti menarik kesimpulan atau membuat
kesimpulan tentang populasi dari sampel.
Type I Error
Type I error biasa disebut sebagai alpha (α) adalah ketika probabilitas menolak hipotesis nol
benar-benar terjadi. Probabilitas type I error juga dikenal sebagai tingkat signifikansi,
ditentukan oleh peneliti. Tingkat signifikansi dalam penelitian bisnis ada;ah 5% (<0,05) dan
1% (<0,01).
Type II Error
Type II error biasa disebut sebagai beta (β) adalah probabilitas gagal menolak hipotesis nol,
sehingga membuat hipotesis alternatif adalah benar. Probabilitas type II error berbanding
terbalik dengan probabilitas type I error, dimana semakin kecil resiko salah satu jenis
kesalahan ini, maka semakin tinggi resiko jenis kesalahan lainnya.
Statistical Power
Kekuatan statistik (1-β) adalah peluang untuk menolak hipotesis nol dengan benar. Kekuatan
statistik merupakan probabilitas bahwa statistik signifikansi akan ditunjukkan jika ada.
Kekuatan statistik didasarkan pada :
 Alpha (α): kriteria signifikansi statistik yang digunakan dalam pengujian. Jika alfa
bergerak mendekati nol (misalnya, jika alpha bergerak dari 5% ke 1%), maka
probabilitas menemukan efek ketika ada efek menurun. Ini menyiratkan bahwa
semakin rendah (yaitu, semakin dekat bergerak ke nol) semakin rendah daya; itu
semakin tinggi alpha, semakin tinggi kekuatannya.
 Ukuran efek: ukuran efek adalah ukuran perbedaan atau kekuatan hubungan dalam
populasi: perbedaan besar (atau hubungan yang kuat) dalam populasi lebih sering
ditemukan daripada perbedaan kecil (kesamaan, hubungan).
  Ukuran sampel: pada tingkat alfa tertentu, peningkatan ukuran sampel menghasilkan
lebih banyak kekuatan, karena peningkatan ukuran sampel menyebabkan perkiraan
parameter yang lebih akurat. Dengan demikian, peningkatan ukuran sampel
menyebabkan probabilitas yang lebih tinggi untuk menemukan apa yang kita cari.
Namun, meningkatkan ukuran sampel juga dapat menyebabkan terlalu banyak
kekuatan, karena bahkan efek yang sangat kecil akan dianggap signifikan secara
statistik.

One Sample t-test

Pengujian yang digunakan untuk menguji hipotesis bahwa rata-rata populasi dari sampel
diambil sama dengan standar pembanding.
Paired samples t-test
Untuk menguji perbedaan yang ada pada kelompok yang sama, sebelum dan sesudah
tindakan dilakukan. Misalnya, apakah setelah menjalani pelatihan, sekelompok karyawan
akan berkinerja lebih baik daripada sebelumnya?
Wilcoxon signed‐rank test
Merupakan tes nonparametrik untuk memeriksa perbedaan yang signifikan antara dua sampel
terkait atau pengukuran berulang pada sampel tunggal. Ini digunakan sebagai alternatif
paired samples t-test ketika populasi tidak dapat diasumsikan terdistribusi normal.
Mcnemar’s test
Metode nonparametrik yang digunakan pada data nominal. Ini menilai signifikansi perbedaan
antara dua sampel dependen ketika variabel yang diminati adalah dikotomis. Ini digunakan
terutama sebelum dan sesudah penelitian untuk menguji efek eksperimental.
Variabel dikotomis
Variabel yang artributnya terdiri dari 2. Contohnya jenis kelamin yang terdiri dari laki-laki
dan perempuan, sakit dan sehat, baik dan buruk, dan sebagainya.
Independent samples t‐test
Dilakukan untuk melihat apakah ada perbedaan yang signifikan rata-rata kedua kelompok
pada variabel minat. Artinya, variabel nominal yang dibagi menjadi dua subkelompok
(misalnya, perokok dan bukan perokok; karyawan di departemen pemasaran dan akuntansi;
karyawan yang lebih muda dan lebih tua) diuji untuk melihat apakah ada perbedaan rata-rata
yang signifikan antara dua kelompok terpisah pada variabel dependen, yang diukur pada
skala interval atau rasio (misalnya tingkat kesejahteraan, gaji, atau tingkat pemahaman).
ANOVA
Menguji perbedaan rata-rata yang signifikan antara lebih dari dua kelompok pada suatu
interval atau variabel dependen skala rasio. Misalnya, apakah ada perbedaan yang signifikan
dalam jumlah penjualan pada empat kelompok tenaga penjualan berikut:
1. yang dikirim ke tempat pelatihan;
2. yang diberikan pelatihan di tempat kerja selama kunjungan lapangan;
3. yang telah dibimbing oleh manajer penjualan;
4. yang tidak memiliki satupun di atas?
Regression Analysis
Metode didalam statistika dimana ini digunakan untuk menentukan hubungan sebab akibat
antara satu variable dengan variable yang lain.
Simple Regression Analysis
Pengujian regresi ketika satu variable independen mempengaruhi satu variable dependen.
Multiple Regression Analysis
Pengujian regresi ketika lebih dari satu variable independen mempengaruhi satu variable
dependen.
Standardized Regression Coefficients (or Beta Coefficients)
Perkiraan dari multiple regression analysis yang dilakukan pada variable yang sudah
distandarisasi (suatu proses dimana variable diubah menjadi variable dengan mean 0 dan
standar deviasi 1).
Dummy Variable
Adalah variable yang memiliki dua atau lebih level yang berbeda, yang diberi kode 0 atau 1.
Variabel ini memungkinkan kita untuk menggunakan variable nominal atau ordinal sebagai
variable independen untuk menjelaskan, memahami atau memprediksi
Multicollinearity
Sebuah situasi yang menunjukkan adanya korelasi atau hubungan yang kuat antara dua atau
lebih variable independen dalam Multiple Regression Model.
Other Multivariate Test and Analyses
Terdiri dari 5 teknik, yaitu: Descriminant Analysis, Logistic Regression, Conjoint Analysis,
Multivariate Analysis of Variance (MANOVA), dan Canonical Correlations.
Discriminant Analysis
Analisis yang membantu mengidentifikasi variable independen yang mendiskriminasi suatu
nominal skala variable dependen.
Logistic Regression
Digunakan ketika variable dependen nonmetric dan ketika variable dependen hanya memiliki
dua kelompok, regresi logistic lebih disukai karena tidak menghadapi batasan yang ketat.
Conjoint analysis
Teknik statistik yang digunakan untuk memahami bagaimana konsumen mengembangkan
preferensi untuk produk atau layanan di bidang pemasaran, manajemen produk, dan riset
operasi.
Two-way ANOVA
Digunakan untuk menguji pengaruh dua variabel independen nonmetrik pada variabel
dependen metrik tunggal.
MANOVA
Manova mirip dengan anova, dengan perbedaan bahwa anova menguji perbedaan rata-rata
lebih dari dua kelompok pada satu variabel dependen, sedangkan manova berarti menguji
perbedaan antara kelompok di beberapa variabel dependen secara bersamaan, dengan
menggunakan jumlah kuadrat dan matriks hasil silang.
Canonical correlation
Meneliti hubungan antara dua atau lebih variabel terikat dan beberapa variabel bebas;
misalnya, korelasi antara seperangkat perilaku pekerjaan (seperti keasyikan dalam bekerja,
penyelesaian pekerjaan tepat waktu, dan jumlah ketidakhadiran) dan pengaruhnya terhadap
serangkaian faktor kinerja (seperti quality of work, the output, and rate of rejects).
Data Warehousing
Proses mengekstraksi, mentransfer, dan mengintegrasikan data yang tersebar di beberapa
database eksternal dan sistem operasi, dengan maksud untuk memfasilitasi analisis dan
pengambilan keputusan.
Data Mining
Alat strategis untuk mencapai tingkat kecerdasan bisnis yang baru dengan menggunakan
algoritme untuk menganalisis data dengan cara yang bermakna.
Operations Research (OR) atau Ilmu Manajemen (MS)
Alat canggih yang digunakan untuk menyederhanakan dan dapat memperjelas jenis masalah
kompleks tertentu yang memungkinkan kuantifikasi.
Perangkat lunak yang berguna untuk analisis data :
 LISREL - memperkirakan dan menguji model persamaan struktural. Model
persamaan struktural yang kompleks, model statistik hubungan linier antara variabel
laten (tidak teramati) dan variabel nyata (terobservasi).
 MATLAB - program komputer yang awalnya dirancang untuk menyederhanakan
implementasi rutinitas aljabar linier numerik. Ini digunakan untuk
mengimplementasikan algoritma numerik untuk berbagai aplikasi.
 Mplus - program pemodelan statistik yang menawarkan peneliti berbagai pilihan
model, estimator, dan algoritma.
 Qualtrics - Program ini memungkinkan pengguna untuk melakukan berbagai macam
pengumpulan data online dan analisis data, evaluasi karyawan, umpan balik situs web,
riset pemasaran, dan riset kepuasan dan loyalitas pelanggan.
 SAS - sistem produk perangkat lunak yang terintegrasi, yang mampu melakukan
berbagai analisis statistik seperti statistik deskriptif, teknik multivariat, dan analisis
deret waktu.
 SPSS - program manajemen dan analisis data yang dirancang untuk melakukan
analisis data statistik, termasuk statistik deskriptif seperti plot, frekuensi, bagan, dan
daftar, serta prosedur statistik inferensial dan multivariat yang canggih seperti analisis
varians (ANOVA), analisis faktor, analisis klaster, dan analisis data kategorikal.
 SPSS AMOS - dirancang untuk memperkirakan dan menguji model persamaan
struktural.
 Stata - paket perangkat lunak statistik tujuan umum yang mendukung berbagai
metode statistik dan ekonometrik, grafik, dan fitur yang disempurnakan untuk
manipulasi data, pemrograman, dan manipulasi matriks.