Kategori
Jasa Olah Data

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

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

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

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/

Kategori
Jasa Olah Data

Mengenal Uji Statistik Non Parametrik

Panik ketika data hasil pengujian distribusinya tidak normal? Coba lakukan pengujian kembali dengan metode uji statistik non parametrik. Analisis non parametrik tidak berpatokan pada parameter tertentu. Ini hal-hal yang perlu diketahui tentang uji non parametrik ini:

1. Kapan Uji Statistik Non Parametrik Digunakan

Analisis non parametrik digunakan ketika peneliti tidak tahu distribusi data yang diamati. Kemudian, analisis ini digunakan ketika data berdistribusi secara tidak normal. Analisis ini digunakan bukan hanya data dalam jumlah kecil saja namun juga pada data berjumlah besar yang distribusinya tidak bisa dipastikan.

Selain itu, uji ini digunakan jika hipotesis yang nantinya diuji tidak untuk generalisasi parameter dari populasi data. Walaupun sebagai alternatif, namun analisis non parametrik ini tidak dapat diaplikasikan ketika jenis datanya adalah kontinum. Maka dari itu, jika jenis data adalah kontinum, harus ditransformasikan dulu  ke non kontinum.

2. Kelebihan Uji Non Parametrik

Ada beberapa kelebihan uji ini salah satunya adalah kecilnya tingkat kesalahan karena tidak diperlukan banyak asumsi. Selain itu, perhitungan uji non parametrik cenderung sederhana dan konsepnya mudah dipahami. Ditambah lagi, analisis non parametrik bisa diaplikasikan ke data rank maupun hitungan.

3. Kelemahan Uji Non Parametrik

Kelemahan dari uji ini adalah pada kelompok data yang lebih luas, hasil analisis cenderung tidak bisa digeneralisasikan. Selain itu, pada jumlah yang sangat besar akan terjadi perhitungan yang lama walaupun perhitungannya sederhana. Kemudian, uji non parametrik belum bisa digunakan untuk uji anova atau analisis varian.

Kelemahan lainnya adalah untuk menyimpulkan hasil, diperlukan tabel statistik khusus yang mana perolehannya juga tidak mudah. Melakukan uji non parametrik juga merupakan pemborosan jika data sudah memenuhi syarat uji parametrik.

4. Jenis-Jenis Uji Non Parametrik

Ada beberapa uji non parametrik, antara lain sebagai berikut ini:

  • Uji –t berpasangan, digunakan untuk menganalisis perbedaan data dalam sebuah kelompok. Dilakukan dengan uji tanda.
  • Uji –t sampel bebas, umumnya digunakan untuk membandingkan dua sampel bebas menggunakan uji Mann-Whitney U dan uji Wilcoxon jumlah peringkat.
  • Uji F atau analisa varian satu jalur, digunakan ketika ingin membandingkan tiga kelompok atau lebih. Uji yang digunakan adalah analisis varian peringkat Kruskal-Wallis.
  • Analisis varian dua jalur, digunakan ketika akan membandingkan lebih dari tiga kelompok dan menggunakan faktor yang berbeda. Uji yang digunakan adalah analisis varian dua jalur Friedman.
  • Koefisien korelasi Pearson, uji yang digunakan adalah koefisien korelasi peringkat spearman untuk menganalisis korelasi linier antara dua peubah.

Kesimpulannya, uji statistik non parametrik adalah sebuah metode statistik untuk menguji data yang distribusinya tidak normal, dengan mengabaikan semua asumsi. Digunakan pada pada data yang kecil atau data yang lebih besar dengan perhitungan yang sederhana. Jika memerlukan panduan lebih dalam mengenai uji non parametrik, konsultasikan langsung dengan Patra Statistik.

Kontak Kami

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/

Kategori
Jasa Olah Data

4 Jenis Uji Autokorelasi SPSS yang Umum Digunakan

Uji autokorelasi biasanya digunakan dalam model regresi linear. Tujuannya yaitu untuk mencari tahu apakah ada korelasi antara kesalahan pengganggu di periode t dengan pengganggu di periode sebelumnya (t-1). Jika saat pengujian hasilnya terjadi korelasi, berarti terdapat masalah autokorelasi. Terdapat 4 cara uji autokorelasi SPSS yang bisa dicoba, yaitu:

1. Uji Durbin-Watson

Ini adalah uji autokorelasi SPSS tingkat satu atau disebut juga dengan first order autocorrelation. Untuk melakukan uji yang satu ini, pastikan tidak ada variabel lag antara variabel bebas dan wajib ada konstanta pada model regresi. Langkah pengujian Durbin-Watson yaitu dengan melakukan langkah analisis regresi dengan model INCOME = f(size, earns, wealth, saving).

Kemudian, tekan tombol Statistics dan Linear Regression Statistics lalu aktifkan pilihan Durbin-Watson. Setelah itu, didapatkan nilai DW dan bandingkan dengan nilai tabel dengan tingkat kepercayaan 5%, jumlah variabel bebas 4, dan jumlah sampel 100. Cocokkan nilai DW yang diperoleh berdasarkan hipotesis yang akan diuji.

2. Uji Lagrange Multiplier

Jika ingin melakukan uji autokorelasi SPSS dengan sampel besar, yaitu di atas 100 observasi, disarankan untuk menggunakan uji lagrange multiplier. Selain itu, uji lagrange multiplier juga lebih tepat bila derajat autokorelasi lebih dari satu. Uji

Lagrange Multiplier pada dasarnya akan menghasilkan statistic Breusch-Godfrey sehingga pada pengujiannya bisa menggunakan autoregressive model dengan orde ρ. Maka, rumus yang bisa digunakan pada uji Lagrange Multiplier adalah Ut = ρ + 1Ut-1+ ρ + 1Ut-2 + … + ρ + ρUt- ρ + ε + t.

3. Uji Statistik Q

Ini adalah uji autokorelasi yang juga disebut dengan metode uji kombinasi antara Box – Pierce dan Ljung Box. Biasanya uji autokorelasi ini diterapkan ketika adanya lebih dari dua lag karena pada dasarnya SPSS bisa menguji hingga 16 lag. Caranya yaitu dengan menggunakan regresi biasa dan penguji membuat variabel unstandardized residual.

Kemudian, klik graph, time series, dan autocorrelation dan masukkan variable unstandardized residual (res_1). Pilih display autocorrelation dan klik OK. Perhatikan signifikansi mulai dari lag 1 hingga 16 dan apabila terdapat jumlah lag signifikan >2 maka terdapat adanya autokorelasi. Sebaliknya, jika lag signifikan 2 atau <2 maka tidak adanya autokorelasi.

4. Uji Run Test

Jenis uji yang satu ini bisa digunakan untuk melihat apakah korelasi yang tinggi antar residual. Kemudian, uji run test juga digunakan untuk melihat apakah data residual yang diperoleh terjadi secara acak atau tidak. Jika antara hasilnya residual tidak ada hubungan korelasi, maka residual tersebut adalah random atau acak.

Cara uji run test bisa menggunakan regresi biasa dan membuat unstandardized residual. Kemudian, klik analyze, nonparametric, runs dan masukkan variabel unstandardized residual, lalu klik OK. Perhatikan output, apabila signifikan <0,05 berarti data residual tidak random atau tidak adanya autokorelasi.

Itulah ulasan lengkap mengenai 4 jenis uji autokorelasi SPSS yang bisanya umum digunakan. Masing-masing jenis autokorelasi memiliki cara yang berbeda-beda karena output-nya berbeda-beda pula. Jika mengalami kesulitan dalam menguji korelasi, hubungi kami sebagai jasa olah data dan bimbingan skripsi, tesis, dan disertasi yang profesional dan terpercaya.

Kontak Kami

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/

Kategori
Jasa Olah Data

Simpel, Cara Mengolah Data Angket Menggunakan Excel

Data angket dibutuhkan ketika melakukan penelitian kuantitatif. Data angket atau kuesioner ini perlu diolah agar menghasilkan data yang lebih mudah dipahami dan dihitung. Cara mengolah data angket ini bisa dengan menggunakan Excel, lho.

Jawaban-jawaban dari pertanyaan yang diajukan pada angket atau kuesioner perlu diolah untuk menguji validitas data yang terkumpul. Nah, umumnya pengolahan data angket adalah dengan menggunakan software statistik berupa SPSS, SPLS, atau EVIEWS. Tetapi, untuk memudahkan, ternyata data angket juga bisa diolah dengan Excel. Ini penjelasannya:

1. Input data Secara Manual ke Dalam Excel

Setelah masuk ke laman Excel, input data secara manual pada kolom-kolom Excel. Wakilkan setiap pertanyaan dengan simbol. Misalnya, pertanyaan 1 dengan simbol X1, pertanyaan 2 dengan simbol X2 dan seterusnya. Jika pertanyaan dibagi lagi menjadi kelompok-kelompok pertanyaan, tempatkan mereka pada sheet yang berbeda.

2. Coding untuk Setiap Jawaban

Setelah membuat sheet-sheet untuk setiap pertanyaan, input nilai-nilai dari jawaban. Jawaban berupa skala likert misalnya setuju, sangat setuju, netral, tidak setuju, dan sangat tidak setuju. Jawaban tadi bisa diwakilkan dengan angka 1-5. Angka 1 untuk jawaban sangat tidak setuju lalu semakin besar untuk jawaban-jawaban lainnya.

3. Hitung Jumlah Data

Setelah melakukan coding, tambahkan satu kolom untuk menghitung total dari data yang terkumpul. Berikan saja judul kolom yaitu Total. Pada kolom ini, masukkan rumus SUM dan tarik kebawah agar semua data terhitung totalnya.

4. Analisis Data

Setelah total dihitung, klik Data pada toolbar, kemudian pilih Data Analysis, dan tekan OK. Setelah kotak dialog keluar, pilihlah correlation lalu klik OK. Akan muncul kembali kotak dialog dan masukkan input range-nya. Pada input range, input Data X1 Total kemudian pilih grouped by Columns.

5. Validasi Data

Setelah input range data diisi, maka akan muncul data questioner. Akan terlihat juga mana data yang valid dan tidak. Akan muncul angka jawaban yang tercermin pada kolom-kolom Excel. Lihat hasil yang muncul, jika ada data yang hasilnya minus, maka data itu tidak valid.

6. Lanjutkan dengan menggunakan SPSS

Data yang sudah dihitung menggunakan Excel, bisa digunakan untuk melakukan uji validitas pada SPSS. Caranya, copy paste data di Excel yang berisi pertanyaan dan jawaban. Selanjutnya, langkah-langkah memasukkan data pada software SPSS dilakukan. Jawaban yang muncul pada SPSS juga akan sama dengan yang ada pada Excel.

Nah, mudah bukan cara mengolah data angket melalui Excel? Namun, mengolah data angket di Excel hanyalah sebagai tahapan awal saja. Untuk melakukan uji-uji lainnya tetap harus dilakukan di software statistik. Namun, jika merasa ragu untuk mengolah data angket secara mandiri, bisa menghubungi Patra Statistik. Di sini, jasa konsultasi judul, metode penelitian, dan juga pengolahan data sangat lengkap.

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

Langkah-langkah Uji Heteroskedastisitas SPSS Scatterplot dan Cara Baca Hasilnya

Kontak Kami

Whatshapp WA  0897 656 7867

Instagram IG  @patrastatistika

Facebook FB @patrastatistika

Tumblr TB @patrastatistika

Website https://patrastatistika.com/