TM 9 - AMRIE FIRMANSYAH

12 Juni 2023

tujuan penelitian dan rumusan masalah, kesimpulan, jumlahnya sama

kalau ada 3, semuanya ada 3
sebaiknya pembahasan juga ada 3

KUANTITATIF biarpun mengelaborasi pembahasan, dalam rumusan masalahnya pakai

apakah bukan bagaimana
karena bagaimana sifatnya lebih elaboratif
apakah X berpengaruh terhadap Y, itu cukup

KUALITATIF, kalau tujuannya hanya 1 yasudah 1 saja

perlunya masalah utama penelitian,

harus lihat dari 2 sudut pandang
ada apa? kenapa penting

jangan semua konsep di fenomena semua

setiap variabel disampaikan apa saja

fokus cari artikel jurnalnya. akan dipengaruhi oleh apa. misalnya berapa artikel jurnal
berbicara dipengaruhi oleh independensi, kompetensi, etika, bisa lihat contohnya

bisa juga tapi tidak dijadikan mapping penelitian sebelumnya.

lihat datanya primer atau sekunder

kalau sekunder mau diproksikan dengan apa?
bisa dijelaskan dengan beberapa indikator, yang mau dilihat dari sisi apanya
kalau individu lihat dari perilaku mereka, keputusan mereka
mau dari institusinya atau dari pelakunya

mediasi/intervening biasanya data primer

perbedaan penelitian dengan adanya moderasi

hubungannya teori perilaku

teori keberlakuan paling mudah pakai teori atribusi bisa menkluster mana faktor internal dan
faktor eksternal. faktor internalnya misalnya independensi dan kompetensi, SPI faktor
eksternal.
pengujian primer, pencegahan fraud itu dari niat…atau attitude atau apa
bisa dikaitkan dengan variabel independennya,
teori social learning, teori atribusi

bisma
indikatornya bisa mengembangkan sendiri, bisa combine aturan yang ada, penelitian
sebelumnya, atau pemikiran sendiri. ketika memilih indikator disebutkan step2nya, mengacu
pada SPIP atau aturan tertentu, namun ditambahkan dengan apa, sehingga indikatornya
menjadi seperti apa
cluster per dimensi.
misalnya independen dibangun dari 7 indikator, di cluster
1 indikator minimal 3 pertanyaan
menggagas kenapa menggunakan teori tersebut
yang perlu dilakukan atas primer:

kesimpulan: berpengaruh positif atau negatif, alasannya apa

bukan mixed method

rumus slovin 30%

80 atau 100 bisa mewakili populasi
depend on populasi, minimal 30 sampel

sampling
selama ada kriterianya= purposive sampling

mendevelop bikin indikator lebih banyak, meminimalisir yang tidak valid

menggabungkan 2 3 referensi juga bisa

penyajian data yang dari kuesioner, penyajiannya

1. sebaiknya disampaikan periode penyebaran kuesioner, selama 5 hari, atau 15-20
juni, agar reviewer paham
2. link google form juga disertakan
3. disampaikan kepada berapa responden
4. jangan biarkan responden kosong mengisi data
DATA PRIMER
smart pls, spss, amos, lisrel
smart pls variabel laten, save dalam csv, SEM non parametrik statistik, tidak keluar e
probnya berapa
kalo spss, per masing2 variabel harus bikin sum/average, pendekatan analisis regresi linear,

DATA SEKUNDER
sekunder cross section: spss, eviews, stata
sekunder panel: eviews, stata
bisa dalam data cross section/data panel/time series
bisa juga cross section data di tahun tertentu, tidak perlu memperhatikan waktu atau
individunya siapa
kalau data panel ada nama emiten, tahunnya harus semua ada, keunggulannya tidak pakai
uji asumsi klasik (uji linearitas utk time series, uji heterogenitas,...)
time series = pakai autokorelasi

TEORI-TEORI YANG DIGUNAKAN DALAM PENELITIAN AKUNTANSI

manfaat (untuk kuantitatif)

- digunakan dalam menjelaskan masalah utama penelitian
- memfokuskan penelitian pada satu kerangka tertentu
- memagari ulasan penelitian

kualitatif: bisa menggunakan teori sendiri

1. teori keagenan:
- perusahaan kumpulan beberapa kontrak (nexus of contract)
- informasi asimetris: karena manajer memiliki pengetahuan yang lebih
sempurna
- perbedaan kepentingan agen dan prinsipal
- konflik keagenan
- biaya keagenan: untuk meminimalisir konflik kepentingan
2. stewardship theory/teori penatalayanan
- manajer akan memberikan kemampuan terbaiknya untuk menyeimbangkan
pemegang saham, manajer tidak memiliki motif atas nama pribadi atau untuk
memperkaya pribadi
 - kepentingan jangka panjang perusahaan merupakan prioritas sikap manajer
3. teori sinyal 1973
- sinyal2 informasi dibutuhkan investor untuk mempertimbangkan dan
menentukan apakah para investor akan menanamkan sahamnya atau tidak
pada perusahaan yang bersangkutan
- manajer menyediakan informasi kepada investor untuk membantu mereka
dalam pengambilan keputusan, informasi akuntansi apakah akan
memberikan sinyal atas laporan keuangan di masa depan
- manajer menggunakan informasi akuntansi untuk memberi sinyal atas
ekspektasi dan intensi di masa depan
4. teori pasar efisien (lemah, semi kuat, kuat)
- lemah: informasi harga saham dipengaruhi harga saham di masa lalu, tidak
menggunakan informasi akuntansi dalam pembahasannya
- semi kuat: juga ada informasi akuntansinya
- kuat: informasi ada yg diketahui publik dan ada juga informasi yang tidak
diketahui banyak publik jadi hanya tertentu saja (ordal atau karyawan)
5. teori pemangku kepentingan
- tekanan dari pemangku kepentingan kepada organisasi, ekspansi teori
keagenan juga
- dari faktor eksternal
6. teori legitimasi
- sukarela tidak ada tekanan, memproklamirkan kalau dia transparan
- berkaitan erat dengan persepsi masyarakat
7. teori akuntansi positif
- sebelum adanya teori keagenan berkembang
- teori pertama terkait akuntansi keuangan
a. hipotesis terkait dengan bonus
b. hipotesis kontrak hutang
kalau bisa menyajikan informasi laba yang lebih tinggi dipersepsikan akan lebih
sehat, biasanya utk perusahaan yg membutuhkan dana dari kreditor
c. hipotesis biaya politik
konsekuensi untuk mengeluarkan biaya politik, perusahaan akan lebih
menangguhkan keuntungan2 saat ini yang bisa ditangguhkan di masa depan
8. RBV
Sumber daya yang jarang itu sangat diperlukan, berharga, dan tidak dapat
disubstitusikan
9. theory of reasoned action (sudah masuk teori perilaku)
 - individu memiliki minat atas perilakunya, sudah berencana
- perilaku ditentukan oleh niat, tujuan, norma2 subjektif (terkait perilaku yang
dilakukannya)
10. theory of planned behaviour
- semua diawali oleh niat
- behavioural beliefs: berdasarkan individu sendiri
- normative beliefs: yang berkembang di masyarakat seperti apa
- control beliefs: keyakinan ttg hal2 yang mendukung, mau
melaksanakan itu atas dasar apa ya?
11. social learning theory
- individu tidak secara otomatis mengamati perilaku dari model dan akan
meniru perilaku tersebut akan memeditasi terlebih dahulu
- attention =
- retention = harus ada kesan
- reproduction = banyak yang ingin ditiru tapi ada keterbatasan
- motivation = ada reward n punishment atau tidak
12. attribution theory
- penyebab perilaku seseorang bisa dipengaruhi faktor internal dan eksternal

TM 10
19 Juni 2023

bagaimana cari masalah, topik penelitian

jawaban atas pertanyaan dijawab dengan data
bagaimana cara pengumpulan data?
methodological choice yg dipilih apa?
kuantitatif = numerik, tapi juga filosofi berpikirnya, dilihat dari luar, hasilnya bisa berlaku
umum
kualitatif = diwawancara langsung, fokusnya kedalaman
dua duanya menjawab permasalahan penelitian (metode untuk menjawab masalah secara
sistematis)
setelah pengumpulan data, analisis data

data primer = diperoleh langsung dari sumbernya (wawancara, observasi, visual

methods/melihat persepsi orang dari misalnya poster yang sifatnya visual)
data sekunder = pihak ketiga (hasil lapkeu di kantornya bekerja), kuantitatif: kuesioner atau
eksperimen
data kuantitatif = numerik
data kualitatif = non numerik

secondary data
- survey
- dokumen
- multiple source

teknik pengumpulan data kualitatif

- data primer
- wawancara
- observasi
- data sekunder
- dokumentasi = memakai dokumen yang sudah ada

kualitatif boleh menggunakan data yang berbentuk angka.

jenis interview (berdasarkan struktur)

kuantitatif:
structured interviews = pertanyaannya sudah ada semua, kuesioner tapi ditanyain langsung,
1. karena supaya bisa dikontrol
2. biar cepat, orang bisa nulis

kualitatif:
semi-structured interviews = sebelum wawancara sudah punya gambaran, misalnya sudah
punya 5 tema, sudah punya persiapan mau tanya apa
in-depth interviews = explore, pertanyaan selanjutnya tergantung respon dia, peneliti datang
tidak dengan pertanyaan, jenis penelitian yang sifatnya antropologi, yang tidak punya
gambaran sama sekali
structured tidak cocok untuk mengeksplor
descriptive biasa didapat dari dokumen
secara gambaran garis besarnya, umumnya, tapi tidak ada patokan boleh atau tidak boleh

kualitatif = interview selalu diisi dengan pertanyaan terbuka, bisa menghasilkan in-depth
response

active listening dan probing (pertanyaan untuk menggali lebih dalam)

supaya orang di wawancara mau: udah kasih dilist pertanyaannya

tanya kalau sudah mendapatkan nilai tambah baru ganti pertanyaan

open question = dirancang orang memberikan jawaban yang berkembang, apa bagaimana
mengapa
probing question = digunakan untuk mengeksplorasi tanggapan yg signifikan bagi tema
penelitian, tantangannya adalah kita tidak boleh memberitahu persepsi kita
ada jawabannya panjang susah dipotong, potong dengan “menarik sekali…boleh dijelaskan”
specific n closed question = pertanyaan2 pengantar, boleh yg sifatnya tertutup, untuk data
yang sifatnya fakta2 (berapa orang pegawainya pak)

penting ketika wawancara:

- knowledgeable = jangan sampe ga tau apa yang diwawancara, penting supaya bisa
menangkap jawabannya secara substantif
- structure = jangan pertanyaan awal pindah ke b pindah lagi ke a
- clear = harus sudah punya panduan pertanyaan, jelas bukan hanya artikulasi saja
- gentle = santun sopan
- sensitive = jangan isu2 yg sensitif
 - open = terbuka
- steering = mengontrol, harus bisa tetap pegang kendali
- critical = tidak bisa jawab terima terima saja, bertanya kritis, tanyakan lagi
- remembers = mengingat jawaban sebelumnya, makanya active listening, supaya
ingat itu ditulis
- interprets = harus bisa mengerti jawaban orang itu interpretasinya bagaimana,
ekspresi sindiran atau ketika dia tidak nyaman
- balanced = seimbang berbicara dan mendengarkan
- ethically sensitive = secara etika

synchronous = langsung tatap muka, hasil zoom/wa call bisa dianggap wawancara
asynchronous = jawabnya bisa 2 hari lagi

visual interviews untuk menggambarkan wawancara

data primer yang ke 2:

observasi
kenapa dalam kualitatif ada observasi? karena ingin memotret
untuk apa? menghasilkan rich detailed description
tips sukses observasi: belajar untuk memperhatikan dengan detail
berlatih menulis secara deskriptif (menulis catatan lapangan)
yang diobservasi adalah situasi sosial
riset ilmiah yang tidak terpublikasi, mcd = buat gambar

observasi = record action in realtime, tapi gabisa tau kenapanya

wawancara ga realtime, itu berdasarkan kejadian sebelumnya

dokumen = kelemahannya di akses

consent form = sebelum riset, secara etis clear dulu.

OBSERVER

hargai partisipan
tujuan risiko keuntungan
izin wawancara video
anonimitas
TOPIK implementasi aplikasi MPK untuk perizinan asrama
wawancara 15.30
interviewer dije
interviewee syauqi mahasiswa politeknik keuangan negara konoha
mengevaluasi suasana yang terjadi

1. Apakah saudara merupakan mahasiswa berasrama di Politeknik Keuangan Negara

Konoha? – ya
2. Mekanisme izin keluar bagaimana? – IP IB IK
3. Berarti sudah sering ya? – ya biasanya sabtu minggu IK
4. Mekanisme nya gmn tuh kalau boleh diceritakan? – pakai aplikasi linktree, tapi
berubah jadi MPK
5. Bedanya apa MPK sama yg lama? – harus konek intranet, mekanisme foto, dll
6. Menurutku lebih mudah digunakan yg dulu atau MPK skrg? – dulu
7. Kenapa? – karena blablablabalabla
8. Menurut kamu ada yang perlu diperbaiki gak aplikasi MPK? – ada, blablablablabla

TOPIK implementasi aplikasi MPK untuk perizinan asrama

wawancara di ruang kelas N403 pukul 15.30
interviewer dije
interviewee syauqi mahasiswa politeknik keuangan negara konoha
interviewer : sudah menerapkan etika sebelum berlangsungnya wawancara
- hargai partisipan dengan active listening, pertanyaan diajukan secara mengalir
- tujuan risiko keuntungan
- izin rekaman wawancara
- kurang anonimitas
suasananya santai pihak pewawancara juga aktif mencatat poin poin jawaban dari pihak
yang diwawancarai
dan pihak yang diwawancarai dapat menjawab pertanyaan dengan sangat lancar, terlihat
pihak yang diwawancarai sangat memahami terkait dengan aplikasi MPK yang merupakan
aplikasi perizinan terbaru, terlihat bahwa interviewee menggunakan gestur tubuh saat
menjawab pertanyaan wawancara
sepertinya pihak yang diwawancarai sudah sangat sering menggunakan aplikasi MPK
pihak yang diwawancara juga terlihat tidak terbebani terlihat dari pihak yang diwawancarai
dapat mengungkapkan hal-hal yang meresahkan bagi dirinya dalam penggunaan aplikasi
yang baru.
hindari
- mencecar dengan beberapa pertanyaan sekaligus, nanti lupa
- penanya mengarahkan solusinya “berarti saudara membutuhkan ruangan khusus
tidak” seharusnya “bagaimana solusi yang diharapkan saudari”, kalau memberikan
solusi, kita tidak tahu solusi yang lebih baik apa/yang lain, cuma pembenaran
terhadap solusi yang sudah

building rapport/hubungan sangat penting tapi hati-hati siapa yang dijadikan lawan bicara,
dalam wawancara melakukan assesment itu penting sekali
cukup menarik bagaimana pewawancara menanyakan pengaruh dan dampak, untungnya
yang diwawancara nanya

TM 11
26 Juni 2023

SMARTPLS PRIMER

- masukin masing-masing variabel, rename

- connect
- add moderating effect, renamr
- calculate
- PLS algorithm, start calculation untuk reliability validity
- bootstrapping, start calculation untuk uji hipotesis
- copy gambar
smartPLS gaperlu uji asumsi klasik karena dianggap bahwa bukan statistik parametrik,
gaperlu menghasilkan model yang BLUE (BEST LINEAR UNBIASED ESTIMATOR), kalo
BLUE harus uji asumsi klasik.
smart PLS itu statistik non parametrik
SPSS datanya cross section, EVIEWS juga bisa, uji regresinya juga treatment data cross
section

hasil dari PLS ALGORITHM

- outer loading untuk uji validitas
dibawah 0,7 itu valid (kalo kata pa amrie dibawah 0,6 jangan didrop dulu, masih bisa
juga, ada yg mengatakan diatas 0,6 masih valid yang penting cronbach alpha atau
AVEnya ijo semua, cronbach yang independen gapake moderasi diatas 0,7 atau
AVE diatas 0,5).
save ke excel (excel format)
untuk uji validitas yang moderasinya hapus saja, yang ditampilkan setelah excelnya
di copy. hanya untuk indikator variabelnya, untuk interaksi da masuk.
- construct reliability and validity untuk uji reliabilitas
cronbach’s alpha > 0,7
rho_A > 0,7
composite reliability > 0,7
 AVE > 0,5
yang digunakan cronbach’s alpha dan AVE apakah sudah hijau
save ke excel (excel format), kolom moderasi-moderasinya dihapus
seluruh variabel laten dinyatakan reliabel (cronbach >0,7, AVE >0,5)
- R square

save excel format

untuk adjusted R square, artinya pengelolaan piutang 32,7% dipengaruhi oleh
variabel ini, sisanya ceteris paribus dipengaruhi oleh variabel lainnya
tidak keluar prob f stat nya karena prob f stat konteksnya regresi
- discriminant validity
bisa lihat tapi tidak usah lihat, sebagai pertimbangan kalau cronbach atau AVE blm
ijo

misalnya ALL sama ALL 0,9, culture sama ALL 0,395 masih dibawah 0,9 berarti
aman, DOC 0,722 ga bermasalah, ALL sama ALL masih lebih tinggi dibanding ALL
dengan lainnya.
(yang ada interaksi *nya diabaikan).
kalo masalah, ada indikator yang seharusnya bisa dikurangi lagi
selama ga ada masalah dengan cronbach dan AVE gausah cek ini sebenarnya
- dapatkan angka outer loadings
 sebaiknya ini yang disave kalau mau ditampilkan, ada editor jurnal yang pengen ada
yang didrop
di uji hipotesis bisa ditempel

hasil dari bootstrapping

- pakai one tailed aja karena di hipotesisnya kita sudah menentukan arah berpengaruh
positif negatif,
- signifikan level 0,1 aja, karena masih toleran untuk penelitian sosial sampai dengan
10%,

kok merah semua ya gapapa

- artinya yg independen:
 1. kemampuan untuk bisa mencadangkan piutang berpengaruh positif terhadap
pengelolaan piutang
2. budaya organisasi tidak berpengaruh terhadap pengelolaan piutang, menolak h1
3. kemampuan mendokumentasikan tidak berpengaruh terhadap pengelolaan
piutang
4. knowledge management moderasi ga perlu disampaikan tapi nanti lebih kepada
interaksinya saja walaupun berpengaruh positif terhadap pengelolaan piutang
5. pelaporan tidak berpengaruh terhadap pengelolaan piutang
6. memvalidasi tidak berpengaruh terhadap pengelolaan piutang
artinya bahwa pengelolaan piutang pajak dalam rangka impor sudah mengandalkan
sistem, artinya kemampuan pegawai/budaya organisasi tidak ada kaitannya dengan
kualitas pengelolaan piutang, hasil pengujian ini membuktikan menghasilkan
kemampuan pencadangan piutang yang tidak tertagih itu baru punya pengaruh
terhadap pengelolaan piutang, kemampuan ini punya latar belakang akuntansi atau
training, kenapa? karena untuk mencadangkan piutang tidak semudah itu harus
punya dasar bagaimana pencadangan piutang tidak tertagih
kalau masalah pelaporan selama ada sistemnya ya sudah tinggal cetak saja
- yang moderasi:
1. knowledge management tidak meningkatkan pengaruh positif kemampuan
untuk mencadangkan piutang terhadap pengelolaan piutang, dia tidak
memiliki peran moderasi, kenapa? ini yang harus dijelaskan, perlu
mengidentifikasi minimal 5, dari definisi itu bisa menjelaskan, bisa lihat
karakteristiknya bagaimana, bisa menggabung walaupun tidak serta merta
apa yang disampaikan tidak selalu benar
perlu mengonfirmasi 2 atau 3 responden, tanyakan kepada pejabat yang
menangani itu terkait dengan pengelolaan piutang, bisa dijadikan dasar dan
elaborasi selanjutnya
- pindahkan ke excel format
- koefisiennya dari original sample, pengaruh positif negatifnya dilihat
- yang digunakan t statistik dan p valuenya saja
tutup otomatis ke save

kalau primer biasanya tidak pakai variabel kontrol jadi tidak akan melewati yang namanya uji
F, makanya pakai SEMPLS
walaupun akhirnya variabel independennya tidak berpengaruh semua itu tidak masalah
keunggulan SEM bisa melihat mana paling besar dari uji validitasnya
kenapa berpengaruh tidak berpengaruh dari karakteristik uji validitas
makin besar uji validitas dari setiap indikator dia yang makin mencerminkan karakteristik dari
variabel tersebut
mengulas indikator mana yang paling tinggi, paling mendekati ke variabel laten.

CROSS SECTION
EVIEWS

- open a foreign file (such as excel)

- custom range
- start cell digeser untuk kolom yang dibutuhkan

kalo data cross section tidak melihat individunya dan tahunnya

basic structure unstructured menandakan datanya cross section

klik variabel dependen terlebih dahulu sambil pegang CTRL
independen
moderasi
kontrol
pilihnya urut
klik kanan open as equation

c coefisien kalau ga ditambahkan nanti akan muncul sendiri

kalau untuk SEM ga ada c nya kalo regresi ada
SEM Y
persamaan struktural
η = β_1 * η_1 + β_2 * η_2 + ... + β_k * η_k + ε
persamaan pengukuran
η = λ_1 * x_1 + λ_2 * x_2 + ... + λ_m * x_m + ζ
dengan moderasi
η1 = β1 * X + β2 * M + ε1
η2 = β3 * X + β4 * M + ε2

regresi =
untuk satu variabel Y = β0 + β1 * X + ε
untuk banyak variabel Y = β0 + β1 * X1 + β2 * X2 + ... + βn * Xn + ε
untuk yang ada moderasinya Y = β0 + β1 * X + β2 * M + β3 * X * M + ε
untuk yang ada controlnya Y = β0 + β1 * X + β2 * C1 + β3 * C2 + ... + βk * Ck + ε
untuk yang ada moderasi intervening control Y = β0 + β1 * X + β2 * M + β3 * Z + β4 * C + β5
* X * M + β6 * Z * C + ε
bisa juga c nya didepan

tapi kita harus uji asumsi klasik dulu

1. uji normalitas = Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual mempunyai distribusi normal.
KALAU < 0,05 TIDAK NORMAL, BERARTI BELUM BAGUS
KALAU > 0,05 NORMAL
KALAU PENDEKATAN CLT, KALAU DATANYA DIATAS 80 DIATAS 100 ITU
DIANGGAP NORMAL WALAUPUN TIDAK NORMAL
- residual diagnostic
- histogram - normality test
hasilnya probability dari jarque-bera 0,000 berarti distribusi residualnya tidak normal
tapi gapapa didiamkan saja dulu
setelah heterosnya dibobot probnya masih 0,00 dianggap tidak normal

bagaimana perlakuan terhadap data yang tidak normal?

karena datanya lebih dari 100 itu dianggap normal
pakai CLT dengan menggunakan pendekatan CLT (Center Limited Theroma), untuk data
yang lebih dari 80 atau lebih dari 100 walaupun memang di uji normalitasnya tidak normal
tapi dianggap normal

save equation
- klik name
 jadi equationnya masih muncul

2. uji multikolinearitas = Uji multikolinearitas bertujuan untuk menguji apakah

dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna
antar variabel independen.
Jika ditemukan ada hubungan korelasi yang tinggi antar variabel bebas maka
dapat dinyatakan adanya gejala multikorlinear pada penelitian.
KALAU PAKAI VIF DIA HARUS < 10 yang bagus dibawah 10
KALAU >10 DIANGGAP MULTIKOL

KALAU PAKAI KORELASI, YANG PENTING ANTAR VARIABEL JANGAN

DIATAS 0,9 ATAU ADA YANG BILANG JANGAN DIATAS 0,8

- coefficient diagnostics
- variance inflation factors
pakai yang centered VIF masalahnya besar semua, bisa ubah dengan menggunakan
korelasi dibandingkan dengan menggunakan VIF
Nilai VIF yang dihasilkan harus lebih kecil dari 10, sebab bila lebih dari 10 dianggap terjadi
multikolinieritas dan salah satu variabel tersebut harus dikeluarkan dari model regresi.
Sebaiknya kita melakukan penghitungan VIF pada semua formasi regresi variabel bebas.
kalo diatas 10 seolah2 multikol

uji multikol tapi dengan korelasi, hanya gunakan variabel variabel independennya saja
(bpmd, ip, kk, klk, of, size) tpd gaperlu karena variabel dependen

klik kanan, open as a group

mau cari korelasi
- quick
- group statistics
- correlations

- ok
hasilnya difreeze untuk disimpan
BMPD dan BMPD 1, kalo dia mengalami korelasi atau multikol, IP atau KK KLK OF SIZE itu
diatas 0,8 atau diatas 0,9
kalau masih dibawah 0,8 + - itu dia tidak mengalami multikol
lebih suka multikol dengan korelasi dibanding dengan VIF
IP dan IP 1
lihat untuk IP dan KK 0,3 artinya bebas multikol
KK dengan KK 1
KLK juga 0,3 paling besar
OF paling besar 0,5 dengan SIZE artinya model ini tidak mengalami multikol
kalo multikol itu akan mengganggu dari modelnya makanya kalo mengalami multikol salah
satu variabelnya harus di drop supaya tidak mengganggu
ini bisa dipakai semua, bisa CTRL A copy, pindahkan hasil ke excel

3. uji heteroskedastisitas = digunakan untuk mengetahui ada atau tidaknya

penyimpangan asumsi klasik. Heteroskedastisitas yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Prasyarat
yang harus terpenuhi dalam model regresi adalah tidak adanya gejala
heteroskedastisitas.
KALAU NILAINYA > 0,1 BERARTI HETEROS BERARTI DIA NGGAK HOMOS
PADAHAL KITA MAUNYA HOMOS
KALAU NILAINYA < 0,1 BERARTI HOMOS, UDAH BAGUS
- residual diagnostics
- heteroskedasticity test, test type breusch pagan godfrey

bisa lihat dari 2 hal

1. prob tiap variabelnya
2. prob f statistic
cenderung pertama cek prob f-statnya dulu
syaratnya dia kan harus homoskedastisitas,
masih mengalami heteroskedastisitas (datanya bergerombol/berkelompok)
prob harus diatas 0,1 tetapi ini probnya 0,00 data mengalami heteroskedastisitas
bisa juga di beberapa variabel independennya masih dibawah 0,1 seperti misalnya KK KLK
atau size
artinya kita harus transformasi, caranya adalah kita balik estimate lagi, kita cari residualnya
- proc
- make residual series, simpan jadi resid01
sekarang bagaimana caranya kita mentransformasi data kita yang mengalami
heteroskedastisitas
- estimate
- options
- pada weights bisa variance atau std. deviation

- variance scaling average

NAH INI HASIL YANG SUDAH DITRANSFORMASI = JADIKAN HASIL UJI

HIPOTESIS
 cek lagi heteroskedastisitas,

udah 0,3
save caranya freeze kemudian kasi nama “output after transformasi”
bisa dipindahkan hasilnya copy ke excel
4. Uji autokorelasi ngga dijelaskan
Uji autokorelasi merupakan kolerasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Autokorelasi dapat
diketahui melalui Uji Durbin-Watson (D-W Test), adalah pengujian yang
digunakan untuk menguji ada atau tidak adanya korelasi serial dalam model
regresi atau untuk mengetahui apakah di dalam model yang digunakan
terdapat autokorelasi diantara variabel-variabel yang diamati

statistik deskriptif untuk menggambarkan karakteristik data

misalnya tax avoidance dengan menggunakan ETR itukan rangenya 0-1 untuk ETRnya
tax avoidance 0 sampai -1
kalau ETR ada yang datanya negatif berarti data itu di drop, datanya masih salah, kalau
ETRnya 2 atau 1,1 diatas 1 berarti datanya masih belum di drop
orang bisa melihat data kita benar apa tidak itu dari statistic descriptive
SIZE kan rangenya 25 sampai 33, milihnya 14 berarti datanya nggak seragam
kalau rupiah semua ribuan semua jutaan semua
lebih baik menggunakan data rupiah semua karena banyak perusahaan yang input data
laporannya itu dalam rupiah, jutaan ngga masalah tapi semua jutaan, jangan satu jutaan
satu ribuan satu rupiah itu yang mengganggu model
ukuran pemda biasanya log natural dari total aset pemdanya, pastikan misalnya data dari
djpk pasti rupiah, tinggal di log natural kan

statistic deskriptif sama dengan korelasi tapi ditambah variabel dependennya yaitu tpd

kemudian
untuk dibuat di tabel yang akan disajikan hanya mean median max min stdev dan observasi
angka dibelakan koma max 4

bisa juga dengan menggunakan excel

output uji hipotesisnya sampaikan dalam tabel

harus dibagi 2 karena masih 2 tailed, jadikan 1 tailed
ketika sudah menghipotesiskan berpengaruh positif berpengaruh negatif berarti 1 tailed
output spss eviews stata customnya 2 tailed, kita sendiri yang olah jadi 1 tailed

butuh adj r square, bukan rsquare karena variabel yang diuji >1

pindahkan ke word

uji adj r square udah satu tabel dengan uji hipotesisnya

uji goodness of fit r square dan adj r square

dibawah 0,01 ***

diatas 0,01 - 0,05 **
transparansi keuangan daerah dipengaruhi 88,59% oleh variabel yang ada di dalam
model ini, ceteris paribus dijelaskan dari model penelitian ini (uji goodnes of fit).
yang dipake adj r square karena memang ini merupakan multivariat atau lebih dari 1 variabel
independen.
kalau menguji hanya 1 variabel independen seperti psikologi itu independennya cuma 1.
akuntansi lebih kompleks kuantitatifnya
Uji goodness of fit dari model statistik menggambarkan seberapa cocok model tersebut
terhadap serangkaian pengamatan. Indeks goodness of fit meringkas perbedaan antara nilai
yang diamati dan nilai yang diharapkan dalam model statistik.

uji bersama2
misalnya di hipotesisnya “menguji ukuran perusahaan leverage dan profitabilitas secara
bersama2 berpengaruh” itu uji f, uji ketepatan model/uji ketahanan model. prob f stat ini
harus dibawah 0,1 supaya modelnya itu bisa dibaca hasil pengujian hipotesisnya.
kalau prob fstat diatas 0,1 dianggap penelitiannya gagal. walaupun variabel independennya
mungkin tidak berpengaruh semua
tidak berpengaruh semua masih bisa ditolong dengan variabel kontrol
karena minimal bisa menolong model untuk mengantisipasi kalau uji variabel independen
utama tidak berpengaruh, secara model masih bisa digunakan, bukan berarti kalau hasil uji
hipotesisnya tidak berpengaruh semua seperti dunia runtuh. sehingga banyak orang
akhirnya memanipulasi datanya 🙁
jangan pernah memanipulasi data!

tapi kalau regresi, uji hipotesis semuanya tidak berpengaruh dan tidak ada variabel
kontrolnya, otomatis uji prob f stat itu > 0,1 berarti tidak melewati.
prob f stat akan < 0,1 kalo minimal salah satu variabel independennya berpengaruh, baik
independen utama maupun kontrol
prob f stat, 0,08 masih melewati model kemudian ternyata t statnya 0,2 0,13 0,4 0,23 0,15
0,36 0,17 0,26 0,03 0,11 artinya ini dari sisi permodelan bisa melewati, ini bisa dilakukan
analisis selanjutnya

(((data dari eviews cross)))

pendekatan regresi istilahnya prob f statnya harus < 0,1 agar bisa menghasilkan uji hipotesis
adj r square > 0,00 tidak masalah karena banyak adj r square di penelitian akuntansi cuma
0,03 karena di penelitian akuntansi ini sifatnya hanya menguji hubungan x dengan y tidak
dengan prediksi masa depan kecuali penelitian di bidang ekonomi
kecuali ekonomi itu adj r square matter banget

TM 12
3 Juli 2023

EVIEWS
data panel
pemerintah daerah
perusahaan listed

kalau ada satu yang tidak ada, misalnya tax avoidance harus positif ETR
leverage negatif berakibat ekuitasnya negatif
satu tahun tidak memenuhi kriteria harus di drop
misalnya 2018 total asetnya tdk ada, harus didrop

untuk menyusun data panel

dataset
tahunnya dipenuhi
untuk data panel
harus bikin sampelnya terlebih dahulu
kriteria sampel yang kriterianya standar, misalnya mau meneliti perusahaan manufaktur,
transportasi, kab kota di indonesia, bisa menggunakan seluruh data perusahaan di
indonesia
sebaiknya menggunakan populasi yang semakin indonesia
kalau preferensi perusahaan perbankan, langsung
introduction/metode penelitian, menariknya apa?

data sekunder, pendekatannya purposive sampling, ada kriteria

sampaikan alasannya kenapa menggunakan tahun tersebut
data panel jangan menggunakan 2 periode, minimal menggunakan 3 periode (tahun), akan
rusak uji modelnya
menggunakan data covid, data harmonisasi pajak, pasca uu cipta kerja

dataset

bisa tahun dulu atau emiten dulu

langsung breakdown sesuai tahunnya
variabel dependen dulu
variabel independen di setelah variabel dependen
tax avoid udah dikali -1 semua dari ETR
level skripsi tidak perlu moderasi juga gapapa yang penting
bisa mention penelitian ini dengan penelitian sebelumnya

misalnya audit internal masih jarang, sektor publik yang ada di indonesia, pakai kekhasan
yang ada di indonesia

- open foreign data as workfile

jangan ada kolom nomor tapi gapapa pake tahun dan emiten
INI OUTPUT UNTUK CEM, simpan
CEM tidak melihat tahun/individu jadi kayak cross

ini output untuk FEM = panel

ini untuk output RANDOM = sudah data panel tapi dibobot

untuk mendapatkan model terbaik dilakukan uji

1. uji chow = dengan menggunakan CEM pake prob fstatnya
likelihood ratio
menguji
- common effect model ( > 0,05 )
- fixed effect model - outputnya ( < 0,05 )
2. uji lm = cross section F nya
lagrange multiplier
- common effect model - outputnya ( > 0,05 )
- random effect model ( < 0,05 )
3. uji hausman = prob
hausman test
- random effect model - outputnya ( > 0,05 )
- fixed effect model ( < 0,05 )
stata lebih stabil dibandingkan oleh eviews jika mengolah data yang besar (lebih dari 10rb)
kalau CEM cross section none

eviews ini paling mudah untuk analisis linear, apalagi stata harus ngetik command2nya
FEM fixed
REM random
hasil LM
BOTH breusch-pagan yang both dibawah 0,1 yang menang adalah REM
dasarnya prob breusch pagan = ada yg kriteria 0,05 atau 0,1
kebanyakan 0,05 atau 0,1
ambil dari bothnya, ternyata dibawah 0,1
prob < 0,05 berarti yang menang REM
hasil Chow
ini pakai prob, probnya 0.0000 berarti FEM (dibawah 0,05)
yg utama hasil Cross Section F,

sekarang uji hausman

prob crossection random
0.0208 kurang dari 0,05 pemenangnya adalah FEM
b
CEM = lihat data panel, ada individu/emiten/pemdanya, ada tahun, kalau benar2 data
panelnya adalah yg menggunakan FEM
CEM tidak melihat tahun atau individu, seperti dibuat cross section, yang memenuhi kaidah
data panel sesungguhnya adalah FEM
REM itu udah data panel tapi dibobot
data disusun berdasarkan inputan kita, pengolahannya berdasar software, memilih mana
yang paling bagus itu pakai 3 tes itu, ketika ditentukan FEM yang menang berarti data panel
yang apa adanya berdasarkan data tersebut
yang kita input memang itu yang digunakan dalam software ini

uji asumsi klasik untuk fix adalah uji hetero dan multikol
karena data panel dia pasti residualnya tidak normal
probnya <0,05 berarti tidak normal
kalau hasilnya REM tidak perlu dilakukan uji heteroskedastisitas karena REM sudah dibobot

baca buku imam gozali di shopee “analisis multivariat”

homoskedas atau heteroskedas

data panel harus bikin residual tersendiri, kalau di cross ada weight sendiri
- prob
- make residual series

data risk (variabel dependen) diganti jadi resid01^2

prob dibawah 0,05
prob stat harus diatas 0,05, baru lolos heteros, berarti memang model untuk uji heteros
tidak layak, data ini mengalami heteros berarti jelek
atau bisa juga salah satunya ada yg dibawah 0,05
yang bagus itu tidak signifikan semua, diatas 0,05 semua
yang bagus adalah homos
heteros adalah bergerombol, harusnya menyebar supaya mendapatkan data yang baik
untuk data panel gimana treatmentnya kalo heteros, ya kita bobot
dibobot biar ga jadi heteros - cross section weights
istilahnya FEM yang di adjust jadi REM
di rem tidak ada uji heteros
REM kelemahannya adj R squared kecil, kalo FEM lumayan tinggi
prob f stat dibawah 0,05 jadinya layak
atau pakai 0,1 juga boleh

uji hipotesis yg dilihat harus dibawah 0,05 atau 0,1

uji SEM ga akan keluar prob f stat, cuma rsuare karena emang non parametrik
kalo linier berganda parametrik, dibawah 0,1 layak
uji hipotesis uji T stat
probnya 2 tailed bukan 1 tailed
probnya harus dibagi 2

47,45% berpengaruh dari variabel2 dalam penelitian ini, sisanya adalah pengaruh lain diluar
penelitian
berpengaruh ada bintangnya

prob f stat dibawah 0,1 adj r square akan positif

diatas 0,1 akan negatif

adj r square yang penting positif, modelnya layak

dalam penelitian akuntansi cuma menguji pengaruh bukan memprediksi, adj s square 0,4
gapapa tuh

model layak bisa dilihat dari 2 cara:

- goodness of fit = pake adj r square
- dari uji kelayakan model prob fstatnya
bisa secara bersama sama berpengaruh

uji hipotesis pake uji t statnya aja

uji multipolaritas: panel tu uji dengan korelasi

pake variabel independennya aja
group statistic, correlation, ok

hubungan der dengan variabel lainnya ada ga yg diatas 0,8? ga ada

dari sisi variabelnya tidak mengalami multikolinearitas

statistic descriptive

data primer bisa spss atau smartPLS atau berbasis SEM

untuk SPSS tiap indikator yang kita kumpulkan datanya kita bisa gunakan rata2 atau
totalkan
SPSS ada dua Data view dan Variable view

CTRL C transpose

- ANALYZE
- CORRELATE
- B VARIAT

MASUKKAN variabel indikator rata2/total

Correlations
DOC1 DOC2 DOC3 DOC4 DOC5 DOC6 DOCR
DOC1 Pearson Correlation 1 .705** .502** .721** .731** .613** .853**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
DOC2 Pearson Correlation .705** 1 .348** .693** .694** .705** .800**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
DOC3 Pearson Correlation .502** .348** 1 .487** .487** .341** .701**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
 N 166 166 166 166 166 166 166
DOC4 Pearson Correlation .721** .693** .487** 1 .901** .714** .900**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
DOC5 Pearson Correlation .731** .694** .487** .901** 1 .755** .909**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
DOC6 Pearson Correlation .613** .705** .341** .714** .755** 1 .797**
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
DOCR Pearson Correlation .853** .800** .701** .900** .909** .797** 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .000
N 166 166 166 166 166 166 166
** Correlation is significant at the 0.01 level (2-tailed).

valid semua yang itu ada bintang bintangnya

166 kurangkan 2 berarti 164 menggunakan probnya 0,05 yg atas one tail yg bawah 2 tail
masuk ke tabel df, ke 0,05
0,16542, kalau diatas ini valid, kalau kuesioner lebih banyak ini lebih meminimalisir data2
yang tidak valid
tingkat validitas dari item lebih kuat dari responden yang semakin besar
tingkat (yang dibold) di bawah dari 0,1654 makanya itu bintang semua, artinya dia valid

166-2=164
pake yang 1.65420

kalau tidak valid (ga ada bintangnya)

drop
hitung ulang totalnya
misal ada 6, yang 5 tidak valid
5 drop
1 2 3 4 6 hitung ulang total atau rata2nya

pilot test 30-35 uji validitas

yg angkanya jelek berarti ganti item kuesionernya, apa yang harusnya bisa diperbaiki

kalo ga pilot test bisa tanya ke para ahli

reliability test

cronbach’s alpha diatas 0,7 ya

psikologi misalnya spss 1 variabel independen
kalau mau uji asumsi klasik
masih 2 tail
all sama knm aja yg berpengaruh

sig masih dibawah 0,05

24%
tidak mengalami heteros, karena menyebar atau mengalami homoskedas
diatas 0,05 residual berdistribusi normal
uji asumsi klasik seperti smartpls tidak perlu dilakukan
analisis regresi linear berganda

validitas reliabilitas spss

linear berganda eviews pendekatan cross section
ambil rata2nya sebagai independen/dependen

analisis linear berganda sama SEM itu sama, paling prob sama signya beda dikit
kelemahan di parametrik harus uji asumsi klasik, allowance doang yg berpengaruh positif
yang kemarin

TM 14
17 Juli 2023
Amrie Firmansyah

Publikasi

bagian introduction sangat penting

ada fenomena
masalah utama penelitian
mapping
beda penelitian dengan penelitian sebelumnya
mention secara eksplisit

minimal 5 artikel internasional

bagian 5 cuma konklusi, masukkan keterbatasan penelitian

implikasi berupa saran untuk penelitian selanjutnya misalnya menambah jumlah responden
atau luasnya responden

penelitian yang baik yang memberikan dampak kebijakan

TM 13
20 Juli 2023
Rido Parulian

Analisis Data Kualitatif

Signifikansi
Teori apa

Proposal - pertanyaan penelitiannya apa - mau jawab apa di bab 4

sudah pertanyaan penelitian - bagaimana saya bisa menjawab - prosedur bisa menjawab
penelitian itu metode penelitian

bab 3 - metode - pengumpulan datanya seperti apa

pengumpulan data kualitatif
- primer - wawancara, observasi
- sekunder - melihat dokumen (lapkeu, annual report, lakip)
bab 3 bukan hanya kuantitatif kualitatif tp juga menjelaskan teknik analisis data

kuantitatif =
- regresi berganda
- sempls

kualitatif = analisis data di kualitatif itu seperti datanya masing2 puzzle, mengelompokkan
dan nyocokin sampai akhirnya ketemu gambaran

pengumpulan data kuantitatif vs kualitatif

 ● kuantitatif, jawabannya bentuknya angka
jawabannya tertutup (ya/tidak)
bisa dikuantifikasi dalam bentuk angka
makanya analisisnya juga pakai analisis regresi berganda
data - dikumpulkan - dianalisis
kumpulkan data, cleansing, analisis dengan run data,

● kualitatif, yang dianalisis datanya adalah kata-kata dari wawancara

bisa juga angka dari teknik analisis dokumen angka2, lebih ke deskripsi (mendeskripsikan)
jawabannya open ended (terbuka), “apa pendapatmu tentang integritas di kantor” “adakah
contohnya” tidak ada skala angka tapi cerita.
pengumpulan data - analisis
atau
analisis data - analisis data - pengumpulan
analisis dan pengumpulan data concurrent/bersamaan
mulai saat wawancara juga analisis data

data kualitatif
- data verbal
- data tekstual
- data visual
tidak harus selalu kata2 tapi biasanya kaitannya dengan kata2
ketika melihat dan mengobservasi itu juga data
analisis data kualitatif
kuan = sifatnya mekanikal, asumsi klasik
kual = not a mechanical process, lebih ke
- interactive and iterative (prosesnya ga sekali, bukan linier tapi berulang)
- gradual (satu demi satu)
- reflective (ketika melihat data itu merefleksikan apa yang bisa berguna bagi
penelitian saya, kebanyakan wisdom) and reflexive (melihat dan bagaimana
dampaknya secara besar)

kalo kualitatif itu paling umum dari baru belajar kualitatif sampe level atas itu disebutnya
thematic analysis

analisis data tematik sebenarnya cara untuk mengumpulkan data-data ke tema-tema

tertentu
metode yang paling sering dipakai adalah miles and huberman
ketika ada data
- data direduksi/dikurangi
- data display - dijembreng ini perlu tidak perlu, tau dari mana sudah cukup itu thick
description (penjelasannya sudah kaya)
- drawing and verifying/kesimpulan

coding dibagi dalam 3

- coding pertama
 - memberikan indeks, metodenya bisa macem-macem, dikasi tanda-tanda bisa
dihighlight, bisa dikasi warna misalnya setidaknya menemukan 5 aspek,
kalau dia bicara profesionalisme berarti hijau
- coding kedua
- charting = mengumpulkan data sejenis
- coding ketiga
- mengumpulkan tema
tidak harus 3 juga this is not mechanical process

langkah pertama
transcribing
- verbatim (kata demi kata) titik komanya ditulis sampai ekspresinya juga, bisa
menjelaskan misal dia ngomong tapi tidak sesuai dengan ekspresinya
- jaga anonimitas partisipan, pastikan sudah terhapus namanya jadi bapak A dsb

prosedur thematic analysis

- familiar
- coding
- theme
- refining

apa sih coding itu?

meringkas makna dari suatu hal
ngasih label terhadap data-data kita, kenapa perlu dikasih label? supaya mudah
mengkategorikan ke dalam tema-tema tertentu

sumber code, kok bisa muncul kata2 itu

1. istilah aktual yang digunakan oleh partisipan ‘in vivo’ code (dari orang yang
diwawancara)
2. label dikembangkan dari peneliti
3. dari teori dan literatur yang ada ‘a priori’ code

contoh coding
- waktu/kecepatan pelayanan
- etika pegawai restoran - perhatian

ketika sudah diberi kode kemudian dikumpulkan dalam kategori besar

kategori jadi sub sub bab di bab 4

data direduksi menjadi code kemudian menjadi category

ada juga setelah kategori ditambahin tema
data - code - kategori - tema

ujungnya supaya menemukan thick description

selanjutnya PRnya gimana menyajikannya di bab 4

1. ada yang kategorinya jadi subbab, lalu menceritakan temuannya dengan bahasa kita
sebagai peneliti, didukung dengan dikutip satu yang paling kuat
2. mengaitkan tema kemudian thick description dia merujuk pada penelitian2 terdahulu

kriteria narasumber layak atau ngga?

kesahihan itu profesional judgement dari peneliti
apakah yang saya wawancara itu tepat dan sudah mewakili?
balik lagi ke pertanyaan penelitian, siapa orang yang paling tepat yang bisa menjawab ini?
jawabannya gak bisa hanya satu orang, harus dari berbagai perspektif
- apakah orang itu kompeten
- apakah orang itu bisa memberikan perspektif yang utuh
seberapa banyak orang/data? sampai menemukan data yang saturated/jenuh
tidak terdapat patokan jumlah 5-12 orang, 30 kebanyakan, tidak ada referensinya, secara
teori sampai ketika datanya sudah jenuh
buat excel tabel yang menjelaskan code dan deskripsi wawancaranya

code deskripsi wawancara

“.......” - partisipan A

tema kategori code

kalau buat coding bergerak terus

baru immersing
setelah ketemu ternyata ini bisa disatuin

TM 15
24 Juli 2023

menyajikan laporan
PER DIR PKN STAN Nomor 9/PKN/2020 tentang Penyusunan Karya Tulis Ilmiah sebagai
tugas akhir mahasiswa dan pelaksanaan ujian komprehensif

APA Style
mendeley
EndNote
jangan sampai daftar pustaka lebih sedikit dari yang tertulis

manual
aplikasi ketika dihapus langsung kehapus
tidak berarti langsung beres bisa jadi copy.

kelengkapan
materai
tanda tangan

jumlah kata 5.000-20.000

intinya apakah menjawab rumusan masalah?
noveltynya, keterbaruannya
metodenya bener apa ngga?
ujungnya di bab 4 nya, gimana menjawab rumusan masalah
proporsi yang baik dari pertanyaan penelitian
bukan panjang pendeknya tapi gimana substansinya menjawab pertanyaan penelitian

supardi dan suparman dimasukkan keduanya (supardi dalam suparman) gimana kita tau
sebagai pembaca? ini biasanya terjadi di buku2 tua

KUALITAS DESAIN PENELITIAN

dalam kuantitatif selalu ada uji reliabilitas dan validitas

reliabilitas = andal atau ngga, konsisten
keandalan mengacu pada kemampuan untuk direplikasi dengan hasil yang konsisten
(konsistensi hasil/temuan)
- internal reliability = memastikan konsistensi selama penelitiannya
- eksternal reliability = diluar penelitian itu, menghasilkan temuan yang konsisten jika
kita ulang pada kesempatan lain atau jika direplikasi oleh peneliti yang berbeda
(entah diulang oleh orang lain di waktu yang sama, atau oleh orang yang sama di
waktu yang berbeda)
ancaman terhadap reliability
- partisipan eror = jawabannya eror gabisa dipastikan misalnya nanya ke pejabat yang
buru-buru
- partisipan bias = nanya kinerja kantor ke staf tapi ada eselon 3 nya
- researcher eror = peneliti tidak melakukan tugasnya dengan baik
- researcher bias = meneliti jokowi prabowo tp memilih jokowi ketika meneliti prabowo
akan berat sebelah

validitas = mengenai 3 hal = lebih ke mengukur apa yang harusnya diukur, kalau diminta
mengukur panjang instrumen itu harusnya meteran, ketika yang mau diukur panjang tidak
boleh pakai timbangan
- apakah instrumen mengukur apa yang kita maksudkan
- apakah analisis yang dikembangkan akurat
- apakah bisa digeneralisasi
1. internal validity = ukuran tentang kebenaran data yang diperoleh dengan instrumen
yakni apakah instrumen itu sungguh-sungguh mengukur variabel yang sebenarnya
2. criterion validity (biasanya survei) = apakah pertanyaan yang digunakan dalam
survei mengukur apa yang ingin diukur, sehingga memungkinkan dibuat prediksi
statistik yang akurat, pertanyaannya tepat atau ngga
 3. external validity = berkaitan dengan pertanyaan: dapatkah temuan penelitian sebuah
studi digeneralisasikan ke konteks lain yang relevan? berlaku secara umum atau
ngga
meneliti tingkat kesejahteraan petani, alat ukurnya penghasilan, bisa iya bisa ngga,
ancaman terhadap validitas =
- past/recent event
- testing
- instrumentation
- mortality
- maturatuin

penelitian interpretatif/kualitatif?
1. ada yang kualitatif ttp pake reliabilitas dan validitas tapi diadaptasi
2. ada dengan nama yang berbeda
3. ada yang menjauh dari 2 konsep itu

apa padanannya validity dan reliability

kualitatif
- dependability = reliability
- artinya handal, bisa direplikasi
- kalau bisa penelitinya lebih dari 1
- memiliki catatan (ditranskrip)
- pakai perekam
- minta masukan dari peneliti lain
- credibility - validitas internal
- artinya penelitiannya dapat dipercaya dari perspektif partisipan
- membangun rapor/hubungan kepercayaan
- menguji terpercayanya temuan
- menguji hasil temuan dengan rekaman
- transferability - eksternal validitas - si peneliti kalau melakukan dengan pola yang
sama itu bisa - orang membuat tutorial di youtube masakannya bukan harus sama
tapi pemasak bisa mentransfer biar yang nonton bisa melakukan hal yang sama.
bukan hasilnya yang harus sama tapi metodenya yang harus ditransfer
- kasi info sedetail2nya tentang apa yang
- membuat langkah2 penelitian yang jelas
KUALITATIF

Bahas Soal Tahun Lalu

peran WBS masih bisa lebih spesifik lagi

contohnya bisa membuat aturan dari WBS, misalnya untuk pencegahan jadi coding 1
cari lagi apa yang menarik dari percakapan misalnya ada sanksi dan reward jadi coding 2
biasanya hanya hasil wawancaranya aja, yang pertanyaannya tidak perlu
kalau ada pertanyaan yang ga relevan dengan pertanyaan penelitian kita juga bisa
diskip
misalnya kita menganggap karena adanya keserakahan, menurut kita keserakahan ga
relevan kita bisa skip aja, langsung coding yang menurut kita penting aja

kalau dilihat di hasil antar coding bisa dilihat kalo hasil coding secara luas ada levelnya, level
paling bawah tidak berani melapor (malu, tidak paham aturan, adanya keterlibatan media)
itu kan bisa jadi faktor

ngerjainnya bottom up
sanksi dan reward bisa masuk ke manfaat (beda lagi dengan jawaban tahun lalu)
apakah dari manfaat dan kelebihan bisa kelompokkan lagi ke atas? kalo ga bisa ya gapapa
gausah dipaksakan

faktor pegawai menggunakan WBS

WBS bisa dilaksanakan melalui laporan

karena ngerjainnya dari bawah akan menghasilkan koding yang lebih banyak, akan
kerucutkan lagi ke parentnya
CODING - KATEGORI - TEMA

tau ada 3 tujuan ini dari wawancara, sebelum wawancara belum tau bakal bikin 3 tujuan ini
sebagai masalah penelitian yang detail
- kebutuhan
- peluang dan manfaat
- tantangan

kalo kesimpulannya? narasi penyajian = dari soal

idealnya bikin daftar pertanyaan

jadikan transkrip
bikin kategori dari transkrip, dari hasil wawancara

TOPIK
LAYER 1
LAYER 2
LAYER 3
agar tidak terjebak sama definisi code dan kategori

ada 3 model
- crossection
- panel
- timeseries
diuji apakah datanya baik apa ngga (uji BLUE) makin berjenjang makin banyak tes yang
dilakukan
setiap data kita harus mengalami 5 data ini
- measurement error
- specification error
 - multikol
- heteros
- endogencity
(penjelasannya pake ppt aja)

panel = gabungan time series dan cross section

time series = banyak tahun (tahunan)
cross section = 1 tahun

mediating dan moderating belajar sendiri

command regress ETR SIZE INV LEV ROE CAP

r square cuma jelasin 11%

yang penting t signifikan itu dibawah 0,05
semua <0,05 berarti berpengaruh
positif/negatif liat di koef

dilihat mana yang bagus antara regresi fix random

VIDEO
PANEL DATA STATA
https://www.youtube.com/watch?v=w7fS1F8EGZg
- dianggap cross murni
 - dianggap time series
- pooled
- fixed
- random
mana metode yang paling bagus

47 subjek
10 waktu

1. setting sebagai data panel

 2.
3. estimasi dengan berbagai model

PLS

semua signifikan kecuali ms

estimates store ols untuk simpan

FIXED
chowtest
lebih dekat ke FE
umur jadi tidak signifikan
deps jadi tidak signifikan
ATAU
Random Effect

umur tidak signifikan

simpan hasil

LM TEST
PLS dengan random effect
yang menang random
ols
uji hausman

yang menang ke FE

hasil dari panel data berarti diambil yang FE

bikin tampilannya
STRUCTURAL EQUATION MODELING (SEM) KUANTITATIF STATA PRIMER
https://www.youtube.com/watch?v=EOn3GtxI9AU

sem bukan hanya 1 metode tapi kumpulan dari berbagai prosedur

SEM, karena menganalisis covarians disebut pula sbg covarians structure
covarian structur analysis/modeling

melihat variabel jadi 2

- observed variabel yang bisa diukur = gambarnya kotak
- latent variabel = tidak bisa diobservasi jadi sifatnya laten = gambarnya oval
ini semua latent variabel
hexogenus itu yang rejection karena gada yg mengarah panah ke sana

population eror = valiability

comparative harusnya mendekati 1, 95 bagus tapi kalo sampe 99 ngga.
 lebih bagus dari model
yang sebelumnya

goodness of fit dari RMSEA

dibawah 0,05 bagus