ANALISIS DATA KUANTITATIF Steph Subanidja Pengantar Analisis data

ANALISIS DATA KUANTITATIF Steph Subanidja

Pengantar • Analisis data merupakan bagian dari proses pengujian data setelah tahap pemilihan dan pengumpulan data penelitian. • Proses analisis data di dalam penelitian pada umumnya terdiri atas beberapa tahap, yaitu: tahap persiapan, analisis deskriptif, pengujian kualitas data dan pengujian hipotesis. • Statistika digunakan untuk menjawab masalah atau pertanyaan penelitian melalui analisis data. • Statistika yang digunakan dapat berupa deskripsi dan interpretasi data untuk menarik kesimpulan hasil penelitian. • Jika data yang digunakan berupa sampel, statistika digunakan untuk menarik kesimpulan yang berupa statistika deskriptif atau statistika inferensial. • Statistika inferensial dapat dikategorikan sebagai statistika parametrik dan statistika non-parametrik.

Tahap Persiapan • Peneliti biasanya melakukan beberapa tahap persiapan data untuk memudahkan analisis data dan interpretasi data, yang berupa editing, coding, dan data processing.

Pengeditan (Editing) • Data peneltian yang dikumpulkan oleh peneliti melalui metode survei atau metode observasi perlu diedit dari kemungkinan kekeliruan dalam proses pencatatan yang dilakukan oleh pegumpul data, misalnya pengisian kuesioner yang tidak lengkap, atau tidak konsisten. • Tujuan pengeditan ini adalah untuk menjamin kelengkapan, konsistensi dan kesiapan data penelitian didalam proses analisis. • Proses pengeditan dapat dilakukan di lapangan (field editing) atau di tempat peneliti (in-house editing).

Pemberian Kode (Coding) • Pemberian kode merupakan proses identifikasi dan klasifikasi data penelitian kedalam skor numerik atau karakter simbol. • Proses ini diperlukan terutama untuk data penelitian yang dapat diklasifikasikan, misalnya untuk open-ended questions atau closed-ended questions. • Tujuan pemberian kode untuk pertanyaan terbuka adalah untuk mengurangi variasi jawaban responden menjadi beberapa kategori umum. • Pemberian kode akan memudahkan dan meningkatkan efisiensi proses data entry kedalam komputer.

Pemrosesan Data (Data Processing) • Beberapa paket aplikasi statistika yang dapat digunkan untuk analisis data dengan menggunakan komputer antara lain Lisrel, AMOS, E View, SPSS, SAS, Stat-Easy dan Minitab.

Statistik Deskriptif • Statistik deskriptif di dalam penelitian pada dasarnya merupakan proses transportasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan. • Statistika deskriptif pada umumnya digunakan oleh peneliti untuk memberikan informasi mengenai karakteristik variabel penelitian yang utama dan data demografi responden (profile respoden). • Ukuran yang digunakan antara lain frekuensi, tendensi sentral (mean, median dan modus), dispersi (standar deviasi dan varian) dan koefisien korelasi antar variiabel penelitian.

Contoh Sector 1 Agricultural, Animal, Forestr & Fishery 2 Mining & Diging 3 Processing Industry 4 Electricity, Gas & Fresh Water 5 Constructio 6 1997 1998 1999 2000 Share {% } 22511588 23097871 23174579 23516865 60. 3 204413 137284 155988 155504 0. 4 1817379 2104856 2451266 2627122 6. 7 13434 739 3913 4243 0. 0 199253 122945 120787 136423 0. 3 Trading, Hotel & Restaurant 9986510 8325351 8741176 9139645 23. 4 7 Transportation & communication 1852401 1507629 1679836 1872892 4. 8 8 Financial, Rental & Service 71334 18519 18437 19440 0. 0 9 Services 2048349 1439915 1458554 1512938 3. 9 39704661 36761689 3780436 38985072 100. 0 Total

Uji Kualitas Data • Kesimpulan penelitian yang berupa jawaban atau pemecahan masalah penelitian dibuat berdasarkan hasil pengujian data yang meliputi pemilihan, pengumpulan dan analisis data. • Oleh karena itu kesimpulan tergantung pada kualitas data yang dianalisis dan instrumen yang digunakan untuk mengumpulkan data penelitian.

KUALITAS DATA

Konsep untuk Mengukur Kualitas Data 1. Reliabilitas dan 2. Validitas

Reliabilitas (Reliability • Konsep reliabilitas dapat dipahami melalui konsep dasar yaitu konsistensi. Konsep reliabilitas dapat diukur melalui tiga pendekatan yaitu • – – – • 1) koefisien stabilitas ( dengan menggunakan Pearson correlation), 2) koefiesiensi ekuivalensi (dengan menggunakan korelasi skor jawaban responden melalui instrumen yang berbeda, dan 3) reliabilitas konsistensi internal. (dengan menggunakan splithalf reliability coeeficient, Kuder-Richardson, dan Cronbach’s alpha). Program SPSS dapat digunakan untuk mengukur reliabilitas.

Validitas (Validity) • Validitas data penelitian ditentukan oleh proses pengukuran yang akurat. Esensi dari validitas adalah akurasi. Suatu instrumen pengukur dikatakan valid jika instrumen tersebut mengukur apa yang seharusnya diukur. Ada tiga pendekatan yang dapat digunakan untuk mengukur validitas yaitu: • • – – – 1) content validity, 2) Criterion-related validity, dan 3) construct validity.

Masukkan data ke SPSS Tentukan Variabelnya pada Variable Views Uji Validitas Dilakukan untuk masing-masing variabel. Klik. Analyze--Scale---Reliability Analysis. Masukkan ke kotak item, dan piih alpha sebagai modelnya. Klik tombol statistics, piih item, scale dan scale if delected, klik continue dan terus klik OK Pertanyaan yang tidak valid dibuang (lihat kolom corrected item-total correation), lakukan pengujian ulang. Lakukan untuk semua variabel. Uji Reliabilitas Patokan reliable jika nila Chronbach’s Alpha > 0, 60. Lakukan untuk masing-masing variable.

Q 1 Q 2 Q 3 Q 4 Q 5 Q 6 Q 7 Q 8 Q 9 Q 10 Q 11 Q 12 Item-Total Statistics Scale Cronbach's Alpha if Scale Mean Variance if Corrected Item if Item-Total Deleted Correlation Deleted 36. 87 100. 051. 247. 915 37. 40 88. 455. 750. 893 37. 13 92. 189. 557. 902 37. 87 93. 844. 562. 902 37. 60 91. 352. 594. 900 37. 60 93. 697. 591. 900 37. 67 91. 195. 645. 898 37. 93 81. 789. 850. 886 38. 27 87. 926. 595. 902 37. 00 90. 207. 805. 892 36. 83 93. 661. 649. 898 37. 37 86. 033. 824. 889

Degree of freedom variabel (misal: Kinerja Managerial) adalah n-k n= banyaknya reponden k= banyaknya pertanyaan Q = item pertanyaan untuk variabel kinerja manajerial df = 30 -12=18, dilihat di r tabel korelasi produk moment diperoleh rtabel= 0, 444. Q 1 memiliki r hitung yang kurang dari r tabel (0, 247 kurang dari 0, 444), maka q 1 tidak valid. Pertanyaan yang tidak valid tidak diikutkan dalam analisis (q 1 didelete)

Item-Total Statistics Q 2 Q 3 Q 4 Q 5 Q 6 Q 7 Q 8 Q 9 Q 10 Q 11 Q 12 Scale Mean Scale Corrected Cronbach's if Item Variance if Item-Total Alpha if Item Deleted Correlation Deleted 33. 40 82. 248. 734. 905 33. 13 85. 430. 561. 913 33. 87 87. 913. 522. 915 33. 60 84. 041. 626. 910 33. 60 86. 800. 600. 911 33. 67 84. 023. 672. 908 33. 93 75. 582. 847. 898 34. 27 80. 892. 615. 912 33. 00 83. 586. 807. 902 32. 83 87. 040. 644. 910 33. 37 79. 689. 819. 900

Setelah dilakukan uji validitas, data yang valid tersebut diuji reliabilitasnya. Nilai Cronbach’s Alpha = 0, 915 lebih besar dari nilai yang dipersyaratkan yaitu 0, 6. Dengan demikian data reliabel. Reliability Statistics Cronbach's Alpha. 915 N of Items 11

Pemilihan Metode Statistika • Pemilihan metode statistika yang digunakan di dalam pengujian hipotesis pada dasarnya dipengaruhi tiga faktor yaitu: – 1) tujuan studi, – 2) jumlah variabel yang diteliti, dan – 3) skala pengukuran yang digunakan.

Tujuan, Jumlah Variabel dan Skala Pengukuran a. b. c. Tujuan studi atau tujuan pengujian secara spesifik ada tiga yaitu 1) penjajakan (eksplorasi), 2) deskriptif, dan 3) pegujian hipotesis yang meliputi uji komparasi (perbedaan) dan uji asosiasi (hubungan) yang meliputi korelasional atau sebab-akibat. Jumlah variabel, yaitu satu variabel (univariate), dua variabel (bivariate), atau tiga variabel atau lebih (multivariate). Skala pengukuran yaitu skala ordinal, nominal, interval atau rasio. Skala pengukuran ini menjadi pertimbangan peneliti untuk menentukan pemilihan metode parametrik dan non parametrik dalam statistika inferential.

Contoh Tujuan studi Pertanyaan penelitian Skala pengukura n Metode statistika Identifikasi jumlah kategori Apakah jumlah manager yang berpendikan minimal S 2 sama dengan jumlah yang diekspektasikan Nominal Chi-Sequare test Perbedaan urutan kategori Apakah distribusi aset untuk kategori small (A) dan medium (B) scale sama dengan distribusi yang diekpektasikan Ordinal Chi Sequre test Penetuan urutan kategori Apakah urutan merek produk yang disukai konsumen sama dengan urutan merek yang dihipotesiskan Ordinal Kolmogorov. Smimov test Perbedaan nilai sampel dan populasi Apakah rata-rata gaji pegawai yang diteliti berbeda signifikan dengan gaji rata-rata seluruh pegawai perusahaan Interval-ratio Z test atau t test

Uji Perbedaan Bivariate Skala Pengukuran Tujuan Stusi-Uji Perbedaan Antar dua kelompok independen Antar tiga atau independen Nominal Z-test (dua proporsi) Chi-Square test Hi-Square test Ordinal Mann Whitney U-test Wilcoxon test Kruskal –Wallis test Interval dan ratio Z-test atau t-test terhadap kelompok independen One-way Anova lebih kelompok

Uji Beda Contoh

Rumusan Masalah Variable Sebelum Kenaikkan Harga Variabel Penjuala Sesudah Kenaikkan n Harga Indikator -1 bulan -3 bulan -5 bulan +1 bulan +3 bulan +5 bulan Skala Ratio Ratio

Data Nama Produ k A -1 +1 -3 +3 -5 +5 47250 49875 52500 55425 B 12600 13800 12000 13800 13400 14400 C 90300 98200 88200 92400 84000 94500 D 29700 30600 28800 30600 27900 29700 E 45000 44250 48000 43500 48750 F 67200 68400 64800 69600 66000 69600 G H 132000 132550 130900 132550 131450 133400 39200 44800 39200 33600 50400 I 287500 290625 290000 292500 J 212750 216200 215050 216775 213900 217350

Analisis • Analyze----commpare means-----paired Samples T test • Kotak dialog paired sample T test Blok sebelum dan seseudah , ----masukkan ke paired variables • Klik ok

Analisis Multivariate • Analisis multivariate pada dasarnya dibagi menjadi dua kelompok yaitu – metode dependensi dan – metode interdepedensi.

Analisis Multivariate • Analisis dependensi merupakan metode statistika yang digunakan untuk menjelaskan dan memprediksi satu atau lebih variabel dependen berdasarkan beberapa variabel independen. • Analisis interdependensi merupakan analisis multivariate yang digunakan untuk mengetahui struktur dari sekelompok variabel atau objek. Metode yang termasuk di dalam kelompok ini antara lain factor analysis, cluster analysis, multidementional scaling.

Analisis Dependensi • • • Analisis regresi berganda. Analisis ini pada dasarnya adalah ekstensi dari bivariate analysis yang umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel independen dengan skala pengukuran interval atau ratio dalam suatu persamaan linier. Analisis diskriminan. Merupakan metode statistika untuk memprediksi pengaruh beberapa variabel independen (skala interval atau ratio) terhadap satu varaibel dependen (objek atau orang). Misalnya untuk memprediksi pengaruh current ratio, return on assets, debt/assets ratio terhadap kebangkrutan atau ketidakbangkrutan perusahaan. Analisis korelasi canonical. Pada dasarnya adalah ekstensi dari metode regresi berganda untuk menguji korelasi antar dua atau lebih variabel dependen dan beberapa variabel independen, yang semuanya diukur dengan skala interval atau ratio. Misalnya peneliti akan menguji korelasi antara sekelompok perilaku manager (variabel dependen) dan sekelompok variabel kepribadian manager (variabel independen).

Analisis Dependensi • • Multivariate Analysis of Variance (MANOVA). Untuk menguji perbedaan nilai rata-rata antar kelompok dalam dua atau lebih variabel dependen berdasarkan satu variabel independen yang diukur dengan skala nominal. Misal untuk menguji pengaruh sistem kompensasi (variabel independen) terhadap volume penjualan dan kepuasan kerja di UKM (variabel dependen). Analisis Cojoint. Untuk mengukur kombinasi korelasi antar variabel (diukur dengan skala nominal dan ordinal) yang bermanfaat untuk dasar pengambilan keputusan. Misal peneliti ingin melihat manager UKM didalam membuat keputusan untuk mengambil atau tidak mengambil kredit di bank tertentu.

Analisis Interdependensi • • • Analisis Faktor. Untuk meringkas sejumlah informasi yang dihasilkan dari proses pengukuran (berupa konsep-konsep) menjadi sejumlah dimensi atau construct yang lebih kecil yang selanjutnya disebut faktor. Misal informasi mengenai umur, gender, jabatan, pendidikan dan sumber penghasilan karyawan menjadi ukuran (umur dan gender) dan status sosial (jabatan, pendidikan dan sumber penghasilan karyawan). Cluster Analysis. Untuk mengelompokkan sejumlah subjek atau objek penelitian menjadi kelompok kecil yang bersifat mutually exclusive. Misal UKM pertanian dikelompokkan menjadi unit yang diproduksi dan biaya prodoksi Multidimentional Scaling. Untuk mengkur objek kedalam ruang multidimentional berdasarkan kesamaan persepsi respoden terhadap objek.

ANALISIS REGRESI LINIER Steph Subanidja

Transformasi data ordinal ke interval Analyze----descriptive statistics-----frequencies. Masukkan semua variabel ke dalam kotak variabels dengan meng klik tanda panah. Klik tombol statistics, klik means, dan std deviation lalu tekan tombol continue dan tombol ok Cari menu utama SPSS, klik transform-----compute variable, maka akan tampak kotak dialog compute variable. Pada target Variable, beri nama IQ 2 (artinya interval pertanyaan 2), kemudian ketik rumus pada numeric expression. Pada saat penulisan Q 2 (skor mentah) tidak diketik secara manual, tetapi dengan mengetik pertanyaan 2 pada kolom Type and Label, diikuti dengan mengklik tanda panah disebelahnya, lalu klik ok Lakukan transformasi data untuk semua variabel yang telah valid. Setelah itu jumlahkan nilai variabel dependent (prestasi kerja) dengan langkah berikut. Dari menu utama SPSS, klik transform----compute variable. Maka akan tampak kotak dialog compute variable. Pada Target Variable, beri nama jumlahprestasikerja (tanpa spasi), kemudian pada numeric expression klik IQ 2 dan klik tombol tanda panah, klik tombol +, klik kembali IP 3, tombol tanda panah, klik tombol + dan seterusnya hingga pertanyaan terkahir. , lalu klik ok Lakukan untuk semua variable

ASUMSI KLASIK SEBELUM ANALISIS REGRESI LINIER DILAKUKAN Steph Subanidja

Uji Normalitas Data • Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng (bell shaped). Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan

kriteria pengujian • Angka signifikansi (SIG) >0, 05, maka data berdistribusi normal. • Angka signifikansi (SIG) <0, 05, maka data tidak berdistribusi normal. • Melihat hasil grafik “Normal Q-Q Plot”. Jika titik-titik bergerombol disekitar garis uji yang mengarah ke kanan atas, dan tidak ada data yang terletak jauh dari sebaran data. Dengan demikian, data tersebut dapat dikatakan normal

• Melihat hasil grafik “Normal Q-Q Plot”. Jika titik-titik bergerombol disekitar garis uji yang mengarah ke kanan atas, namun ada data yang terletak jauh dari sebaran data. Dengan demikian data tersebut dikatakan tidak normal.

Cara SPSS • Analyze/descriptive statistics/explore • Masukkan semua variabel dalam kolom dependent list • Klik button plot • Klik normality test • ok

Uji Multikolinier • Uji Multikolinier adalah uji yang dilakukan untuk mengetahui apakah terdapat korelasi atau hubungan yang sangat tinggi diantara variabel independen. Uji Multikolinier mempunyai kriteria yang dapat dilihat dari nilai VIF. Jika nilai VIF >10 menunjukkan adanya gejala multikolinearitas (Gujarati, 1995: 338 -339).

Cara spss • Klik analyze/regression /linier • Masukkan variabel dependen ke tempatnya • Masukkan variabel indepedent ke tempatnya • Klik button ststistics • Pilih descriptive, collinierity diagnotics • ok

Uji Heteroskedastisitas • Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup (data kategori) mempunyai varian yang beda diantara anggota grup tersebut. Alat uji heteroskedastisitas adalah dengan analisis residual yaitu berupa grafik.

• Jika ada pola tertentu seperti titik-titik (poin), yang ada membentuk suatu pola tertentu yang beraturan ( bergelombang, melebar, kemudian menyempit), maka terjadi heteroskedastisitas. • Jika ada pola yang jelas, serta titik-titik menyebar ke atas dan berada dibawah titik nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.

Cara spss • • • • Klik analyze/regression/linier Masukkan variabel dependen Masukkan variabel independen Pilih method enter Klik button statistics, pilih descritive, durbin watson Klik button plot dan masukkan zpred dalam kolom x dan sdresid ke kolom y Klik histogram dan normality probability plot Klik save dan pilih undstandized residual dan unstandized predicted value Klik okay Lanjut lihat data Klik analyze/descriptive statistics/explore Masukkan unstandaized residual ke kolom dependent list Klik button plot Klik normality with test ok

lanjutan • Klik analyze/descriptive statistics/explore • Masukkan standaized residual ke kolom dependent list • Klik button plot • Klik normality with test • ok

Data yang digunakan adalah data kinerja 90 bank di Indonesia. Dengan memakai model regresi akan dianalisis struktur hubungan antara variabel tidak bebas (kinerja) dan beberapa variabel bebas, seperti disajikan dalam persamaan berikut: Kinerja = 0 + 1 IH + 2 PP + 3 Aset + 4 DPK + 5 ROAA + 6 ROAE + Keterangan : IH = Indeks Herfindahl PP = Pangsa pasar (Proporsi kredit) DPK = Dana Pihak Ketiga ROAA = Return on Average Asset ROAE = Return on Average Equity

Unstandardized Coefficients Std. B Error Model 1 (Constant) Standardi zed Coefficient s t Sig. Beta -11461. 014 2885. 189 -3. 972 . 000 IH -776. 932 178. 770 -. 384 -4. 346 . 000 PP 8297. 816 4055. 858 . 222 2. 046 . 044 ASET . 043 . 011 1. 778 3. 949 . 000 DPK -. 022 . 010 -. 680 -2. 234 . 028 ROAA 462. 024 195. 497 . 084 2. 363 . 020 ROAE 162. 006 133. 152 . 045 1. 217 . 227

Model 1 Regression Residual Total Sum of Squares 719432132153. 823 df Mean Square F 6 119905355358. 970 476. 282 20895506038. 678 83 740327638192. 500 89 251753084. 803 Sig. . 000(a)

Mod el Unstandardized Standardized Coefficients B 2 Std. Error t Sig. Beta (Constant) -9030. 033 2087. 354 -4. 326 . 000 IH -868. 969 162. 439 -. 430 -5. 350 . 000 PP 6966. 388 3916. 597 . 186 1. 779 . 029 ASET . 047 . 010 1. 940 4. 499 . 000 DPK -. 024 . 009 -. 760 -2. 548 . 013 665. 070 102. 121 6. 513 . 000 ROAA

Regresi Linier dengan Variabel Moderator Gaya Kepemimpinan (X 2) Disiplin Kerja (X 1) Prestasi Kerja (Y)

1. Uji Interaksi • Uji interaksi atau Moderated Regression Analysis (MRA) adalah aplikasi khusus regresi linier dengan persamaan regresi memuat unsur interkasi • Persamaan untuk gambar di atas adalah: y= a 0 + a 1 X 1 + a 2 X 2 + a 3 X 1 X 2 + e • Atau • Prestasi Kerja = = a 0 + a 1 Disiplin + a 2 Gaya. Kepemimpinan + a 3 Disiplin*Gaya. Kepemimpinan + e

Langkag SPSS • Transform, lalu submenu Compute • Pada target variabel ketik nama variabel • Pada kotak numeric variabel isikan Disiplin*Gayakepemimpinan • Langkah selanjutnya seperti pada regresi linier sesuai persamaan

2. Uji Nilai Selisih Mutlak • Prestasi Kerja = a 0 + a 1 Disiplin + a 2 Gaya. Kepemimpinan + a 3 |Disiplin -Gaya. Kepemimpinan| + e • Prestasi Kerja = a 0 + a 1 ZDisiplin + a 2 ZGaya. Kepemimpinan + a 3 |Disiplin Gaya. Kepemimpinan| + e

Cara SPSS • Analyze, descriptive statistic, descriptives • Masukkan variabel yang akan di standardize, lalu pilih save standardized value as variable • Tekan ok • Di file data ada data Znama variabel • Transform, compute, isi kotal target variabel. Pada numeric expression isikan ABS(numexpr). Pada numeric expr isikan ABS (variabel 1 variabel 2) • Lakukan analisis regresi seperti biasa

3. Uji Residual • Gaya. Kepemimpinan = a 0 + a 1 Disiplin + e • |e| = b 0 + b 1 Prestasi. Kerja

Analisis SPSS • • Analyze, regression linier Isikan variabel dependent Isikan variabel independen Klik save dan pilih residual unstandardized Continue Buat nilai residual dengan nilai mutlaknya Transform, di target variabel tulis ABSRes-1. Di numeric variabel pilih fungsi ABS(numexpr), dan isikan menjadi ABS (res_1)

Analisis SPSS • Jika hasilnya signifikan dan koefisien parameternyanya negatif, maka variabel Gaya. Kepemimpinan merupakan variabel moderaator • Regresikan ABSRes-1 terhadap Prestasi Kerja

Regresi Linier dengan Variabel Intervening • Gaya • Kepemimpinan (X 2) ρ3 ρ2 Disiplin Kerja (X 1) ρ1 Prestasi Kerja (Y)

Pengaruh • Pengaruh Langsung = ρ1 • Pengaruh tidak langsung = ρ2 x ρ3 • Pengaruh total = ρ1 + (ρ2 x ρ3)

Konsep struktur pasar, digunakan Indeks Herfindahl. Indeks ini dikembangkan oleh Orris C. Herfindahl untuk mengukur konsentrasi industri. Tabel silang akan digunakan untuk mempermudah analisis sekaligus sebagai suatu cara di dalam penyajian data yang telah dikompilasi dari berbagai sumber dan sebagai salah satu bentuk untuk penyajian data yang telah diolah.

Ukuran yang paling umum dari kekuatan pasar adalah Concentration Ratio (CR) untuk suatu industri. CR 4 yang didefinisikan sebagai persentase dari keseluruhan output industri yang dihasilkan oleh 4 perusahaan terbesar dilihat dari berbagai indikator. Secara matematis rumur CR 4 dapat dituliskan : Si (i = 1, 2, 3 dan 4) adalah pangsa pasar (output) empat pelaku usaha yang terbesar

Pada sistuasi Pasar monopoli, CR 4 akan bernilai 100%, sedangkan untuk pasar persaingan sempurna CR 4 akan mendekati nilai 0 (nol), karena perusahaan-perusahaan dengan output terbesarpun mempunyai proporsi yang sangat kecil pada industri tersebut. Sebagian besar ekonom berpendapat bahwa ukuran rasio konsentrasi (CR 4) tidak cukup mengukur kekuatan pasar. Satu pilihan yang dapat menjelaskan dengan lebih baik tentang peran perusahaan terhadap dominasi pasar, adalah Herfindahl-Hirschman Index (HHI)

Si adalah pangsa pasar (output) pelaku usaha

Persaingan sempurna akan memiliki HHI mendekati nol, sedangkan struktur pasar monopoli akan mendekati nilai 10. 000. Menurut The U. S. Department of Justice bahwa nilai HHI kurang dari 1. 000 dikatakan pasar dalam kondisi persaingan yang kompetitif, sedangkan jika nilai HHI antara 1. 000 sampai 1. 800 dikatakan pasar dalam kondisi persaingan yang moderat. Dikatakan pasar dalam kondisi persaingan tidak sempurna (konsentrasi pada hanya beberpa perusahaan) jika nilai HHI lebih dari 1. 800.

Indikator Konsentrasi Pasar CR 4 (%) HHI Aset 50, 74 795, 26 Dana Pihak Ketiga 51, 64 800, 13 Kredit 44, 47 638, 82 Modal 46, 36 659, 60 Dari keempat indikator terlihat bahwa masing CR 4 -nya bernilai di atas 40% (CR 4 > 40%). Dengan kata lain 4 bank terbesar menguasai lebih 40% produksi (asset, DPK, kredit dan modal). Pada kondisi ini dapat dikatakan bahwa struktur pasar bank umum di Indonesia adalah oligopoli dominan

ANALISIS DESKRIMINAN Steph Subanidja

Analisis deskriminan digunakan untuk membuat pembedaan antar kelompok berdasarkan variabel-variabel yang secara substansi digunakan sebagai dasar untuk pengelompokkannya. Pembedaannya (diskrimasinya) didasarkan pada fungsi diskriminan yang dibuat berdasarkan data observasi/sampel.

Data yang digunakan dalam analisis ini (untuk membentuk fungsi) terdiri satu variabel tak bebas yang berskala nominal (katagorik) dan beberapa variabel bebas yang berskala interval atau rasio (numerik).

Misal: Terdapat 2 buah variabel tak bebas yaitu Y 1 dan Y 2, sedang variabel bebasnya ada 6 buah yaitu X 1, X 2, X 3, X 4, X 5 dan X 6. Variabel Y 1 dan Y 2 skalanya memenuhi syarat, demikian juga X 1, X 2, X 3, dan X 4, sedangkan variabel X 5 dan X 6 ternyata tidak memenuhi syarat karena datanya berskala nominal (katagorik).

Berdasarkan uraian di atas diputuskan bahwa ada 2 analisis diskriminan yang dapat dilakukan adalah : • Y 1 terhadap X 1, X 2, X 3, X 4, • Y 2 terhadap X 1, X 2, X 3, X 4.

Dalam metoda statistik multivariate ada 2 jenis analisis diskriminan yang dapat dilakukan yaitu: • Metoda Stepwise • Metoda Simultan (Non Stepwise)

Dalam metoda Stepwise, variabel X yang signifikan dalam menentukan kelompok dipilih secara otomatis. Artinya variabel-variabel X yang tidak signifikan langsung dikeluarkan dan tidak dimunculkan dalam fungsi. Sehingga metoda ini mengabaikan pengaruh variabel X secara substansi (dalam bidang bisnis) terhadap variabel Y.

Pada metoda simultan, semua variabel X ditampilkan apa adanya baik yang secara statistik signifikan atau tidak. Pertimbangan dalam mengeluarkan variabel dari fungsi didasarkan pada substansi (ilmu bisnis) dan statistik. Namun dalam praktek aspek substansi ini umumnya lebih sering digunakan, meskipun secara statistik tidak signifikan.

Pengolahan data analisis diskriminan ini tidak mungkin dilakukan dengan manual karena ada proses penghitungan matematis yang sangat rumit dan memakan waktu yang sangat lama. Pengolahan datanya dilakukan dengan paket program SPSS. Program SPSS telah mengakomodasikan berbagai statistik yang diperlukan dalam analisis diskriminan ini.

Langkah-langkah dalam analisis 1. Menguji apakah pengelompokan yang telah ada (yang telah terbentuk) memang benar-benar berbeda, apabila ditinjau dari variabel-variabel X. Pengujiannya digunakan statistik Wilks Lambda. Apabila ternyata pengelompokkanya tidak berbeda maka analisis diskriminan tidak dapat dilakukan, karena pada dasarnya kelompok-kelompok yang telah terbentuk tersebut tidak berbeda (sama).

2. Apabila hasil pengujian di atas menyatakan ada perbedaan antar kelompok yang ada, maka analisis diskriminan dapat dilanjutkan dengan pembentukan fungsi diskriminan. Berdasarkan fungsi ini dapat diperoleh variabel-variabel X yang signifikan berpengaruh dalam mencirikan suatu kelompok tertentu. Mengingat pengelompokan baik untuk Y 1 maupun Y 2 masing-masing terdiri dari 5 kriteria, maka akan diperoleh 4 fungsi diskriminan untuk pengelompokkan dengan Y 1 dan 4 fungsi diskriminan untuk pengelompokkan dengan Y 2.

3. Setelah fungsi diskriminan diperoleh, selanjutnya berdasarkan fungsi tersebut kita klasifikasikan kembali sampel-sampel yang kita punyai. Dari sini dapat diketahui berapa sampel yang terklasifikasi secara tepat dan berapa sampel yang salah pengklasifikasiannya (misclassification). Pengujian tentang ketepatan pengelompokkan dapat dilakukan dengan menggunakan statistik uji:

dimana 0. 2 adalah proporsi dari kelompok yang ada (disini ada 5 kelompok) N = banyaknya sampel p = proporsi data yang terklasifikasi dengan tepat Bandingkan hasilnya dengan t-tabel dengan derajat bebas N-1. Klasifikasi dianggap cukup baik bila t-test > t-tabel

4. Fungsi diskriminan yang telah diperoleh, selanjutnya dapat digunakan untuk mengklasifikasikan (mengevaluasi) observasi baru ke dalam kelas tertentu.

Pengelompokkan berdasar pada Y 1 1 Metode Simultan Berdasarkan data yang ada, ternyata pengujian tentang perbedaan antara rata-rata kelompok untuk setiap variabel bebas (X) diperoleh hasil bahwa perbedaan kelompok hanya terlihat pada variabel X 2 (Firm Revenue). Ini terlihat pada tabel berikut bagian Test of Equality of Group Means. Hasil ini sebenarnya kurang mendukung untuk pembentukan fungsi diskriminan dari Y 1 berdasarkan variabel X 1, X 2, X 3, dan X 4, karena tidak terjadi perbedaan antar kelompok yang signifikan.

Apabila tetap dipaksakan dibentuk fungsi diskriminant berdasarkan variabel-variabel tersebut, maka hasilnya kurang dapat dipertanggungjawabkan secara statistik. Kondisi ini juga terlihat dari hasil pengelompokkan berdasarkan fungsi diskriminan yang dibentuk. Hasil pengelompokkan menunjukkan bahwa hanya 43. 3 % saja yang terklasifikasi dengan benar. Dengan kata lain dengan menggunakan fungsi diskriminan yang dibentuk berdasarkan kondisi yang sebenarnya, akan terjadi misklasifikasi sebesar 56. 7 %. Hasil ini akan sangat jelek apabila tetap dipertahankan. Angka tersebut dapat dilihat pada tabel bagian Classification Results.

Apabila tetap dipaksakan dibentuk fungsi diskriminant berdasarkan variabel-variabel tersebut, maka hasilnya kurang dapat dipertanggungjawabkan secara statistik. Kondisi ini juga terlihat dari hasil pengelompokkan berdasarkan fungsi diskriminan yang dibentuk. Hasil pengelompokkan menunjukkan bahwa hanya 43. 3 % saja yang terklasifikasi dengan benar. Dengan kata lain dengan menggunakan fungsi diskriminan yang dibentuk berdasarkan kondisi yang sebenarnya, akan terjadi misklasifikasi sebesar 56. 7 %. Hasil ini akan sangat jelek apabila tetap dipertahankan. Angka tersebut dapat dilihat pada tabel bagian Classification Results.

Metode Stepwise Apabila penurunan fungsi diskriminan menggunakan metode stepwise, hasilnya juga akan memperlihatkan bahwa tidak ada satu variabel bebas pun yang cukup kualified untuk digunakan dalam analisis. Ini dapat dilihat pada bagian Variables Entered/Removed.

• Pengelompokkan Y 2 berdasarkan X 1, X 2, X 3, dan X 4. Metode Simultan Pengujian tentang perbedaan antar rata-rata kelompok untuk setiap variabel bebas X diperoleh hasil bahwa pada taraf signifikansi 5 %, pada variabel-variabel bebas X 1, X 3, dan X 4 menunjukkan adanya perbedaan yang cukup nyata di antara kelompok-kelompok yang ada (pada variabel tak bebas Y) (tabel bagian Test of Equality of Group Means). Hasil ini cukup mendukung untuk pembentukan fungsi diskriminan

Fungsi diskriminan yang akan terbentuk ada sebanyak n-1=5 -1=4 (dimana n adalah banyaknya kelompok pada variabel tak bebas). Berdasarkan hasil pengolahan dengan SPSS diperoleh fungsi diskriminan sebagai berikut: (bagian Standardized Canonical Discriminant Function Coefficients)

y 1 = 0. 600 X 1 + 0. 052 X 2 - 0. 648 X 3 + 0. 797 X 4 y 2 = -0. 696 X 1 - 0. 348 X 2 + 0. 399 X 3 + 0. 652 X 4 y 3 = 0. 459 X 1 - 0. 594 X 2 + 0. 690 X 3 - 0. 154 X 4 y 4 = 0. 153 X 1 + 0. 767 X 2 + 0. 412 X 3 + 0. 113 X 4

Berdasarkan hasil pengujian untuk tiap fungsi diskriminant kanonik, untuk fungsi yang pertama menunjukkan hasil yang signifikan pada taraf signifikansi 5 % dan fungsi pertama tersebut dapat menghimpun 92. 4 % dari keragaman data dalam variabel tak bebas (Y). (lihat tabel pada bagian Summary of Canonical Discriminant Function).

Summary of Canonical Discriminant Functions

Dari hasil pengelompokkan diketahui bahwa 71. 7 % data terklasifikasi dengan benar, atau dengan kata lain terjadi mis klasifikasi sebesar 28. 3 %. Hasil pengujian tentang ketepatan pengelompokkan adalah Nilai t-test di atas akan > t-tabel. Ini menunjukkan bahwa fungsi diskriminan dapat menerangkan cukup bagus. Hasil selengkapnya mengenai pengelompokkan data berdasarkan fungsi diskriminan yang ada dapat dilihat pada lampiran 3 bagian Classification subbagian casewise statistics.

Metode Stepwise Berbeda dengan metode simultan, hasil yang diperoleh dengan metode stepwise menunjukkan bahwa variabel-variabel bebas yang signifikan mempengaruhi variabel tak bebas hanya ada 3, yaitu X 1, X 3, dan X 4. Sehingga hanya variabel-variabel tersebut yang digunakan dalam pembentukan fungsi diskriminan.

y 1 = 0. 595 X 1 – 0. 635 X 3 + 0. 799 X 4 y 2 = -0. 744 X 1 + 0. 279 X 3 + 0. 677 X 4 y 3 = 0. 399 X 1 0. 823 X 3 + 0. 001 X 4

Berdasarkan fungsi diskriminan tersebut diketahui bahwa 70. 0 % data/observasi dapat terklasifikasi secara tepat. (tabel bagian classification results).

Hasil ini menunjukkan bahwa fungsi diskriminan yang dibentuk dapat menggambarkan pengelompokkan data secara cukup baik. Dengan cara yang sama dengan menggunakan metode simultan, selanjutnya fungsi diskriminan yang dihasilkan dengan metode ini dapat digunakan untuk mengelompokkan inidividu-individu baru ke dalam kelompok tertentu.

KORELASI CANONICAL

Cluster Analysis