Liputan Bengkeldata di Tabloid Peluang Usaha Edisi 04 • Th X • 12 – 25 Desember 2014 Hal 32-33

Beta Consulting (Bengkeldata.com) – Market Research Perusahaan hingga Perorangan. Semakin ketatnya persaingan pasar yang terjadi di Indonesia membuat beberapa perusahaan pun tidak asal-asalan dalam menentukan langkah bisnis, apalagi saat ini Indonesia akan dihadapkan pada Masyarakat Ekonomi Asean (MEA), maka kompetisi dalam dunia bisnis pun juga akan semakin banyak. Dengan demikian, persaingan yang akan datang juga tidak hanya pengusaha dalam negeri saja, melainkan juga datang dari para pengusaha asing. Kondisi inilah yang dimanfaatkan sebagai peluang oleh Sopana untuk mendirikan usaha jasa market research atau riset pasar. Keahliannya dalam mengolah data yang pernah didapat semasa kuliah di Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Solo Jawa Tengah ternyata menjadi modal utama bagi Sopana untuk mendirikan usaha market research. Ide mendirikan usaha ini muncul saat ia sedang menghadiri acara reuni bersama mahasiswa angkatannya di Jakarta pada tahun 2008. “Saat reuni di sana saya bertemu dengan teman-teman dari berbagai macam daerah, dari situlah saya kemudian terbesit untuk membangun jasa market research, toh nanti saya juga bisa bekerja sama dengan beberapa teman-teman yang ada di beberapa daerah tersebut untuk melakukan sebuah riset,” ujar Sopana. Sambil bekerja di sebuah perusahaan telekomunikasi Sopana pun mulai meluangkan waktu kosongnya untuk merintis usaha jasa market research kecil-kecilan dengan mengusung brand Beta Consulting. “Waktu itu usaha market research ini masih hanya sekadar usaha sampingan, tapi di sini saya yakin usaha ini akan maju,” optimisnya. Melihat usaha ini terus berkembang, Sopana pun memutuskan untuk resign dari tempat ia bekerja demi fokus menggeluti usaha sampingan tersebut. Selanjutnya pada tahun 2012 Sopana menggelontorkan modal sebesar Rp 5 juta yang digunakan sebagai ongkos transportasi dan ekspansi yang lebih luas dengan melakukan pemasaran yang bagus. Menurut Sopana modal untuk menjalankan usaha ini selain komputer adalah modal tim yang kuat, mulai dari tim penanggung jawab, tim ahli hingga tim lapangan dan pengetahuan tentang ilmu statistik. Secara garis besar ilmu yang harus dimiliki dalam menjalankan usaha ini adalah ilmu analisis statistik hal ini berguna untuk mengetahui dan menganalisis kemampuan pasar. Di awal usaha, Sopana menemukan kendala yaitu kesulitan membangun tim yang kuat sehingga ia terpaksa harus mempunyai cadangan tim utama untuk menggantikan sewaktu-waktu diperlukan. Lambat laun usahanya pun semakin banyak dikenal oleh masyarakat sehingga usahanya semakin maju dan mengalami peningkatan klien dari waktu ke waktu. Baca lebih lanjut

Iklan

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

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) . Model lain selain ARCH & GARCH adalah TARCH, E-GARCH, M-GARCH, TGARCH dan lain-lain.

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 netto 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.

Untuk Konsultasi Analisa data selanjutnya, yang berhubungan dengan Time Series Analisis (AR, MA, ARMA, ARIMA, ARCH, GARCH, TARCH, E-GARCH, M-GARCH, T-GARCH, dll) menggunakan eviews silahkan menghubungi :

Beta Consulting

Telp: (021)3333 7389 – 0819 4505 9000
Email: info@bengkeldata.com

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

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

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, konsutan 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, tugas, akhir, sarjana, jakarta, penelitian, spss, eviews, amos, lisrel, minitab, regresi, konsultasi, konsultan, analisis data, analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar , skripsi, tesis, disertasi,ahli, olahdata, pengolahan, olah data, statitistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson,tugas, akhir, sarjana, jakarta, penelitian, spss, amos

Analisa Data : Analisis Data pada Model Regresi Data Panel

Data panel atau panel data atau Pooled Data adalah gabungan dari data time series (antar waktu) dan data cross section (antar individu/ruang). Untuk menggambarkan panel data / data panel / Pooled 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 / data panel / pooled data , unit cross section yang sama di-survey dalam beberapa waktu (Gujarati, 2003:637).
Regresi dengan menggunakan panel data / data panel / pooled 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 / data panel  / pooled 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 datadata panel dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Di samping berbagai keunggulan dimiliki model panel datadata panel  / pooled data tersebut, ada beberapa permasalahan yang muncul dalam pemanfaatan data 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 data panel ergantung 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 / data panel : autokorelasi residual time series, dan korelasi antar residual. Begitu juga dengan heteroskedastisitas : heteroskedastisitas residual cross-section, heteroskedastisitas antar residual.

Analisis data panel / data panel merupakan pengembangan dari analisis regresi. Terdapat tiga metode regresi dasar yang ada, yaitu Common Pooled Least Square (OLS), 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:

http://www.bengkeldata.com

CS : 021-3333 7398- 08194505 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, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ analisa data Penelitian
2. Training Statistika : SPSS, Eviews, 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 : Analisis Data Uji Parametrik & Uji Non Parametrik

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, statistika non-parametrik adalah statistika bebas sebaran (tidak 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 , Analisis Data Uji Parametrik, Analisis Data Uji Non Parametrikriset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ Penelitian : Uji Parametrik & Uji Non Parametrik, 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: 7426 1930

ID Line: bengkeldatacom

ID WeChat/KakaoTalk/ Hangouts: bengkeldata

twitter: @bengkeldata

email: info@bengkeldata.com

bengkeldata@gmail.com

Analisa Data : Analisis Data untuk Uji Regresi & Korelasi

Analisa Regresi digunakan untuk mengetahui apakah ada HUBUNGAN diantara 2 atau lebih variabel, sedangkan analisa Korelasi digunakan untuk mengukur tingkat 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 olah data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

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

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 71088944 – 0819 4505 9000

email : info@bengkeldata.com

Analisa Data : Analisis Data Uji Validitas & Reliabilitas

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

(Andromeda, Jkt. diambil dari http://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 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.

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 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, 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

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

Analisa Data : Analisis Data Uji Kruskall 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)

<span style=”font-weight:bold;”>Analisis:</span>
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

<span style=”font-weight:bold;”>Hasil Analisis:</span>
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 pasardan 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, S-Plus
3. Riset Pasar
4. Management Consultancy

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