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

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

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.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 yang Mempengaruhi Simpanan Masyarakat pada Bank X Periode 2001 - 2006

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.

Info lebih lanjut untuk Olahdata Statistik, hubungi:

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

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

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.

Info lebih lanjut tentang Olahdata Statistik, silahkan menghubungi:

Bengkeldata.com

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

Analisa Data Statistik: Inferensi Statistik dengan Bootstrap

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.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

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

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

Analisa Data Statistik : Analisis Data dengan UJI KRUSKAL WALLIS

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

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

Analisa Data Statistik : Analisis Data Regresi Logistik

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.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

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

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

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 )

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

TARIF Analisa Data Statistik

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:

CS : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

Our Representative: Tebet, Jakarta Selatan

Beta Consulting
Think Globally, Do Locally

Promo GRATIS Analisa Data Statistik : Klien Get Klien

HAPPY NEW YEAR 2010. WISH YOU ALL THE BEST.
Dalam rangka menyambut Tahun Baru 2014, 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 : 0819 4505 9000

WA : 0838 0405 9000

Pin BB: 74261930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

Our Representavie: Tebet, Jakarta Selatan

PROGRAM INI BERLAKU SAMPAI TGL 28 Februari 2014


SEGERA DAFTARKAN DIRI ANDA & REFERENSIKAN TEMAN-TEMAN ANDA!


WWW.BENGKELDATA.COM
Think Globally, Do Locally

Analisa Data Statistik : Tim Konsultan

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

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

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)