RISET AKUNTANSI

misdie@staff.gunadarma.ac.id

TOPOLOGI DATA

M VI, 31 OKTOBER 2022

• Menurut Webster’s New World Dictionary, data adalah things
known or assumed, yang berarti bahwa data itu sesuatu yang
diketahui atau dianggap diketahui artinya sesuatu yang sudah
terjadi merupakan fakta (bukti), data dianggap mempunyai dua
arti:
– suatu pernyataan (statement) tentang sesuatu yang sudah terjadi
akan tetapi belum diketahui (belum dilaporkan), sering disebut
sebagai hipotesis.
– suatu pernyataan tentang sesuatu yang belum terjadi, bisa
terjadi bisa juga tidak disebut ramalan (forecasting).
Data yang baik ialah data yang bisa dipercaya kebenarannya
(reliable), tepat waktu dan mencakup ruang lingkup yang luas atau
bisa memberikan gambaran tentang suatu masalah secara
menyeluruh.
• Data berguna untuk:
1. Mengetahui atau memperoleh gambaran tentang
sesuatu keadaan atau persoalan
2. Membuat keputusan atau memecahkan persoalan

Apa hubungan antara data dan riset?

• Riset pada dasarnya adalah usaha mencari data yang
akan dipergunakan untuk mengetahui sesuatu atau
untuk menguji suatu hipotesis, serta untuk
memecahkan suatu persoalan tertentu.
• Data adalah bahan baku riset
A. Menurut waktu pengumpulannya, data terbagi
menjadi:
1. Data cross section ialah data yang dikumpulkan pada suatu
waktu tertentu (at appoint of time) untuk menggambarkan
keadaan & kegiatan pada waktu tersebut.
• Analisis yang didasarkan atas data cross section disebut
analisis cross section yang sifatnya statis, oleh Karena itu
tidak memperhitungkan perubahan–perubahan yang terjadi,
yang disebabkan oleh perubahan waktu
2. Data berkala (time series data) adalah data yang dikumpulkan
dari waktu ke waktu untuk melihat perkembangan suatu
kejadian/kegiatan selama periode tersebut.
• Misalnya perkembangan uang beredar, perkembangan harga
9 macam bahan pokok, perkembangan penduduk dll.
B. Menurut kondisi hubungan/ketergantungan
1. Data/variabel terikat : data/variabel yang
tergantung pada data variabel lain.
2. Data/variabel bebas: data/variabel yang tidak
tergantung pada variabel lain.
Misalnya adalah data hasil penjualan suatu produk
tergantung oleh harga, promosi, distribusi dan
produk itu sendiri. Data hasil penjualan merupakan
variabel terikat sedangkan variabel harga, promosi,
distribusi dan produk itu sendiri adalah variabel
bebas.
C. Skala Pengukuran.
Skala merupakan suatu prosedur
pemberian angka atau symbol lain kepada
sejumlah ciri suatu obyek agar dapat
menyatakan karakteristik angka pada ciri
tersebut. Berdasarkan skala data dapat
dipisahkan menjadi: Skala Nominal,
Ordinal, Interval dan Rasio.
 Skala Nominal
Skala yang paling sederhana di mana angka yang
diberikan kepada suatu kategori tidak
menggambarkan kedudukan kategori tersebut
terhadap kategori lainnya tetapi hanya sekadar
kode atau label.

Contoh :
Jenis kelamin : 1 = pria dan 2 = wanita
Status : 1 = menikah dan
2 = tidak menikah
 Skala Ordinal
• Skala ini mengurutkan data dari tingkat
paling rendah ke tingkat paling tinggi atau
sebaliknya dengan interval yang tidak harus
sama.
Contoh ; Nilai ujian 5 mahasiswa diurutkan dari
yang paling besar ke yang paling kecil sbb:
Merubah nilai ujian ke nilai prestasi, misalnya dengan kaidah sbb:
Jarak antara 85 – 100 adalah A
Jarak antara 76 – 84 adalah B
Jarak antara 68 – 75 adalah C
Jarak antara 56 – 67 adalah D
Jarak antara 0 – 55 adalah E
Kaidah di atas terlihat bahwa jarak interval tiap nilai prestasi
bisa tidak sama.
Jika bobot pada skala ordinal tidak diperhatikan, ia akan
menjadi skala nominal sehingga dapat disimpulkan bahwa skala
ordinal dapat berperan sebagai skala nominal tetapi tidak
sebaliknya, skala nominal tidak dapat berperan sebagai skala
ordinal.
 Skala Interval
• Skala ini mengurutkan obyek berdasarkan
suatu atribut yang memberikan informasi
tentang interval antara satu obyek dengan
obyek lainnya adalah sama.
– Contoh: nilai prestasi yang telah ditransfer
dalam bentuk huruf A, B, C, D dan E
selanjutnya diberi bobot masing-masing 4, 3,
2, 1 dan 0 sehingga interval A dan C sama
dengan interval C dan E atau interval A dan
B sama dengan interval D dan E.
 Skala Interval

• Misalkan jika bobot A = 4 diubah menjadi A =

0 bukan berarti bahwa nilai prestasi B, C, D
dan E juga menjadi 0, tetapi dapat berubah
menjadi berturut-turut –1, -2,-3 dan –4.
• Jika jarak interval pada skala ini tidak
diperhatikan, skala ini bertindak sebagai skala
ordinal. Jasi skala interval dapat bertindak
sebagai skala ordinal dan skala nominal.
 Skala Rasio
• Skala ini mencakup ketiga skala yang disebutkan di atas
ditambah dengan sifat lain yaitu bahwa ukuran ini
mempunyai nilai nol. Karena adanya titik 0 inilah maka
ukuran rasio dapat dibuat dalam perkalian maupun
pembagian. Angka pada skala ini merupakan ukuran
yang sebenarnya dari obyek yang diukur.
– Contoh Agus Salim dan Budi Wasito adalah dua
orang karyawan PT Maju yang masing-masing bergaji
Rp 2.000.000 dan Rp 5.000.000. Hitungan ukuran
rasionya ; gaji Budi Wasito adalah 2,5 kalil ipat gaji
Agus Salim. Gaji ini mempunyai titik nol (misalnya
perusahaan tidak menggaji pegawainya karena
bangkrut, artinya kedua karyawan bergaji Rp 0).
 TEKNIK SAMPLING
(Teknik Pengambilan Sampel)
Populasi  kelompok keseluruhan orang, peristiwa atau
sesuatu yang ingin diselidiki oleh peneliti.
Populasi sasaran
Tujuan utama penarikan sampel adalah untuk memperoleh
informasi tentang populasi. Oleh karena itu sejak awal
perlu mengidentifikasi populasi secara tepat dan akurat.
Contoh :
• populasi sasaran untuk penelitian persepsi akuntan
adalah para akuntan.
• Populasi sasaran untuk calon mahasiswa potensial
adalah siswa SMU dll
Elemen  suatu anggota tunggal dari populasi.
Jika terdapat 200 penumpang pesawat dalam suatu
penerbangan, maka setiap penumpang pesawat tersebut
merupakan elemen dari populasi.
Sampel  beberapa anggota atau suatu bagian (subset)
dari populasi. Hal ini mencakup sejumlah anggota yang
dipilih dari populasi. Sehingga sebagaian elemen dari
populasi merupakan sampel.
Sampel (contoh)  penting dalam penelitian 
berkaitan dengan kredibilitas dan mutu penelitian serta
biaya penelitian yang harus di keluarkan.
 Mengapa dalam penelitian digunakan sampel
(contoh) dan apakah sampel dapat dikatakan
mewakili seluruh populasi?

• Seluruh Populasi  Teknik sensus

membutuhkan biaya yang sangat besar/mahal
(tenaga pencacah dan waktu yang lama).

• Teknik sensus tidak luwes dan tidak praktis

untuk pengambilan keputusan terbatas.
 Sampel dapat mewakili seluruh populasi,
apabila:
►Sampel mengandung dua kriteria yaitu cermat (accuracy)
dan tepat (precission).
Kriteria cermat dimaksudkan agar sampel yang diambil tidak
akan bias sehingga sampel dapat memberikan reaksi yang tidak
berlebih atau kurang tetapi memberikan reaksi wajar.
Kriteria tepat mengandung arti sampel yang diambil dapat
mewakili dengan wajar keseluruhan populasi tersebut. Oleh
karena itu aspek ketepatan ini mengandung pengukuran standar
yang dapat ditoleransi terhadap kemungkinan kesalahan
pengambil sampel.
Menggunakan teknik pengambilan sampel (teknik sampling)
yang sesuai dengan strategi penelitian yang dilakukan.
►Menggunakan teknik pengambilan sampel
(teknik sampling) yang sesuai dengan strategi
penelitian yang dilakukan.

Sampling  adalah proses memilih suatu jumlah

unsur populasi yang mencukupi dari populasi,
sehingga dengan mempelajari sampel dan
memahami karakteristiknya memungkinkan
untuk untuk menggeneralisasikan karakteristik
tersebut pada seluruh anggota populasi.
 Kategori Sampling
Probability Sampling dan Non Probability
sampling
Probability sampling yaitu proses pengambilan
sampel yang menjamin adanya peluang bahwa
setiap unsur populasi dipilih sebagai anggota
sampel.
Probability Sampling meliputi sample random
sampling, systematic sampling, stratified random
sampling, cluster sampling, area sampling dan
double sampling
Non Probability Sampling yaitu proses
pengambilan sampel yang tidak menjamin
adanya peluang bahwa setiap unsur poppulasi
dipilih sebagai anggota sampel
Non Probability Sampling meliputi :
• Convinience sampling,
• Judgement sampling,
• Quota sampling
• Snowball sampling.
 Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
A. Probability Sampling
Seluruh elemen dalam Kemampuan Tidak seefisien stratified
populasi diperhitungkan generalisasi hasil sampling
dan tiap elemen penenmuan tinggi
Simple random mempunyai kesempatan
sampling yang sama untuk terpilih
sebagai objek

Setiap elemen ke n dari Mudah dilakukan bila Dimungkinkan terjadinya

populasi dipilih, mulai dari kerangka bias sistematik
Systematic anggota tertentu dalam populasinya tersedia
sampling kerangka populasi

20
 Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
A. Probability Sampling
Stratified random Populasi dibagi ke dalam Paling efisien di Stratified harus memiliki
sampling kelompok tertentu antara semua desain arti tertentu lebih
kemudian subyek diambil: probabilitas semua memakan waktu
kelompok terwakili dibandingkan dengan
jumlahnya simple random sampling
dalam proporsi jumlah
kerangka populasi untuk
yang sebenarnya dan
a. Propor-sionate tiap kelompok/strata
perbandingannya.
diperlukan.

berdasarkan criteria
b. Dispropor - selain jumlah populasi
sionete sebenarnya.

21
 Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
A. Probability Sampling
Kelompok yang Dalam cluster Paling kurang dapat
anggotanya heterogen geografis , biaya diandalkan & kurang
ditentukan dulu, pengumpulan efisien diantara desain
kemudian dipilih secara datanya rendah probabilitas lainnya
Cluster sampling acak dari tiap kelompok : karena sub-sub dari
semua anggota dari tiap kelompok lebih
keompok yang dipilih cenderung homogen
secara acak dipelajari daripada heterogen.

Cluster sampling dalam Biayanya efektif, Memakan waktu untuk

suatu daerah/lokasi berguna untuk mengumpulkan data
tertentu keputusan yang dari suatu lokasi.
Area Sampling berhubungan
dengan lokasi 22
tertentu
 Kelebihan dan kekurangan
desain sampling

Desain sampling Penjelasan Kelebihan Kekurangan

A. Probability Sampling
Sampel atau sub Menawarkan Original bias individu
sampel yang sama infomasi yang mungkin tidak senang
Double sampling
diteliti dua kali lebih rinci dalam merespon untuk
topik penelitian kedua kali

Desain sampling Penjelasan Kelebihan Kekurangan

B. Non Probability Sampling
Anggota populasi yang Cepat, mudah, Tidak dapat
Convenience
paling mudah ditemui tidak mahal digeneralisasikan
sampling
dipilih sebagai subyek sama sekali

23
 Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
B. Non Probability Sampling
Subyek dipilih Kadang merupakan Kemampuan
berdasarkan keahlian satu-satunya cara generalisasinya
Judgment sampling dalam bidang diteliti untuk menyelidiki dipertanyakan, tidak
dapat digeneralisasikan
ke seluruh popolasi
Subyek dipilih yang Sangat berguna bila Tidak dapat
paling mudah ditemui partisipasi kelompok digeneralisasikan
dari kelompok yang minoritas diperlukan dengan mudah
Quota sampling
ditargetkan berdasar dalam suatu
jumlah kuota yangtelah penelitian
ditentukan sebelumnya
Memilih unit yang Hanya untuk Keterwakilan dari
karakteristiknya jarang, penerapan yang karakteristik yang jarang
Snowball sampling unit selanjutnya sangat khusus tidak terlihat dalam
24
ditunjukkan responden pemilihan sampel
sebelumnya
 Ukuran sampel

Beberapa hal yang perlu diperhatikan dalam

pengambilan sampel selain metode pengambilan
sampel di atas adalah tingkat ketepatan
(precision) dan tingkat kepercayaan
(confidence) sampel.

Ketepatan (precision) mengacu pada seberapa

dekat estimasi peneliti berdasarkan sampel
yang terpilih terhadap karakteristik yang
sebenarmya dari populasi. 25
 Ukuran sampel

Confidence level : derajat kepercayaan atau

ketelitian pengambilan sebuah sampel.
Confidence level 95%-99%. Semakin tinggi
Condidence level semakin dapat dipercaya data
tersebut.

(100 - CL = 1%-5%) adalah persen kelonggaran

ketidaktelitian karena kesalahan pengambilan
sampel yang masih dapat ditolelir.
 Ukuran sampel

Ukuran sampel dapat pula ditentukan dengan

menggunakan rumus slovin (1960) yang dikutip
Sevilla (1994) sbb:
N
n = ---------------------
1 + N e2
n = ukuran sampel
N = ukuran populasi
e = persen kelonggaran ketidaktelitian karena
kesalahan pengambilan sampel yang masih dapat
ditolelir atau diinginkan, misalnya 2%
 Ukuran sampel

misalnya:
Jumlah elemen dalam populasi adalah 8000.
Apabila Confidence level 98% berapa sampel
yang harus diambil = 1905. Apabila CL
diturunkan menjadi 95% berapa jumlah
sampelnya = 3809 dst.

Semakin tinggi CL semakin besar sampelnya,

semakin rendah CL semakin sedikit sampelnya.
 Ukuran sampel
Dalam menentukan ukuran/jumlah sampel juga
perlu memperhatikan pedoman kasar yang
dikemukakan oleh Roscoe dalam Sekaran (2000),
yaitu:
1. Jumlah sampel yang paling sesuai untuk
hampir semua penelitian adalah 30 < n < 500
2. Apabila sampel dibagi ke dalam beberapa
subsampel (laki-laki/perempuan,
senior/yunior) jumlah sampel minimum untuk
tiap kategori adalah 30
 Ukuran sampel

3. Dalam penelitian multivariate (multiple

regression analysis) jumlah sampel harus
beberapa kali (sekitar 10 kali atau lebih)
lipat dari jumlah variabel dalam penelitian.
4. Penelitian eksperimen yang sederhana
dengan pengendalian ekperimental yang
ketat, penelitian yang baik dapat dilakukan
dengan menggunakan sampel sekitar 10
sampai 20.
 Kekeliruan Sampling
• Kekeliruan sampling :
Terjadinya kekeliruan pada saat menelaah
sampel, misalnya dalam menentukan jumlah
sampel yang harus diambil
• Kekeliruan Tak Sampling :
Kekeliruan jenis ini sering timbul dalam suatu
riset antara lain karena populasi yang tidak jelas,
pertanyaan-pertanyaan yang tidak tepat dan
obyek yang diteliti ternyata tidak seluruhnya
didapat.
Ukuran minimum sampel yang dapat diterima berdasarkan
desain/metode penelitian yang digunakan (Gay, 1976):
• Deskriptif, minimal 10 % dari populasi. Untuk populasi
yang relatif kecil minimal minimal 20%.
• Desain deskriptif-korelasional, minimal 30 subjek
• Metode ex post facto, minimal 15 subyek per kelompok
• Metode eksperimental, minimal 15 subyek
Penggunakan kaidah di atas sebaiknya disesuaikan dengan
kondisi populasi dan keadaan lain yang berkaitan.
Terima Kasih