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 Konsumsi di Indonesia dengan Pendekatan ECM (Error Correction Model)

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 : 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

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 Statistik : Analisis Data Model Regresi Data Panel

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 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 : Analisis Data dengan menggunakan Uji Regresi & Korelasi

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 )

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 : Aplikasi Analisis Data dalam Model Regresi Data Panel

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 )

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

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

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