Jasa Riset Pasar, Konsultan Statistik, Analisis Data Statistik, OlahData Statistik

Analisa Data Statistik : Analisis Faktor-Faktor yang Mempengaruhi Volatilitas Cadangan Devisa Indonesia menggunakan Metode ARCH – GARCH dan VAR

2010-07-27T00:24:00.000-07:00

Data finansial seperti cadangan devisa, nilai tukar, maupun tingkat suku bunga mempunyai karakteristik tersendiri dibandingkan data deret waktu (time series). Beberapa karakteristik dari data finansial yaitu menunjukan volatilitas yang tinggi mengikuti periode waktu, sedangkan variansi/ragam adalah konstan untuk data jangka waktu yang panjang.

Dalam beberapa periode terdapat variansi/ragam data finansial relatif tinggi. Keadaan ini disebut conditionally heteroskedastic. Jika terdeteksi adanya conditionally heteroskedastic maka model autoregressive moving average (ARMA) tidak akurat lagi untuk digunakan. Model deret waktu (time series) yang mengakomodir adanya heteroskedastic / heteroskedastisitas adalah ARCH (Autoregressive Conditional Heteroscedasticity) / GARCH (General Autoregressive Conditional Heteroscedasticity) .

Variabel-variabel ekonomi biasanya nonstasioner dan mempunyai sifat kointegrasi, sehingga model statistik yang dibentuk harus dapat mengatasi dan mencerminkan sifat tersebut. Metode yang sesuai dengan permasalahan ini adalah metode VAR (Vector Autoregression).

Variabel yang digunakan sebanyak lima variabel makro ekonomi. Kelima Variabel tersebut yakni cadangan devisa, nilai tukar rupiah terhadap USD, tingkat suku bunga, Indeks Harga Saham Gabungan (IHSG) dan neto ekspor.

Metodologi yang digunakan dimulai dengan metode ARCH/GARCH yang fungsinya untuk mengatahui ada tidaknya volatilitas dari masing-masing variabel yang diteliti. Selanjutnya dengan metode VAR akan selidiki pengaruh volatilitas dari variabel nilai tukar, suku bunga, IHSG dan neto ekspor terhadap volatilitas cadangan devisa. Hasil model VAR yang diperoleh tersebut kemudian digunakan untuk melakukan uji berikutnya yaitu uji kointegrasi Johansen untuk mengetahui hubungan keseimbangan jangka panjang dan Vector Error Correction Mechanism (VECM) untuk mengetahui hubungan keseimbangan jangka pendek.

Kesimpulan dari hasil analisa data yaitu bahwa variabel-variabel yang terdeteksi adanya ARCH/GARCH adalah variabel cadangan devisa, IHSG, nilai tukar, dan neto ekspor. Sedangkan variabel tingkat suku bunga tidak menunjukkan gejala adanya heteroskedastisitas dalam series datanya.

Keywords: ARCH, GARCH, cadangan devisa, IHSG, neto ekspor, nilai tukar, tingkat suku bunga, uji kointegrasi, volatilitas, VAR, VECM, heteroskedastisitas, ARMA, deret waktu, time series, heteroskedastic, analisa data, konsultan, jasa, analisis data, analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsultan riset pasar, skripsi, tesis, disertasi, ahli, olah data, olahdata, pengolahan, olah data, statistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson

Untuk konsultasi Analisa Data lebih lanjut, silahkan menghubungi:

Beta Consulting

Telp: (021) 3333 7398 – 0819 4505 9000
Email: info@bengkeldata.com

www.Bengkeldata.com
www.olah-data.com

follow us:
http://Twitter.com/olahdata

Olahdata Skripsi Tesis Disertasi : Analisa data / Analisis data apa yang cocok untuk skripsi, tesis, disertasi, penelitian yang Anda butuhkan? ( I )

2010-07-25T00:35:00.000-07:00

Apakah Anda sedang menyususn skripsi, tesis atau disertasi, atau penelitian? Dalam menyusun skripsi, tesis, disertasi, atau penelitian seringkali kita dihadapkan pada suatu permasalahan yang menjadi momok bagi mahasiswa/peneliti, yaitu analisis data / analisa data. Saya yakin bahwa Anda sebagai mahasiswa/peneliti memahami betul proses/tahapan dalam membuat skripsi, tesis atau disertasi, atau penelitian. Mulai dari tahapan mencari tema skripsi, tesis atau disertasi, atau penelitian, menetukan permasalahan, membuat kerangka pemikiran, membuat proposal, hingga menentukan lokasi penelitian. Nah ada satu lagi yang mungkin/bahkan ’lupa’ yaitu metode analisis data / analisa data yang digunakan. Apabila Anda belum memahami analisis data / analisa data –nya, maka Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis atau disertasi, atau penelitian Anda.

Metode analisis data / analisa data apa yang cocok dengan skripsi, tesis, disertasi, atau penelitian Anda? Mari kita bahas contoh beberapa analisis data / analisa data yang cocok dengan skripsi, tesis, disertasi, atau penelitian. Yuukk Mariii :)

Pertama, misalkan skripsi, tesis, disertasi, atau penelitian Anda itu membahas bagaimana hubungan diantara dua variabel. Maka metode analisis data / analisa data yang digunakan adalah metode regresi sederhana. Apabila skripsi, tesis, disertasi, atau penelitian ada 3 variabel atau lebih, maka metode analisis data / analisa data yang digunakan adalah metode regresi berganda atau regresi multivariabel / regresi multivariat.

Tunggu dulu... Metode regresi sederhana / regresi regresi berganda atau regresi multivariabel / regresi multivariat juga ada macamnya. Selain regresi sederhana, ada juga regresi logistik. Oke, sekali lagi Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis atau disertasi, atau penelitian Anda.

Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati dan didukung oleh tim yang berpengalaman, akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis, disertasi, atau penelitian Anda.

Hubungi kami di :

Beta Consulting

Telp: (021)3333 7398 – 0819 4505 9000
Email: info@bengkeldata.com

www.Bengkeldata.com
www.olah-data.com

follow us:
http://Twitter.com/olahdata

Konsultan, Jasa, analisis data, analisis data statistik, analisa data, analisis statistik, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar , skripsi, tesis, disertasi, regresi, regresi berganda, regresi data panel, data panel, multivariat, regresi logistik, bengkeldata, olahdata, olahdata statistik, skripsi, tesis, disertasi

Analisa Data : Analisis Data Faktor-Faktor Konsumsi di Indonesia dengan Pendekatan ECM (Error Correction Model)

2010-07-23T01:46:00.000-07:00

Tujuan dari penelitian ini adalah mengkaji pengaruh variabel pendapatan nasional, inflasi, suku bunga dan jumlah uang beredar terhadap konsumsi masyarakat yang digambarkan oleh variabel pengeluaran konsumsi mayarakat. Peneilitan ini dilakukan di Indonesia pada kurun waktu tahun 1988 sampai 2005. Metode yang digunakan adalah dengan menggunakan Pendekatan ECM (Error Correction Model).

Besarnya tingkat pengaruh variabel pendapatan nasional, inflasi, suku bunga deposito riil dan jumlah uang beredar terhadap pengeluaran konsumsi di Indonesia dalam jangka pendek yaitu 69,98 % sedangkan sisanya dipengaruhi oleh variabel lain di luar model regresi yang tidak diteliti dalam penelitian ini.

Dalam jangka panjang variasi variabel independent mampu pengaruhi variasi dependent sebesar 0,984057 menunjukkan bahwa variabel independent lebih mampu menjelaskan variabel dependent sebesar 98,40% dan sisanya dijelaskan oleh variabel lain diluar model yang tidak diikutsertakan dalam penelitian ini.

Tanda koefisien koreksi kesalahan sebesar 0,69 menunjukkan bahwa 0,69 ketidaksesuaian antara pengeluaran konsumsi (Y) yang aktual dengan yang diinginkan akan dieliminasi atau dihilangkan dalam satu tahun. Hasil dari uji asumsi klasik ternyata ditemukan masalah asumsi klasik yaitu multikolinearitas, sedangkan heteroskedasitas dan autokorelasi tidak ada masalah.

Untuk menghilangkan masalah multikolinearitas, dilakukan dengan cara menghilangkan variabel jumlah uang beredar. Sehingga diperoleh spesifikasi model penelitian yang dipakai adalah tepat dan mampu menjelaskan hubungan jangka pendek dan jangka panjang. Dengan demikian persamaan tersebut sudah sahih dan tidak ada alasan untuk ditolak.

Berikut kesimpulan yang dapat di ambil dari penelitian ini:

Besarnya pengaruh variabel pendapatan nasional, inflasi, suku bunga deposito riil dan jumlah uang beredar terhadap pengeluaran konsumsi di Indonesia dalam jangka pendek yaitu 75,12 % sisanya dipengaruhi oleh variabel lain di luar model regresi yang tidak diteliti dalam penelitian ini.

Variabel pendapatan nasional pada jangka pendek dan jangka panjang secara statistik positif dan signifikan, berarti pendapatan nasional berpengaruh terhadap pengeluaran konsumsi masyarakat di Indonesia periode 1988-2005.

Variabel tingkat inflasi pada jangka pendek secara statistik tidak signifikan, berarti tingkat inflasi tidak berpengaruh terhadap pengeluaran konsumsi masyarakat di Indonesia periode 1988-2005

Variabel suku bunga deposito dalam jangka pendek tidak berpengaruh terhadap pengeluaran konsumsi. Dalam jangka panjang mempunyai hubungan yang tidak signifikan yang artinya tidak berpengaruh terhadap pengeluaran konsumsi

Variabel jumlah uang beredar dalam jangka pendek tidak berpengaruh terhadap pengeluaran konsumsi.

Berdasarkan pengujian secara serempak dengan menggunakan uji F menunjukkan bahwa variabel independent secara bersama-sama mempengaruhi variabel dependent, artinya pendapatan nasional, inflasi, suku bunga deposito dan jumlah uang beredar berpengaruh secara bersama-sama terhadap pengeluaran konsumsi masyarakat Indonesia.

Untuk konsultasi mengenai Olahdata lebih lanjut, silahkan menghubungi:

CS : (021)3333 7398 – 0819 4505 9000
YM : abays_khan
e-mail : info@bengkeldata.com

Beta Consulting

www.olah-data.com
www.bengkeldata.com

Keywords: Penelitian, pendapatan, inflasi, suku bunga, uang, pengeluaran, konsumsi, ECM, deposito, regresi, independent, dependent, uji asumsi klasik, multikolinearitas, heteroskedasitas, autokorelasi, uji F

Analisa Data : Analisis Data Perimbangan Keuangan Pusat – Daerah dan Pinjaman Daerah di Kabupaten & Kota Propinsi D.I. Yogyakarta.

2010-07-15T10:51:00.000-07:00

Pelaksanaan otonomi daerah diharapkan membawa perubahan pada perekonomian daerah, salah satunya adalah bidang keuangan daerah yang harus mulai mandiri untuk memenuhi kebutuhan daerah. Faktanya banyak daerah yang keuangannya masih tergantung pada transfer pemerintah pusat. Pinjaman daerah menjadi salah satu alternatif untuk mengurangi ketergantungan keuangan dari pemerintah pusat.

Hal yang menarik adalah bagaimana mengetahui hubungan keuangan antara pusat dengan daerah. Metode yang digunakan untuk mengetahui hubungan tersebut adalah dengan menggunakan derajat desentralisasi fiskal. Prinsip Derajat desentralisasi fiskal adalah membandingkan antara Pendapatan Asli Daerah (PAD), Bagi Hasil Pajak dan Bukan Pajak (BHPBP), dan Sumbangan dan bantuan daerah (SB) terhadap Total Penerimaan Daerah. Jika didominasi oleh PAD dan BHPBP maka derajat desentralisasi fiskal tinggi dan bisa dikatakan mandiri. Bila didominasi oleh Sumbangan dan Bantuan maka derajat desentralisasi fiskal masih rendah dan bisa dikatakan belum mandiri. Untuk pinjaman daerah, model yang digunakan merujuk pada persyaratan pinjaman jangka panjang sesuai dengan penjelasan UU no. 33 pasal 54 tahun 2004 tentang Perimbangan Keuangan Antara Pusat Dan Pemerintah Daerah yaitu dengan Jumlah Sisa Pokok Pinjaman dan Debt Service Coverage Ratio (DSCR) atau rasio kemampuan untuk membayar kembali pinjaman.

Obyek penelitian ini adalah kabupaten dan kota di Daerah Istimewa Yogyakarta sebagai obyeknya, dimana keuangan daerahnya masih didominasi oleh pusat. Penelitian dilakukan mulai tahun 1995 sampai 2003. Dominasi pemerintah pusat tidak berubah bahkan setelah otonomi daerah Pendapatan Asli Daerah di masing-masing kabupaten dan kota di Daerah Istimewa Yogyakarta mengalami penurunan. Pinjaman daerah sebagai alternatif untuk mengurangi ketergantungan keuangan terhadap pemerintah pusat ternyata belum dapat dimanfaatkan oleh masing-masing kabupaten dan kota di Daerah Istimewa Yogyakarta. Hal ini terlihat dari besarnya jumlah sisa pokok pinjaman dan besar DSCR yang jauh dari ketentuan UU no. 33 pasal 54 tahun 2004 tentang Perimbangan Keuangan Antara Pusat Dan Pemerintah Daerah.

Untuk konsultasi mengenai Olahdata lebih lanjut, silahkan menghubungi:
CS : (021)3333 7398 – 0819 4505 9000
YM : abays_khan
e-mail : info@bengkeldata.com
Beta Consulting
www.olah-data.com
www.bengkeldata.com

Analisa Data : Analisis Data Faktor-Faktor yang Mempengaruhi Inflasi di Indonesia

2010-07-13T08:44:00.000-07:00

Inflasi merupakan penyakit ekonomi yang tidak bisa diabaikan, karena dapat menimbulkan dampak yang sangat luas. Oleh karena itu inflasi seringkali menjadi target kebijakan pemerintah. Inflasi yang tinggi begitu penting untuk diperhatikan mengingat dampaknya bagi perekonomian yang dapat menimbulkan ketidakstabilan, pertumbuhan ekonomi yang lambat, dan pengangguran yang selalu meningkat.

Seperti pengangguran, inflasi juga merupakan masalah yang selalu dihadapi dalam perekonomian suatu negara. Sampai di mana buruknya masalah inflasi ini berbeda antara satu waktu ke waktu yang lain, dan berbeda pula dari satu negara ke negara lain. Tingkat inflasi yaitu persentasi kenaikan harga – harga dalam suatu tahun tertentu, biasanya digunakan sebagai ukuran untuk menunjukkan baik buruknya masalah ekonomi yang dihadapi. Dalam perekonomian yang pesat berkembang inflasi yang rendah tingkatnya dinamakan inflasi merayap yaitu inflasi yang mencapai 2 sampai 4 persen.. Sering sekali inflasi yang lebih serius, yaitu yang tingkatnya mencapai 5 sampai 10 persen atau sedikit lebih tinggi, akan berlaku. Pada waktu peperangan atau ketidakstabilan politik, inflasi dapat mencapai tingkat yang lebih tinggi yang kenaikan tersebut dinamakan hiperinflasi (Sukirno, 2004).

Akibat buruk inflasi pada perekonomian yang oleh sebagian ahli ekonomi berpendapat bahwa inflasi yang sangat lambat berlakunya dipandang sebagai stimulator bagi pertumbuhan ekonomi. Kenaikan harga tersebut tidak secepatnya diikuti oleh kenaikan upah pekerja, maka keuntungan akan bertambah. Pertambahan keuntungan akan menggalakkan investasi di masa akan datang dan ini akan menyebabkan percepatan dalam pertumbuhan ekonomi. Tetapi jika inflasi lebih serius keadaannya perekonomian tidak akan berkembang seperti yang diinginkan.

Pengalaman beberapa Negara yang pernah mengalami hiperinflasi menunjukkan bahwa inflasi yang buruk akan menimbulkan ketidakstabilan social dan politik, dan tidak mewujudkan pertumbuhan ekonomi (Sukirno, 2004).
Baru – baru ini pada Agustus 2007 tingkat inflasi di indonesia mencapai 0,75 persen telah melampaui ekspektasi atau kenaikan harga – harga. Tingkat inflasi Agustus 2007 dibanding bulan juli yang sama tahun lalu hanya 0,33 persen.
Sedangkan inflasi year on year (Agustus 2007 terhadap Agustus 2006) mencapai 6,51 persen. Inflasi year on year tersebut juga lebih tinggi dari bulan lalu yang mencapai 6,06 persen (Sri Mulyani, 2007).

Inflasi merupakan salah satu peristiwa moneter yang sangat penting dan dijumpai di hampir semua Negara di dunia. Inflasi adalah kecenderungan dari harga-harga untuk menaik secara umum dan terus menerus. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi, kecuali bila kenaikan tersebut meluas kepada atau mengakibatkan kenaikan sebagian besar dari barang-barang lain (Boediono, 1995).

Menurut A.P. Lehner inflasi adalah keadaan dimana terjadi kelebihan permintaan (Excess Demand) terhadap barang-barang dalam perekonomian secara keseluruhan (Anton H. Gunawan, 1991). Sementara itu Ackley mendefinisikan inflasi sebagai suatu kenaikan harga yang terus menerus dari barang dan jasa secara umum (bukan satu macam barang saja dan sesaat). Menurut definisi ini, kenaikan harga yang sporadis bukan dikatakan sebagai inflasi (Iswardono, 1990).

Bank Indonnesia sebagai otoritas moneter memegang kendali yang sangat strategis dalam menciptakan kebijakan moneter yang stabil dalam perekonomian nasional, Namun dalam perjalanannya kebijakan Bank Indonesia yang dibuat atau kebijakan yang diambil Bank Indonesia menjadi tidak efektif dan bahkan tidak efisien sebagaimana yang dinginkan oleh bank Indonesia terhadap kebijakan tersebut untuk perekonomian.

Bank Indonesia harus dapat mengukur peredaran uang, antara lain dengan menentukan tingkat suku bunga SBI, selain itu pemerintah juga memegang peranan penting dalam mengendalikan laju inlasi untuk itu salah satu kebijakannya adalah mengatur pengeluaran untuk pengeluaran rutinnya (government expenditure). Dilain pihak sektor luar negeri juga cukup memegang peranan dalam mengendalikan inflasi diantaranya yaitu penerimaan export. Dengan demikian laju pertumbuhan inflasi dapat dikendalikan ditekan atau bahkan kemunculannya dapat dicegah.

Oleh karena itu untuk dapat mencapai dan menjaga tingkat inflasi yang rendah dan stabil diperlukan adanya kerjasama dan kemitraan dari seluruh pelaku ekonomi. Mulai dari bank indonesia, pemerintah maupun swasta inflasi tidak boleh diabaikan begitu saja, karena dapat menimbulkan dampak yang sangat luas. Inflasi yang sangat tinggi sangat penting diperhatikan mengingat dampaknya bagi perekonomian yang bisa menimbulkan ketidakstabilan, pertumbuhan ekonomi yang lambat dan pengangguran yang meningkat. Dengan hal tersebut, upaya mengendalikan inflasi agar stabil sangat penting untuk dilakukan.

Adapun data yang digunakan dalam penelitian ini merupakan data sekunder yang di peroleh dari BI (Bank Indonesia) dan BPS (Badan Pusat Statistik). Variabel yang di gunakan antara lain : permintaan uang, tabungan domestik, produk domestik bruto, tingkat suku bunga bank, dan kurs dollar terhadap rupiah.

Metode yang digunakan adalah metode destkriptif dan kuantitatif, yaitu menggambarkan suatu permasalahan dengan menganalisis data dan hal-hal yang berhubungan dengan rumus perhitungan yang digunakan untuk menganalisis masalah yang sedang diteliti. Adapun metode analisis yang digunakan peneliti yaitu dengan Metode Mackinnon, White dan Davidson (uji MWD).

Dari hasil analisis, dapat disimpulkan bahwa permintaan uang dan tingkat suku bunga berpengaruh secara positif dan signifikan terhadap inflasi, sedangkan produk domestik bruto berpengaruh secara negatif dan signifikan terhadap inflasi dan kurs tidak mempunyai pengaruh yang positif dan signifikan terhadap inflasi di Indonesia pada kuartal tahun penelitian.

Analisa Data : Analisis Data Faktor-Faktor yang Mempengaruhi Simpanan Masyarakat pada Bank X Periode 2001 - 2006

2010-07-12T04:54:00.000-07:00

Berdasarkan hasil empiris serta analisis penelitian mengenai Faktor - faktor yang mempengaruhi simpanan masyarakat pada Bank X periode tahun 2001.1 sampai dengan 2006.4 maka dapat disimpulakan sebagai berikut :

Untuk uji kebaikan model (Uji F dan R²) menunjukan bahwa model cukup bagus karena secara bersama – sama variabel imbalan bagi hasil (X1), jumlah kantor cabang (X2), suku bunga (X3), dan simpanan masyarakat periode sebelumnnya (Y(-1) berpengaruh secara bersama - sama terhadap simpanan masyarakat periode sekarang dengan nilai variasi pengaruh sebesar 99 % ( yang berarti bahwa 99% variasi berpengaruh terhadap simpanan masyarakat pada Bank X dapat diterangkan oleh variasi dari variabel yang digunakan dalam model, sedangkan sisanya sekitar 1% dijelaskan oleh variabel lainya diluar model.

Berdasarkan pengujian secara individu dengan menggunakan uji t atas pengaruh imbalan bagi hasil (X1), jumlah kantor cabang (X2), suku bunga (X3), simpanan masyarakat periode yang lalu (Y(-1)) dapat disimpulkan bahwa :
-Variabel independent suku bunga deposito bank konvensional tidak berpengaruh signifikan pada jangka panjang dan jangka pandek terhadap simpanan masyarakat pada Bank X. Hal ini terjadi karena melihat kondisi ekonomi yang tidak stabil terutama nilai suku bunga yang terus berubah mengikuti perekonomian dunia.
-Berdasarkan uji t menunjukan ada tiga variabel yang berpengaruh terhadap simpanan masyarakat pada Bank X yaitu varibel imbalan bagi hasil yang berpengaruh positif pada jangka pendek dan jangka panjang, jumlah kantor cabang berpengaruh positif dalam jangka pendek dan jangka panjang, dan simpanan masyarakat periode yang lalu juga berpengaruh positif.

Hasil analisis model PAM diperoleh bahwa koefisien jangka panjang lebih besar dari pada koefisien jangka pendek artinya jangka panjang lebih peka terhadap adanya perubahan – perubahan itu dapat berupa kenaikan ataupun penurunan simpanan masyarakat pada Bank X.

Adapun beberapa implikasi dari penelitian tersebut :

Hasil penelitian menunjukan bahwa suku bunga tidak berpengaruh terhadap simpanan masyarakat, dalam hal ini Bank X harus lebih meningkatkan lagi pelayanan sehingga memungkinkan masyarakat tetap tertarik untuk menginvestasikan dananya melalui cara-cara penawaran baik itu dari produk-produk maupun dari bagi hasil yang bersaing dengan bunga.

Hasil penelitian menunjukan bahwa imbalan bagi hasil berpengaruh secara positif dan signifikan terhadap simpanan masyarakat, sehingga dengan adanya peningkatan imbalan bagi hasil maka akan menambah minat dari masyarakat untuk menyimpan uangnya di Bank X, sehingga dengan begitu jumlah simpanan masyarakat dalam bentuk investasi tidak terikat akan meningkat.

Hasil penelitian menunjukan bahwa jumlah kantor cabang pada Bank X berpengaruh positif dan signifikan. Kemampuan Bank X dalam mnjangkau lokasi nasabah menunjukan hasil yang memuaskan, dengan tingginya jumlah kantor cabang akan menambah kepercayaan masyarakat terhadap Bank X, masyarakat tertarik karena lokasi yang terjangkau sehingga meningkatkan jumlah simpanan.

Analisa Data : Analisis Data Pengaruh Atribut Produk Terhadap Keputusan Pembelian Kebab Turki Baba Rafi di Yogyakarta

2010-07-11T02:11:00.000-07:00

Analisis Pengaruh Atribut Produk Terhadap Keputusan Pembelian Kebab Turki Baba Rafi Di Yogyakarta. Tujuan penelitian ini adalah untuk mengetahui adanya perilaku konsumen ikut menentukan tercapainya tujuan perusahaan. Konsumen akan mempertimbangkan berbagai faktor berkaitan dengan produk. Dengan menentukan atribut – atribut apa saja yang dapat mempenaruhi perilaku pembelian maka dapat diketahui. Atribut mana yang sudah sesuai maupun belum sesuai dengan kebutuhan dan keinginan konsumen dimana selanjutnya perusahaan dapat mengembangkan dan menyempurnakan produknya agar lebih memuaskan konsumen dan tujuan perusahaan agar dapat tercapai.

Penelitian dilakukan pada Kebab Turki Baba Rafi. Perusahaan jasa yang memproduksi kebab sebagai makanan khas Turki. Populasi yang diteliti adalah konsumen yang pernah datang membeli Kebab Turki Baba Rafi di Yogyakarta. Sampel yang digunakan 100 responden. Variabel yang digunakan dalam penelitian meliputi harga, rasa atau aroma, kemasan, pelayanan dan ukuran. Metode pengambilan sampel menggunakan purposive sampling dengan tehnik analisis deskriptif dan statistik meliputi analisis regresi berganda. Pengujian hipotesis dengan uji secara serentak atau uji F. pengujian hipotesis dengan uji parsial atau uji t dan analisis koefisien determinasi berganda.

Atribut produk mempunyai pengaruh terhadap keputusan pembelian kebab di Kebab Turki Baba Rafi. Hal ini ditunjukkan dengan nilai t-statistik lebih besar dari t-tabel. Besar pengaruh variabel harga (X1), rasa atau aroma (X2), kemasan (X3), pelayanan (X4), dan ukuran (X5) terhadap keputusan pembelian Kebab Turki Baba Rafi (Y) sebesar 0,561. Besar pengaruh variabel masing-masing atribut produk terhadap keputusan pembelian Kebab Turki Baba Rafi yaitu untuk ; koefisien korelasi antara variabel harga (X1) dengan keputusan pembelian Kebab Turki Baba Rafi (Y) sebesar 0,276, hal ini berarti korelasinya rendah, koefisien korelasi antara variabel rasa atau aroma (X2) dengan keputusan pembelian Kebab Turki Baba Rafi (Y) sebesar 0,385, hal ini berarti korelasinya sedang, koefisien korelasi antara variabel kemasan (X3) dengan keputusan pembelian Kebab Turki Baba Rafi (Y) sebesar 0,298, hal ini berarti korelasinya rendah, koefisien korelasi antara variabel pelayanan (X4) dengan perilaku membeli Kebab Turki Baba Rafi (Y) sebesar 0,213, hal ini berarti korelasinya rendah, dan koefisien korelasi antara variabel ukuran (X5) dengan keputusan pembelian Kebab Turki Baba Rafi (Y) sebesar 0,420, hal ini berarti korelasinya cukup kuat.

Analisa Data Statistik : Analisis Data Model Regresi Data Panel

2010-07-04T23:45:00.000-07:00

Data panel atau panel data adalah gabungan dari data time series (antar waktu) dan data cross section (antar individu/ruang). Untuk menggambarkan panel data secara singkat, misalkan pada data cross section, nilai dari satu variabel atau lebih dikumpulkan untuk beberapa unit sampel pada suatu waktu waktu. Dalam panel data, unit cross section yang sama di-survey dalam beberapa waktu (Gujarati, 2003:637).
Regresi dengan menggunakan panel data, memberikan beberapa keunggulan dibandingkan dengan pendekatan standar cross section dan time series.

Begini, misalkan kita punya data 50 Bank, masing - masing Bank dicari ROI, NOPAT, dan lainnya untuk tahun 2007 saja, maka data tersebut disebut dengan data Cross Section. Tapi, kalau kita punya data 1 Bank, namun data ROI, NOPAT, dan data lainnya dari Bank tersebut kita miliki sejak tahun 1998 hingga 2007, maka data tersebut disebut dengan data Time Series.
Gabungan dari keduanya, yaitu 50 Bank dengan beberapa satuan waktu misalkan 1998 hingga 2007 disebut dengan Data Panel (Pooled Data).

Keunggulan dan Permasalahan Regresi dengan Data Panel
Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series.
Pertama, dapat memberikan peneliti jumlah pengamatan yang besar, meningkatkan degree of freedom (derajat kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinieritas antara variabel penjelas, di mana dapat menghasilkan estimasi ekonometri yang efisien.
Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat diberikan hanya oleh data cross section atau time series saja.
Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Di samping berbagai keunggulan dimiliki model panel data tersebut, ada beberapa permasalahan yang muncul dalam pemanfaatan data jenis panel, yaitu permasalahan autokorelasi dan heterokedastisitas. Sementara itu ada permasalahan baru yang muncul seperti korelasi silang (cross-correlation) antar unit individu pada periode yang sama.

Estimasi Regresi dengan Data Panel
Estimasi model panel data tergantung kepada asumsi yang dibuat peneliti terhadap intersep/konstanta (intercept), koefisien kemiringan (slope coefficients) dan variabel error (error term). Model-model estimasi ini akan ditinjau pada kesempatan lain.

Regresi dengan data panel adalah unik. Unik karena memiliki dua dimensi, yaitu dimensi time series dan dimensi cross-section. Dengan kata lain, regresi data panel merupakan regresi gabungan jangka pendek dan jangka panjang. Ada dua autokorelasi di dalam regresi data panel: autokorelasi residual time series, dan korelasi antar residual. Begitu juga dengan heteroskedastisitas: heteroskedastisitas residual cross-section, heteroskedastisitas antar residual.

Analisis data panel merupakan pengembangan dari analisis regresi. Terdapat tiga metode regresi dasar yang ada, yaitu Common Pooled Least Square, Fixed Effect Regression, dan Random Effect.

Metode mana yang paling sesuai ? Untuk mengetahui jawabannya, harus dilakukan 2 buah Uji, yaitu Uji Hausmann dan Uji Chow.

Untuk konsultasi lebih lanjut, silahkan menghubungi:

www.bengkeldata.com

CS : 021-71088944 - 0819 4505 9000
e-mail : info@bengkeldata.com

==========================================
IKLAN---IKLAN---IKLAN---

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olahdata penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. OlahData Statistika/ Penelitian
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 - 0819 4505 9000
email : info@bengkeldata.com

Analisa Data Statistik : Analisis Data Pengaruh Manajemen Laba pada Tingkat Pengungkapan Laporan Keuangan pada Perusahaan Manufaktur

2009-10-12T02:50:00.000-07:00

Laporan keuangan merupakan sarana pengkomunikasian informasi keuangan kepada pihak-pihak di luar korporasi. Laporan keuangan tersebut diharapkan dapat memberikan informasi kepada para investor dan kreditor dalam mengambil keputusan yang berkaitan dengan investasi dana mereka. Dalam penyusunan laporan keuangan, dasar akrual dipilih karena lebih rasional dan adil dalam mencerminkan kondisi keuangan perusahaan secara riil, namun di sisi lain penggunaan dasar akrual dapat memberikan keleluasaan kepada pihak manajemen dalam memilih metode akuntansi selama tidak menyimpang dari aturan Standar Akuntansi Keuangan yang berlaku. Pilihan metode akuntansi yang secara sengaja dipilih oleh manajemen untuk tujuan tertentu dikenal dengan sebutan manajemen laba atau earnings management.

Jika pada suatu kondisi dimana pihak manajemen ternyata tidak berhasil mencapai target laba yang ditentukan, maka manajemen akan memanfaatkan fleksibilitas yang diperbolehkan oleh standar akuntansi dalam menyusun laporan keuangan untuk memodifikasi laba yang dilaporkan. Manajemen termotivasi untuk memperlihatkan kinerja yang baik dalam menghasilkan nilai atau keuntungan maksimal bagi perusahaan sehingga manajemen cenderung memilih dan menerapkan metode akuntansi yang dapat memberikan informasi laba lebih baik.
Adanya asimetri informasi memungkinkan manajemen untuk melakukan manajemen laba. Penelitian Richardson (1998) menunjukkan adanya hubungan yang positif antara asimetri informasi dengan manajemen laba.

Manajemen dapat meningkatkan nilai perusahaan melalui pengungkapan informasi tambahan dalam laporan keuangan namun peningkatan pengungkapan laporan keuangan akan mengurangi asimetri informasi sehingga peluang manajemen untuk melakukan manajemen laba semakin kecil. Hal ini menunjukkan bahwa manajemen laba dan tingkat pengungkapan laporan keuangan memiliki hubungan yang negatif sejalan dengan hasil penelitian sebelumnya oleh Lobo and Zhou (2001) serta Sylvia Veronica dan Yanivi Bachtiar (2003). Perusahaan yang melakukan manajemen laba akan mengungkapkan lebih sedikit informasi dalam laporan keuangan agar tindakannya tidak mudah terdeteksi. Namun terdapat kemungkinan sebaliknya, jika manajemen laba dilakukan untuk tujuan mengkomunikasikan informasi dan meningkatkan nilai perusahaan, maka seharusnya hubungan yang terjadi adalah positif.

Dalam menganalisis pengaruh manajemen laba pada tingkat pengungkapan dan sebaliknya, penelitian ini juga meneliti variabel-variabel lain yang berpengaruh pada manajemen laba diantaranya asimetri informasi (Information Asymmetry), kinerja masa kini (Current Industry RelativePerformance), kinerja masa depan (Future Industry Relative Performance), Leverage (Debt) , dan ukuran perusahaan (Size), serta variabel-variabel yang berpengaruh pada tingkat pengungkapan seperti ukuran perusahaan (Size), return kumulatif (Cummulative Return), dan Current Ratio.

Asimetri informasi adalah suatu keadaan dimana manajer memiliki akses informasi atas prospek perusahaan yang tidak dimiliki oleh pihak luar perusahaan.
Agency theory mengimplikasikan adanya asimetri informasi antara manajer (agent) dengan pemilik. (principal). Penelitian Richardson (1998) menunjukkan adanya hubungan antara asimetri informasi dengan manajemen laba. Ketika asimetri informasi tinggi, stakeholder tidak memiliki sumber daya yang cukup, insentif, atau akses atas informasi yang relevan untuk memonitor tindakan manajer, dimana hal ini memberikan kesempatan atas praktek manajemen laba. Adanya asimetri informasi akan mendorong manajer untuk menyajikan informasi yang tidak sebenarnya terutama jika informasi tersebut berkaitan dengan pengukuran kinerja manajer.

Analisa Data Statistik: Inferensi Statistik dengan Bootstrap

2009-10-11T22:30:00.000-07:00

Menuru Shao dan Tu (1995) serta Davison dan Hinkley (1997) dalam inferensi statistik parametrik klasik, distribusi sampling dianggap sebagai suatu model dengan sifat-sifat probabilitas yang diketahui, seperti asumsi distribusi yang memerlukan formula analitis berdasarkan pada model untuk mengestimasi secara analitis parameter dalam distribusi samplingnya. Dalam prakteknya, distribusi sampling tidak selalu memenuhi distribusi normal dan kadang-kdang memerlukan penurunan formulasi analitis yang sulit dilakukan sehingga dimungkinkan akurasi estimatornya tidak valid.

Bootstrap memungkinkan seseorang untuk melakukan inferensi statistic tanpa membuat asumsi distribusi yang kuat dan tidak memerlukan formulasi analitis untuk distribusi sampling suatu estimator. Sebagai pengganti, bootstrap menggunakan distribusi empiris untuk mengestimasi distribusi sampling. Jadi jika penyelesaian analitik tidak mungkin dilakukan dimana anggapan (suatu distribusi, misalnya kenormalan data) tidak dipenuhi maka dengan menggunakan Boosttrap masih dapat dilakukan suatu inferensi.

=======================================
---IKLAN----IKLAN----IKLAN----IKLAN---

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. OlahData Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik, REGRESI, KORELASI, Bootstrap, Multivariat dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 - 0819 4505 9000 email : info@bengkeldata.com
======================================

Dasar pendekatan Bootstrap adalah dengan memperlakukan sampel sebagai populasi dan dengan menggunakan sampling Monte Carlo untuk membangkitkan dan mengkonstruksi estimator empiris dari distribusi sampling statistik. Distribusi sampling dapat dipandang sebagai harga-harga statistik yang dihitung dari sejumlah tak terhingga sampel random berukuran n dari suatu populasi yang diberikan. Sampling Monte Carlo mengambil konsep ini untuk membangun distribusi sampling suatu estimator dengan mengambil sejumlah besar sampel erukuran n secara random dari populasi dan menghitung statistik tersebut dari harga-harga distribusi sampling tersebut. Estimasi Monte Carlo yang sebenarnya memerlukan pengetahuan tentang seluruh populasi yang tidak mungkin selalu tersedia dalam prakteknya karena yang dipunyai dari hasil riset praktek adalah sampel dari populasi oleh karena itu dilakukan inferensi untuk Tetha dari distribusi samplingnya.

Software yang recomended untuk digunakan analisa dengan metode Bootstrap adalah S-Plus dan R.

(Sopana (2003). Estimasi Interval Konfidensi Nonparametrik dengan Metode Bootstrap. Skripsi Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Solo)

Analisa Data Statistik: Bootstrap Non Parametrik

2009-10-11T22:25:00.000-07:00

Dalam dunia Bootstrap, sebuah sampel diambil dari suatu populasi. Sampel ini dinamakan dengan Sampel Asli. Sampel Asli kemudian diperlukan sebagai populasi dan diaplikasikan prosedur Monte Carlo pada sampel tersebut. Hal ini dilakukan dengan mengambil sejumlah besar Sampel Ulang (Resample) berukuran n dari Sampel Asli secara random dengan pengembalian. Dengan cara Resampling seperti ini akan diperoleh sampel yang berukuran sama dengan Sampel Asli dan dengan pengembalian dimungkinan diperoleh Resample yang sama lebih dari sekali dan mungkin saja berbeda dengan Sampel Asli.

Metode Bootstrap tidak selalu memerlukan asumsi distribusi dan formulasi analitis yang rumit untuk mengestimasi parameter dari suatu populasi. Jika asumsi dari suatu distribusi tidak diketahui maka disebut kasus nonparametrik.

Software yang recomended untuk digunakan analisa dengan metode Bootstrap adalah S-Plus dan R.

(Sopana (2003). Estimasi Interval Konfidensi Nonparametrik dengan Metode Bootstrap. Skripsi Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Surakarta.)

=======================================
---IKLAN----IKLAN----IKLAN----IKLAN---

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Analisa Data Statistik / Penelitian : Uji Parametrik & Uji Non Parametrik, Bootstrap, REGRESI, KORELASI, Multivariat, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Jasa Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 email : info@bengkeldata.com
======================================

Analisa Data Statistik : Analisis Data dengan UJI KRUSKAL WALLIS

2009-09-08T21:34:00.000-07:00

Contoh data dan analisis:

Sebuah warnet ingin mengetahui apakah ada perbedaan lama waktu penggunaan internet oleh pengunjungnya. Sampel dalam penelitian ini meliputi Pelajar (SD,SMP,SMA), Mahasiswa (D1,S3), dan Umum (bukan pelajar dan Mahasiswa). Diamati masing-masing 5 orang secara acak dari Pelajar, Mahasiswa dan Umum. Peneliti tidak mempertimbangkan mengenai kenormalan distribusi sampel dalam penelitian ini. Apakah ada cukup bukti yang mengatakan bahwa lama waktu penggunaan internet oleh pengguna dari kalangan Pelajar, Mahasiswa dan Umum tersebut berbeda?

Data lama waktu penggunaan internet (dalam jam)

(Pelajar) (Mahasiswa) (Umum)
(2.5) (2.4) (3.4)
(1) (3) (3.6)
(1.4) (2.8) (2.6)
(1.6) (2.6) (3.7)
(2) (1.5) (2.1)

Analisis:
Oleh karena penelitian bertujuan untuk mengetahui apakah ada perbedaan lama waktu penggunaan internet oleh Pelajar, Mahasiswa dan Umum (terdiri dari 3 sampel bebas), serta tidak dipertimbangkannya asumsi mengenai kenormalan distribusi sampel, maka kasus ini dapat diselesaikan dengan metode Kruskal-Wallis Test.

H0: Median lama waktu penggunaan internet oleh Pelajar, Mahasiswa dan Umum sama v.s.
H1: Setidaknya ada satu nilai median yang tidak sama

Alpha = 0.05

Hasil Analisis:
Kruskal-Wallis rank sum test
data: internet
KruskalWallis chisquared = 7.1377, df = 2, p-value = 0.02819

Kesimpulan: TOLAK H0 , karena p-value < 0.05.

Interpretasi:
Lama waktu yang dibutuhkan oleh Pelajar, Mahasiswa dan Umum dalam menggunakan internet boleh dikatakan tidak sama. (Deny)

=======================================
---IKLAN----IKLAN----IKLAN----IKLAN---

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik, REGRESI, KORELASI, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 email : info@bengkeldata.com
======================================

Analisa Data Statistik : Analisis Data Regresi Logistik

2009-09-02T00:09:00.000-07:00

Seringkali di dalam penelitian, seseorang ingin memodelkan hubungan antara variabel X (prediktor; bebas) dan Y (respon; terikat). Metode yang paling sering dipakai dalam kasus seperti itu adalah regresi linier, baik sederhana maupun berganda.

Namun, adakalanya regresi linier dengan metode OLS (Ordinary Least Square) yang sering dipakai tersebut kurang sesuai untuk digunakan. Dikatakan kurang sesuai karena jika regresi linier biasa digunakan akan terjadi pelanggaran asumsi Gauss-Markov. Misalnya pada kasus dimana variabel respon (Y) bertipe data nominal, sedangkan variabel bebas/prediktornya (X) bertipe data interval atau rasio.

Contoh kasus :

Ingin diketahui apakah konsumen akan membeli makanan di rumah makan berdasarkan penilaian konsumen terhadap lokasi, pelayanan, pendapatan, kebersihan, selera dan harga. Dalam kasus ini hanya ada 2 kemungkinan respon konsumen, yaitu konsumen membeli dan tidak membeli.

=================================
Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Time Series (AR, MA, ARMA, ARIMA), Uji Optimasi Saham dengan Sharpe Index, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 emaiL : info@bengkeldata.com
================================

Dari contoh kasus di atas, dapat diketahui bahwa tipe data variabel respon (Y) adalah nominal, yaitu kategorisasi keputusan konsumen apakah membeli atau tidak (misal membeli dilambangkan angka 1, sedangkan tidak membeli dengan angka 0), sedangkan tipe data untuk variabel bebas (X) setidak-tidaknya interval (skala likert). Bila metode regresi linier biasa diterapkan pada kasus semacam ini, menurut Kutner, dkk.(2004), akan terdapat 2 pelanggaran asumsi Gauss-Markov dan 1 buah pelanggaran terhadap batasan dari nilai duga (fitted value) dari variabel respon (Y), yaitu:

1. Error dari model regresi yang didapat tidak menyebar normal.
2. Ragam (variance) dari error tidak homogen (terjadi heteroskedastisitas pada ragam error).
3. Sedangkan, pelanggaran bagi batasan nilai duga Y (fitted value) adalah bahwa nilai duga yang dihasilkan dari model regresi linier biasa melebihi rentang antara 0 s.d. 1. Hal ini jelas tidak masuk akal , karena batasan nilai pada variabel Y (dalam kasus ini adalah membeli=1 dan tidak membeli=0). Bayangkan jika Anda mendapatkan nilai duga Y = 4 saat Anda memasukkan suatu nilai X tertentu. What does it mean? It is no longer interpretable.

Untuk mengatasi masalah ini, diperkenalkan metode Regresi Logistik. Sebagaimana metode regresi biasa, regresi logistik dapat dibedakan menjadi 2, yaitu: Binary Logistic Regression (Regresi Logistik Biner) dan Multinomial Logistic Regression (Regresi Logistik Multinomial). Regresi Logistik biner digunakan ketika hanya ada 2 kemungkinan variabel respon (Y), misal membeli dan tidak membeli. Sedangkan Regresi Logistik Multinomial digunakan ketika pada variabel respon (Y) terdapat lebih dari 2 kategorisasi.

Model Logistik memiliki bentuk fungsi seperti pada persamaan (1) dan (2). Untuk memudahkan interpretasi, maka model logistik ditransformasi menjadi bentuk fungsi logit, seperti pada persamaan (3). Nilai duga regresi logistik (Y duga) merupakan nilai peluang. Lebih tepatnya berapakah peluang seorang konsumen akan membeli makanan di warung/rumah makan tersebut berdasarkan penilaiannya pada variabel lokasi, pelayanan, pendapatan, kebersihan, selera dan harga. Rentang nilai duga yang dihasilkan akan berkisar antara 0 s.d. 1. (Kita ingat bahwa kisaran atau rentang nilai peluang adalah 0 s.d 1).

Catatan:

Regresi logistik tidak terbatas hanya da[pat diterapkan pada kasus dimana variabel X nya bertipe interval atau rasio saja. Tapi regresi logistik juga bisa diterapkan untuk kasus dimana variabel X nya bertipe data nominal atau ordinal. Hal ini seperti ini analog dengan regresi linier dengan variabel dummy. (Deni)

Daftar Pustaka:

Kutner, M.H., C.J. Nachtsheim dan J. Neter. Applied Linear Regression Models. Fourth Edition. The McGraw-Hill Companies, Inc. Singapore.

Analisa Data Statistik : 4 Macam Tipe Data Statistik

2009-09-01T23:41:00.000-07:00

Pengetahuan mengenai tipe2 data adalah penting di dalam statistika. Terdapat 4 tipe data, diurutkan mulai dari tingkatan terendah hingga tertinggi:

1.Nominal
Digunakan untuk mengklasifikasikan informasi/data. Contoh:Data jenis kelamin = Laki-laki dan Perempuan. Biasanya, saat analisis data, tipe data spt ini dilambangkan dg bilangan numerik (angka).Laki-laki dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan angka 0. Tidak berarti angka 0 lebih rendah dari angka 1, ingat!! cuma melambangkan saja.

2. Ordinal
Digunakan untuk mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih tinggi dari Nominal karena kemampuannya untuk membentuk tingkatan. Contoh:Jabatan di dalam perusahaan = karyawan, manager, direktur utama. Misal, karyawan dilambangkan dengan 1, manager dg 2, dan direktur utama dengan 3. Pada tipe data ini, angka 1 dianggap lebih rendah dari angka 2, dst. Bisa saja karyawan dilambangkan dengan angka 1, tetapi manager angka 3 dan direktur utama dengan angka 10. Tipe data ini tidak mensaratkan jarak yang sama antar angka yang digunakan sebagai lambang. Yang perlu diperhatikan hanyalah bahwa angka 3 lebih tinggi dari angka 1, angka 10 lebih tinggi dari angka 3.

3. Interval
Ciri khas dari tipe data ini, selain memiliki kemampuan mengklasifikasikan dan membentuk tingkatan, adalah tidak adanya nilai nol mutlak. Artinya, angka nol yg digunakan bukan berarti tidak ada. Contoh: Derajat suhu. Di dalam skala Celcius misalnya, Nol derajat Celcius bukan berarti tidak ada suhu. Nol derajat itu memiliki suhu, hanya saja dilambangkan dengan nol. Selain itu, jarak antar setiap angka yg digunakan adalah sama. Misal: di dalam kuesioner, ada tingkatan dari TIDAK SETUJU (lambang: 1) s.d. SANGAT SETUJU (lambang: 5). Jarak antara SANGAT SETUJU (5) dg SETUJU (4) adalah 1, yaitu 5-4=1. Jarak antara SETUJU (4) dg RAGU-RAGU (3) juga = 1, yaitu 4-3=1. dst.

4. Rasio
Memiliki kemampuan dari ketiga tipe data sebelumnya, dan angka nol dianggap mutlak. Contoh: data berat badan (kg). Angka Nol kg berarti memang tidak ada berat.
Tipe data nominal dan ordinal sering digunakan pada metode statistika nonparametrik. Sedangkan tipe data interval dan rasio cocok untuk digunakan pada metode statistika parametrik, asal asumsi yang dibutuhkan oleh metode statistika parametrik yang bersangkutan dapat dipenuhi.

=================================
Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Time Series (AR, MA, ARMA, ARIMA), Uji Optimasi Saham dengan Sharpe Index, dll
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

Analisa Data Statistik : Analisis Data dengan Metode Uji Time Series (AR, MA, ARMA, ARIMA), Uji Optimasi Saham dengan Sharpe Index

2009-09-01T22:27:00.000-07:00

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olahdata penelitian, olahdata Skripsi, tesis, disertasi , riset pasar dan konsultasi manajemen.

LAYANAN
1. OlahData Statistika / Penelitian (olahdata Skripsi, Tesis, disertasi : Uji Time Series (AR, MA, ARMA, ARIMA), Uji Optimasi Saham dengan Sharpe Index
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Jasa Riset Pasar/ Suervey Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 - 0819 4505 9000
email : info@bengkeldata.com

Analisa Data Statistika/ Penelitian : Analisis Uji Multivariate, Structural Equation Model (SEM), Uji Path Anallysis, Uji Confirmatory Factor, Uji VAR

2009-09-01T22:19:00.000-07:00

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Analisa Data Statistika/ Penelitian : Uji Multivariate, Structural Equation Model (SEM), Uji Path Analysis, Uji Confirmatory Factor, Uji Vector Auto Regresi (VAR), Uji Time Series (AR, MA, ARMA, ARIMA), Uji Optimasi Saham dengan Sharpe Index
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 . emaiL : info@bengkeldata.com

Analisa Data Statistik : Analisis Uji Normalitas, Uji Homogenitas, Uji Linieritas, Uji Multikolinearitas, Uji Heteroskedastisitas, Uji Auto Korelasi

2009-09-01T22:07:00.000-07:00

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Analisa Data Statistika / Penelitian : Uji Normalitas, Uji Homogenitas, Uji Linieritas, Uji Multikolinearitas, Uji Heteroskedastisitas, Uji Auto Korelasi
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 emaiL : info@bengkeldata.com

Analisa Data Statistik : Analisis Data dengan menggunakan Uji Regresi & Korelasi

2009-09-01T21:52:00.000-07:00

Analisa Regresi digunakan untuk mengetahui apakah ada HUBUNGAN diantara 2 atau lebih variabel, sedangkan analisa regresi digunakan untuk mengukur KEERATAN HUBUNGAN dari 2 atau lebih variabel tersebut.

Dalam analisa regresi, penentuan estimasi terbaiknya dilakukan dengan melihat konsep BLUE. BLUE : Best Linear Unbias Estimator yaitu dengan melihat Normalitas data,menguji Heteroscedastisitas, dan uji Multikolinearitas.

Dalam Analisa Korelasi, tingkat keeratannya biasanya diukur oleh Rho, semakin besar nilai Rho, maka semakin baik (semakin erat) hubungan variabel-variabel tsb.

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Regresi & Korelasi
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

Analisa Data & Training Statistik : Analisis Data Statistik menggunakan SPSS, Eview, SAS, Lisrel, Minitab, Amos

2009-09-01T21:36:00.000-07:00

Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

Analisa Data Statistik : Analisis Data menggunakan Uji Parametrik & Uji Non Parametrik

2009-09-01T21:30:00.000-07:00

Ilmu statistika secara garis besar dibagi menjadi 2 :

1. Statistika parametrik

Ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll.

2. Statistika non-parametrik

Menurut literatur yang ditulis dosen saya (Bu Ani), statistika non-parametrik adalah statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dll.

=======================================
Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

Analisa Data Statistik : Aplikasi Analisis Data Statistik dalam Riset Pasar Modal

2009-09-01T21:05:00.000-07:00

Riset kuantitatif yang mengambil topic dan objek penelitian tentang kondisi pasar modal (Bursa Efek Indonesia) menjadi pilihan utama bagi para peneliti dan mahasiswa, terutama yang menekuni atau mengambil konsentrasi prodi akuntansi keuangan dan manajemen keuangan, mengingat data sekunder yang dibutuhkan relative lebih mudah diperoleh dan siap diolah sesuai dengan kebutuhan peneliti. Banyak pilihan alternative topic atau judul penelitian yang menarik di kajian studi ini misal tentang risk and return saham, kondisi anomaly, pengujian efficient market hypothesis, even study (studi peristiwa), Fenomena stock split, kebijakan deviden, Underpricing IPO, pembentukan portofolio optimal, dll.

Kami Beta Consulting ( Bengkeldata.com )memiliki bank data BEJ/BEI yang lumayan cukup lengkap seperti JSX/IDX Monthly Statistic (1998-2009), Indonesian Capital Market Directory (ICMD 2004-2008), Rekapitulasi data rasio keuangan, PER, PBV, DER, ROA, ROE, NPM, Data Indeks IHSG, LQ45, BETA, Close Price, Siap olah dalam format Ms.Excel. Selain itu juga tersedia data indikator ekonomi macro dari BI, BPS seperti Kurs Exchange Rate, Interest Rate SBI, Product Domestic Bruto, Inflation Rate, dsb.

==========================================
IKLAN---IKLAN---IKLAN---

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Analisa Data Statistika/ Penelitian : Riset Pasar Modal
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

=======================================

Analisa Data Statistik : Aplikasi Analisis Data dalam Uji Validitas & Reliabilitas

2009-09-01T20:53:00.000-07:00

Bagaimana sih cara pengolahan data untuk uji validitas maupun reliabilitas? rumus apa yang harus saya gunakan? mohon masukannya...karena saya sedang bingung.

(Andromeda, diambil dari www.bengkeldata.com )

Uji Validitas

Dalam melakukan suatu penelitian, sering kita menanyakan apakah alat ukur yang kita pakai sudah valid & reliable? Validitas suatu alat ukur dapat diartikan bahwa alat ukur tersebut dapat memberikan suatu nilai yang sesungguhnya dari apa yang kita inginkan. Misalnya kita ingin mengukur tinggi badan, meteran/penggaris merupakan alat ukur yang valid karena akan memberikan error yang sedikit. Lain halnya jika kita mengukur tinggi badan menggunakan timbangan. Bagaimana bisa timbangan mengukur tinggi badan? berarti timbangan bukan alat ukur yang valid.

Salah satu ukuran validitas untuk sebuah kuesioner adalah apa yang disebut sebagai validitas konstruk (construct validity). Sebuah kuesioner yang berisi beberapa pertanyaan untuk mengukur suatu hal, dikatakan valid jika setiap butir pertanyaan yang menyusun kuesioner tersebut memiliki keterkaitan yang tinggi. Misalnya untuk kuesioner yang digunakan mengukur sikap konsumen dalam memilih pakaian, maka butir-butir penyusunnya semuanya menuju ke satu titik, yaitu pengukuran sikap konsumen dalam memilih pakaian, misalnya merk, kualitas, mode, harga, tingkat pendapatan, pengeluaran untuk membeli pakaian/bulan, frekuensi shopping, frekuensi membaca majalah fashion, umur, tingkat pendidikan,dan lain-lain.

Ukuran keterkaitan antar butir pertanyaan ini umumnya dicerminkan oleh korelasi jawaban antar pertanyaan. Metode yang sering digunakan adalah korelasi produk momen (korelasi Pearson) antara skor setiap butir pertanyaan dengan skor total, sehingga sering disebut sebagai inter item-total correlation. Pertanyaan yang memiliki korelasi rendah dengan butir pertanyaan yang lain, dinyatakan sebagai pertanyaan yang tidak valid.

Bila suatu butir/item pertanyaan mempunyai korelasi Pearson (r) >= 0.3 maka butir pertanyaan itu dikatakan valid. Jika korelasi Pearson r < 0.3 maka tidak valid. Jika suatu butir pertanyaan tidak valid, maka maka buanglah item pertanyaan tersebut, kemudian lakukan uji sesuai prosedur sebelumnya (minus item yang telah dibuang) sehingga diperoleh semua item pertanyaan valid ( korelasi Pearson (r) >= 0.3 ).

Uji Reliabilitas

Sifat reliable (terandal) alat ukur berkenaan dengan kemampuan alat ukur tersebut memberikan hasil yang konsisten artinya jika suatu alat ukur dipakai oleh orang lain, pada objek yang sama ditempat yang berbeda maka akan menghasilkan suatu kesimpulan yang sama.

Suatu cara untuk mengukur reliabilitas suatu alat ukur yaitu dengan memakai uji alpha Cronbach. Apabila nilai alpha Cronbach > 0.6 maka alat ukur itu bisa dikatakan reliable, jika nilai alpha Cronbach kurang dari 0.6 maka ridak reliable. (sopana)

==========================================
IKLAN---IKLAN---IKLAN---

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olahdata penelitian, olahdata skripsi, tesis, disertasi , Jasa riset pasar dan konsultasi manajemen.

LAYANAN
1. Analisa Data Statistika / Penelitian, Olahdata skripsi, tesis, disertasi, validitas, reliabilitas, cronbach alpha
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Jasa Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 -- 0819 4505 9000
email : info@bengkeldata.com

=======================================

Analisa Data Statistik : Aplikasi Analisis Data dalam Model Regresi Data Panel

2009-09-01T20:22:00.000-07:00

Data panel atau panel data adalah gabungan dari data time series (antar waktu) dan data cross section (antar individu/ruang). Untuk menggambarkan panel data secara singkat, misalkan pada data cross section, nilai dari satu variabel atau lebih dikumpulkan untuk beberapa unit sampel pada suatu waktu waktu. Dalam panel data, unit cross section yang sama di-survey dalam beberapa waktu (Gujarati, 2003:637).
Regresi dengan menggunakan panel data, memberikan beberapa keunggulan dibandingkan dengan pendekatan standar cross section dan time series.

Begini, misalkan kita punya data 50 Bank, masing - masing Bank dicari ROI, NOPAT, dan lainnya untuk tahun 2007 saja, maka data tersebut disebut dengan data Cross Section. Tapi, kalau kita punya data 1 Bank, namun data ROI, NOPAT, dan data lainnya dari Bank tersebut kita miliki sejak tahun 1998 hingga 2007, maka data tersebut disebut dengan data Time Series.
Gabungan dari keduanya, yaitu 50 Bank dengan beberapa satuan waktu misalkan 1998 hingga 2007 disebut dengan Data Panel (Pooled Data).

Keunggulan dan Permasalahan Regresi dengan Data Panel
Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series.
Pertama, dapat memberikan peneliti jumlah pengamatan yang besar, meningkatkan degree of freedom (derajat kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinieritas antara variabel penjelas, di mana dapat menghasilkan estimasi ekonometri yang efisien.
Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat diberikan hanya oleh data cross section atau time series saja.
Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Di samping berbagai keunggulan dimiliki model panel data tersebut, ada beberapa permasalahan yang muncul dalam pemanfaatan data jenis panel, yaitu permasalahan autokorelasi dan heterokedastisitas. Sementara itu ada permasalahan baru yang muncul seperti korelasi silang (cross-correlation) antar unit individu pada periode yang sama.

Estimasi Regresi dengan Data Panel
Estimasi model panel data tergantung kepada asumsi yang dibuat peneliti terhadap intersep/konstanta (intercept), koefisien kemiringan (slope coefficients) dan variabel error (error term). Model-model estimasi ini akan ditinjau pada kesempatan lain.

Regresi dengan data panel adalah unik. Unik karena memiliki dua dimensi, yaitu dimensi time series dan dimensi cross-section. Dengan kata lain, regresi data panel merupakan regresi gabungan jangka pendek dan jangka panjang. Ada dua autokorelasi di dalam regresi data panel: autokorelasi residual time series, dan korelasi antar residual. Begitu juga dengan heteroskedastisitas: heteroskedastisitas residual cross-section, heteroskedastisitas antar residual.

Analisis data panel merupakan pengembangan dari analisis regresi. Terdapat tiga metode regresi dasar yang ada, yaitu Common Pooled Least Square, Fixed Effect Regression, dan Random Effect.

Metode mana yang paling sesuai ? Untuk mengetahui jawabannya, harus dilakukan 2 buah Uji, yaitu Uji Hausmann dan Uji Chow.

Untuk konsultasi lebih lanjut, silahkan hubungi:

www.bengkeldata.com

CS : 021-71088944
e-mail : info@bengkeldata.com

==========================================
IKLAN---IKLAN---IKLAN---

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian
2. Training Statistika : SPSS, Eview, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 emaiL : info@bengkeldata.com

=======================================

TARIF Analisa Data Statistik

2009-01-13T00:58:00.000-08:00

BengkelData mengusung konsep One for All.

BengkelData mencoba menjangkau semua lapisan masyarakat yang membutuhkan konsultasi statistik, mulai dari mahasiswa/perorangan, perusahaan swasta maupun instansi pemerintah.

TERJANGKAU BIAYA konsultasinya, tapi HASILNYA SIGNIFIKAN.

Kenapa bisa begitu? Ya, kami bisa begitu karena kami mempunyai banyak konsultan yang expert di bidangnya, dimana hampir 100% masih bekerja di beberapa lembaga riset & konsultan manajemen di Jakarta & Surabaya.

Untuk konsultasi lebih lanjut, silahkan hubungi:

e-mail: info@bengkeldata.com
CS : 021-71088944 -- 081945059000

Our Representative: Tebet, Jakarta Selatan

Beta Consulting
Think Globally, Do Locally

Promo GRATIS Analisa Data Statistik : Klien Get Klien

2009-01-05T02:41:00.000-08:00

HAPPY NEW YEAR 2010. WISH YOU ALL THE BEST.
Dalam rangka merayakan Tahun Baru 2010, BengkelData mengadakan program promosi, yaitu Promo: Klien Get Klien.
Program ini merupakan suatu program yang memungkinkan klien mendapatkan DISKON biaya layanan konsultasi analisa data statistik bahkan sampai tidak dikenakan biaya alias GRATIS.

Berikut program promosi yang ditawarkan:

Promo 1 : Diskon 25%
Dapatkan promo ini hanya dengan mereferensikan SATU klien kepada BengkelData.

Promo 2 : Diskon 50%
Dapatkan promo ini hanya dengan mereferensikan DUA klien kepada BengkelData.

Promo 3 : Diskon 75%
Dapatkan promo ini hanya dengan mereferensikan TIGA klien kepadaBengkelData.

Promo 4 : GRATIS BEA ANALISA DATA
Dapatkan promo ini hanya dengan mereferensikan EMPAT klien kepada BengkelData.

HUBUNGI KAMI :
CS : 021-71088944
email: info@bengkeldata.com
YM : abays_khan

Our Representavie: Tebet, Jakarta Selatan

PROGRAM INI BERLAKU SAMPAI TGL 30 APRIL 2010

SEGERA DAFTARKAN DIRI ANDA & REFERENSIKAN TEMAN-TEMAN ANDA!

WWW.BENGKELDATA.COM
Think Globally, Do Locally

Analisa Data Statistik : Tim Konsultan

2008-12-29T21:18:00.000-08:00

Para konsultan Beta Consulting merupakan alumni dari beberapa perguruan tinggi ternama di Indonesia, seperti: ITS, UGM, IPB, UNPAD, UNS, UII, dll. Mereka telah lama bergelut di bidang konsultan riset pasar, olah data dan training statistika.

Representative Konsultan Jadebotabek

Sopana, S.Si

Founder

Sejak 1999 sampai 2003 telah menjadi asisten dosen beberapa mata kuliah di fakultas MIPA, Teknik & FISIP di UNS solo. Selama menjadi mahasiswa, Sopana aktiv di beberapa organisasi kemahasiswaan, termasuk organisasi per-statistik-an. Entrepreuner yang satu ini mulai bergabung dengan sebuah lembaga konsultan riset tahun 2003. Selain di Bengkeldata, sejak 2006 Sopana masih tercatat sebagai Marketing Researcher di sebuah perusahaan telekomunikasi ternama di Jakarta. Sopana beberapa kali ikut terlibat dalam mengadakan training statistik, survey market, spatial analysis, survey telekomunikasi, dan kepuasan konsumen.

Bidang statistik yang menjadi spesialisasi Sopana adalah Multivariate Analysis, Parametrik & Non Parametrik, Bootstrap, Spatial Analysis, Telekomunikasi yang dilengkapi dengan keahlian dalam cukup banyak software statistik & spasial.

Pengalaman riset:
- Market Size UKM di Solo (2002)
- Marlboro Adventure Project (2003 - 2006)
- Analisa Studi kelayakan asuransi kesehatan merk ’X’ di kabupaten Boyolali dan Wonogiri
- Analisa Pengaruh Rating TV terhadap daya ingat penonton TV pada iklan yang ditayangkan
- Analisa Pengaruh Iklan dan Artikel Gaya Hidup bagi pembaca ‘X’ magazines
- Penentuan Harga NJOP dengan Analisis Spatial di Kecamatan ’X’ Jakarta.
- Marketing Research Dept. Head pada sebuah perusahaan telekomunikasi di Jakarta (2006 - sekarang)

Budi Haryanto, S.Si (M.Stat Cand.)

Sejak mahasiswa aktiv di berbagai kegiatan organisasi, baik intra maupun ekstra kampus. Sejak 1999, Budi bergabung dengan lembaga konsultan analisa data hingga setelah lulus, menghantarkannya menjadi seorang researcher pada sebuah lembaga konsultan di Jakarta. Berbagai tipe riset pasar, IT pernah dihandle & cukup banyak software statistik dan Data Builder dikuasainya.

Representative Konsultan Joglosemar

Arief Himawan, S.Si

Pengalaman riset:
- Konsultan ISO 9001:2000 pada beberapa universitas, perusahaan & sekolah di Jadebotabek
- Konsultan Balance Score Card, Six Sigma, Customer Satisfaction Measurement (CSM)
- Researcher & konsultan pada sebuah lembaga riset & konsultan ISO di Jakarta
(2005 - sekarang)

Representative Konsultan Surabaya & sekitarnya

Hartatik, M.Si

Pengalaman riset:
- Bermacam riset baik dengan perusahaan swasta maupun dengan pemerintah
- Researcher pada sebuah lembaga multimedia di Surabaya
(2005 - sekarang)
Research Associate :

Wahyu Soedarmono, S.Si, DEA (Ph.D Cand.)

Setelah menamatkan kuliah di Jurusan Matematika (bidang minat Statistik) FMIPA UNS Solo, Wahyu memperoleh beasiswa untuk kuliah S2 & S3 di Perancis. Wahyu spesialis dalam bidang Statistik ekonomi, keuangan, spatial statistik, kebijakan umum.

- S1 : Matematika FMIPA UNS Solo
- S2 : Université de La Rochelle, France
- S3: Université de Limoges, France

Profile Olahdata

2008-12-29T21:10:00.000-08:00

Kami Membantu Anda dalam Mengambil Keputusan di Bidang Riset Pasar, Survey Politik, dan Olah Data Statistik

Beta Consulting ( Bengkeldata.Com ) merupakan konsultan dalam bidang riset pasar, survey politik, statistik dan olah data. Dengan dukungan team konsultan yang handal, kami menawarkan solusi untuk Anda dalam Dalam Bidang Survey, Riset Pasar, Training dan Olah Data Statistik.

Kami mencoba untuk menjangkau semua lapisan masyarakat dengan low budget namun tetap mengutamakan hasil yang signifikan.

Dengan didukung oleh banyak konsultan yang expert di bidangnya dan berpengalaman, kami berkomitmen untuk memberikan pelayanan yang terbaik karena kepuasan pelanggan sangat kami utamakan.

Berbagai metode analisis statistik kami berikan kepada para konsumen dalam memecahkan masalah statistik Anda, seperti Analisis Validitas & Reliabilitas Kuesioner, Analisis Regresi & Korelasi, Analisis Multivariate, Analisis Time Series, Structural Equation Modelling (SEM), dan puluhan jenis analisis statistik lain yang didukung oleh kemampuan dalam menggunakan software statistik.

Untuk konsultasi lebih lanjut, silahkan menghubungi:

CS : 021-71088944 – 0819 4505 9000

YM : abays_khan

e-mail : info@bengkeldata.com

Beta Consulting

Think Globally, Do Locally

Kunjungi kami di www.bengkeldata.com

Our Repesentative: Tebet, Jakarta Selatan

Layanan OLAHDATA

2008-12-29T21:04:00.000-08:00

Jenis layanan dari Beta Consulting (Bengkeldata.Com) meliputi OLAHDATA SKRPSI, OLAHDATA TESIS, OLAHDATA DISERTASI, yaitu:

1. Analisa Data Statistika
- Questioner Design
- Experimental Design
- Validity & Reliability
- Regresi & Korelasi
- CHAID Analysis
- Multivariat Analysis
- Time Series Analysis
- Spatial Analysis
- Bootstrap Methode
- Parametric & Nonparametric Analysis, dll

2. Training Statistika
Training ini meliputi materi statistika dan/atau software statistika, yaitu :
- SPSS
- Minitab
- SAS
- S-Plus
- Eview

3. Riset Pasar
- Potential Market
- Mistery Shopping
- Customized Market
- Positioning Analysis
- Product Development
- Competiror Analysis
- Indeks Kepercayaan Konsumen,
- Survey/Polling Politik, dll, dll

4. Management Consultancy
- Internal Auditor
- Quality Management System (QMS) ISO 9001:2000 & ISO 9004:2000
- Guidelines for Performance Improvement ISO 9004:2000
- Balance Scorecard
- Six Sigma
- Customer Satisfaction Measurement (CSM)
- Statistical Process Control (SPC)
- Customer Relationships Management (CRM)