Rabu, 01 Januari 2014

Akibat Penggunaan Data Non Interval dalam Analisis Parametrik, Regresi Linier, dan Path Analysis


Penggunaan Data Non Interval dalam Analisis Parametrik, Regresi Linier, dan Path Analysis.
(oleh: suharto)

Penggunaan analisis statistik dalam penelitian mahasiswa yang digunakan untuk memenuhi salah satu syarat memperoleh gelar sarjana, selain tergantung dari kualitas dan kemampuan mahasiswa itu sendiri, juga tidak terlepas dari kemampuan dosen pembimbing dalam memberikan pencerahan bagi mahasiswa untuk melakukan pemilihan alat analisis yang tepat terhadap permasalahan yang muncul di dalam tugas akhir mahasiswa yang dibimbingnya.

Fenomena pemilihan alat analisis statistik itu, selain memiliki keberagaman, juga berkenaan dengan teori-teori baru yang ditemukan oleh para ahli dalam bidang ilmu statistika, baik berdasarkan peristiwa deduktif maupun induktif. Temuan-temuan baru yang berkenaan dengan pemilihan alat analisis statistik itu, tidak dapat dipungkiri dan tidak sepenuhnya bisa diserap dan diantisipasi oleh para mahasiswa termasuk juga oleh dosen pembimbing. Sehingga berbagai peristiwa di dunia kerja, dalam kontek kesamaan persepsi, bila tidak dikatakan kesamaan teori, antar mahasisa dan mahasiswa, maupun antar mahasiswa dan desen, memiliki perbedaan yang harus diperkecil.

Salah satu perbedaan penggunaan dan teori aplikasi dalam ilmu statistik adalah penggunaan data ordinal, dan nominal dalam penggunaan statistik parametrik. Dalam statistik parametrik, berbagai teori dan even deduktif, sudah dikatakan bahwa penggunaan data ordinal dan nominal hanya bisa dilakukan untuk menganalisis data yang memiliki skala nominal dan ordinal. Akibat yang ditimbulkan bila data nominal dan ordinal diperlakukan dalam menganalisis data statistik, menyebabkan hasil yang keliru dan tidak fit. Salah satu keluaran yang pasti adalah kecilnya nilai koefisien r2, atau nilai koefisien Pearson yang dikuadratkan. Kecilnya nilai r2 ini tentu merupakan gejala kesalahan empirik bahwa dalam memperlakukan data nominal dan ordinal sebagai input yang digunakan dalam menganalisia data tidak sesuai dengan kehendak dalam imu statistik. Karena bagaimanapun, nilai r2 merupakan indikator model yang dibuat peneliti dan sebagai persyaratan sebagaimana diharuskan model fit. Hal ini dapat dipahami dalam konteks regresi linier.

Peran serta mahasiswa dan dosen pembimbing dalam mengikuti perkembangan ilmu statistik, tentu perlu mendapat dukungan dan apresiasi. Kesalahan dalam memperlakukan data nominal dan ordinal dalam alat analisis statistik, tidak akan menyelesaikan permasalahan dalam penelitian. Akan tetapi akan menghasilkan kesimpulan yang bias dan kurang bisa dipertanggungjawabkan.

Dalam analisis statistik, baik yang didasarkan dari berbagai teori yang sudah ada maupu dari peristiwa-peristiwa yang bisa dipertanggungjawabkan, penggunaan data ordinal dalam statistik parametrik, termasuk regresi linier dan analisis path, harus melalui konversi dan perubahan skala, yakni dari skala ordinal menjadi skala interval. Tanpa melalukan konversi data ordinal menjadi interval sebelum melakukan analisis, kita tidak akan memperoleh hasil yang benar dan model yang fit, sebagaimana yang disyaratkan dari terbentuknya sebuah model penelitian.

Akselerasi mahasiswa dan pembimbing dalam mengantisipasi dan menyerap ilmu pengetahuan, memang diantara yang satu dengan yang lainnya tidak sama. Ada sebgaian yang cepat mengantisipasi ilmu pengetahuan dengan banyak membaca buku dan diskusi. Tetapi ada sebagian mahasiswa yang kurang tekun dalam membaca buku  dan diskusi. Menurut Daud Yusuf, setiap tiga menit bertambah satu ilmu pengetahuan baru. Itu artinya betapa cepatnya perkembangan ilmu pengetahuan. Ilmu pengetahuan di dunia ini berkembang saling mendahului dan tanpa rambu-rambu normatif. Dan betapa tertinggalnya bila kita tidak mengikuti perkembangan ilmu-ilmu pengetahuan baru itu. Meskipun tidak seluruhnya, paling tidak kita mampu mengapresiasi ilmu-ilmu pengetahuan baru, terutama terhadap ilmu-ilmu pengetahuan yang berkaitan dengan tugas kita sehari-hari, yakni penggunaan alat analisis dalam ilmu statistik.    



Senin, 13 Februari 2012

SAP Pengantar Statistika, Kontrak Kuliah Pengantar Statistika


KONTRAK KULIAH
Mata Kuliah
Kode mata kuliah
Semester
Dosen
Tempat pertemuan
:
:
:
:
:
Statistika
MGT 234
III
Suharto, S.E., M.M.
Ruang FE



A
Manfaat matakuliah



B
Tujuan mata kuliah umum




Mahasiswa memahami konsep dasar statistika, mengumpulkan, menyajikan, meringkas, menganalisa dan menggunakannya dalam penelitian-penelitian ilmu ekonomi
C
Deskripsi mata kuliah
D
Tujuan instruksional khusus

Setelah pertemuan ini mahasiswa diharapkan mampu:

*
Menjelaskan dengan benar konsep dasar statistika

*
Menjelaskan dengan benar pembentukan distribusi frekuensi

*
Membuat grafik distribusi frekuensi

*
Menjelaskan dengan benar tentang nilai tengah, median dan modus

*
Ukuran pemusatan

*
Memahami, menghitung dan Menjelaskan dengan benar simpangan baku

*
Menghitung dan membuat sebaran-sebaran lain selain simpangan baku

*
Menjelaskan moment data berkelompok, hubungan antar moment, kemencengan dan kurtosis

*
Teori dasar kemungkinan

*
Distribusi probabilitas

*
Koefisien korelasi dan pengujian hipotesis

*
Hubungan antar dua variabel dengan model regresi sederhana dan pengujian hipotesis

*
Hubungan antar dua variabel dengan model regresi dan korelasi berganda dan pengujian hipotesis

*
Hubungan antar satu dan dua variabel, pengujian hipotesisis secara parsial dan simultan serta kegunaannya dalam penelitian ilmu-ilmu ekonomi
E
Organisasi materi
Sesuai dengan maksud dan tujuan di atas maka kuliah ini berisisi

*
Pengertian. Statistika sampel dan Populasi. Statsitika Deskripsti dan Induktif. Peubah Diskrit. Dan Kontinu dan Pembulatan Data.

*
Data Mentah. Array. Distribusi Frekuensi. Selang dan Limit Kelas. Batas Kelas Ukuran atau Lebar Kelas. Markah Kelas. Ketentuan Umum Pembentukan Distribusi Frekuensi. Histogram dan Poligon Frekuensi.

*
Distribusi Frekuensi Relatif, Kumulatif dan Ogiv. Persentase. Kurva Frekuensi yang dimuluskan.

*
Nilai Tengah. Median. Modus. Rata-rata dan Ukuran Pemusatan. Nilai Tengah Hitung.

*
Ukuran Pemusatan. Nilai Tengah Geometrik Kuartil. Desil dan Persentil.

*
Simpangan Baku. Sebaran atau Variasi. Rentang. Nilai Tengah Simpangan. Rentangf Nilai Tengah, Semi Antar Kuartil, Persentil dan Simpangan Baku.

*
Varians. Metode Ringkas Unutk Menghitung Simpangan Baku. Sifat Simpangan Baku dan Koefisien Variasi.

*
Moment. Kemencengan dan Kurtosis.

*
Probabilitas. Peluang Bersyarat. Kejadian Bebas dan Tak Bebas. Saling Terpisah.

*
Distribusi Probabilitas. Nilai Harapan. Hubungan Probabilitas terhadap Teori Hubungan Titik.

*
Koefisien Korelasi dan Regresi Sederhana dan Pengujian Hipotesis

*
Koefisien Korelasi dan Regresi Berganda dan Pengujian Hipotesis secara Parsial dan Simultan serta Kegunaannya dalam penelitian Ilmu-ilmu Ekonomi.








F
Strategi perkuliahan
Perkuliahan diupayakan supaya mahasiswa aktif membaca, menganalisa persoalan, sehinga dosen disini berperan sebagai fasilitator dalam pembelajaran yang terjadi. Selain itu mahasiswa dianjurkan mencari sendiri tambahan baik diperpustakaan maupun internet untuk memperoleh bahan tambahan mata kuliah yang telah dipelajari.
G
Sumber bacaan

*
Mustafa, Zaenal. 1995. Pengantar statistik terapan untuk ekonomi. Yogyakarta: BPFE-UII.

*
Spiegel, R. Murray. 1981. Statistics. Schaum Outline Series. Singapore: McGraw Hill International Book Company.

*
Murray R. Spiegel, 2004. Statistika, Serti Buku Scaum Teori dan Sosial, Jakarta.

*
Walpole, E. Ronald. 1982, introduction to Statistics. 3rd edition. New York: Mc. Millan Publishing co, Inc.



H
Tugas
Selama perkuliahan statistika ini mahasiswa dibebani tugas sebagai berikut:

*
Tugas individu dan tugas kelompok: tugas ini terbentuk menjawab soal-soal atau membuat ringkasan tentang pokok-pokok bahasan tertentu, waktunya ditentukan berdasarkan kesepakatan bersama.
I
Kriteria penilaian
Penilaian akan dilakukan dengan mempertimbangkan bobot sebagai berikut

*
Keaktifan dikelas dan absensi 05%

*
Tugas 20%

*
Kuis dan Mid Semester 30%

*
Ujian Semester 35%

Total 100%
J
Aturan-aturan

*
Keterlambatan mahasiswa di awal perkuliahan toleransi 15 menit

*
Kehadiran dibawah 80% dari total perkuliahan tidak boleh mengikuti ujian semester dan dikenakan sangsi akademik

*
Kecurangan pada saat ujian, mahasiswa diberi sangsu akademik.



K
Waktu perkuliahan
Waktu perkuliahan satu semester penuh minimal 16 kali pertemuan sesuai dengan SAP yang telah dibuat dengan perincian sebagai berikut:







Tatap muka
:
14 minggu

Kuis/mid
:
2 minggu

Ujian Semester
:
1 minggu
Jumlah 17 minggu

Jumat, 01 April 2011

SUHARTO, S.E., M.M.: Pengertian Korelasi

PENGERTIAN KORELASI 
Oleh: Suharto


        Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur. Tulisan ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam buku Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau beberapa Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan korelasi atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua peubah.
        Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya yang dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam satu kali musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan biaya yang dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah harga suatu barang yang ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli oleh konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan berpasangan dengan nilai-nilai Y yang kecil. 
        Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam contoh kita, dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan linearnya dengan X.
        Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi ini dengan ρ. Bila r dekat dengan nol, kita cenderung menyimpulkan bahwa ρ = 0. Akan tetapi, suatu nilai contoh r yang mendekati + 1 atau – 1 menyarankan kepada kita untuk menyimpulkan bahwa ρ ≠ 0. 
        Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu ρo, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ = ρo, dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara ρ < ρo, ρ > ρo, atau ρ ≠ ρo.
  1. J Supranto, Statistika, Teori Dan Aplikasi, Penerbit Erlangga, Jakarta, 1987.
  2. Riduan, Dasar-dasar Statistika, Penerbit ALFABETA, Bandung, 2005.
  3. Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.
  4. Suharto, Kumpulan Bahan Kuliah, Pengantar Statistika, UM Metro, Lampung, 2007. 
  5. Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua. Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M., Penerbit Erlangga, 1988.