1. Berikan deskripsi, kapan
sebaiknya memakai, serta persyaratan yang seharusnya untuk menggunakan alat –
alat statistik berikut ini :
a. Factor
Analysis
Factor Analysis adalah suatu teknik analisis
yang digunakan untuk memahami yang mendasari dimensi-dimensi atau regularitas
suatu gejala. Tujuan utama teknik ini ialah untuk membuat ringkasan informasi
yang dikandung dalam sejumlah besar variable kedalam suatu kelompok faktor yang
lebih kecil. Secara statistik tujuan pokok teknik ini ialah untuk menentukan
kombinasi linear variable-variabel yang akan membantu dalam penyeledikan saling
keterkaitannya variable-variabel tersebut. Atau dengan kata lain digunakan
untuk mengidentifikasi variabel-variabel atau faktor-faktor yang menerangkan
pola hubungan dalam seperangkat variabel. Teknik ini bermanfaat untuk
mengurangi jumlah data dalam rangka untuk mengidentifikasi sebagian kecil
faktor yang dapat menerangkan varians yang sedang diteliti secara lebih jelas
dalam suatu kelompok variabel yang jumlahnya lebih besar. Kegunaan utama
analisis faktor ialah untuk melakukan pengurangan data atau dengan kata lain
melakukan peringkasan sejumlah variabel menjadi lebih kecil jumlahnya.
Pengurangan dilakukan dengan melihat interdependensi beberapa variabel yang
dapat dijadikan satu yang disebut dengan faktor sehingga diketemukan
variabel-variabel atau faktor-faktor yang dominan atau penting untuk dianalisa
lebih lanjut.
Untuk menggunakan teknik ini
persyaratan yang sebaiknya dipenuhi ialah:
· Data
yang digunakan ialah data kuantitatif berskala interval atau ratio.
· Data
harus mempunyai distribusi normal bivariate untuk masing-masing pasangan
variable
· Model
ini mengkhususkan bahwa semua variabel ditentukan oleh faktor-faktor biasa
(faktor-faktor yang diestimasikan oleh model) dan faktor-faktor unik (yang
tidak tumpang tindih antara variabel-varaibel yang sedang diobservasi)
· Estimasi
yang dihitung didasarkan pada asumsi bahwa semua faktor unik are tidak saling
berkorelasi satu dengan lainnya dan dengan faktor-faktor biasa.
· Persyaratan dasar
untuk melakukan penggabungan ialah besarnya korelasi antar variabel independen
setidak-tidaknya 0,5 karena prinsip analisis faktor ialah adanya korelasi antar
variabel.
b. Cluster Analysis
Cluster
Analysis merupakan suatu teknik analisis statistik
yang ditujukan untuk membuat klasifikasi individu-individu atau
obyek-obyek kedalam kelompok-kelompok lebih kecil yang berbeda satu dengan yang
lain. Prosedur analisis kluster ini digunakan untuk mengidentifikasi
kelompok kasus yang secara relatif sama yang didasarkan pada
karakteristik-karakteristik yang sudah dipilih dengan menggunakan algoritma
yang dapat mengatur kasus dalam jumlah besar. Algoritma yang digunakan
mengharuskan kita membuat spesifikasi jumlah kluster-kluster yang akan dibuat.
Metode yang digunakan untuk membuat klasifikasi dapat dipilih satu dari dua
metode, yaitu memperbaharui kelompok-kelompok kluster secara iteratif atau
hanya melakukan klasifikasi. Dalam analisa kluster tidak ada variabelbebas
dan tergantung karena model analisa ini merupakan model independent. Kegunaan
utama ialah untuk mengelompokkan obyek-obyek berdasarkan karakteristik
tertentu yang sama. Obyek dapat berupa benda , misalnya produk ataupun orang
yang biasa disebut responden. Kluster sebaiknya mempunyai kesamaan yang tinggi
dalam kelompok kluster tersebut tetapi mempunyai perbedaan yang besar antar
kelompok kluster.
Untuk menggunakan teknik ini
persyaratan yang harus dipenuhi, diantaranya ialah:
· Data yang
digunakan untuk analisis ini ialah data kuantitatif berskala
interval atau rasio.
· Metode yang
ada ialah hubungan antara kelompok (between-groups linkage), hubungan dalam
kelompok (within-groups linkage), kelompok terdekat (nearest neighbor),
kelompok berikutnya (furthest neighbor), kluster centroid (centroid clustering),
kluster median (median clustering), dan metode Ward's.
c. Discriminant Analysis
Discriminant
Analysis adalah suatu teknik statistik yang yang digunakan untuk
memprediksi probabilitas obyek-obyek yang menjadi milik dua atau lebih kategori
yang benar-benar berbeda yang terdapat dalam satu variable tergantung
didasarkan pada beberapa variable bebas. Lebih lanjut analisis diskriminan
digunakan untuk membuat satu model prediksi keanggotaan kelompok didasarkan
pada karakteristik-karakteristik yang diobservasi untuk masing-masing kasus.
Prosedur ini akan menghasilkan fungsi diskriminan yang didasarkan
pada kombinasi-kombinasi linier yang berasal dari variabel-variabel prediktor atau
bebas yang dapat menghasilkan perbedaan paling baik antara kelompok-kelompok
yang dianalisis. Semua fungsi dibuat dari sampel semua kasus bagi keanggotaan
kelompok yang sudah diketahui. Fungsi-fungsi tersebut dapat diaplikasikan untuk
kasus-kasus baru yang mempunyai pengukuran untuk semua variabel bebas tetapi
mempunyai keanggotaan kelompok yang belum diketahui.
Untuk menggunakan teknik analisis
ini syarat-syarat yang harus dipenuhi diantaranya ialah:
· Variabel
tergantung hanya satu dan bersifat non-metrik, artinya data harus kategorikal
dan berskala nominal.
· Variabel
bebas terdiri lebih dari dua variable dan berskala interval.
· Semua
kasus harus independent
· Semua
variabel prediktor sebaiknya mempunyai distribusi normal multivariat, dan
matrices variance-covariance dalam kelompok harus sama untuk semua
kelompok
· Keanggotaan
kelompok diasumsikan ekseklusif, maksudnya tidak satupun kasus yang termasuk
dalam kelompok lebih dari satu. dan exhaustive secara kolektif,
maksudnya semua kasus merupakan anggota satu kelompok.
d. Conjoint
Analysis
Conjoint
Analysis adalah Analisis conjoint merupakan metode untuk mengetahui
penilaian konsumen terhadap produk tertentu didasarkan pada atribut yang ada
pada produk tersebut. Analisis ini berguna untuk mengetahui pengaruh dua
variabel atau lebih yang bersifat nonmetrik terhadap variabel tergantung
(metrik atau nonmetrik).
Persyaratan untuk melakukan analisis conjoint diperlukan 2 file yaitu :
§ File
Data, yaitu berisi nilai preferensi atau berupa ranking atribut yang diberikan
oleh konsumen.
§ File
Perencanaan, yaitu berisi seperangkat atribut produk yang dinilai responden dan
harus dibuat dengan menggunakan prosedur Generated Orthogonal Design.
e. Multi Dimensional Scaling
Multi
Dimensional Scaling adalah suatu teknik statistik yang mengukur
obyek-obyek dalam ruangan multidimensional didasarkan pada penilaian responden
mengenai kemiripan (similarity) obyek-obyek tersebut. Perbedaan persepsi
diantara semua obyek direfleksikan didalam jarak relative diantara obyek-obyek
tersebut didalam suatu ruangan multidimensional. Contoh kasus misalnya seorang
responden diminta menilai kemiripan karakteristik antara mobil Honda dengan
mobil Suzuki. Kemiripan ini dilihat didasarkan pada
komponen-komponen sikap. Terbukanya komponen-komponen sikap tersebut akan
membantu menerangkan mengapa obyek-obyek tersebut, dalam hal ini Mobil Honda
dan Suzuki dinilai mempunyai kemiripan atau perbedaan diantaranya
keduanya.
Untuk menggunakan teknik analisis
ini persyaratan yang harus dipenuhi diantaranya ialah:
Data
dapat menggunakan berbagai skala pengukuran, misalnya interval, rasio, ordinal
dan nominal. Semua itu tergantung pada teknik yang dipergunakan.
Jika
data dalam bentuk keterbedaan, maka data tersebut harus kuantitatif dan diukur
dengan skala pengukuran metrik yang sama, misalnya skala pengukuran interval.
Jika data merupakan data multivariat, maka variable-variabel dapat berupa
kuantitatif, biner atau data hitungan. Jika data mempunyai perbedaan dalam
skala, misalnya ada rupiah, tahun, meter, dstnya; maka data tersebut harus di
standarisasi terlebih dahulu dengan menggunakan prosedur yang sudah ada di
dalam teknik ini.
Asumsi
menggunakan teknik multidimensional scaling procedure relative bebas dari
asumsi distribusional. Sekalipun demikian kita harus memilih skala
pengukuran yang tepat, misalnya ordinal, interval, atau ratio dalam
SPSS pilihan ini ada di perintah Options.
Jika
file data mewakili jarak antara seperangkat obyek atau jarak antara dua
perangkat obyek, maka kita harus melakukan spesifikasi bentuk matriks data
untuk memperoleh hasil yang benar. Pilihlah alternative sebagai berikut: Square
symmetric, Square asymmetric, atau Rectangular.
Multidimensional
scaling menggunakan data yang berbeda untuk membuat solusi penggunaan skala.
Jika data merupakan data multivariat, maka kita harus menciptakan data yang
berbeda untuk menghitung solusi multidimensional scaling. Kita dapat membuat
spesifikasi detil-detil data tersebut dengan cara menciptakan pengukuran keterbedaan
dari data yang kita miliki.
f. Structural Equation Modelling
(SEM)
Structural
Equation Modelling (SEM) adalah alat statistik yang dipergunakan untuk
menyelesaikan model bertingkat secara serempak yang tidak dapat diselesaikan
oleh persamaan regresi linear. SEM dapat juga dianggap sebagai gabungan dari
analisis regresi dan analisis faktor. SEM dapat dipergunakan untuk
menyelesaikan model persamaan dengan variabel terikat lebih dari satu dan juga
pengaruh timbal balik (recursive). SEM berbasis pada analisis covarians
sehingga memberikan matriks covarians yang lebih akurat dari pada analisis
regresi linear. Program-program statistik yang dapat dipergunakan untuk
menyelesaikan SEM misalnya Analysis Moment of Structure (AMOS) atau
LISREL.
Langkah-Langkah Analisis Dalam
SEM
Untuk
melakukan analisis SEM diperlukan langkah-langkah sebagai berikut:
Pertama
kita membuat spesifikasi model yang didasarkan pada teori, kemudian menentukan
bagaimana mengukur konstruk-konstruk, mengumpulkan data, dan kemudian masukkan
data ke Amos.
Kedua
Amos akan mencocokkan data kedalam model yang sudah dispesifikasi kemudian
memberikan hasil yang mencakup semua angka-angka statistik kecocokan
model dan estimasi-estimasi parameter.
Ketiga
masukkan data yang biasanya dalam bentuk matriks kovarian dari
variable-variabel yang sedang diukur, misalnya nilai-nilai butir-butir
pertanyaan yang digunakan,. Bentuk masukan lainnya dapat berupa
matriks korelasi dan rata-rata (mean). Data dapat berupa data mentah kemudian
diubah menjadi kovarian dan rata-rata.
· Kelima
mencocokkan data dengan model yang sudah dibuat.
g. Multiple Regression
Analysis
Multiple
Regression Analysis adalah suatu teknik statistika yang digunakan untuk
memprediksi nilai yang tidak diketahui dari suatu variable dari nilai yang
sudah diketahui dari dua variable atau lebih – yang juga disebut dengan istilah
predictors. Adapun tahap tahap atau proses keputusan dalam melakukan Multiple
regression adalah sebagai berikut : (1) Research problem appropriate for
multiple regression,(2) Prediction with multiple regression, (3)
Explanation With Multiple Regression, (4) Specifying a statistical
relationship, (5) Selection of Dependnet and Independent Variabels.
Persyaratan Penggunaan Model
Regresi
Model
kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:
a. Model
regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar
< 0.05
b.Predictor
yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika
angka Standard Error of Estimate < Standard Deviation
c.Koefesien
regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T table (nilai kritis)
d.Tidak
boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang
sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku
untuk regresi linier berganda dengan variabel bebas lebih dari satu.
e. Tidak
terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB)
sebesar < 1 dan > 3
f. Keselerasan
model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar
nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model
regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya: 1)
selalu positif, 2) Nilai r2 maksimal sebesar 1. Jika Nilai r2 sebesar
1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam
variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2sama dengan
0, maka tidak ada hubungan linier antara X dan Y.
g. terdapat hubungan linear antara variabel bebas dan tergantung.
h. Data
berskala interval atau rasio
i. Kedua
variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(disebut juga sebagai variabel predictor) sedang variabel lainnya variabel
tergantung (disebut juga sebagai variabel response).
h. Multivariate Analysis
of Variance (MANOVA)
Multivariate
Analysis of Variance (MANOVA) adalah suatu teknik statistik yang digunakan
untuk menghitung pengujian signifikansi perbedaan rata-rata secara bersamaan
antara kelompok untuk dua atau lebih variable tergantung. Teknik ini bermanfaat
untuk menganalisis variable-variabel tergantung lebih dari dua yang
berskala interval atau rasio. Dalam SPSS prosedur MANOVA
disebut juga GLM Multivariat digunakan untuk menghitung analisis regresi dan
varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau
lebih variabel faktor atau covariates. Variabel - variabel faktor digunakan
untuk membagi populasi kedalam kelompok-kelompok. Dengan menggunakan
prosedur general linear model ini, kita dapat melakukan uji H0
mengenai pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok
distribusi gabungan semua variabel tergantung. Kita dapat meneliti
interakasi antara faktor-faktor dan efek dari faktor-faktor individu. Lebih
lanjut, efek-efek covariates dan interaksi antar covariate dengan semua
faktor dapat dimasukkan. Dalam analisis regresi, variabel bebas
atau predictor dispesifikasi sebagai covariates
Untuk menggunakan MANOVA beberapa
persyaratan yang harus dipenuhi ialah:
· Variabel
tergantung harus dua atau lebih dengan skala interval
· Variabel
bebas satu dengan menggunakan skala nominal.
· Untuk
semua variabel tergantung, data diambil dengan cara random sample dari
vektor-vektor populasi normal multivariate dalam suatu
populasi, dan untuk matrik-matrik variance-covariance untuk semua sel sama
· Untuk
menggunakan prosedur GLM gunakan prosedur Explore untuk
memeriksa data sebelum melakukan analisis variance. Untuk
satu variabel tergantung gunakanlah, prosedur GLM Univariate. Jika kita
mengukur beberapa variabel tergantung yang sama pada beberapa kesempatan untuk
masing-masing subyek, maka gunakanlah GLM Repeated Measures.
2. Jelaskan !
a. Perbedaan antara Populasi
dan Sampling
populasi
> digunakan untuk menyebutkan seluruh elemen/anggota dari suatu wilayah yang
menjadi sasaran penelitian atau merupakan keseluruhan(universum) dari objek
penelitian.
Sampling
> proses memilih sejumlah elemn secukupnya dari populasi, sehingga
penelitian terhadap sampel dan pemahaman tentang sifat atau karakteristikny
aakan membuat kita dapat menggeneralisasikan sifat atau karakteristik tersebut
pada elemen populasi.
b. Perbedaan antara
Probability Sampling dan Non-Probability Sampling
probability sampling atau sampel probabilitas adalah
teknik pengambilan sampel yang memberikan peluang yang sama kepada setiap
anggota populasi untuk menjadi sampel sedangkan nonprobability sampling
atau sampel nonprobabilitas adalah teknik pengambilan sampel di mana
setiap anggota populasi tidak memiliki kesempatan atau peluang yang sama
sebagai sampel.
Probability :
• Setiap
anggota populasi mempunyai peluang sama untuk dipilih menjadi anggota
sampel
• hasil
penelitian dijadikan ukuran untuk mengestimasi populasi (melakukan
generalisasi)
Non Probability :
• Setiap
anggota populasi tidak mempunyai peluang sama untuk dipilih menjadi
anggota sampel
• hasil
penelitian tidak untuk melakukan generalisasi
c. Macam-macam
sampling probability
macam-macam
sampling probability
- Simple
random sampling : teknik yang paling sederhana(simpel).
-
Stratified random sampling : Teknik ini
membantu menaksir parameter populasi, mungkin terdapat subkelompok
elemen yang bisa diidentifikasikan dalam populasi yang dapat diperkirakan memiliki
parameter yang berbeda pada suatu variabel yang diteliti.
- Proportionate
stratified random sampling : Teknik hampir sama dengan simple random
sampling namun penentuan sampelnya memerhatikan strata (tingkatan) yang ada
dalm populasi
- Disproportionate
stratified random sampling : Teknik yang hampir mirip dengan proportionate
stratified random sampling dalam hal heterogenitas populasi.
- Cluster
sampling : Jika sumber data atau populasi sangat luas.
d. macam-macam sampling
non-probability
-
systematic sampling : Teknik sampling yang
menggunakan nomor urut dari populasi baik yang berdasarkan nomor yang
ditetapkan sendiri oleh peneliti maupun nomor identitas tertentu, ruang dengan
urutan yang seragam atau pertimbangan sistematis lainnya.
- Quota
sampling : Teknik sampling yang menentukan jumlah sampel dari populasi
yang memiliki ciri tertentu sampai jumlahkuota yang diimginkan.
-
Convenience sampling : Sampel dengan pertimbangan kemiudahan
merupkan teknik penentuan sampel berdasarkan kemudahan saja.
- Purposive
sampling : Merupakan teknik penentuan sampel dengan pertimbangan khusus
sehingga layak dijadikan sampel.
-
Boring sampel : Sampel yang mewakili jumlah
populasi.
- Snowball
sampling : Teknik penentuan jumlah sampel yang semula kecil kemudian terus
membesar ibarat bola salju.
3. keterbatasan dari metode
observasional?
JAWAB :
1.
Pengamat biasanya harus berada di tempat kejadian ketika sebuah peristiwa
sedang berlangsung, sehingga ia harus mampu meramalkan di mana dan kapan
peristiwa itu akan terjadi
2.
Prosesnya lama dan mahal
3.
Kebanyakan hasilnya terbatas pada informasi yang dapat dipelajari oleh tindakan
yang jelas atau indikator-indikator permukaan
4.
Lingkungan penelitian cenderung lebih cocok untuk penaksiran subyektif dan
mencatat data daripada mengontrol dan mengkuantifikasi peristiwa
5.
Observasi dibatasi sebagai sebuah cara untuk mempelajari masa lalu
4. Apakah keuntungan dan
keterbatasan dari penelitian eksperimen?
JAWAB :
*
Keuntungan :
Penelitian
eksperimental mempunyai dua kelebihan, yaitu (Christensen, 2001):
#
Kemampuan untuk membuktikan ada tidaknya hubungan sebab-akibat.
#
Kemampuan untuk memanipulasi secara tepat satu atau lebih veriabel yang
diinginkan peneliti.
* Keterbatasan
:
#
Penelitian eksperimental sulit untuk digeneralisasikan dalam kehidupan
sehari-hari.
#
Hal ini disebabkan oleh kondisi penelitian eksperimental yang sangat terkontrol
(buatan),
sehingga
situasinya tidak seperti dalam kehidupan sehari-hari.
Itu
berarti bahwa kontrol selain memiliki kelebihan (memperkuat hubungan
sebab-akibat), juga
memiliki
kelemahan (menyebabkan situasi menjadi tidak alamiah).
#
Pelaksanaan penelitian eksperimental umumnya membutuhkan waktu yang relatif
lebih lama.
5. Membuat proposal kirim file
ke email dan hardcopy diserahkan waktu UAS!
JAWAB :
Sorta Marisa
Danisa Natali
Siska Febriyanti
Sudah mengirimkan Proposal Skripsi
ke email Bapak. :)
Tidak ada komentar:
Posting Komentar