1 / 25

METODE RIS ET A GRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis

METODE RIS ET A GRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “ Veteran ” Jawa Timur SURABAYA 200 7. METODE ANALISIS DATA. PENELITIAN.

dinah
Download Presentation

METODE RIS ET A GRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. METODE RISET AGRIBISNIS Oleh: D a r s o n o Program Studi Magister Manajemen Agribisnis Pascasarjana UPN “Veteran”Jawa Timur SURABAYA 2007

  2. METODE ANALISIS DATA

  3. PENELITIAN • Penelitian merupakan kegiatan yang dilaksanakan secara terarah dan terencana (sistematik), terkendali, empirik, dan kritis, untuk mengungkapkan hubungan antar variabel (Harun Al Rasyid, 1994). • Hubungan tersebut dapat berupa hubungan antara sebuah variabel dengan sebuah atau beberapa variabel lainnya, maupun hubungan untuk mengetahui seberapa besar pengaruh sebuah variabel baik pengaruh langsung atau pengaruh tidak langsung terhadap sebuah atau beberapa variabel lainnya.

  4. Data dan VariabelVariabel : Karakteristik, atau sifat dari obyek kajian yang relevan dengan permasalahan penelitian, dimana data diamati atau diukur atau dicacah dari padanya. Data : Kumpulan angka, fakta, fenomena atau keadaan atau lainnya yangmerupakan hasil pengamatan, pengukuran, atau pencacahan dan sebagainya terhadap variabel dari suatu obyek kajian, yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya pada variabel yang sama.

  5. PENTINGNYA DATA DALAM PENELITIAN • Peranan data sangat penting. • Tetapi berapapun banyaknya data, bukan tujuan penelitian. • Secara sekilas data sudah dapat bercerita • Dengan Statistik data dapat diolah menjadi lebih eksak.

  6. Statistik • Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data, analisis data, dan interpretasi hasil analisis untuk mendapatkaninformasi sebagai landasan di dalam pengambilan keputusandanguna penarikan kesimpulan. • Keputusan: diterima atau ditolaknya hipotesis penelitian

  7. Umumnya Statistik dapat membantu : • Menghitung nilai tengah • Mengetahui sebaran data • Mengetahui hubungan antara suatu data dengan data lain • Mengetahui sejauh mana data sesuai atau menyimpang dengan Standar

  8. S T A T I S T I K A METODE PENGUMPULAN DATA METODE ANALISIS DATA SUMBER DATA DATA EMPIRIK INFORMASI EMPIRIK AKURAT ! PERANAN STATISTIKA

  9. Instrumen Penelitian harus : • Valid (sahih) • Reliabel (handal)

  10. KAIDAH ANALISIS DATA(Pemodelan Statistika) JENIS PERMASALAHAN PENELITIAN RELEVAN CODING SCORING PERIKSA OUTLIERS PILIH METODE ANALISIS INFORMASI AKURAT PERIKSA ASUMSI TABULASI JENIS DAN KARAKTERISTIK DATA VALID

  11. PEMERIKSAAN DATA OUTLIERS OUTLIERS BOX PLOT • Diskriptif : Standart Deviasi > Mean (data interval) • Uji Barnet dan Lewis

  12. JENIS DATA • NOMINAL • Komponen Nama (Nomos) • ORDINAL • Komponen Nama • Komponen Peringkat (Order) • INTERVAL • Komponen Nama • Komponen Peringkat (Order) • Komponen Jarak (Interval) • Nilai Nol tidak Mutlak • RATIO • Komponen Nama • Komponen Peringkat (Order) • Komponen Jarak (Interval) • Komponen Ratio • Nilai Nol Mutlak

  13. Secara umum : • Mahasiswa umumnya kesulitan dalam memilih teknik analisis yang sesuai dengan penelitiannya. • Analisis yang digunakan umumnya ikut arus. • Terjadi pergeseran dari Analisis Univariate ke Multivariate.

  14. Perkembangan Teknik Analisis yang sering digunakan dalam penelitian • Metode Deskriptif • Uji Beda • Regresi • SWOT • SEM

  15. Beberapa teknik analisis yang dapat digunakan : • Analisis Deskriptif • Analisis Univariate • Analisis Multivariate • Analisis dengan model Riset Operasional • Analisis Statistik Nonparametrik • Analisis dengan model Evaluasi Proyek • Analisis Pemasaran • Analisis dengan Teknik Peramalan • Analisis yang lainnya.

  16. PEMODELAN : ANALISIS KOMPARATIF

  17. PEMODELAN : ANALISIS ASOSIATIF

  18. Variabel INDEPENDEN Variabel DEPENDEN MODEL ANALISIS METRIK (I & R) METRIK (I & R) Regresi, Analisis Path, SEM, Korelasi Kanonik, Sistem Persanaan Simultan MODEL DEPENDENSI PADA MULTIVARIATE METRIK (I & R) NONMETRIK (N & O) Deskriminan, Regresi Logistik, Probit, Tobit NONMETRIK (N & O) METRIK (I & R) MANOVA NONMETRIK (N & O) NONMETRIK (N & O) Regresi Logistik

  19. LANGKAH-LANGKAH ANALISIS REGRESI • a) Spesifikasi Model : • (1) Identifikasi variabel Dependen dan Independen : • Teoritis (merupakan prioritas) • Empiris : Regresikan setiap variabel independen dengan • variabel dependen; kemudian kedudukan variabel tersebut • dibalik, dimana regresi dengan R2 terbesar dianggap yang • lebih tepat. TIME SERIES: Granger causality test • (2) Menentukan Spesifikasi Model • Spesifikasi model sesuai dengan mekanisme substansi pada • bidang yang dikaji (teoritis) • Spesifikasi model ditentukan secara empiris (scatter diagram & • ortogonal polinomial) • b) Pendugaan Paremater • c) Pemeriksaan Asumsi • d) Interpretasi

  20. PEMERIKSAAN ASUMSI • ASUMSI (Teori Gauss-Markov) : • (1). Hubungan antara Y dengan X adalah tepat (RESET test, teoritis) • (2). Variabel X bersifat fix atau nonstokastik (teoritis) • (3) a. Error memiliki nilai harapan nol, E() =0, dan E(2) = 2 (Park • atau Plot Sisaan Terstudent dengan Fit : Random; homokedastisitas) • b. Antar i tidak berkorelasi, E(i, j) = 0 (Durbin Watson : sekitar 2 • tidak ada otokorelasi) • c. Variabel i menyebar normal (Jarque-Bera, Anderson Darling : • Nonsignifikan berarti Normal) • Akibat ikutan dari asumsi 2 dan asumsi 3 butir a, bilamana X stokastik maka variabel X harus saling bebas dengan i (RESET test). • (4)Regresi berganda : Tdk ada Multikolinieritas (condition INDEX: • lebih kecil 30 berarti tidak ada multikolinieritas)

  21. REMIDIES ASUMSI TIDAK TERPENUHI • ASUMSI (Teori Gauss-Markov) : • (1). Hubungan antara Y dengan X adalah tepat (Perbaiki Model) • (2). Variabel X bersifat fix atau nonstokastik (Instrumental Variables) • (3) a. Error memiliki nilai harapan nol, E() =0, dan E(2) = 2 (WLS • atau transformasi data) • b. Antar i tidak berkorelasi, E(i, j) = 0 (Cross sectional tdk kritis) • c. Variabel i menyebar normal (LCT, perbesar sample size) • Akibat ikutan dari asumsi 2 dan 3 butir a, bilamana X stokastik maka variabel X harus independen dgn i (Instrumental Variables). • (4)Pada regresi berganda : Tidak ada Multikolinieritas (Stepwise, All Possible Regression, Regresi Komponen Pokok)

  22. KEGUNAAN • Penjelasan (explanation) terhadap fenomena yang dipelajari atau • permasalahan yang diteliti. • Prediksi nilai variabel tergantung berdasarkan nilai variabel • bebas, yang mana prediksi dengan regresi ini dapat dilakukan • secara kuantitatif. • Faktor determinan, yaitu penentuan variabel bebas mana (pada • regresi berganda) yang berpengaruh dominan terhadap variabel • tergantung. Hal ini dapat dilakukan bilamana unit satuan data • seluruh variabel sama dan skala data seluruh variabel homogen.

  23. VALIDASI MODEL Akurasi model : koef. determinasi, R2, semakin besar semakin akurat Untuk kepentingan prediksi Ketelitian model : p-value uji F pada ANOVA (uji koefisien serempak) Untuk kepentingan generalisasi hasil prediksi p-value uji t (uji koefisien regresi secara parsiil) Untuk kepentingan generalisasi eksplanasi Pemilihan Model: Akaike Information Criterion, semakin kecil semakin baik Schwarz Criterion, semakin kecil semakin baik R2 adjusted, semakin besar semakin baik

  24. Terima kasih, Matur Nuwun, Thank you, Xie Xie

More Related