TUGAS 3

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. :)