Manipulasi Data (tidak disarankan)
Selasa, 28 Juni 2011 di 22.13 | 0 komentar  

Manipulasi merupakan tindakan mengubah data yang sebenarnya menjadi sebuah data palsu. Tujuannya biasanya agar data signifikan atau memenuhi uji asumsi klasik ataupun agar memenuhi validitas dan reliabilitas.
Manipulasi data umumnya dilakukan pada data-data yang bersumber dari kuesioner. Why ????? karena kebanyakan data yang diperoleh dari hasil kuesioner hasilnya tidak memenuhi uji validitas dan reliabilitas. Disinilah praktek manipulasi data terjadi..
Mengapa manipulasi data umumnya dilakukan pada data-data kuesioner bukan pada data-data keuangan???
Karena data kuesioner merupakan data yang berbeda-beda diperoleh oleh tiap peneliti dikarenakan berbedanya respondennya. Hasil jawaban kuesioner pada umumnya tidak dipertanggungjawabkan keberadaannya pada saat seseorang ujian sarjana/thesis/dhisertasi karena pada saat pengujian data kuesiner tidak diminta dan kalaupun diminta data kuesioner kevalid-annya apakah diisi oleh benar-benar responden atau diisi oleh sang peneliti sendiri tidak dapat diungkap.
Pada data keuangan sangat sulit melakukan manipulasi dikarenakan setiap angka-angka yang diperoleh adanya pertangungjawabanya..darimana?????????data-data yang berupa angka-angka tersebut dapat diperoleh dari perhitungan data-data dari yang disajikan dalam laporan keuangan. Angka 7 tidak akan dapat kita hasilkan bila bukti nyatanya 15/3 =5 bukanlah 7.
Walau bagaimanapun yang namanya manipulasi tidak disarankan dalam penelitian karena bersifat ILEGAL. Ya akan tetapi jika sudah mepet ya mau tidak mau ya dilakukan juga..hehehe
(NB : Hasil penelitian hendaknya jujur merupakan hasil perolehan kita dilapangan/perhitungan bukan hasil manipulasi. Karena tujuan dari penelitian adalah untuk mencari apakah ada yang signifikan atau tidak, bukan mencari cara bagaimana agar data harus signifikan. Toh kalo memang data anda tidak signifikan 1 variabelpun, toh itu merupakan hasil penelitian anda. So jangan takut mempertanggungjawabkannya di sidang alias ujian akhir..kejujuran memang ma
Diposting oleh manse
Uji Normalitas Dengan Menggunakan Uji Outlier
di 22.13 | 2 komentar  

APAKAH ITU OUTLIER??
Outlier merupakan data-data yang bersifat ekstrim dimana data berada diluar rentang normal. Data outlier umumnya terdapat pada data-data keuangan.
Data yang outlier umumnya nilai z residu atau ZRE antara rentang :
1. -3 sampai +3 bila jumlah datanya banyak
2. -2,56 sampai +2,56 bila data yang di uji dengan nilai outlier diatas masih belum normal.
3. -1,96 sampai +1,96 bila menggunakan 2 outlier diatas masih belum normal juga.
(NB : uji oulier  -1,96 sampai +1,96 biasanya digunakan untuk data penelitian dengan jumlah n < 30)
BAGAIMANA UJI OUTLIER?????
Uji outlier hendaknya menggunakan program analisis statistik seperti SPSS.
1. data diregresikan terlebih dahulu ANALYZE—REGRESSION
2. kemudian pada data view, akan terdapat kolom ZRE_1. Kemudian pada kolom tersebut uji menggunakan data outlier 1 terlebih dahulu. Artinya apabila ada nilai ZRE_1 diluar (-3 sampai +3) maka dihapus 1 baris data yang diluar -3 sampai +3 sampai tidakada lagi. Kemudian regresikan lagi. Contoh ZRE_1 ada yang bernilai -3,032 pada baris 18 maka baris 18 tersebut dihapus.
3. jika belum normal gunakan data outlier 2. apabila ada nilai ZRE_2 diluar (-2,56 sampai +2,56) maka dihapus 1 baris data yang diluar -2,56 sampai +2,56 sampai tidakada lagi. Kemudian regresikan lagi.
4. jika belum normal juga gunakan data outlier 3. apabila ada nilai ZRE_3 diluar (-1,96 sampai +1,96) maka dihapus 1 baris data yang diluar -1,96 sampai +1,96 sampai tidakada lagi. Kemudian regresikan lagi. Maka data akan normal.
BAGAIMANA JIKA BELUM NORMAL JUGA??
Maka dilakukan uji normalitas dengan menggunakan transformasi.
Diposting oleh manse
Uji Asumsi Klasik Autokorelasi
di 22.12 | 1 komentar  

APA GUNANYA UJI AUTOKORELASI??
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya).
BAGAIMANA MENGUJI AUTOKORELASI???
Ada 2 pendapat mengenai pengambilan keputusan  uji autokorelasi yakni:
1. Menggunakan uji DURBIN WATSON (DW-TEST).
kriteria pengambilan keputusannya adalah :
·         Jika  0 < d < dL, berarti ada autokorelasi positif
·         Jika 4 – dL < d < 4, berarti ada autokorelasi negatif
·         Jika 2 < d < 4 – dU atau dU < d < 2, berarti tidak ada autokorelasi positif atau negatif
·         Jika dL ≤ d ≤ dU atau 4 – dU ≤ d ≤ 4 – dL, pengujian tidak meyakinkan. Untuk itu dapat digunakan uji lain atau menambah data.
·         Beberapa juga ada yang menggunakan kriteria -2 sampai dengan 2 untuk menunjukkan tidak  tidak adanya autokorelasi

2. ada juga yang berpendapat bahwa rentang tidak terjadinya masalah autokorelasi antara -2 sampai +2.
Diposting oleh manse
Uji Asumsi Klasik Heterokedastisitas
di 22.11 | 0 komentar  

Heterokedastisitas digunakan untuk menguji apakah terdapat perbedaan varian pengamatan satu dengan pengamatan yang lainnya. Apabila terjadi perbedaan varians maka terjadi yang namanya heterokedastisitas.

Uji heterokedastisitas cukup menggunakan grafik plot, uji white, uji park, dan uji glejser.

1. GRAFIK PLOT adalah dengan melihat grafik Plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas, jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y maka tidak terjadi heteroskedastisitas.

2. UJI GLEJSER dapat dengan mudah diaplikasikan di SPSS.
Langkahnya :
1. REGRESIKAN DATA ANDA TERLEBIH DAHULU DENGAN ANALYZE------REGRESSION
2. TRANSFORMASIKAN UNSTANDARDIZED RESIDUAL KEDALAM BENTUK ABS (ABSOLUT).
3. HASIL TRANSFORMASI DIJADIKAN VARIABEL DEPENDEN DAN DIREGRESIKAN DENGAN VARIABEL INDEPENDEN.
4. APABILA NILAI T-STATISTIK ADA YANG SIGNIFIKAN MAKA TERDAPAT MASALAH HETEROKEDASTISITAS.
Diposting oleh manse
Uji Asumsi Klasik Multikolinearitas
di 22.11 | 0 komentar  

Multikolinearitas merupakan uji asumsi klasik yang bertujuan untuk mengetahui apakah antara sesama variabel independen (variabel X) penelitian kita adanya korelasi (hubungan) yang kuat. Dalam penelitian yang bersifat BLUE (best linear unbiased estimator) hendaknya tidak tidak terjadi multikolinearitas karena korelasi yang kuat karena akan mengakibatkan bias nya hasil penelitian.

Bagaimana menguji multikolinearitas??
Uji multikolinearitas dapat diuji menggukan Variance Inflation Factor (VIF) ataupun dengan korelasi parsial.

Variance Inflation Factor (VIF)
Adanya multikolinearitas apabila nilai dari Variance Inflation Factor (VIF) > 10. Variance Inflation Factor (VIF) dapat dilihat pada tabel coefficients pada hasil pengolahan SPSS.

Korelasi parsial
Korelasi parsial dapat dilihat melalui pengolahan SPSS ANALYZE--------CORRELATE------PARTIAL.
Apabila nilai significance 2 tailed>0,05 maka tidak terjadi multikolinearitas.
Diposting oleh manse
Visit the Site
MARVEL and SPIDER-MAN: TM & 2007 Marvel Characters, Inc. Motion Picture © 2007 Columbia Pictures Industries, Inc. All Rights Reserved. 2007 Sony Pictures Digital Inc. All rights reserved. blogger template by blog forum.