Nama : Rosyidatul Muizzah NIM
: 135020307111070
Kelas : CG-Metodologi Penelitian ANALISIS DATA KUANTITATIF-PENGUJIAN HIPOTESIS Pada bab ini kita akan membahas pengujian hipotesis. Pertama-tama kita akan berfokus pasa tipe errors 1, tipe error 2, dan statistical power. Kemudian kita akan mendiskusikan berbagai uji statistik univariat dan bivariat yang dapat digunakan untuk tes hipotesis. A. Type I Errors, Type II Errors, and Statistical Power Ada dua macam error, yang diklasifikasi sebagai tipe error I dan tipe error II. 1. Tipe error I atau yang biasa disebut alfa (), adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya diterima). 2. Tipe error II atau yang biasa disebut beta (), adalah kesalahan bila menerima hipotesis yang salah (seharusnya ditolak). Statistical Power bergantung pada: 1. alfa (): kriteria signifikansi statistik yang digunakan dalam ujian. Jika alpha bergerak lebih dekat ke nol (misalnya, jika alpha bergerak dari 5% menjadi 1%), maka probabilitas untuk menemukan efek bila ada efek menurun. Ini berarti bahwa semakin rendah alpha maka semakin rendah daya; semakin tinggi alpha, maka semakin tinggi daya. 2. Pengaruh ukuran: pengaruh ukuran dari perbedaan atau kekuatan hubungan dalam populasi: perbedaan besar (atau hubungan yang kuat) dalam populasi lebih mungkin ditemukan dari perbedaan kecil (kesamaan, hubungan) 3. Ukuran sampel: pada tingkat tertentu dari alpha, ukuran sampel yang meningkat akan menghasilkan lebih banyak kekuatan, karena peningkatan ukuran sampel menyebabkan lebih akuratnya estimasi parameter. Sehingga meningkatkan ukuran sampel menyebabkan probabilitas tinggi untuk menemukan apa yang kita cari. Namun, meningkatkan ukuran sampel juga dapat menyebabkan terlalu banyak daya, karena bahkan efek yang sangat kecil akan ditemukan dengan significant secara statistik. B. Memilih Teknik Statistika yang Tepat Pilihan teknik statistik yang sesuai sangat tergantung pada jumlah variabel (independen dan dependen), memeriksa dan skala pengukuran (metrik atau nonmetric) dari variabel.. Aspek lain bermain peran adalah apakah asumsi tes parametrik terpenuhi dan ukuran sampel. 1. Teknik statistika univarite Biasanya digunakan ketika ingin mengetahui hubungan dua variabel 2. Teknik statistika multivariate Biasanya digunakan ketika ada hubungan antara banyak variabel C. Pengujian rata-rata sampel tunggal
D.
E.
F.
G.
Pengujian rata-rata sampel tunggal digunakan ketika kita ingin mengetahui apakah sampel kita berasal dari populasi tertentu tetapi kita tidak memiliki informasi populasi yang tersedia bagi kita. Pengujian dua sampel rata-rata berpasangan Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Pengujian dua sampel rata-rata tidak berpasangan Pengujian ini digunakan untuk membandingkan rata-rata dari dua group yang tidak berhubungan satu dengan yang lain, apakah kedua group tersebut mempuyai rata-rata yang sama ataukah tidak secara signifikan. Pengujian Hipotesis mengenai beberapa cara Sedangkan (sampel independen) t-test menunjukkan apakah atau tidak ada berarti perbedaan yang signifikan dalam variabel dependen antara dua kelompok, analisis varians (ANOVA) membantu untuk menguji perbedaan rata-rata yang signifikan antara lebih dari dua kelompok pada interval atau rasio skala variabel dependen Analisis Regresi Merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Koefisien determinan, R2, memberikan informasi tentang kebaikan dari model regresi: itu adalah ukuran statistik dari seberapa baik garis regresi mendekati titik data sempurna. R2 adalah persentase varians dalam variabel dependen yang dijelaskan oleh variasi dalam variabel independen. Jika R2 adalah 1, model regresi menggunakan kualitas yang dirasakan sempurna bisa memprediksi kecenderungan untuk membeli. Dengan kata lain, model regresi cocok dengan data sempurna. Jika R 2 = 0, tidak ada variasi kecenderungan untuk membeli dan dapat dikaitkan dengan variabel independen, yaitu persepsi kualitas. Ide dasar dari analisis regresi berganda adalah serupa dengan yang anlisis regresi sederhana. Analisis regresi berganda adalah teknik multivariat yang sangat sering digunakan dalam penelitian bisnis. Beberapa anlisis regresi menyediakan sarana obyektif untuk menilai derajat dan karakter hubungan antara variabel independen dan variabel dependen: Koefisien regresi menunjukkan kepentingan relatif dari masing-masing variabel independen dalam prediksi variabel dependen. 1. Koefisien Regresi Standar Atau koefisien beta adalah perkiraan yang dihasilkan dari analisis regresi dilakukan pada variabel yang telah dibakukan. Ini biasanya dilakukan untuk memungkinkan peneliti untuk membandingkan efek relatif dari variabel independen, ketika variabel independen diukur dalam satuan pengukuran yang berbeda 2. Regresi dengan Variabel Dummy Variabel dummy memiliki dua atau lebih level yang berbeda, biasanya dikodekan dengan 0 atau 1. Variabel dummy juga memungkinkan kita untuk menggunakan variabel nominal atau ordinal sebagai variabel independen untuk menjelaskan, atau memprediksi variabel dependen 3. Multicollinearity Adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi. Multicollinearity
biasanya terjadi ketika sebagian besar variabel yang digunakan saling terkait dalam suatu model regresi. Cara termudah dan biasanya digunakan untuk mendeteksi multicollinearity adalah untuk memeriksa korelasi matriks untuk variabel independen. Adanya korelasi yang tinggi adalah tanda pertama dari multicollinearity yang cukup besar. Bagaimanapun, ketika multicollinearity menghasilkan hubungan yang kompleks antara beberapa variabel independen, mungkin tidak dapat dijelaskan oleh pendekatan ini. Untuk melihat indikasi adanya multikolinearitas dengan tolerance value (TOL), dan yang paling umum digunakan adalah varians inflation factor (VIF), dengan nilai toleransi kurang dari 1 atau VIF lebih besar dari 10 menunjukkan multicollinearity signifikan. H. Pengujian dan Analisis Multivariat Lainnya Sekarang akan dijelaskan 5 teknik pengujian analisis multivariat lainnya: 1. Analisis determinan Analisis diskriminan adalah analisis statistik peubah ganda (multivariate statistical analysis) yang bertujuan untuk memisahkan beberapa kelompok data yang sudah terkelompokkan dengan cara membentuk fungsi diskriminan. 2. Regresi logistik Juga digunakan ketika variabel dependen adalah non metrik. Namun, ketika variabel dependen hanya memiliki dua kelompok, regresi logistik sering disukai karena tidak menghadapi asumsi yang ketat yang diskriminan wajah anlysis dan karena sangat mirip dengan analisis regresi. Kedua metode menghasilkan persamaan prediksi dan dalam kedua kasus koefisien regresi mengukur kemampuan prediksi dari variabel independen. dengan demikian, regresi logistik memungkinkan peneliti untuk memprediksi hasil diskrit 3. Analisis Conjoint Adalah sebuah teknik analisis yang dapat digunakan untuk menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk terkait. Dalam model multivariat lainnya analisis konjoin dapat digunakan untuk mengembangkan skor dari beberapa individu dan mengembangkan model untuk tiap individu. 4. Two way ANOVA Dapat digunakan untuk menguji pengaruh dua variabel non metrik independen pada variabel dependen tunggal metrik. dicatat bahwa, dalam konteks ini, variabel independen sering disebut sebagai faktor dan ini adalah mengapa desain yang bertujuan untuk menguji pengaruh dua variabel independen nonmetric pada sigle metrik tergantung sering disebut factorial design. 5. MANOVA Mirip dengan ANOVA, dengan perbedaan bahwa ANOVA menguji perbedaan rata-rata lebih dari dua kelompok pada satu variabel dependen, sedangkan MANOVA adalah menguji perbedaan rata-rata antara kelompok-kelompok di beberapa variabel dependen secara bersamaan, dengan menggunakan jumlah kuadrat dan matriks cross-produk. Di uji MANOVA, variabel independen adalah
langkah-langkah pada skala nominal dan variabel tergantung pada interval atau rasio skala 6. Korelasi Canonical Analisis ini dapat mengukur tingkat keeratan hubungan antara satu kumpulan peubah dependen dengan satu kumpulan peubah independen. Disamping itu, analisis korelasi kanonik juga mampu menguraikan struktur hubungan di dalam kumpulan peubah independen. I. Data Warehousing, Data Mining and Operations Research Data warehousing dan data mining adalah aspek informasi sistem. Banyak perusahaan yang saat ini menggunakan data warehouse. Data warehouse biasanya mengumpulkan data-data yang sudah terkumpul dari departemen berbeda dan bisa diproses dari beberapa proses analisis online (OLAP) yang mendukung pengambilan keputusan. Menggunakan algoritma untuk menganalisis data pada cara yang berarti, data mining lebih berpengaruh efektif pada data warehouse dari mengidentifikasi hubungan tersembunyi dan pola dalam data yang tersimpan di dalamnya. Operation research (OR) atau management science (MS) adalah alat canggih yang digunakan untuk menyederhanakan dan dengan demikian memperjelas beberapa jenis masalah kompleks yang meminjamkan diri untuk kuantifikasi. OR menggunakan matematika yang lebih tinggi dan statistik untuk mengidentifikasi, menganalisis, sebuah akhirnya memecahkan masalah yang rumit kompleksitas besar yang dihadapi oleh manajer. J. Beberapa Jenis Perangkat Lunak yang Berguna untuk Analisis Data Ada beberapa macam software analitis yang dapat membantu untuk menganalisis data: 1. LISREL: didesain untuk memperkirakan dan memeriksa model persamaan struktural 2. MATLAB: adalah program komputer yang sebenarnya didesain untuk menyederhanakan implementasi dari numerical linear aljabar routines 3. Mplus: adalah program model statistika yang menawarkan peneliti berbagai pilihan model estimator dan algoritma 4. SAS: adalah sistem terpadu dari produk software, mampu melakukan berbagai analisis statistik seperti statistik deskriptif, teknik multivariat, dan analisis time series 5. SPSS: adalah manajemen data dan analisis program yang didesain untuk melakukan analisis data statistik, termasuk statistika deskriptif seperti plot, frekuensi, diagram dan daftar serta prosedur canggih inferensial dan multivariat statistik seperti analisis varians (ANOVA), analisis faktor, analisis cluster, dan data kategori analisis. 6. SPSS AMOS: adalah didesain untuk memperkiran dan memeriksa model persamaan struktural.
