Bulan: Agustus 2020

Kategori
Jasa Olah Data

Cara Uji Normalitas SPSS dan Ketentuan Penggunaannya

cara uji normalitas spss

Uji normalitas adalah suatu cara yang dilakukan untuk melihat apakah data dalam penelitian telah terdistribusi secara normal. Hasil uji ini nantinya akan memengaruhi langkah analisis selanjutnya. Cara uji normalitas SPSS biasanya memiliki 2 pilihan, yaitu Kolmogorov-Smirnov dan Shapiro-Wilk. Untuk menentukan menggunakan yang mana, bisa dengan memperhatikan data itu sendiri.

Ketentuan Uji Normalitas

Dalam uji normalitas, terdapat indikator yang disebut nilai signifikansi. Apabila data memiliki nilai signifikansi 0,05 maka dapat dikatakan bahwa data tersebut normal. Baik itu untuk Kolmogorov-Smirnov mau pun untuk Shapiro Wilk.

Perbedaan penggunaan keduanya adalah pada banyaknya sampel yang digunakan. Jika sampelnya kurang dari 50, maka Shapiro Wilk lebih cocok untuk digunakan dalam uji normalitas. Sementara untuk sampel besar yang lebih dari 50, gunakan Kolmogorov-Smirnov agar hasilnya lebih akurat.

Langkah-langkah Uji Normalitas SPSS

Sebelum dapat melakukan analisis, hal pertama yang perlu dilakukan adalah mengisi data pada Variable View dan Data View. Isi dengan cermat agar mendapatkan hasil yang akurat. Jika datanya banyak dan telah tersimpan di Excel misalnya, bisa lakukan copy-paste. Lalu ikuti langkah-langkah berikut:

1. Klik menu Analyze, kemudian masuk ke Descriptive Statistics, lalu Explore.

2. Pada jendela Explore, terdapat kolom Dependent List, pindahkan variabel yang ingin diuji ke kolom tersebut. Jika variabel bersifat kualitatif, pindahkan ke kolom Factor List.

3. Pilih Both pada Display. Centang bagian Descriptive, lalu isi Confidence Interval for Mean dengan angka tertentu yang sesuai kebutuhan. Kemudian klik Continue.

4. Klik Plots, lalu beri centang pada Normality plots with tests. Jika sudah, klik Continue kemudian klik OK.

5. Hasil uji normalitas sudah bisa dibaca untuk kemudian diolah lebih lanjut.

Membaca Hasil Uji Normalitas

Cara uji normalitas SPSS sudah selesai sampai langkah di atas. Setelah itu, waktunya untuk membaca hasilnya. Terdapat beberapa kolom hasil yang akan muncul. Lihatlah tabel Tests of Normality untuk mengetahui hasil uji normalitas.

Perhatikan masing-masing angka pada kolom Kolmogorov-Smirnov dan Shapiro Wilk. Misalnya tertera angka .300, maka artinya adalah 0,300. Nilai tersebut menunjukkan bahwa hasilnya lebih dari 0,05 yang merupakan angka minimal data bisa disebut normal. Maka, dengan nilai signifikansi 0,300 data tersebut distribusinya normal.

Seperti telah dijelaskan, uji normalitas SPSS tidaklah terlalu rumit. Meskipun begitu, bagi yang tidak familiar dengan statistik bisa saja masih merasa bingung. Namun jangan khawatir, Patra Statistika siap membantu untuk memudahkan proses penelitian. Mulai dari konsultasi, proses pengolahan data, hingga diskusi dan komunikasi selama pengerjaan.

Tidak hanya cara uji normalitas SPSS, Patra Statistika juga melayani berbagai jasa di bidang statistik dan ilmiah lainnya. Mulai dari rancangan penelitian hingga tahap-tahap pengolahan data. Segera hubungi kontak yang tertera dan dapatkan pelayanan terbaik untuk menghasilkan penelitian yang berkualitas.

Kategori
Jasa Olah Data

Ketahui Bagaimana Melakukan Analisis SEM dengan SPSS dengan Mudah di Sini:

analisis sem dengan spss

Structural Equation Modeling (SEM) adalah perkembangan dari regresi berganda yang sering juga disebut sebagai perluasan analisis faktor. Ada dua sub model yang biasa digunakan dalam SEM yakni pengukuran dan juga struktural. Analisis jenis ini banyak digunakan untuk keperluan akademik seperti tugas akhir. Analisis SEM dengan SPSS merupakan salah satu yang populer.

Olah Data dengan SPSS

Salah satu program berbasis statistic yang banyak digunakan dalam berbagai penelitian adalah SPSS ini. SPSS awalnya hanya berbasis pada pengolahan ilmu dalam social science saja tetapi kemudian berkembang dan berubah menjadi Statistical Package for Service Solutions. Banyak sekali fitur yang ada di SPSS yang bisa digunakan di bidang lain selain sosial saja.

SPSS sendiri telah mengakuisisi program AMOS (Analysis of Moment Structure) yang merupakan aplikasi khusus untuk analisis SEM sendiri. Sehingga dengan adanya akuisisi ini, program SPSS sendiri sudah bisa melangsungkan analisis SEM di dalamnya. Sebelum melakukan uji SEM, di SPSS sendiri perlu melakukan dua uji instrumen (kuesioner) dulu.

Uji Validitas

Uji yang pertama dilakukan adalah uji validitas yang berfungsi untuk mengukur kemampuan dari kuesioner tersebut dalam menerjemahkan variabel yang diteliti. Hasil yang didapatkan nantinya akan berupa nilai r. Nah nilai r ini dapat dikatakan valid ketika menunjukkan nilai yang lebih dari 0,5 bahkan tidak jarang juga dipatok nilai 0,7.

Ada beberapa langkah yang bisa dilakukan dalam uji validitas dalam SPSS ini yakni pertama membuka data yang akan diolah. Setelah itu buka menu Analyze di bagian atas lalu pilih Dimension Reduction lalu klik Factor. Setelah itu pilih indikator dari data yang akan dilakukan analisis uji validitas. Uji ini harus dilakukan satu persatu, tidak dapat digabung dengan variabel lain.

Uji Reliabilitas

Uji selanjutnya yang perlu dilakukan adalah uji reliabilitas yang berfungsi untuk mengetahui konsistensi jawaban dari pertanyaan yang ada. Fungsi ini menunjukkan bagaimana responden memberikan jawaban yang stabil dan tidak bertolak belakang. Dalam kata lain, dari uji ini bisa ditentukan apakah responden menjawab pertanyaan dengan asal atau tidak.

Nah untuk uji reliabilitas sendiri bisa dilakukan dengan membuka menu Analyze lalu pilih Scale dan Reliability Analysis. Setelah itu tinggal masukkan indikator yang ingin dilakukan pengukuran saja. Jangan masukkan indikator yang sudah tidak lolos dalam uji validitas tadi karena akan sangat mengganggu hasil yang didapatkan. Lalu cukup klik OK dan hasil akan keluar.

Setelah tahap itulah analisis SEM dengan SPSS baru bisa dilakukan tapi memang masih harus menggunakan AMOS meskipun sudah diakuisisi. Kalau masih kebingungan, bisa lakukan konsultasi langsung dengan ahli di Patra Statistika untuk jawaban memuaskan. Patra Statistika menerima konsultasi dan pengolahan data statistik hingga selesai.

Artikel Statistika Lainnya

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

Mengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

4 Hal Tentang Korelasi Pearson Product Moment yang Wajib Diperhatikan

Menentukan Model Regresi Data Panel, Ketahui Dulu Hal-hal BerikutMelakukan Uji Multikolinearitas dengan SPSS dan Cara Membacanya

Kategori
Jasa Olah Data

Cara Terbaik dalam Analisis SEM dengan LISREL untuk Kamu

analisis sem dengan lisrel

Teknik analisis multivariate yang sangat membantu peneliti untuk menunjukkan hubungan antara variabel kompleks adalah SEM (Structural Equation Modeling). SEM sendiri termasuk ke dalam salah satu kajian statistika yang dapat digunakan untuk menganalisis indikator, variabel laten, dan kesalahan. Banyak orang melakukan analisis SEM dengan LISREL. Ini dia caranya:

1. Ekspor Data Mentah

Sebelum memulai melakukan analisis SEM, hal pertama yang perlu dilakukan adalah dengan mengekspor data mentah dalam file PRELIS. Caranya adalah klik File lalu pilih Import Data in Free format pada bagian Windows LISREL sendiri.

Setelah itu hanya perlu membuka file data mentah yang akan digunakan di simpan lalu klik OK jika sudah ditemukan. Aplikasi ini akan secara otomatis mengubah format sebelumnya ke dalam format PRELIS supaya bisa dipakai untuk melakukan analisis SEM.

2. Melakukan Analisis Awal

Saat data yang akan digunakan sudah berada dalam format PRELIS, langkah selanjutnya adalah dengan menentukan tipe variabel. Ada dua data yang bisa dipilih yakni continuous atau ordinal data define variable menyesuaikan dengan tipe data apa yang digunakan.

Output statistic awal yang biasanya perlu didapatkan adalah covariance atau asymptotic covariance matrix yang biasa disebut dengan input data analisis. Matriks yang dipilih akan disimpan dalam file notepad dalam format .cov, .acm, dan .cor.

3. Buka File SIMPLIS Baru

Selanjutnya yang perlu dilakukan adalah membuka file SIMPLIS baru untuk mengestimasi persamaan yang akan dikerjakan. Caranya cukup mudah, hanya perlu memilih File New lalu pilih opsi Simplis Project dan klik OK. Setelah itu simpan dulu project SIMPLIS ini ke dalam folder yang diinginkan.

Di SIMPLIS ini akan muncul kotak untuk menulis perintah yang bisa digunakan sebagai alat mengestimasi berbagai persamaan. Cukup klik Setup Title dan Comments untuk menambahkan judul project yang sedang dikerjakan lalu klik next. Jika data yang digunakan adalah multi sample, perlu mengisi Group Labels terlebih dahulu tapi jika tidak cukup klik next saja.

4. Melakukan Analisis SEM

Setelah selesai, tinggal tambakan variabel yang diinginkan pada Observed Variables dan Latent Variables. Pada Observed Variables, pilih Read from file dengan anti LISREL System File dengan PRELIS System File dan cari file yang tadi sudah disimpan. Nah selanjutnya untuk yang Add Variable, tulis secara manual variabel yang akan diteliti lalu klik OK.

Setelah keduanya selesai, akan muncul dialog box yang berisi banyak opsi. Pertama perlu dilakukan adalah isi Number of observations dengan jumlah amatan. Lalu klik satu kali lagi kotak Setup dan klik F8 di keyboard untuk memunculkan informasi mengenai data dan nama variabel. Terakhir, isi hubungan sesuai dengan keinginan dan akan muncul output LISREL.

Nah itulah dia beberapa cara untuk melakukan analisis SEM dengan LISREL yang dapat disampaikan. Memang analisis SEM dengan aplikasi satu ini terasa lebih susah sehingga butuh ketelitian. Kalau butuh bantuan, segera hubungi Patra Statistika untuk bantuan profesional dalam analisis yang dilakukan.

Artikel Statistika Lainnya

Mengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

4 Hal Tentang Korelasi Pearson Product Moment yang Wajib Diperhatikan

Menentukan Model Regresi Data Panel, Ketahui Dulu Hal-hal Berikut

Melakukan Uji Multikolinearitas dengan SPSS dan Cara Membacanya

Kategori
Jasa Olah Data

Melakukan Uji Multikolinearitas dengan SPSS dan Cara Membacanya

uji multikolinearitas dengan spss

Saat melakukan analisis data statistik, uji multikolinearitas adalah salah satu syarat yang harus dipenuhi. Sebab pengujian ini dilakukan untuk memastikan apakah dalam model regresi terdapat interkorelasi antarvariabel bebas atau tidak. Oleh sebab itu, uji multikolinearitas dengan SPSS wajib dikuasai oleh seseorang yang sedang melakukan penelitian dan mengolah data statistik.

Untuk melakukan uji multikolinearitas dengan SPSS, pastikan seluruh data sudah dimasukkan ke dalam variable view dan data view. Ingat, variabel independent minimal dua, sedangkan variabel dependent harus satu. Kalau sudah, klik “Analyze”, pilih “Regression”, lalu “Linear” untuk memunculkan jendela “Linear Regression”.

Tempatkan masing-masing data sesuai dengan jenis variabelnya. Klik “Statistic”, jangan lupa untuk mencentang “Estimates”, “Model Fit”, dan “Collinearity Diagnostics”. Terakhir, klik “Continue” dan “OK”. Saat itu muncullah output data yang dapat dibaca dengan dua cara berikut:

1. Melihat Nilai VIF dan Tolerance

Ada dua jenis hasil yang bisa didapat dengan melihat nilai VIF (Variance Inflation Factor), yaitu terjadi multikolinearitas dan tidak ada multikolinearitas. Data dianggap tidak memiliki multikolinearitas apabila nilai VIF-nya lebih kecil dari 10,00. Sebaliknya, data terjadi multikolinearitas jika nilai VIF sama dengan atau lebih besar dari 10,00.

Sama seperti membaca nilai VIF, saat membaca nilai Tolerance pun ada dua macam. Jika nilai Tolerance lebih dari 0,10, maka data tersebut tidak terjadi multikolinearitas. Jika nilainya sama dengan 0,10 atau lebih besar, maka dalam data tersebut terjadi multikolinearitas.

2. Deteksi dengan Eigenvalue dan Condition Index

Saat sudah mendapatkan output, perhatikan kolom bagian Eigenvalue dan Condition Index. Nilai Eigen (Eigen Value) digunakan jika ada faktor baru yang akan dianalisis. Apabila nilainya sama dengan satu atau lebih besar, maka faktor tersebut layak digunakan. Namun jika nilainya kurang dari satu, maka faktor tersebut harus dikeluarkan atau tidak digunakan.

Untuk nilai index (condition index), pastikan nilainya kurang dari 30 agar faktor baru tersebut bisa dianalisis. Kalau nilainya lebih dari 30, maka jangan digunakan. Jadi dapat dikatakan kalau Eigenvalue sama dengan satu atau lebih dari satu dan nilai index kurang dari 30, artinya faktor baru tersebut bisa digunakan.

Jika ingin mendapatkan hasil yang terpercaya atau reliable, bisa menggunakan jasa konsultasi dari Patra Statistika. Kami tidak hanya melayani uji multikolinearitas dengan SPSS saja, tetapi juga mulai dari desain penelitian awal, pemilihan instrumen penelitian, hingga analisis datanya. Aplikasi-aplikasi yang digunakan untuk mengolah data pun beragam, seperti SAS, Phyton, SPSS, Lisrel, EViews, dan masih banyak lagi.

Jika membutuhkan bantuan untuk tugas akhir, kami pun melayani jasa pembuatan peta digital serta terjemahan abstrak untuk kebutuhan jurnal. Hubungi admin melalui kontak yang tersedia dan dapatkan hasil penelitian berkualitas yang bermanfaat untuk banyak orang.

Artikel Lainya

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

Mengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

4 Hal Tentang Korelasi Pearson Product Moment yang Wajib DiperhatikanMenentukan Model Regresi Data Panel, Ketahui Dulu Hal-hal Berikut

Kategori
Jasa Olah Data

Menentukan Model Regresi Data Panel, Ketahui Dulu Hal-hal Berikut

model regresi data panel

Mahasiswa yang mengambil mata kuliah statistik pasti akan bersinggungan dengan model regresi data panel. Data yang terdiri dari data cross section dan data time series adalah yang disebut dengan data panel. Bagaimana sebenarnya regresi data panel itu? Baca sampai habis, ya.

1. Definisi Regresi Data Panel

Seperti telah disinggung di atas bahwa yang dimaksud dengan data panel ada gabungan atau kombinasi dari data cross section dan data time series. Unit-unit cross section yang sama, diukur dengan waktu yang berbeda.

Regresi data panel adalah metode statistik yang digunakan untuk melihat hubungan, korelasi, atau pengaruh dari variabel yang berjumlah dua atau lebih dimana data yang digunakan adalah data panel. Contoh dari regresi data panel adalah pengaruh antara harga saham dan nilai actual capital terhadap investasi data panel 4 perusahaan pada periode 1935 – 1954.

2. Metode yang Digunakan untuk Meregresi Data Panel

Untuk menentukan model regresi dengan data panel, maka digunakan metode pendekatan common effect, fixed effect dan juga random effect. Pada model common effect, data cross section dan data time series digabungkan dengan metode OLS agar data panel bisa diestimasi. Common effect merupakan yang paling sederhana diantara ketiga model.

Pada pendekatan fixed effect, setiap subject atau unit data cross section interceptnya berbeda-beda namun slope-nya tetap. Sedangkan pendekatan random effect penyebabnya adalah asumsi random pada variasi nilai dan arah pada hubungan antar subject.

3. Menentukan Model Regresi yang Tepat untuk Data Panel

Ada dua teknik yang digunakan dalam memilih model yang terbaik antara tiga model yang telah dijelaskan di atas. Dua teknik atau uji yang digunakan adalah dengan melakukan uji Chow Test. Chow Test dilakukan ketika akan memilih common effect atau fixed effect.

Uji yang kedua adalah uji Hausman Test, yaitu uji untuk menentukan antara common effect dan random effect ketika melakukan estimasi data regresi data panel. Pada Hausman Test, dilakukan perbandingan untuk model fixed effect dan random effect menggunakan Eviews.

4. Asumsi Klasik pada Regresi Data Panel

Kolinearitas antar variabel pada data panel sedikit terjadi dan potensi timbulnya multikolinearitas sangat kecil. Jadi, asumsi klasik yang umum dipakai pada regresi data panel adalah uji autokorelasi serta uji heteroskedastisitas.

Uji Autokorelasi terjadi ketika ada residual yang tidak bebas pada observasi satu ke observasi lainnya. Sedangkan uji heteroskedastisitas terjadi karena nilai residual pada model variannya tidak konstan. Ada reliabilitas yang berbeda pada setiap observasi, didasari oleh perubahan kondisi.

Cara meregresi model data panel bisa dilakukan dengan menggunakan software statistik Eviews. Agar memudahkan dalam proses analisa, maka mahasiswa atau perorangan bisa menghubungi Patra Statistik. Di sini, akan diberikan bantuan konsultasi hingga jasa pengolahan data statistik untuk tujuan akademis atau yang lainnya.

Artikel Lainya

4 Jenis Uji Autokorelasi SPSS yang Umum Digunakan

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

Mengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

4 Hal Tentang Korelasi Pearson Product Moment yang Wajib Diperhatikan

Kategori
Jasa Olah Data

4 Hal Tentang Korelasi Pearson Product Moment yang Wajib Diperhatikan

korelasi pearson product moment

Korelasi Pearson Product Moment merupakan salah satu jenis uji korelasi yang digunakan untuk mengetahui derajat keterkaitan hubungan 2 variabel. Namun, variabel tersebut memiliki skala rasio atau interval. Jika tertarik untuk menggunakan uji korelasi yang satu ini, ada 4 hal penting yang wajib diperhatikan, yaitu sebagai berikut:

1. Fungsi

Jenis korelasi yang satu ini memiliki fungsi sebagai salah satu statistik inferensi yang digunakan untuk menguji signifikansi hasil dari penelitian. Namun, jenis korelasi yang satu ini tidak mengharuskan adanya variabel terikat maupun variabel bebas. Jenis hubungan Pearson Product Moment adalah hubungan simetris karena bisa dianalisis dari variable manapun.

2. Koefisien

Ketika menggunakan uji korelasi pearson product moment, perlu memperhatikan koefisien yang ada karena dapat digunakan untuk analisis data. Apabila nilai koefisien 0, berarti tidak ada keterkaitannya sama sekali. Sedangkan jika nilai koefisien 1, maka hubungannya adalah sempurna. Kemudian, jika nilai koefisien > 0 hingga < 0,2 maka hubungannya sangat rendah atau sangat lemah.

Apabila nilai koefisien 0,2 hingga < 0,4, berarti ada hubungan yang rendah atau lemah. Sedangkan nilai koefisien 0,4 hingga < 0,6 artinya yaitu keterkaitannya cukup besar atau cukup kuat. Untuk nilai koefisien 0,6 hingga < 0,8, hubungannya besar atau kuat.

Kemudian, jika nilai koefisien 0,8 hingga < 1 maka keterkaitannya sangat besar atau sangat kuat. Sedangkan jika nilai koefisien negatif, artinya menentukan arah keterkaitan tertentu. Oleh karena itu, bisa diambil kesimpulan jika kuatnya suatu keterkaitan bisa dinyatakan dalam koefisensi regresi.

3. Rumus yang Digunakan

Dalam mengetahui hasil dari uji korelasi pearson product moment, bisa menggunakan hitungan manual. Namun, hitungan tersebut memiliki rumus tersendiri, yaitu sebagai berikut:

Dari rumus tersebut, bisa diketahui jika rxy adalah koefisien korelasi r pearson dan n menyatakan jumlah sampel atau observasi. Kemudian, untuk x yaitu variable bebas atau variabel pertama dan y yaitu variabel terikat atau variabel kedua.

4. Syarat Uji Pearson Product Moment

Peneliti tidak boleh sembarangan dalam memilih Pearson Product Moment sebagai uji korelasi dalam penelitiannya. Pasalnya, ada syarat yang harus dipenuhi untuk bisa menggunakan uji korelasi yang satu ini. Syarat pertama yaitu pastikan jika data menggunakan skala pengukuran numeric atau interval dan rasio. Kemudian, pengambilan sampel dari populasi haruslah secara acak atau random.

Kemudian, pastikan pula sampel jumlahnya besar atau n ≥ 30. Distribusi data juga harus diperhatikan peneliti jika ingin memilih uji korelasi yang satu ini. Misalnya, yaitu diwajibkan jika distribusi data haruslah normal atau termasuk dalam distribusi unimodal. Syarat terakhir yaitu keterkaitan antara variabel X maupun Y sebaiknya linier.

Itulah ulasan lengkap mengenai 5 hal dalam korelasi Pearson Product Moment yang wajib dipahami. Jenis uji korelasi yang satu ini bisa dibilang cukup rumit, namun tidak perlu khawatir karena kami bisa mengatasi permasalahan Anda. Hubungi kami sebagai jasa olah data dan bimbingan skripsi, tesis, dan disertasi yang terbaik dan terpercaya.

Artikel Lainya

Mengenal Uji Statistik Non Parametrik

4 Jenis Uji Autokorelasi SPSS yang Umum Digunakan

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca HasilnyaMengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

Kategori
Jasa Olah Data

Mengenal Tentang Uji Kolmogorov Smirnov Dua Sampel secara Lebih Dalam

uji kolmogorov smirnov dua sampel

Ketika melakukan penelitian yang membutuhkan metode penelitian secara statistik, umumnya dilakukan uji normalitas data. Untuk itu, bisa digunakan uji Kolmogorov smirnov dua sampel. Pembahasan kali ini akan mengulas pengertian, konsep dasar, dan juga kelemahan dan kelebihan uji ini:

1. Pengertian Uji Kolmogorov Smirnov Dua Sampel

Uji Kolmogorov smirnov bisa diartikan sebagai metode statistik yang digunakan untuk menguji hipotesis komparatif dari dua sampel independen dengan bentuk data ordinal yang disusun pada tabel distribusi frekuensi kumulatif dengan sistem interval kelas.

2. Kelebihan

Uji Kolmogorov smirnov memiliki kelebihan yaitu tidak timbul banyak persepsi antar pengamat dimana hal ini banyak terjadi pada uji normalitas berbasis grafik. Selain itu, pengujian dengan menggunakan uji ini juga terbilang sederhana.

3. Kelemahan

Dari uji ini, jika hasil akhirnya tidak normal, sulit untuk memutuskan transformasi model apa yang bisa dipakai untuk normalisasi data. Selain itu, uji KS (Kolmogorov Smirnov) umumnya hanya sensitive pada area pusat distribusi dibandingkan dengan di ujung.

4. Konsep Dasar

Konsep atau prinsip dasar dari uji ini adalah dengan melakukan perbandingan distribusi data atau data yang normalitasnya akan diuji dengan data yang sudah ditransformasikan menjadi bentuk Z-score dan telah diasumsikan sebagai data normal.

Prinsip perhitungan uji Kolmogorov smirnov adalah perhitungan selisih absolut pada tiap-tiap interval kelas. Karakteristik pengujian pada uji ini pada sampel kecil dan besar adalah Ho ditolak jika KDhitung > KDtabel.

5. Penerapan Uji Kolmogorov Smirnov

Jika pada uji biasa signifikansi < 0,05 berarti ada perbedaan yang signifikan dan jika > 0,05 tidak timbul perbedaan yang signifikan, penerapan ini juga berlaku pada uji Kolmogorov Smirnov. Pada uji ini, data berdistribusi tidak normal jika p < 0,05 dan data berdistribusi normal jika p > 0,05.

6. Langkah Perhitungan Manual Uji Kolmogorov Smirnov

Uji Kolmogorov Smirnov bisa dilakukan secara manual dengan asumsi sampel acak dari distribusi populasi kontinyu. Langkah pertama adalah menentukan hipotesis dimana Ho adalah data mengikuti distribusi tertentu ( F(x) = Ft (x), nx), H1 adalah data tidak mengikuti distribusi tertentu (F (x) ≠ Ft (x) minimal 1 x).

Selanjutnya, urutkan data mulai dari yang paling kecil hingga paling besar. Lanjutkan dengan menghitung distribusi FS (xi) dan Ft (xi) dengan bantuan tabel distribusi normal baku atau simpangan baku. Tentukan D max dan juga kuantil statistik pada tabel K-S. Jika hasil D>k maka Ho bisa ditolak.

Uji Kolmogorov Smirnov dua sampel ini memang cukup sederhana dan bisa dilakukan secara manual. Namun, jika dirasa perlu bantuan lebih lanjut mengenai metodologi instrumen penelitian atau analisis data, hubungi saja Patra Statistika. Patra Statistika menyediakan jasa konsultasi dan olah data menggunakan software statistik terkini yang bisa disesuaikan dengan disiplin ilmu.

Data Artikel Patra Statistika Lainya

Cara Mengolah Data SPSS untuk Berbagai Penelitian Ilmu Sosial

Mengenal Uji Statistik Non Parametrik

4 Jenis Uji Autokorelasi SPSS yang Umum DigunakanLangkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

Kategori
Jasa Olah Data

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

uji heteroskedastisitas spss scatterplot

Dalam model regresi, salah satu persyaratan yang harus dipenuhi adalah pengujian heteroskedastisitas. Seseorang harus membuktikan bahwa tidak ada gejala heteroskedastisitas sehingga hasil analisis regresi dipastikan akurat. Melakukan uji heteroskedastisitas SPSS Scatterplot banyak dipilih karena kepraktisannya. Sebab begitu menerima output-nya, seorang peneliti bisa langsung menyimpulkan. Oleh sebab itu, perlu diingat kalau pengujian ini kental dengan nilai subjektif.

Menguji Heteroskedastisitas dengan Grafik Scatterplot SPSS

Untuk melakukan uji heteroskedastisitas SPSS Scatterplot, data-data harus dirapikan terlebih dahulu melalui “Data View” dengan memasukkan data penelitian sesuai variabelnya. Proses input data ini bisa dilakukan manual (langsung di lembar kerja SPSS) atau copy-paste dari file excel. Kalau sudah, ikuti langkah-langkah berikut:

  1. Langkah Analisis Pertama. Klik menu “Analyze”, lalu klik “Regression”, dan pilih “Linear”. Setelah itu akan keluar jendela “Linear Regression”, kemudian masukkan variabel-variabel berdasarkan kategorinya, yakni dependent atau independent.
  2. Melakukan PLOTS. Sebelum meng-klik tombol “Plots”, pastikan tulisan pada kotak “Method” adalah “Enter”. Saat tombol “Plots” di-klik, maka akan muncul jendela “Linear Regression: Plots”. Di sana ada tulisan *SRESID untuk ditaruh ke kotak Y dan tulisan *ZPRED taruh di kotak X. Sisanya abaikan saja dan bisa langsung klik “Continue”.
  3. Tutup Untuk Melihat Hasil. Semuanya sudah ter-setting dengan baik dan kini saatnya melihat hasil. Klik “OK” untuk menutup jendela dan melihat output dari pengujian yang dilakukan. Hasil yang disuguhkan berupa grafik dengan titik-titik, ada yang menyebar dan ada juga yang berkumpul di sisi tertentu.

Menganalisis Grafik Scatterplot SPSS

Setelah langkah-langkah uji heteroskedastisitas SPSS Scatterplot di atas dilakukan, kini saatnya membaca hasil yang didapatkan. Ada beberapa prinsip yang perlu diketahui saat membaca grafik Scatterplot SPSS, yaitu:

  1. Jika titik-titik membentuk pola gelombang lebar yang kemudian menyempit, maka ada gejala heteroskedastisitas di sana. Kondisi ini dinamakan “Ha”.
  2. Sebaliknya, apabila titik-titik menyebar tanpa ada pola yang jelas di bagian atas dan bawah atau di sekitar angka 0, maka tidak terdapat gejala heteroskedastisitas. Kondisi ini dinamakan “Ho”.

Lalu, apa yang harus dilakukan kalau hasilnya menunjukkan masalah heteroskedastisitas? Seseorang harus melakukan cross check lagi dengan metode pengujian lainnya, seperti dengan pengujian Glejser, Park, dan Spearman. Jika membutuhkan bantuan untuk melakukan pengujian-pengujian tersebut, bisa menghubungi Patra Statistika. Kami adalah tenaga ahli untuk pengolahan dan analisis data dengan berbagai aplikasi.

Jangan khawatir apabila hasil uji heteroskedastisitas SPSS Scatterplot tidak sesuai harapan. Patra Statistika bersedia untuk melayani konsultasi dari permasalahan yang dihadapi. Kami pun akan memastikan hasil diterima sesuai waktu karena proses pengerjaan akan disepakati oleh klien. Hubungi admin kami melalui kontak yang tersedia dan dapatkan hasil penelitian yang berkualitas.

Daftar Artikel PATRA STATISTIKA lainya

Simpel, Cara Mengolah Data Angket Menggunakan Excel

3 Cara Regresi Data Panel dengan EViews

Cara Mengolah Data SPSS untuk Berbagai Penelitian Ilmu Sosial

Mengenal Uji Statistik Non Parametrik

4 Jenis Uji Autokorelasi SPSS yang Umum Digunakan

Kontak Kami

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/

Kategori
Jasa Olah Data

3 Cara Regresi Data Panel dengan EViews

regresi data panel dengan eviews

Data yang akurat adalah syarat mutlak dari sebuah penelitian sebab menggambarkan kondisi sebenarnya di lapangan. Salah satu model data adalah data panel, yakni gabungan dari data time series dan cross section. Ada kalanya seseorang harus melakukan regresi data panel dengan EViews agar dapat membaca kondisi waktu dan antarindividu secara bersamaan.

Mungkin ada yang belum familiar tentang regresi data panel dengan EViews. Ini adalah sebuah pengujian terhadap data individu dalam satu kurun waktu tertentu. Dengan menggunakan EViews, seseorang bisa mengerjakan data-data panel yang kompleks. Di bawah ini adalah tiga metode pada EViews untuk mengerjakan regresi data panel:

1. Analisis Common Effect

Pendekatan ini adalah cara yang paling sederhana karena hanya mengkombinasikan data time series dengan data cross section. Tanpa memperhatikan dimensi waktu dan individu, seluruh data diasumsikan sama dalam berbagai kurun waktu tertentu.

Saat membuka lembar kerja EViews, klik tombol “Quick” kemudian pilih “Estimate Equation”. Tentukan tiga variabel bebas pada penelitian yang sedang dikerjakan dan tandai dengan “X”, kemudian tanda “Y” untuk satu variabel pengikat. Lalu pilih “LS and AR” pada bagian “Method” dan masukkan rentang waktu yang ingin dilihat datanya.

2. Analisis Fixed Effect

Jika menggunakan pendekatan fixed effect, maka dibutuhkan variabel dummy untuk menangkap perbedaan intersep. Sebab hasil dari regresi data panel dengan analisis fixed effect adalah asumsi perbedaan kondisi individu berdasarkan intersepnya. Ada banyak faktor yang mempengaruhi perbedaan intersep ini tergantung pada hal-hal yang berhubungan dengan objek penelitian.

Cara melakukannya sama seperti di atas. Saat jendela “Estimate Equation” muncul, pilih “Panel Options”. Ubah kotak “Cross Section” menjadi “Fixed” karena akan melakukan fixed effect. Setelah itu klik “OK” dan akan muncul hasil sesuai harapan.

3. Analisis Random Effect Model (RE)

Model ini lebih cocok untuk menganalisis data dengan tingkat kompleksitas yang lebih tinggi. Sebab kemungkinan ada gangguan yang berhubungan antarwaktu dan antarindividu. Berbeda dengan pendekatan-pendekatan analisis sebelumnya, error bisa saja ditemukan di setiap variabel. Sehingga dengan menggunakan metode analisis ini heteroskedastisitas (ketidaksamaan varian yang error dari variabel bebas) bisa dihilangkan.

Namun proses metode ini cukup panjang dan membutuhkan pemahaman lebih. Jika ingin mendapatkan hasil data yang komprehensif, bisa menghubungi Patra Statistika. Kami akan membantu siapa pun yang sedang mengolah data menggunakan berbagai macam aplikasi pengolahan data, termasuk untuk regresi data panel dengan EViews.

Patra Statistika juga memberikan pelayanan konsultasi mulai dari awal penelitian, pengolahan data, hingga seluruh data selesai dianalisis dan disajikan dalam bentuk yang mudah dipahami. Selain konsultasi pengolahan data untuk penelitian, kami pun melayani jasa pembuatan peta digital dan penerjemahan bahasa untuk abstrak penelitian. Jika ada kebutuhan lainnya, bisa langsung menghubungi admin melalui kontak yang ada di sini.

Kontak Kami

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/

Kategori
Jasa Olah Data

Cara Mengolah Data SPSS untuk Berbagai Penelitian Ilmu Sosial

cara mengolah data spss

Sesuai dengan namanya, SPSS (Statistical Package for the Social Sciences) diperuntukan bagi penelitian ilmu-ilmu sosial. Dengan menggunakan SPSS, data bisa jadi lebih sederhana dan rapi sehingga lebih mudah untuk dianalisis. Makannya, penting untuk tahu cara mengolah data SPSS supaya hasilnya dapat dipahami oleh siapapun.

Beberapa orang merasa mengolah data statistik itu susah, apalagi untuk penelitian ilmu sosial. Padahal secara garis besar cara mengolah data SPSS hanya melalui tiga tahapan, yaitu:

1. Penyuntingan dan Pengkodean

Ini adalah tahap awal yang akan menentukan keabsahan hasil penelitian. Seluruh jawaban yang dikembalikan oleh responden harus dicek satu per satu. Pastikan seluruh daftar pertanyaan dijawab oleh mereka dengan sesuai.

Setelah itu, beri kode untuk setiap jawaban. Misalnya, angka 1 untuk jawaban “ya”, angka 0 untuk jawaban “tidak”, kemudian angka 99 untuk pertanyaan yang tidak dijawab. Lalu, kategorikan jawaban-jawaban dari pertanyaan terbuka. Tapi, ingat, jawabannya tidak boleh ditafsirkan sendiri supaya kebenarannya tetap terjaga.

2. Tentukan Variabel dan Masukkan Data

Dalam SPSS ada “Codebook” di mana seorang peneliti mulai melengkapi data-data yang akan diolah, seperti nama variabel, pengaturan angka desimal, label, hingga skor variabel yang sudah ditentukan sebelumnya. Ada juga “missing”, yakni ketika responden tidak memberikan jawaban apapun.

Setelah semua informasi pada “Codebook” terisi, kini saatnya mulai memasukkan data ke SPSS. Aktifkan bagian “Data View”, kemudian masukkan data-data ke dalam sel-sel yang ada di sana. Jangan sampai salah memasukkan data karena hasilnya nanti tidak akan sesuai dengan kondisi real responden. Kalau terjadi kesalahan, maka data pada sel tersebut bisa langsung diganti.

3. Screening dan Membersihkan Data

Walaupun sudah dilakukan secara hati-hati, tetap saja ada beberapa orang yang keliru memasukkan data. Sebelum dilakukan analisis lebih jauh, tak ada salahnya mengecek ulang dan memastikan kalau data yang dimasukkan sesuai dengan jawaban responden. Cara cepatnya bisa menggunakan menu “Analyze” kemudian pilih “Descriptive Statistic”.

Di sana beberapa opsi, seperti “Frequencies” untuk memastikan tidak ada kesalahan variabel data, “Descriptive” untuk mengecek nilai minimum, maximum, dan mean, serta “Explore” untuk menemukan error data yang skornya tidak sesuai.

Kalau ketiga tahapan cara mengolah data SPSS di atas sudah dilakukan, maka mulailah melakukan analisis. Sebaiknya diawali dengan analisis deskriptif, artinya melihat fakta apa adanya. Analisis ini murni hanya memaparkan data-data sebab tujuannya untuk mengecek asumsi dasar dan pertanyaan penelitian di awal.

Barulah jika ingin pembahasan yang lebih mendalam bisa maju ke analisis inferensial, yakni memberikan penilaian atau interpretasi terhadap objek yang diteliti. Namun tidak mudah melakukan analisis ini, belum lagi jika jumlah data dan variabel penelitiannya banyak.

Untuk mendapatkan kesimpulan yang valid dan siap dipublikasikan, Patra Statistika melayani konsultasi dan pengolahan data penelitian dari awal hingga selesai. Waktu pengerjaan bisa disesuaikan dengan kesepakatan sehingga tugas atau penelitian bisa selesai sesuai harapan. Segera hubungi kami untuk mendapatkan hasil karya tulis yang berkualitas.

Kontak Kami>

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/