Penulis: Konsultan Data Penelitian & ArcGIS

Kategori
Jasa Olah Data

Apa Itu Uji Validitas dan Reliabilitas? Begini Penjelasannya

Uji validitas dan reliabilitas

Uji validitas dan reliabilitas merupakan langkah yang perlu dilakukan untuk mengukur sejauh mana sebuah penelitian dapat dipertanggungjawabkan. Kedua uji ini dapat dilakukan dengan program SPSS. Untuk lebih jelasnya, berikut uraiannya.

Uji Validitas

Melakukan uji validitas bertujuan untuk melihat seberapa tepat variabel yang digunakan dalam penelitian.  Suatu penelitian dapat dikatakan valid apabila mampu memberikan hasil atas apa yang benar-benar ingin diukur. Dengan kata lain, hasil dari penelitian yang valid akan menjawab apa yang dipertanyakan dalam penelitian itu sendiri.

Uji validitas terbagi 2, yaitu validitas item dan validitas faktor. Validitas item dilihat dari korelasi skor item dengan skor total item. Sementara validitas faktor merupakan korelasi antara skor faktor dengan skor total faktor. Yang kedua ini dilakukan jika terdapat lebih dari satu faktor.

Untuk melakukan uji validitas menggunakan SPSS, totalkan terlebih dulu skor dari masing-masing variabel. Kemudian masuk ke menu Analyze, Correlate, lalu Bivariate. Isi Variables dengan seluruh item variabel. Jangan lupa tandai Pearson, Two-tailed, dan Flag significant correlations. Lalu klik OK.

Uji Reliabilitas

Reliabilitas dapat diartikan sebagai keandalan atau ketepatan pengukuran. Uji reliabilitas dilakukan untuk melihat sejauh mana konsistensi hasil suatu penelitian ketika dilakukan secara berulang-ulang. Semakin tinggi tingkat reliabilitasnya, maka penelitian tersebut semakin bisa diandalkan.

Indikator dari reliabilitas adalah nilai alpha cronbach’s. Umumnya, sebuah instrumen penelitian dikatakan reliabel ketika mencapai angka minimal 0,70. Untuk dapat mengetahui tingkat reliabilitas, maka digunakan rumus: reliabilitas = (jumlah item/jumlah item-1) (1- jumlah varians/varians total).

Dalam SPSS, uji reliabilitas dapat dilakukan pada menu Analyze, masuk ke Scale, dan pilih Reliability Analysis. Masukkan seluruh item dan pilih model Alpha, kemudian klik OK. Maka hasilnya akan langsung terlihat.

Hubungan Validitas dan Reliabilitas

Kedua hal ini tidak selalu berbanding lurus tetapi saling melengkapi. Suatu penelitian yang reliabel belum tentu valid. Tetapi penelitian yang valid seringkali juga reliabel. Karena itu, uji validitas dan reliabilitas perlu dilakukan secara keseluruhan, tidak bisa hanya salah satunya.

Sebelumnya, data kuesioner yang dikumpulkan dan digunakan untuk diuji hasilnya harus terlebih dulu valid. Salah satu cara mengeceknya adalah dengan memastikan tidak ada pertanyaan yang membingungkan dan memunculkan persepsi berbeda bagi responden. Misalnya dengan menghindari adanya kunci negatif dalam pertanyaan.

Masalah sering muncul karena peneliti tidak terbiasa dengan data dan rumus-rumus yang tampak rumit. Begitu juga dengan cara input data dan urutan langkah yang harus dijalankan dari banyaknya pilihan dalam program. Nah, oleh sebab itu, menggunakan jasa konsultan penelitian dapat menjadi solusi di tengah kebingungan dan ketika  dikejar deadline.

Jasa konsultan penelitian ini bisa didapatkan di Patra Statistika, yang merupakan jasa konsultan terpercaya dengan tim yang berpengalaman di bidangnya. Melakukan uji validitas dan reliabilitas tidak lagi menjadi momok bagi peneliti, terutama yang masih pemula. Percayakan pada patrastatistika.com dan dapatkan hasil penelitian yang memuaskan. 

Kategori
Jasa Olah Data

Cara Mengolah Data Kuesioner Skala Likert dengan SPSS yang Akan Mempermudah Pekerjaan

cara mengolah data kuesioner skala likert dengan spss

Salah satu teknik untuk mengumpulkan data agar kemudian bisa melakukan sebuah analisis terhadapnya adalah dengan kuesioner. Salah satu aplikasi pengolah data kuesioner yang biasa digunakan oleh mahasiswa adalah SPSS. Mungkin di luar sana masih belum banyak yang tau seperti apa cara mengolah data kuesioner skala likert dengan SPSS. Yuk cari tahu di sini!

1. Langkah Setting Variable

Langka pertama yang perlu dilakukan untuk mengolah data dari kuesioner adalah menginput semua data yang ada di dalamnya. Beberapa data yang perlu diinput mulai dari identitas responden hingga variabel lainnya.

Baris awal lebih baik jika digunakan untuk menggolongkan identitas responden yang disetting dengan data tipe string untuk pemetaan frekuensi. Sedangkan baris berikutnya bisa diisi dengan jawaban responden yang disimbolkan dengan Q.

2. Langkah Input Data

Setelah variable telah disetting dengan benar, langkah berikutnya yang perlu dilakukan adalah memasukkan data dengan Data View. Data yang digunakan adalah data yang sudah diperoleh dari hasil kuesioner yang dibagikan.

Semua data pada berbagai jawaban responden biasanya sudah dipindahkan ke dalam variable angka agar bisa diproses. Misalnya pada jawaban tidak setuju, bisa disimbolkan dengan angka satu begitu seterusnya. Semua angka dan huruf yang ada pada tabel data ini perlu dimasukkan dengan manual dalam artian diketik sendiri.

3. Langkah Pemetaan Responden

Ketika semua data sudah diinput ke dalam tabel, maka langkah selanjutnya adalah melakukan analisis terhadap data tersebut. Analisa pertama yang dilakukan adalah dengan memetakan responden berdasarkan setiap karakteristik yang ada. Caranya adalah dengan mengklik Menu Utama Analyze lalu pilih Descriptive Statistics lalu Frequencies.

Setelah itu akan muncul jendela Frequencies, klik tanda panah di samping kotak lalu  akan muncul kotak dialog yang berisi variabel pertanyaan. Tinggal klik OK saja tidak perlu melakukan editing terhadap formatnya karena lebih baik menggunakan setting bawaan saja.

4. Langkah Meng-compute Variable

Pemetaan jawaban responden sudah dilakukan, maka langkah selanjutnya yaitu uji kualitas data. Tetapi sebelum melakukan uji kualitas, perlu dilakukan penjumlahan dulu terhadap konstruk dari setiap variabel yang ada. Langkahnya adalah dengan memilih Transform pada Menu Utama kemudian pilih Compute Variable.

Akan muncul kotak dialog lalu pada target variable ketik saja X1 dan pilih Type & Label dan masukkan variabel yang diinginkan dan klik Continue. Kembali ke dialog Compute Variable kemudian jumlahkan Q1 sampai dengan Q6 dalam kotak Numeric Xpression. Setelah selesai, cukup klik tanda panah di samping, klik tanda “+” lalu pilih OK.

Nah setelah semua langkah tersebut selesai, kemudian hanya perlu melakukan pengolahan sesuai dengan yang diinginkan. Jadi cukup sekian tutorial bagaimana cara mengolah data kuesioner skala likert dengan SPSS yang bisa diberikan. Kalau bingung, bisa menghubungi Patra Statistika dan lakukan konsultasi banyak hal terkait data di sana.

Kategori
Jasa Olah Data

Pahami Cara Mudah Analisis SEM dengan AMOS di Sini:

analisis sem dengan amos

Saat ini banyak kalangan menghindari melakukan penelitian yang menggunakan pendekatan Model Persamaan Struktural (SEM). Banyak orang beralasan model satu ini memiliki prosedur yang sangat kompleks dalam analisisnya karena memang banyak variabel di dalamnya. Sebenarnya ada beberapa langkah mudah salah satunya dengan analisis SEM dengan AMOS. Ini caranya:

1. Menyiapkan Data

Langkah pertama dalam setiap kali melakukan analisis adalah menyiapkan data yang akan dianalisis nantinya. Data yang bisa dipakai dalam AMOS sendiri bisa dari data Microsoft Excel, SPSS, dan lain sebagainya. Formatnya pun bisa beragam tetapi kebanyakan orang lebih suka menggunakan SPSS dengan format .sav nya.

2. Membuka Program AMOS

Berikutnya, perangkat yang akan digunakan harus memiliki program AMOS di dalamnya agar tidak perlu melakukan instalasi lagi. Buka program AMOS dalam kasus ini AMOS yang digunakan adalah AMOS Graphics.

3. Membuat Hubungan AMOS dan SPSS

Setelah membuka program AMOS, program ini perlu dihubungkan dulu dengan SPSS sebagai aplikasi penyaji data. Hal ini karena model yang akan digunakan berada di AMOS sedangkan datanya ada dalam aplikasi SPSS. Caranya adalah dengan mengklik Data Files pada aplikasi AMOS. Kemudian tekan File Name lalu pilih nama file yang berisi data mentah dari SPSS tersebut.

4. Menggambar Model

Langkah selanjutnya adalah menggambar model yang diinginkan sesuai dengan konsep yang sudah disiapkan sebelumnya. Jika ingin cepat, gambar model saja dengan membuat lingkaran dalam kanvas kemudian pilih berapa banyak indikator yang ada. Setelah itu klik File –Data File – File Name – lalu pilih folder data tadi. Variable akan muncul di menu View – Variable in Dataset.

5. Memilih Keluaran Analisis

Untuk memilih keluaran analisis yang sesuai dengan kebutuhan, cukup klik saja View – Analysis Properties – Output saja. Ini bertujuan untuk memerintahkan aplikasi AMOS melakukan analisis dan memberi output yang diinginkan terhadap data tadi.

6. Melakukan Analisis

Model yang diinginkan sudah siap untuk dianalisis sekarang tinggal langkah bagaimana menganalisis dengan mudah. Cukup klik Analyze – Calculate Estimates atau bisa juga memilih icon piano yang ada di aplikasi.

7. Menampilkan Gambar Analisis

Akan ada icon yang menunjukkan tanda panah ke atas dengan titik-titik kecil di atasnya. Pilih icon tersebut untuk menampilkan hasil di gambar model. Setelah itu klik juga STD. Estimate agar angka standarisasi dari hasil analisis juga muncul di model tadi.

8. Menampilkan Tabel Hasil Analisis

Semua langkah dalam analisis SEM dengan AMOS sudah selesai dilakukan dan kini hanya perlu mengecek tabel hasil analisis. Tabel ini bisa ditampilkan dengan mengklik langsung F10 di keyboard atau pilih View – Text Output. Tinggal sesuaikan saja informasi yang ingin ditampilkan dengan memilih opsi yang ada di box dialog tersebut.

Setelah semuanya selesai, output yang dihasilkan kini tinggal dibaca saja tanpa perlu melakukan hal lain. Jika masih bingung dalam melakukan analisis SEM dengan AMOS, bisa segera konsultasi pada Patra Statistika dan semua masalah bisa selesai. Kini tidak perlu kebingungan karena semua masalah pengolahan data bisa dibantu dengan mudah.

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