Junaidi FE-UNJA

Renungan Gempa Sumbar dan Kerinci

Junaidi — Mon, 05 Oct 2009 17:26:04 +0000

Musibah kembali melanda bangsa kita. Setelah Tsunami Aceh, Gempa Yogya, Gempa Tasikmalaya, sekarang Gempa Sumbar dan Kerinci.

Ribuan terluka parah, ratusan nyawa menjadi korban dalam musibah kali ini, dan masih banyak lagi yang belum diketahui nasibnya, apakah sudah meninggal atau masih hidup, tertimbun tanah dan bangunan atau hilang tanpa dapat dihubungi.

Puluhan ribu rumah hancur, ratusan ribu keluarga mengalami trauma, dan ratusan ribu perantau mengalami kepanikan luar biasa karena tidak dapat berkomunikasi dengan keluarga di kampung (terutama pada hari pertama dan kedua setelah gempa).

Ditengah huru-hara musibah ini, berbagai komentar baik secara lisan maupun tertulis (di media cetak, elektronik maupun di internet) bersiliweran mengkaitkan musibah gempa ini sebagai bagian dari hukuman Tuhan terhadap umatnya. Diantara komentar tersebut adalah:

“Tuhan menyuruh bangunan rumah untuk bersujud, karena penghuni rumahnya tidak mau bersujud”, ini dikotbahkan oleh khotib pada saat shalat Jum’at (hari ketiga setelah Gempa), bahkan di salah satu mesjid di desa yang terkena gempa.
Gempa Sumbar terjadi hari Rabu pukul 17.16. Ini kemudian dikaitkan dengan Surat 17 ayat 16 dalam Al Qur’an yang artinya: “Dan jika Kami hendak membinasakan suatu negeri, maka Kami perintahkan kepada orang-orang yang hidup mewah di negeri itu (supaya menta’ati Allah) tetapi mereka melakukan kedurhakaan dalam negeri itu, maka sudah sepantasnya berlaku terhadapnya perkataan (ketentuan Kami), kemudian Kami hancurkan negeri itu sehancur-hancurnya. Komentar ini banyak bermunculan di internet dalam berbagai medianya”.
“Di Kota Padang sudah banyak terjadi kemaksiatan, tidak seperti dulu lagi. Maka Tuhan memberikan hukuman/peringatan dalam bentuk gempa”. Ini banyak muncul dalam pernyataan lisan sehari-hari dalam masyarakat kita.
Dan banyak lagi komentar senada yang muncul.

Subhanallah. Begitu tidak berperasaannya kita. Ketika masih belum kering air mata banyak orang menangisi keluarganya yang meninggal. Ketika masih banyak orang tua yang menunggu di reruntuhan bangunan dan berharap agar anaknya yang tertimbun tidak terhunjam oleh mata kait alat berat yang mengangkat runtuhan bangunan tersebut. Ketika kepanikan dan trauma masih melanda sebagian besar masyarakat Sumbar dan Kerinci, sehingga tidak berani tidur di dalam rumah, dan terpaksa tidur menahan dingin malam dengan tenda seadanya. Begitu teganya kita mencap hal tersebut sebagai akibat mereka tidak bersujud kepada Allah, sebagai akibat mereka melakukan kedurhakaan dan sebagai akibat kemaksiatan yang terjadi.

Saudara-saudaraku. Kalaupun itu benar adanya, bersediakah Anda menahan diri untuk tidak mengungkapkan komentar-komentar tersebut? Karena akan sangat sakit terasa bagi mereka yang menjadi korban.

Saudara-saudaraku. Alangkah baiknya jika yang kita lakukan saat ini adalah berdoa bersama-sama. Demi kesembuhan bagi mereka menderita sakit. Demi kelapangan bagi mereka yang telah mendahului kita. Demi ketabahan bagi keluarga yang ditinggalkan. Demi tidak ada lagi musibah-musibah yang menyesakkan dada ini.

Saudara-saudaraku. Alangkah baiknya, jika kita punya waktu, untuk berkunjung ke lokasi gempa. Mencoba menguatkan hati dan memberikan kesabaran pada mereka yang menjadi korban gempa.

Insya Allah, ini lebih bermanfaat bagi mereka dan tidak terasa menyakitkan.

Posted in Opini & Renungan Tagged: gempa, kerinci, sumbar

Mengedit Output Piramida Penduduk dari SPSS

Junaidi — Fri, 12 Jun 2009 19:36:31 +0000

Pada tulisan sebelumnya, kita sudah membahas cara membuat piramida penduduk dengan SPSS. (Unuk memahami tulisan ini, lihat tulisan sebelumnya). Baca juga tulisan ini

Pada tulisan kali ini, kita akan membahas cara mengedit tampilan piramida penduduk dari SPSS. Hal ini diperlukan karena terkadang seting dan tampilan output piramida penduduk yang dihasilkan tidak sesuai dengan yang diinginkan. (tetapi tergantung dari setingan SPSS nya, sering juga tampilan outputnya sudah memadai sehingga tidak perlu diedit lagi)

Salah satu contoh output piramida penduduk dari SPSS yang kurang menarik tersebut sebagai berikut:

Tentunya tampilan diatas kurang menarik untuk disajikan. Oleh karenanya, pada latihan kali ini kita akan mencoba membuat beberapa perubahan untuk mempercantik tampilan tersebut. Fokus pembahasan kali ini adalah membuat batang grafik menjadi tersambung satu sama lainnya (sebagaimana umumnya piramida penduduk), serta merubah warna dari batang grafik tersebut.

Untuk kepentingan ini, pertama-tama, kita munculkan terlebih dahulu Chart Editor dari SPSS. Caranya, klik double pada bidang output grafik ( di daerah kosongnya), maka akan muncul menu window Chart Editor dengan pilihan-pilihan yang bisa digunakan untuk mempercantik grafik.

Klik satu kali pada salah satu bar (batang) dari piramida tersebut, sehingga akan menjadi seperti berikut:

Perhatikan, kalau caranya pas, maka setiap batang grafik akan dilingkari garis berwarna hijau.

Selanjutnya klik Edit > Properties. Akan muncul tampilan Properties, dan selanjutnya klik Bar Options. Lihat tampilan dibawah ini:

Perhatikan pada tampilan diatas. Width Bars dalam posisi 10%. Jika kita tambah lebar persentase tersebut, maka batang piramida penduduk kita juga akan menjadi semakin lebar. Agar batang piramida saling bersambung, jadikan width bars 100%, dengan cara mengetikkan angka 100 pada kotak 10 dari tampilan diatas. Setelah itu klik Apply.

Dengan cara ini, output piramida akan menjadi sebagai berikut:

Meskipun batang piramida sudah tersambung, output ini juga masih kurang menarik. Sekarang kita lanjutkan editing untuk merubah warna dari batang piramida penduduk. Kita akan membuat warna berbeda antara laki-laki dan perempuan.

Caranya adalah:

Klik menu Fill & Border, akan muncul tampilan berikut:

Klik satu kali batang piramida pada bagian penduduk laki-laki. Kemudian klik Fill dan pilih warna yang tersedia (dalam contoh ini diambil warna merah). Kemudian klik kotak Border dan pilih warna yang tersedia (dalam contoh ini diambil warna hitam). Selanjutnya klik Apply.

Lakukan dengan cara yang sama untuk batang piramida penduduk pada bagian perempuan. (dalam contoh ini kita pilih Fill warna hijau dan border hitam). Setelah itu close dan klik tanda X yang ada disudut kanan atas.

Output piramida penduduk akan menjadi lebih cantik seperti dibawah ini.

Ok, sekian dulu tulisan ini. Selamat berlatih.

Posted in Tip-Trik Tagged: piramida, SPSS

Perbedaan Output Regresi Logit antara Minitab dg SPSS

Junaidi — Sun, 31 May 2009 16:52:35 +0000

Tulisan ini menyambung tulisan sebelumnya yang menjawab pertanyaan salah seorang pengunjung blog ini (Dian). Kali ini kita akan membahas pertanyaan mengenai “ Apa kelebihan olah data logit menggunakan Minitab dibandingkan SPSS”. Agar pembahasan ini bisa dipahami, silakan baca dulu tulisan sebelumnya

Ada beberapa perbedaan output Minitab dengan SPSS, terutama dalam hal jenis-jenis ukuran yang disajikan. Untuk latihan, kita tetap menggunakan contoh data latihan dari tulisan sebelumnya tersebut yang diolah dengan Minitab dan SPSS. Selanjutnya, pada bagian ini hanya akan ditampilkan sebagian output yang terpenting saja sebagai berikut:

Perbedaan Output Model Regresi

Perbedaan Output Ukuran Asosiasi

Minitab menampilkan output ukuran asosiasi (antara variabel respons/terikat dan probabilita prediksinya) serta ringkasan dari ukuran-ukuran tersebut dalam bentuk ukuran Somers’ D, Goodman-Kruskal Gamma dan Kendall’s Tau-a. Sebaliknya, SPSS hanya menampilkan tabel klasifikasi yang memperlihatkan keterkaitan antara observasi dan prediksinya.

Untuk ukuran asosiasi dalam Minitab sudah dibahas pada tulisan sebelumnya. Sekarang kita bahas sekilas mengenai tabel klasifikasi SPSS diatas.

Cara membacanya adalah: observasi Y bernilai 0 dan diprediksi 0 (berdasarkan model), sebanyak 5 observasi. Observasi Y yang bernilai 0 tetapi diprediksi 1 sebanyak 1 observasi. Observasi Y yang bernilai 1 tetapi diprediksi 0 sebanyak 2 dan diprediksi bernilai 1 sebanyak 7.

Ada enam observasi yang bernilai 0, tetapi hanya lima diantaranya yang diprediksi bernilai 0. Sehingga persentase benarnya adalah 5/6 = 83.3 persen. Ada sembilan observasi yang bernilai 1, tetapi hanya tujuh diantaranya yang diprediksi bernilai 1, sehingga persentase benarnya adalah 7/9=77.8 persen.

Jumlah prediksi yang benar adalah 5 + 7 = 12, sehingga persentase benar secara keseluruhan adalah 12/15= 80 persen.

Catatan: Cara mencari prediksi sama seperti tulisan sebelumnya. Selanjutnya dibawah tabel adalah tulisan The cut value is 0.500. Ini menunjukkan bahwa jika nilai prediksi dibawah 0,5 dianggap sama dengan 0, tetapi jika diatas 0,500 dianggap sama dengan 1. Cut Value ini bisa diganti-ganti dalam pilihan SPSS.

Perbedan Ukuran-Ukuran Lainnya

Ukuran-ukuran lainnya yang ditampilkan SPSS adalahChi-Square, Chi-Square Hosmer and Lemeshow (option), Cox & Snell R Square dan Nagelkerke R Square. Sedangkan Minitab menampilkan output Chi-Square Pearson, Chi-Square Deviance dan Chi-Square Hosmer and Lemeshow

Posted in Tip-Trik Tagged: ekonometrik, logit, minitab, regresi, SPSS, statistik

Perhitungan Somers’ D, Goodman-Kruskal Gamma, Kendall’s Tau-a Pada Regresi Logit

Junaidi — Sun, 31 May 2009 12:50:35 +0000

Seorang pengunjung blog ini (Dian) bertanya sebagai berikut:

Salam.
Pak,saya sedang olah data menggunakan logit. Hasil yang saya peroleh nilai somers’d, goodman-kruskal gamma, dan kendall’s tau-a masing-masing adalah 0.83, 0.84, & 0.30

Pertanyaannya:
1. Apa nilai-nilai tersebut sudah bisa mengatakan bahwa model saya bagus Pak? Nilai Somers’d dan goodmn-kruskal gamma memang mendekati angka1, namun nilai kendall’s tau-a jauh dari 1..
2. Sebenarnya maksud dari nilai-nilai tersebut sebagai ringkasan asosiasi tabel concordant&discordant itu apa ya Pak? Apa interpretasi untuk masing-masing nilai (somer’s D,goodmn-krskl gamma,&kendall’s tau-a).
3. Apakah ada indikator atau batasan nilai yang pasti untuk somers’d,goodman-kruskal gamma,&kendall’s tau-a, jika dikatakan daya prediksi model bagus dan tidak bagus?soalnya dari penjelasan hanya dikatakan semakin mendekati 1 berarti semakin baik..jadi tidak ada batas bawahnya yang pasti.
4. Apa kelebihan olah data logit menggunakan minitab dibandingkan dengan spss?

Wuih. Pertanyaannya banyak sekali. Tapi ndak apa-apa. Saya senang karena hal tersebut juga menunjukkan adanya respons yang baik terhadap tulisan-tulisan dalam blog ini.

Baiklah, untuk pertanyaan 1 – 3 akan dijawab dalam tulisan ini. Pertanyaan keempat akan dijawab pada tulisan berikutnya (biar tidak terlalu panjang postingannya)

Ketika kita menggunakan regresi logit pada Minitab, salah satu output yang didapatkan adalah ukuran asosiasi antara variabel respons (variabel terikat) dengan probabilita prediksi dari variabel respons tersebut. Ukuran-ukuran tersebut adalah ringkasan dari tabel concordant, discordant, ties, yaitu Somer’s D, Goodman-Kruskal Gamma, Kendall’s Tau-a.

Apa makna dari masing-masing ukuran tersebut dan bagaimana menghitungnya ?

Untuk memperjelasnya, mari kita lihat contoh berikut:

Misalnya, kita ingin meregresikan umur (X) terhadap keputusan membeli mobil (Y). Umur dalam satuan tahun dan keputusan membeli mobil dalam bentuk variabel dummy ( 1 = membeli mobil, 0 = tidak membeli mobil). Misalnya kita punya data sebanyak 15 responden sebagai berikut:

Output minitab untuk regresi binary logitnya sebagai berikut: (agar lebih fokus, hanya ditampilkan bagian yang akan dibahas. Untuk mengetahui prosedur penggunaan minitab silakan lihat tulisan sebelum ini)

Dari output tersebut, kita dapatkan persamaan regresi logistiknya sebagai berikut:

(Catatan: hati-hati menginterpretasikan persamaan ini. Lihat tulisan disini mengenai interpretasi tersebut)

Dimana P(xi) adalah peluang membeli mobil dan 1-P(xi) adalah peluang tidak membeli mobil.

Oleh karenanya, ln [P(x_i)/1-P(x_i)] secara sederhana merupakan log dari perbandingan antara peluang membeli mobil dengan peluang tidak membeli mobil. Oleh karenanya juga, koefisien dalam persamaan (0.18648) ini menunjukkan pengaruh dari umur terhadap peluang relative individu membeli mobil yang dibandingkan dengan peluang tidak membeli mobil.

Sekarang kita lihat bagian output Measures of Association, yang mengukur asosiasi/hubungan antara variabel response (variabel terikat) dengan prediksi probabilita dari variabel terikat tersebut.

Pertama-tama, kita lihat dulu pengertian Concordant, Discordant dan Ties dari output tersebut.

Secara definisi: suatu pasangan observasi adalah concordant jika observasi dengan nilai respons (variabel terikat) 1 mempunyai prediksi probabilita (berdasarkan model) yang lebih tinggi dibandingkan dengan nilai respons 0. Sebaliknya suatu pasangan observasi adalah discordant jika observasi dengan nilai respons 1 mempunyai prediksi probabilita yang lebih rendah dibandingkan dengan nilai respons 0. Selanjutnya, suatu pasangan adalah ties jika observasi dengan nilai respons 1 mempunyai prediksi probabilita yang sama dengan nilai respons 0.

Bingung dengan definisi tersebut ? Mari kita hitung secara manual dan bertahap untuk mempermudahnya. Lihat tabel dibawah ini:

Kolom (1) adalah nilai Y, kolom (2) adalah nilai X.

Kolom (3) adalah prediksi probabilita dari masing-masing observasi kita. Bagaimana cara menghitungnya ? Masukkan masing-masing nilai X (umur) dalam persamaan regresi logistik diatas. Misalnya untuk umur 60 (baris pertama), nilai g(x) = -6.386 + 0.18648(60) = 4.7978. Demikian seterusnya

Kolom (4) adalah rangking untuk g(x), dengan nilai terendah diberik ranking 1, dstnya.

Kolom (5) adalah nilai concordant. Untuk menghitungnya, bandingkan ranking g(x) pada observasi dengan nilai respons= 1 terhadap observasi dengan nilai respons=0, dan hitung berapa banyak ranking g(x) untuk observasi respons=0 yang lebih rendah dibandingkan observasi respons=1.

Misalnya untuk baris pertama, ranking g(x)=15. Ternyata seluruh observasi dengan respons=0 (ada 6 observasi) memiliki ranking lebih kecil dari 15. Sehingga pada baris pertama ini concordantnya = 6.

Misalnya untuk baris keempat, ranking g(x)=4. Sekarang perhatikan ranking g(x) untuk observasi dengan respons=0. Ada tiga ranking yang berada dibawah ranking 4, yaitu 1, 1, dan 3. Dengan demikian concordant pada baris keempat ini adalah 3. Demikian seterusnya.

Kolom (6) adalah nilai discordant. Cara menghitungnya adalah kebalikan dari concordant. Dalam hal ini yang dicari adalah ranking yang lebih besar. Misalnya pada baris kesembilan, ranking g(x) = 6. Perhatikan ranking g(x) untuk respons=1. Ada dua ranking yang lebih besar dari 6 yaitu 7 dan 8. Sehingga discordant pada baris kesembilan ini adalah 2.

Kolom (7) adalah nilai ties. Cara menghitungnya dengan mencari ranking yang sama antara respons =1 dan respons=0. Perhatikan pada baris keempat, ranking g(x) = 4. Pada respons=0 juga terdapat satu ranking yang bernilai 4, sehingga ties pada baris keempat ini adalah 1.

Concordant, Discordant dan Ties ini kemudian dijumlahkan untuk menghitung Somer’s D, Goodman-Kruskal Gamma, Kendall’s Tau-a.

Rumus masing-masingnya sebagai berikut:

Somers’ D = (nc – nd) / (nc + nd + nt)

Goodman-Kruskal Gamma = (nc – nd) / (nc + nd)

Kendalls Tau-a = (nc – nd) / (0.5 x N x (N-1))

dimana

nc = jumlah concordant

nd = jumlah discordant

nt = jumlah ties

N = banyaknya observasi

Dari tabel perhitungan tadi, maka nilai masing-masingnya adalah sebagai berikut:

Somers D = (49 – 4) / (49 + 4 + 1) = 0,83

Goodman-Kruskal Gamma = (49 – 4) / (49 + 4) = 0,85

Kendalls Tau-a = (49 – 4) / (0.5 x 15 x (15-1)) = 0,43.

Beberapa catatan penting dari ketiga pengukuran ini adalah:

Somers’ D memperhitungkan ties dalam faktor pembaginya sedangkan Goodman-Kruskal Gamma mengabaikan (tidak mengikutkan dalam perhitungan) nilai ties ini. Sehingga ketika ada ties, nilai Somers’D akan lebih kecil dibandingkan Goodman-Kruskal Gamma. Tetapi ketika tidak ada ties, nilai Somers’ D akan sama dengan Goodman-Kruskal Gamma.

Oleh karenanya, jika data kita memiliki banyak ties, ukuran yang lebih cermat adalah menggunakan Somers D.

Berbeda dengan dua pengukuran lainnya, Kendalls Tau-a, menggunakan jumlah observasi sebagai faktor pembagi. Berdasarkan rumus tersebut, semakin banyak observasi maka akansemakin kecil nilai Kendalls Tau-a (dengan asumsi proporsi concordant, discordant dan ties tidak berubah). Oleh karenanya, penggunaan Kendalls Tau-a ini menurut saya lebih tepat digunakan pada sampel kecil.

Lalu bagaimana kita menginterpretasi nilai-nilai yang diperoleh ?

Sebagaimana jenis pengukuran asosiasi/korelasi lainnya, tidak ada patokan baku untuk menyatakan suatu nilai asosiasi/korelasi memiliki hubungan yang kuat (atau mungkin saya belum ketemu referensinya ya). Patokannya hanya, semakin mendekati 1 maka akan semakin kuat hubungan yang diuji.

Ada juga yang menyatakan kalau angkanya diatas 0,5 maka dianggap hubungannya sudah kuat (karena kalau rentang 0 – 1 kita bagi dua, jika lebih setengah dianggap sudah mendekati 1).

Ada juga yang menyatakan kalau angkanya diatas 0,7 baru dianggap hubungannya kuat. Dengan dalih, kalau korelasi tersebut dikuadratkan, maka akan mendapatkan koefisien determinasi diatas 0,5.

Kalau menurut saya, untuk menginterpretasikan kuat atau lemahnya suatu angka asosiasi/korelasi sangat bersifat kasuistis. Tergantung pada kasus yang akan diuji hubungannya tersebut. Ini pendapat saya lho. Silakan cari referensi yang mungkin lebih mendukung.

Salam. Kita sambung pada tulisan berikutnya.

Posted in Tip-Trik Tagged: ekonometrik, logit, minitab, regresi, statistik

Bagian 3: Diskusi Kecil ttg Tulisan dlm Blog Ini

Junaidi — Sun, 17 May 2009 11:41:26 +0000

Postingan ini merupakan bagian ketiga dari dua postingan sebelumnya yang merangkum diskusi kecil mengenai tulisan dalam blog ini. Silakan lihat bagian 1 dan bagian 2. Lihat juga tulisan mengenai “Mengapa Saya Nge-Blog ?”

2 Responses to “Prospek Mobilitas Penduduk di Era Otonomi Daerah”

Sdrmn, di/pada Juni 25th, 2008 pada 3:17 am

Keren juga pak, saya mau copy pak ya..trimakasih

Jawab:Ya silakan. Terimakasih kembali
Sugiarto Sumas, di/pada April 20th, 2009 pada 5:56 am

Menarik, Boleh saya copy Pak untuk rujukan di Depnakertrans.

Jawab:Silakan Pak. Bahan ini juga pernah saya sampaikan pada kegiatan Pembekalan Teknis Wawasan Kependudukan bagi Aparatur Pemerintah Kabupaten/Kota dalam Propinsi Jambi

One Response to “Visi Indonesia 2030: Tinjauan Upaya Pencapaian dari Aspek Dinamika Kependudukan”

Angie, di/pada Februari 4th, 2009 pada 2:16 pm

terima kasih atas data-datanya…
artikel ini memudahkan saya untuk menyelesaikan tgs sekolah.

One Response to “Kajian Teoritis Mengenai Ketimpangan Gender”

Hertomo Heroe, di/pada Januari 24th, 2009 pada 4:48 pm

Assalamualaikum wr.wb
yth. Pak junaidi,

saya menaruh penghargaan kepada bapak atas perhatian Bapak terhadap isu gender dikaitkan dengan kebijakan makro ekonomi.
akan sangat memberikan sumbangan pemikiran ttg nilai tambah ekonomi jika peran dan kedudukan perempuan meningkat relatif terhadap laki2

selamat berkarya,
wass,

heroe

One Response to “Model-Model Proyeksi Penduduk”

madie, di/pada Maret 12th, 2009 pada 5:16 am

terima kasih mas….saya kebetulan sedang mencari metode2 proyeksi penduduk buat tugas kuliah teknik sanitasi

One Response to “Bank Syariah: Urgensi, Pengertian dan Prinsip”

hapiz, di/pada September 21st, 2008 pada 5:31 pm

Alhamdulillah, akhirnya FEUI tobat juga. Setelah hari sabtu tanggal 20 september kemarin, berhasil menandatangani MoU dengan Bank Muamalat. FEUI akan segera mendirikan Bank Muamalat di kampus FEUI. sebaik-baiknya pendosa adalah bertobat, FEUI siap menjadi motor untuk perkembangan ekonomi syariah di Indonesia. Allahu Akbar!

One Response to “Aplikasi Model REMI-EDFS dalam Analisis Keterkaitan Variabel Demografi dan Ekonomi serta Proyeksi Penduduk”

nanang, di/pada Maret 23rd, 2009 pada 6:48 am

REMI EDFS apakah suatu sistem informasi? saya lihat di http://www.remi.com ada penawaran produknya.

Bagaimana dengan analisis ekonominya? yang nampak proyeksi penduduk

Tq

Jawab:Model REMI adalah model untuk peramalan dan simulasi makro ekonomi yang memperlihatkan bagaimana pengaruh kebijakan terhadap variabel-variabel ekonomi, demografi dan fiskal suatu daerah. Oleh karenanya, model ini juga dikenal dengan istilah REMI-EDFS (Regional Economic Model Inc. – Economic Demographic Forecasting and Simulation).
Model REMI-EDFS adalah suatu model structural ekonomi-demografi. Model ini mengintegrasikan pendekatan input-output, keseimbangan umum (general equilibrium), ekonometrik dan ekonomi geografi.
Perbedaan mendasar model REMI dengan model I-O adalah bahwa model REMI merupakan model dinamik, sedangkan I-O adalah model statis. Model REMI menggunakan Computable General Equilibrium (CGE) techniques dan estimasi ekonometrik menggunakan data panel time series.
Jadi sebenarnya model memiliki tujuan penggunaan yang luas. Tapi dalam tulisan ini, saya hanya mengambil bagian kecilnya dengan sasaran untuk proyeksi penduduk. Karenanya, analisis ekonominya memang tidak saya bahas.

3 Responses to “Analisis Transfer Pendapatan (Remitan) Migran dari Pulau Jawa di Propinsi Jambi”

Ambo Upe (Olenk), di/pada Desember 27th, 2008 pada 12:34 pm

cukup menarik artikelnya walaupun baca sekilas. Lain kali balik lagi tuk belajar lebih banyak. Soal migran kebutaln saya juga di lembaga penelitian dan advokasi untuk pekerja migran, tepatnya di Institute For Migrant Worker bagian Pengembangan Media, ini media migran yg sedang diolah saat ini http://www.zonamigran.com

Jawab: terima kasih atas kunjungan dan komentarnya. Juga komentar di linkreferral. Kebetulan kalau begitu, kita punya minat yang sama mengenai migrasi. Kalau ada informasi baru bisa saling tukaran.
ishomuzzaman, di/pada Januari 28th, 2009 pada 2:56 pm

makasih atas artikelnya mengenai remitan yang baba tulis semoga dapat berarti besar dalam pembuatan skripsi ku mengenai remitan kaum urban. doakan saya lulus dengan lancar

Jawab: Sama-sama. Semoga skripsinya cepat selesai. Semoga sukses
enthix, di/pada Maret 4th, 2009 pada 2:54 am

saya sangat tertarik dengan artikel yg bapak tulis, saat ini saya sedang mencari bahan-bahan berkaitan dengan remitan untuk skripsi. sejujurnya saya tidak begitu tau tentang remitan, namun berhubung di Gunungkidul menurut berbagai sumber mempunyai remitan yang cukup tinggi, saya tertarik untuk meneliti tentang alokasi remitan untuk kebutuhan rumah tangga. kalau bapak berkenan, saya mohon untuk bersedia berbagi ilmu, terutama saya sangat mengharapkan arahan agar skripsi saya berjalan lancar. Terimakasih.

Jawab:Setahu saya, literatur dan penelitian mengenai remitan yang cukup banyak ada di Pusat Studi Kependudukan UGM. Di sana ada perpustakaannya. Jadi Sdr. bisa datang kesana. Kalau ada yang bisa saya bantu, silakan saja ajukan permasalahannya disini. Mudah-mudahan skripsinya bisa cepat selesai

One Response to “Ketimpangan Gender dlm Pembangunan SDM di Prop.Jambi*”

Dorogoblog, di/pada Maret 7th, 2009 pada 9:12 pm

Butuh perhatian yang lebih tuh…
Jangan sampai masalh Gender masih terus menjadi permasalahan di negara ini.

One Response to “Sekilas Mengenai Saham Syariah dan Jakarta Islamic Index (JII)”

sandy, di/pada April 8th, 2009 pada 10:22 am

gmn caranya bergabung sama JII? duh ga ngerti
padahal mau bgt

Jawab:Untuk mengetahui mengenai JII dan cara terlibat dalam pasar saham JII, silakan klik disini

One Response to “Kebijakan Ketenagakerjaan di Indonesia dalam Kerangka Perlindungan TK dan Perluasan Kes.Kerja”

Adib, di/pada April 4th, 2009 pada 8:29 am

Sangat menarik, bagaimana tanggapan bapak tentang kebijakan pemanfaatan tenaga kerja outsourcing, yang tampaknya merugikan posisi tenaga kerja
Kebijakan tenaga kerja outsourcing hanya merupakan bagian kecil dari arah kebijakan pemerintah kita dalam rangka memperbaiki iklim ketenagakerjaan menuju ke pasar kerja yang lebih fleksibel. Dan kalau kita cermati lebih rinci, bukan hanya kebijakan outsourcing saja (dalam kerangka menuju pasar kerja fleksibel) yang akan berpotensi merugikan posisi dan kesejahteraan tenaga kerja. Ini yang kadang dilupakan orang ketika mengkritisi kebijakan ketenagakerjaan pemerintah.

Jawab:Penerapan pasar kerja fleksibel (didalamnya termasuk outsourcing), sebenarnya memiliki dampak positif baik secara makro maupun mikro (pekerja dan perusahaan). Pertama, sistem kontrak dan outsourcing serta jam kerja dan besaran upah yang dapat disesuaikan dengan fluktuasi permintaan pasar barang/jasa yang diproduksi, akan menciptakan efisiensi produksi dan maksimalisasi keuntungan modal. Kedua, pasar kerja fleksibel akan lebih memeratakan kesempatan kerja. Pekerja tidak terikat pada satu perusahaan dalam jangka waktu lama. Kemudahan berpindah kerja tersebut membuka peluang kesempatan kerja yang lebih besar kepada lebih banyak pencari kerja karena lowongan pekerjaan akan tersedia bagi para pencari kerja. Ketiga, fleksibilitas pasar kerja membuka peluang para pekerja di sektor informal untuk berpindah ke sektor formal.
Tapi, dampak positif tersebut memerlukan berbagai persyaratan yang mendukung fleksibilitas pasar kerja.
Terkait dengan struktur pasar kerja di Indonesia, fakta terpenting yang harus diperhatikan adalah karakteristik pasar kerja yang surplus tenaga kerja, lapangan kerja sektor informal yang sangat besar, banyaknya pekerja berada dalam kondisi setengah menganggur, rendahnya kualitas tenaga kerja. Data tahun 2005 menunjukkan 70,06 persen tenaga kerja berada pada sektor informal, 31,22 persen yang bekerja berada dalam kondisi setengah menganggur, 60,0 persen berpendidikan SD. Hal ini menunjukkan besarnya proporsi pekerja kelompok marjinal, yang berdasarkan pengalaman negara-negara dalam penerapan pasar kerja fleksibel merupakan kelompok yang paling rentan terkena dampak degradasi pasar kerja fleksibel. Selain itu, kita juga memiliki sistem jaminan sosial nasional untuk pekerja-pekerja yang sementara (kalaupun sementara) tidak bekerja karena beralih pekerjaan. Kebijakan pasar tenaga kerja fleksibel hanya dapat diimplementasikan jika telah terdapat pemerataan jaminan sosial bagi warga negara.
Jadi, pendapat saya untuk sementara sebaiknya kita benahi dulu pasar kerja kita baru kemudian menerapkan kebijakan pasar kerja fleksibel.

1 Responses to “Subsidi BBM”

wapannuri, di/pada Juli 31st, 2008 pada 5:17 am

hm….menarik sekali pembahasan subsidi BBM ini…dan makin hangat juga ! ha…ha..ha…ada satu hal yang menarik, yaitu sudut pandang dari balik layar. Saya baru saja membaca suatu buku yang berjudul Conffessions of an economic hitman karangan jhon perkins. Dan masalah ini diungkap oleh pak jhon…jika ada waktu bisa membaca buku yang bakalan mengubah sudut pandang bapak. mengenai resume-nya bisa anda lihat di website saya. Terima kasih ! salam sejahtera

One Response to “Telur Diganti Telur”

johannessimatupang, di/pada Desember 28th, 2008 pada 9:04 am

Begitulah yang maha kuasa bekerja. Kala kita hanya melihat peristiwa telur diganti telur, Dia ingin menunjukkan kepada kita bahwasanya Dia mengetahui jauh lebih dalam apa yang layak untuk kita.

Jawab: Saya setuju Pak Joh. Seringkali kita lupa bahwa Dia lebih tahu apa yang layak untuk kita, sehingga kita begitu cemas dan takutnya menghadapi berbagai persoalan dunia. (Junaidi)

3 Responses to “Seorang Perempuan Berjilbab Tertangkap Mencopet”

realylife, di/pada Juni 15th, 2008 pada 12:24 pm

Ya Allah , jangan biarkan banyak orang menodai agama ini , Amin

Jawab:Amin.
ighel, di/pada Juli 2nd, 2008 pada 4:49 am

mungkin maksud ibu itu napa sdh pake jilbab jadi copet….
kan aneh.., jilbab adalah lambang kesucian, kebersihan, keindahan, tapi kalo ada yang pake jilbab masih mau mencopet, msih mau peluk2an, pegangan tangan,
jdai menurut saya ibu itu tidak salah….
hanya perempuan pencopet yg berjilbab saja yang gak bener…
klo berjilbab jaga perilaku donk….
jangan untuk menutpi sifatnya yang gak baik…

dasar zaman canggih…..
nilai2 kebaikan digunakn untuk melakukan cara-cara tidak baik..

Jawab:Yap. Saya setuju bahwa jilbab sebagai lambang kesucian,kebersihan dan keindahan. Mudah-mudahan si ibu tadi memang tidak bermaksud untuk mencemarkan agamanya sendiri, dan pernyataannya hanya sebagai respons seketika saja.
Tapi seringkali, pernyataan-pernyataan yang senada dengan itu, menyebabkan banyak perempuan muslim yang takut pakai jilbab. Kalau ditanya kenapa belum pakai jilbab, seringkali jawaban yang kita dengar, “nantilah, saya belum sanggup menjaga perilaku saya”. Padahal, bukankah menurut aurat suatu kewajiban ? Sebagai suatu kewajiban, tentunya tidak harus menunggu berperilaku baik terlebih dahulu. (Junaidi)
hardiani, di/pada September 8th, 2008 pada 3:02 pm

yah, saya juga sependapat, bahwa banyak teman kita yang seiman baik laki-laki maupun perempuan masih beranggapan bahwa perempuan yang mengenakan jilbab hanya untuk menutupi kebusukan perempuan tersebut, sehingga ketika mereka yang berjilbab melakukan kekhilafan, apakah itu berupa perbuatan ataupun perkataan, yang disinggungnya adalah jilbab yang dipakai. Padahal perempuan yang memakai jilbab bertujuan untuk menutup aurat yang merupakan kewajiban agamanya.
Oleh karenanya perlu diberikan penjelasan bagi mereka yang kurang tau batasan aurat bagi perempuan dan masih berfikiran negatif terhadap perempuan yang pakai jilbab.

Jawab: Ya benar bu Dian. Terimakasih tanggapannya (Junaidi)

3 Responses to “Handphone dan Komunikasi dengan Tuhan”

mmi, di/pada Juli 22nd, 2008 pada 6:30 am

iya harus intropeksi diri

karena virus HP sangat cepat menyebar
indra yonni, di/pada Juli 24th, 2008 pada 8:18 am

………
ratna, di/pada Maret 23rd, 2009 pada 9:28 am

benar-benar jadi renungan saya pak…
boleh saya publish di facebook?
agar bisa jadi renungan untuk yang lain juga….
terima kasih sebelumnya…

Jawab:Silakan di publish Mbak Tiwi. Saya senang-senang saja. Ini memang saya tulis untuk mengingatkan diri saya sendiri. Mudah-mudahan juga bisa mengingatkan orang lain

5 Responses to “Delapan Kebohongan Seorang Ibu”

dediivandi, di/pada Juli 8th, 2008 pada 10:35 am

saya membaca artikel mas, saya sangat tersentuh hati saya, artikel ini membuat saya lebih mengerti akan pengorbanan seorang ibu…

Jawab:Alhamdulillah. Semoga kita sama-sama dapat memetik hikmahnya.
aRuL, di/pada Juli 8th, 2008 pada 6:35 pm

subhanallah
eddymesakh, di/pada Juli 8th, 2008 pada 7:21 pm

Ibuuuuu….. I Love You so much…!!!
ANgga, di/pada Juli 9th, 2008 pada 1:33 pm

ibu,,,,ja tebja lubju,,!!,,ich liebe dich,!
priyotenanan, di/pada September 10th, 2008 pada 4:02 pm

IBUku pahlawanku yang sejati

2 Responses to “Lagi, Larangan Berjilbab. Kemana Dikau Pejuang Gender dan HAM?”

alfi, di/pada Desember 8th, 2008 pada 1:57 pm

hidup islam
jeprie, di/pada Januari 20th, 2009 pada 7:19 am

Islam sama HAM sebetulnya ga ada hubungannya. Masing-masing punya ide dasar sendiri. Jadi jangan harap pejuang HAM bakal berjuang buat Islam, mereka paling berjuang buat alasan kemanusiaan aja. Bedanya sama Islam, standar baik buruk mereka akal, bukan syariah.

One Response to “Suatu Ketika Seorang Manusia diberi …….”

Jefry Austin, di/pada Januari 16th, 2009 pada 6:51 am

Saya telah membaca karya kamu. semua bagus. Tampaknya kita memiliki aliran dan semangat tulis yang mirip. Oleh karena itu saya ingin agar kita saling berkunjung blog.

Kami akan menyajikan mater-materi kami untuk menyambut anda. kami mengundang anda. Di blog saya selain ada refelksi, juga terdapat banyak hal di sana. Mari kita saling memperkaya pengetahuan dan pengalaman.

Selamat datang. Kami menunggu anda.

2 Responses to “Mulailah untuk Tidak Berburuk Sangka pada Keadilan Allah”

Wee Fee, di/pada April 7th, 2009 pada 2:05 pm

Masya Allah….. Ya, saya pun sering menganggap Allah tidak adil, tidak bijaksana Mudah-mudahan Allah memberi petunjuk dan peringatan dan mudah-mudahan saya tahu petunjuk dan peringatanNya
aloy, di/pada April 25th, 2009 pada 1:11 pm

Apa yang dialami Bpk Jun sering Kita ( SAYA tertutama ) alami juga. Apa lagi saya yang setiap hari berangkat dari rumah untuk mencari nafkah terkadang menemui berbagai masalah yang Kita sendiri tidak tahu maksudnya….pada saat Kita hadapi masalah tersebut kadang merasa bahwa Allah SWT. tidak adil…padahal setelah masalah tersebut bisa dilewati Saya sering merasa malu…ternyata semua yang terjadi pada Kita itu mempunyai maksud yang baik.

Pada intinya “Tidak ada pekerjaan Allah SWT. yang jelek” semua yang di kehendaki Allah SWT. atas Kita itu baik.

1 Responses to “Jangan Terlalu Cepat Menvonis Virus”

mul14, di/pada Desember 25th, 2008 pada 10:06 pm

Hahaa.. kasian juga pengguna Windows..

Posted in Uncategorized Tagged: Artikel, blog, opini, renungan

Bagian 2: Diskusi Kecil ttg Tulisan dlm Blog Ini

Junaidi — Sun, 17 May 2009 11:08:07 +0000

Berikut bagian kedua dari diskusi kecil mengenai tulisan dalam blog ini. Bagian pertama, silakan klik disini, Bagian ketiga silakan klik disini. Baca juga tulisan mengenai ” Mengapa Saya Nge-Blog ?“

Responses to “Menyusun Distribusi Frekuensi dengan Excel”

farel, di/pada Juli 8th, 2008 pada 4:49 am

sebelumnya makasih atas kesempatan yang diberikan…
begini pak. apakah grafik histogram itu tidak boleh ada space ketika digambar dalam bentuk grafik. dan apakah ada grafik bentuknya linier atau garis lurus gitu..
makasih sebelumnya.

Jawab:Ya, sesuai dengan pengertiannya, histogram merupakan diagram batang yang sisi-sisi berdekatannya berimpit. Artinya, tidak ada celah antara dua batang yang berdekatan. Karenanya, dalam histogram, yang kita masukkan adalah tepi kelas, bukan batas kelas. Misalnya, kalau umur dikelompokkan atas 19 – 24, 25 – 29, maka tepi kelas yang kita masukkan adalah 18.5, 24.5 dan 29.5.
Ya, grafik ada yang linear dan ada yang non-linear. Grafik linear berasal dari persamaan linear yaitu persamaan dengan variabel bebasnya berpangkat 1. Selain yang berpangkat 1, akan menghasilkan grafik non-lineat. Contoh persamaan pangkat 1 adalah Y = 10 + 3X.
arsy, di/pada Nopember 19th, 2008 pada 1:31 am

trims trik’x

5 Responses to “Menentukan Ukuran Sampel dengan EasySample”

Ferdy, di/pada Juli 3rd, 2008 pada 9:19 am

Mo tanya pak, apabila saya ingin mengambil sampel mengenai reject barang di suatu mesin bagaimana caranya?Mungkinkah saya mengambil sampel reject tersebut per satuan waktu yang dapat merepresentasikan keseluruhan reject yang terjadi??Dan berapa replikasi yang saya butuhkan agar validitas data saya tetap terjaga.

Jawab:Pada prinsipnya pengambilan sampel dalam produksi, terkait dengan upaya menjamin kualitas produk. Karenanya, disarankan untuk lebih mendalami konsep-konsep TQM (Total Quality Management), SPC (Statistical Process Control) dan konsep yang agak baru yaitu Six Sigma.
Apakah perlu mengambil sampel per satuan waktu ? Tergantung apakah waktu menentukan variabilitas kualitas produk. Maksudnya, kalau mesin berproduksi dari pagi sampai sore, ada kemungkinan variabilitas produk yang dihasilkan pagi, siang dan sore hari berbeda, maka sampel perlu diambil pada tiga periode waktu tersebut. Kalau tidak, dirandom saja waktu pengambilannya.
Berapa sampel yang harus diambil ? Tergantung dari jumlah produk yang dihasilkan, presisi dari variasi produk yang dianggap diterima dan reject, dan tingkat validitas yang diinginkan.
Kapan pengulangan sampel perlu dilakukan? Tergantung pada kapan umur penggunaan mesin akan mempengaruhi variabilita produk
Nah, setelah mempertimbangkan hal-hal tersebut, kita bisa menggunakan bantuan EasySample dalam perhitungannya.
Jes Putra, di/pada Agustus 28th, 2008 pada 6:33 am

Mau nanya ini pak. Apakah ada ketentuan khusus yang mengatur ukuran sample minimn yang kita ambil untuk penelitian sosial.
Saat ingin menentukan jumlah sample, saya mengunakan sistem yang telah tersedia di http://www.surveysystem.com/sscalc.htm. Saat saya input populasinya 8079, LOC 95% dan confidence intervals nya 5% maka ukuran sampel yang harus di ambil adalah 367 responden.
Yang membuat saya binggung adalah bagaimana perhitungannya sehigga muncul 367. Mohon bantuannya.
Terima kasih

Jawab:Sebenarnya banyak cara/rumus untuk menentukan ukuran sampel. Kalkulator yang digunakan dalam web tersebut menggunakan rumus yang bisa dilihat dengan cara mengklik menu “Sample Size Formula”.
Ada dua tahap yang dilakukan dalam rumus tersebut, yaitu menentukan ukuran sampel dengan menggunakan informasi confidence level dan confidence interval, dengan rumus:

ukuran sampel (ss) = ((Z^2)*(p)*(1-p))/(C^2)
dimana Z = nilai Z pada confidence level tertentu. Karena kita klik pilihan 95% maka nilai Z = 1,96 (lihat tabel distribusi normal).
p = probabilita (persentase) terpilihnya sampel. Dalam kalkulator ini di defaultkan 0,5.
c = confidence interval. Tadi kita buat 0,05.
Dengan memasukkan angka2 tersebut ke dalam rumus diatas, didapatkan hasilnya adalah 384,16
Tahap kedua adalah mengkoreksi ukuran sampel jika jumlah populasi terbatas/diketahui dengan rumus:

ss koreksi = ss / (1 + ((ss-1)/populasi)).
Dengan memasukkan ss yang tadi sebesar 384,16 dan populasi kita sebesar 8079, maka didapat angka 367.
Itu kira-kira caranya. Maaf sangat terlambat merespons. Lagi sibuk bolak-balik antar daerah. (Junaidi)
gatot, di/pada Maret 28th, 2009 pada 1:28 pm

maaf pak numpang tanya, terkait dengan literatur, rumus di atas ada di buku mana ya pak ?
terima kasih

Jawab: Itu rumus standar dalam penentuan ukuran sampel. Banyak sebenarnya rumus-rumus lainnya. Bisa dilihat di buku-buku statistik inferensi, metodogi penelitian atau teknik sampling. Untuk rumus di atas, salah satu contohnya ada di buku Teknik Sampling karangan Eriyanto, terbitan LKiS tahun 2007.
prima, di/pada Mei 4th, 2009 pada 4:29 am

bagaimana dengan menentukn sample yang jumlah populasinya tidak diketahui???

Jawab: Coba lihat jawaban saya pada jess putra diatas
Hadi Sugiyanto, di/pada Mei 9th, 2009 pada 4:27 pm

Pak Junaidi

Ass. Wr. Wb, mohon bantuannya langkah-langkah untuk download Easysample, karena sudah mencoba pada Artikel Bapak di alenia bawah : Anda tertarik dengan program ini ? Silakan download disini. Gratis kok dan ukuran filenya juga hanya 700KB.
Setelah saya coba khok gagal. Terima kasih sebelumnya. Wassalam

Jawab: Kayaknya tidak ada masalah dengan downloadnya. Barusan saya coba lagi, berhasil. Caranya biasa, Klik saja tulisan Download Zip File Version (700 k).
Saya kirimkan saja file yang sudah saya download ke emailnya ya ?

One Responses to “Memanfaatkan Solver dalam Excel untuk Optimisasi (Seri Solver bag.1)”

wulan, di/pada Februari 25th, 2009 pada 1:46 am

thanks ya buat bapak yg ngeposting ini. sangat membantu saya sebagai mahasiswa dalam mengerjakan tugas,,,

Jawab: Ya, sama-sama. Senang jika bisa terbantu

One Response to “Aplikasi Minimisasi Biaya Transportasi dengan Solver Excel (Seri Solver bag.3)”

ita, di/pada Oktober 31st, 2008 pada 4:09 am

Adanya blog ini, amat sangat membantu dlm pekerjaan, apalagi dengan adanya contoh-2 soal serta cara penerapannya dlm excel. Terutama pada saat ini, saya lagi mengerjakan tugas yg mirip spt solver tsb, tp masih bingung utk menentukan yg mana fungsi kendala, fungsi tujuan, variabel keputusan, sehingga bisa membentuk tabel di excel utk mencapai keputusan yg tepat.
Mungkin bapak bisa membantu , referensi buku apa yg banyak memuat soal-2 solver serta penyelesaiannya dlm excel.
Atau saya sangat berterima kasih sekali bila bapak mungkin bisa membantu saya dlm menentukan pemecahan pada tugas saya yg mirip solv.bag3, tp agak beda dikit. Mohon bantuannya.

Jawab: Teori-teorinya bisa Sdr baca buku-buku operasi riset atau metode kuantitatif untuk ekonomi dan bisnis. Sayangnya untuk aplikasi pemecahan dengan Excel, saya belum menemukan bukunya. Mungkin ada pembaca lain yang pernah ketemu buku tersebut, mohon informasinya.
Mengenai pemecahan tugasnya, bisa dikemukakan disini. Mudah-mudahan kalau saya mampu, saya bantu (Junaidi)

One Response to “Solusi Persoalan Transportasi Dua Tingkat Multi Produk (Seri Solver bag.5)”

ebi, di/pada Mei 13th, 2009 pada 2:59 am

Thanks atas penjelasannya,. Penjelasan Bapak membantu saya untuk mengerjakan tugas kantor..

One Response to “Menghitung Matriks Inverse Leontif dengan Add-in Matrix Excel (Seri Matrix bag.1)”

eher, di/pada Agustus 16th, 2008 pada 4:52 am

Wah, boleh juga nih pak jun rajin sekali menurunkan model sampe dengan cara operasional dalam komputer.
Pak, saya punya model namanya model I-O miayazawa, model ini untuk melihat dampaknya terhadap berbagai tingkat penadapatan, dimana pendapatan itu itu bisa dibagi atas 10 tingkatan.

4 Responses to “Pemecahan Sistem Persamaan Linear dengan Add-in Matrix Excel (Seri Matrix bag.2)”

tommy, di/pada September 1st, 2008 pada 1:14 am

wah bagus sekali pak junaidi,
kebetulan saya saat ini membutuhkan prgram yang dapat membantu ini
Dan lagi penjelasan yang ada di website sungguh membantu dan ringkas serta dapat segera di praktekan.
Semoga pak jun tetap dapat menulis terus, saya tunggu artikel berikutnya ya.
saya jadi semangat untuk segera bisa ikut buat website yang bisa berguna bagi pengguna internet nih

thx U

Jawab: Ya. Tetap bersemangat untuk berkreasi dan mudah-mudahan bisa berguna bagi orang lain (Junaidi)
desy, di/pada Februari 18th, 2009 pada 5:17 am

keren sekali…. amzing…. bapak dosen matemtk?
waktu cari tugas tentag spl eee,, nyangkut ke blog ini.. tp keren..g nyesel…

Jawab: Sering-sering kembali
dhave, di/pada Maret 31st, 2009 pada 4:07 am

pak Junaidi.. bagus sekali blognya..
saya mau tanya pak..
klo rumus excel utk menyelesaikan “sistem persamaan dengan 4 variabel yang tidak diketahui” bagaimana ya pak?

trerimaksih bnyak ya pak…

Jawab: Secara khusus tidak ada formula dalam Excel untuk menghitung sistem persamaan. Kalau buat rumus sendiri, bisa sangat panjang rumusnya (dengan teknik eliminasi, substitusi atau matriks). Sebaiknya gunakan saja add-in matriks diatas atau menggunakan teknik seperti seri 6 matriks yang ada pada blog ini
dhave, di/pada April 7th, 2009 pada 3:10 am

pak Junaidi..
maaf saya tanya sekali lagi..

misalkan saya punya persamaan seperti ini pak:
1. Π1 + Π2 + Π3 + Π4 = 1
2. 0.7083 Π1 + Π3 + Π4 = Π1
3. 0.1389 Π1 + 0.5 Π2 = Π2
4. 0.0972 Π1 + 0.25 Π2 = Π3
5. 0.0556 Π1 + 0.25 Π2 = Π4

apakah ada rumusan add ins excel yang bisa menyelesaikan persamaan tersebut..

Terimakasih banyak Pak Junaidi atas jawabannya..
semoga pak Junaidi tambah sukses..amin!

Jawab: Terima kasih untuk doanya. Kasusnya menarik dan jawabannya sengaja saya buatkan satu tulisan untuk itu. Silakan klik disini.

2 Responses to “Mudah Operasi Matriks dgn Macro Add-In Matrix Excel (Seri Matrix bag.3)”

dewizhara, di/pada Februari 12th, 2009 pada 3:44 am

bagaimana cara menghitung angka pengganda output, pendapatan, dan kesempatan kerja pada 28 subsektor pertanian menggunakan program excel? mohon dijelaskan cara menghitungnya secara lebih detail. dan bagaimana caranya mengklasifikasikan dari 19 sektor mengjadi 9 sektor, bagaimana menghitungnya?

Jawab: Cara menghitung pengganda output, pendapatan dan kesempatan kerja berapapun sektornya dengan excel pada prinsipnya sama. Coba lihat beberapa tulisan saya di blog ini yang membahas hal tersebut.
Cara mengklasifikasikan dari 19 sektor menjadi 9 sektor, coba lihat kategori sektor yang digunakan BPS. Ada panduannya disana
dewizhara, di/pada Februari 12th, 2009 pada 3:48 am

asslmkm.maaf bapak saya mohon penjelasan tentang bagaimana cara menghitung angka pengganda output, pendapatan, pengganda tenaga kerja pada 28 subsektor pertanian menggunakan program excel? mohon dijelaskan cara menghitungnya secara lebih detail, Dan bagaimana caranya mengklasifikasikan dari 19 sektor menjadi 9 sektor, bagaimana menghitungnya dengan program excel?
mohon sekali bantuannya. Terimakasih

One Response to “Tahapan Eliminasi Gauss-Jordan dengan Macro Add-in Matrix (Seri Matrix bag.6)”

atta, di/pada September 28th, 2008 pada 10:22 pm

wah makasih banget ya artikelnya? artikel bapak tlah membantu dalam pembuatan tugas akhir saya, terus tmbah artikelnya terutama tentang matrik he.3

2 Responses to “Cara Mudah Perkalian Lebih dari Dua Matriks dengan Add-In Matrix (Seri Matrix bag.7)”

Opie, di/pada April 8th, 2009 pada 4:01 am

Pak makasih buat ilmunya…
dari sini saya mudah memahami tentang perhitungan
matrik di excel.
saya mau menanyakan tentang pembagian antara matrik dengan matrik gimana caranya?
Terimakasih banyak PAk…

Jawab: Meskipun antar matriks bisa dikalikan, dikurangi atau dijumlahkan (dengan persyaratan tertentu), tetapi pembagian antar matrik tidak bisa dilakukan. Jadi tidak seperti pada bilangan biasa.
Kenapa ?
Untuk bilangan biasa, misalnya bilangan a dan b, pembagian a/b bisa dinyatakan dengan cara ab-1 atau b-1a. Hasilnya akan sama. Tetapi untuk matriks, misalnya B-1 yang merupakan invers matriks B, misalnya jika kita membagi matriks A terhadap B, A/B, yang dinyatakan dengan A B-1 . hasilnya akan berbeda dengan jika kita menyatakan B-1 A (atau bahkan sesuai dengan persyaratan perkalian, mungkin tidak bisa dilakukan). (Catatan: baca -1 sebagai bentuk superscript)
Wafiq, di/pada April 9th, 2009 pada 7:40 am

Oooooo ternyata bisaa tho… Saya yang kul di Matematika malah nggak tahu

8 Responses to “SEM dan LISREL (Seri LISREL bag.1)”

ulfah sari, di/pada September 20th, 2008 pada 5:30 am

Assalm.

Tulisan bpk sangat membantu saya. Sy mau tau apa bpk mengetahui atau menulis bk tentang data longitudinal anlysis with structural equation model. Saya tunggu infonya di email saya.terima kasih

Wslmkm
suci, di/pada Februari 5th, 2009 pada 6:17 am

Assslm…
tulisan Bapak sangat bermanfaat sekali bagi Saya.
Sekarang saya sedang dalam proses mengerjakan tugas akhir yang berhubungan dengan lisrel..
saya sangat berterima kasih sekirabya Bapak berkenan memberikan ilmu nya kepada Saya dengan mengirimkan bahan-bahan materi yang berhubungan dengan lisrel tersebut.
Terima kasih sebelumnya..
Wsslm..
johannes, di/pada Februari 18th, 2009 pada 10:00 am

Teruskan menulis pak Jun, tulisan ini sangat membantu mencerahkan peneliti dalam memilih dan menggunakan alat uji statistik. Sekarang saya di Sabak nich, menguji VICOM e-gevernement TJT.

Terima Kasih.

Jawab: Terima kasih Pak. Maunya memang menulis terus. Sayangnya kadang-kadang waktu rasanya sangat terbatas. Salam buat orang Sabak
Taufik Azmi, di/pada Maret 22nd, 2009 pada 11:01 am

Thank’s berat pak Jun. Please Lanjutkan tulisan anda

Jawab: Terimakasih kembali Pak Azmi. Isteri saya juga marga Nasution lho
Mama Akbar, di/pada Maret 24th, 2009 pada 6:11 am

Assalamu’alaikum pak…

Mohon info untuk Model SEM dibatasi maksimum berapa variabel observed (LISREL 8.8 non student)?
Apakah bisa untuk sekitar 65 variabel?
Terimakasih.

Jawab:Wa ‘alaikum salam. Kayaknya bisa Bu. Dicoba saja, karena saya belum menemukan ada penjelasan dari Lisrel nya mengenai batasan variabel observed untuk full version. Dalam penjelasan Lisrel cuma dinyatakan batasan untuk versi student yaitu 15 variabel observed. Saya juga baru pernah mengaplikasikan pada Lisrel full version dengan variabel observed sekitar 40 an.
Tapi mungkin jika variabel observednya banyak, ibu butuh spesifikasi komputer yang cukup tinggi untuk pengolahannya
Harris Faduillah, di/pada April 6th, 2009 pada 8:33 am

Assalamualaikum Pak Jun.
Kalo saya ingin mendapatkan program lisrel yang full version, dimana ya Pak bisa saya dapatkan dan kira-kira berapa harganya
Terima kasih kasih saya uacpkan kepada pak Jun atas informasi dan bantuannya.

Jawab: Kalau harga dari perusahaannya US$ 495. Pembelian bisa langsung di order ke http://www.ssicentral.com/. Ada juga versi rental 6 bulan (US$ 75) dan 12 bulan (US$ 130). Terlalu mahal memang. Saya sampai saat ini masih pakai yang versi student.
Denny, di/pada Mei 9th, 2009 pada 9:34 am

Terima kasih pak, Tulisan tulisannya menambah pencerahan bagi saya. Pak saya dah mencoba menulis tentang Akuntabilitas dan Transparansi pengelolaan APBS Terhadap Partisipasi Pembiayaan dari Masyarakat (ORTU). saya dah mencoba menggunakan korelasi sederhana dan Regresi Berganda, kemudian disuruh lagi menggunakan LISREL gimana caranya pak, apakah perlu LISREL lagi? Mohon Advis dari bapak, dan terima kasih atas semuanya.

Jawab: Saya belum bisa memberikan saran karena belum mengetahui variabel-variabel apa yang digunakan, indikatornya bagaimana, kerangka pikir (hubungan antar variabel) bagaimana. Kalau bisa, mohon diperinci lagi pertanyaannya. Terima kasih
Denny, di/pada Mei 9th, 2009 pada 9:36 am

Saya berharap bapak dapat menjawabnya ke email saya Terima kasih pak

6 Responses to “Mempersiapkan Input Data untuk LISREL (Seri LISREL bag.2)”

basir, di/pada Desember 4th, 2008 pada 4:53 am

makasih pak atas infonya, salam mhs Jogjakarta

Jawab: Ya, sama-sama. Saya juga pernah tinggal di Jogjakarta. Kota yang nyaman untuk belajar. (Junaidi)
tias, di/pada Desember 24th, 2008 pada 11:56 am

terima kasih atas tulisannya, semoga tulisan ini dapat membantu kami dalam mengerjakan tugas.

tias-unibraw malang
lilo, di/pada April 25th, 2009 pada 12:29 pm

mas mau tanya, saya mengipor data dari spss (masih data mentah) pake prelis..kok keluar angka -0,9999 itu maksudnya pa?? padahal dari SPSS datanya numeric.dari skal likert..apakah ada yang salah??? t6idak semua data berubah jadi angka itu, hanya beberapa data dan itu acak..kira kira bagaimana penyelesaiannya?? terimakasih banyak

Jawab:Coba dicopy datanya ke Excel, kemudian impor data dari file Excel tersebut. Mudah-mudahan bisa
rhosyied, di/pada Mei 6th, 2009 pada 12:24 pm

Assalamualaikum. Baru kali ini saya menemukan dosen yg dg baik hati sharing ilmu -dg gratis tentunya-. Semoga ilmunya bermafaat pak

Saya mw tanya pak junaid, kbtulan saya lg skripsi ttg SEM. Untk teknis olah datany d LISREL insyaallah gk ada mslah (tp ntr kl ada mslah saya tnya pak junaid aj he…he). Prtanyaan saya : Bgmn cara mghitung manual estimasi parameter SEM dg MLE? Kl bs tolong djelaskan detail dan kasih contoh dg data pak ya….Dan jg buku apa yg menjelaskan detail ttg hal itu. Terima kasih banyak atas bantuannya

Jawab:Wa’alaikum salam. terimakasih sanjungannya. Memangnya dosen itu ada yang tidak baik hati ? he…. he…. he…. Contoh menghitung manual estimasi parameter SEM dengan MLE ? Mudah-mudahan nanti akan dipostingkan di blog ini. Tapi sabar ya. Mungkin agak sedikit lama, maklum lagi ada pekerjaan. Tapi, kalau mendesak, ada artikel yang cukup bagus di internet yang memberikan tahapan sekaligus contohnya.
Judulnya: Estimation in SEM: A Concrete Example oleh John M. Ferron and Melinda R. Hess. Coba klik disini
rhosyied, di/pada Mei 7th, 2009 pada 9:02 am

Wah..terima kasih banyak pak junaid info link-nya di atas, sangat membantu. OK…semoga sukses dgn pekerjaannya..
rhosyied, di/pada Mei 11th, 2009 pada 7:23 am

Pak junaid…supaya bs donlot jurnal yg gk gratis di situs ini http://online.sagepub.com gmn ya? Kebtulan bnyak jurnal ttg SEM yg bagus disitu. Apakah harus membayar spy bs donlot? Atau bapak punya username and passwordnya yg bs saya pjm he..he..he.

Terima kasih.

Jawab:Ya, itu sih memang berbayar. Cari yang gratisan saja. Soalnya untuk ukuran kita, mahal sih. Ada yang satu artikelnya sampai $ 20 (sekitar Rp 200.000). Sayangnya saya tidak punya passwordnya. Kalaupun ada, ya tetap tidak bisa, karena di sagepub tersebut, kayaknya pasword kita hanya berlaku pada ip waktu mendaftar

One Response to “Aplikasi LISREL untuk Regresi (Seri LISREL bag.4)”

demsa, di/pada Nopember 14th, 2008 pada 1:42 am

setelah saya membuat diagram jalur/path, untuk mengeluarkan koefisien korelasi pada program Lisrel bagaimana. terima kasih

Jawab: Anda bisa menambahkan perintah Options: SS, setelah perintah Path Diagram. Maka akan muncul tambahan output berupa matriks korelasi (Junaidi)

2 Responses to “Aplikasi LISREL untuk Path Analysis (Seri LISREL bag.5)”

Tulus Dody Prakoso, di/pada Agustus 11th, 2008 pada 10:59 am

Bagaimana dengan kasus data yang diolah negatif (haywood Case)

Jawab:Heywood Cases adalah kasus dimana estimasi varians bernilai negatif. Heywood cases seharusnya sangat tidak mungkin terjadi, karena varians tidak mungkin negatif. Oleh karenanya model harus direvisi dengan menetapkan varians yang sebelumnya negatif tersebut menjadi positif dan kecil, misalnya 0,001. Dalam Lisrel, caranya adalah dengan menambahkan perintah: set the error variance of nama_variabel to 0.001.
Solusi lain adalah dengan menghilangkan variabel-variabel observed yang menyebabkan timbulnya Heywood Cases tersebut. (Junaidi)
jasmal, di/pada Februari 6th, 2009 pada 5:18 am

mohon bantuannya, saya akan penelitian menggunakan SEM untuk melihat variabel yang berpengaruh terhadap adopsi teknologi pakan ternak. Mohon dikirimkan tulisan yang terkait dengan SEM

6 Responses to “Aplikasi LISREL pada Model Persamaan Struktural (Seri LISREL bag.8)”

haeril, di/pada Agustus 15th, 2008 pada 3:08 am

ass…
saya ingin bertanya maksud dari garis tandah panah tersebut ada yang terang dan tidak terang, maksud dari garis kedua tersebut itu apa?
haris, di/pada Maret 18th, 2009 pada 7:53 pm

ass…
saya pengen tau sedetail-detailnya tentang analisa SEM karena untuk materi skripsi manajemen pemasaran saya…
bisa bantuin g mas???

Ada buku yang menurut saya sangat mudah dipahami mengenai SEM, yaitu karangan Pak Imam Ghozali. Coba Mas baca buku tersebut.
fitri, di/pada Maret 25th, 2009 pada 1:01 am

assalam… buku pak imam ghozali itu judulnya apa y?? trus tahun terbitnya kapan?? saya jg pingin lebih detail bwt skripsi.

Jawab:Judul bukunya: “Structural equation modeling : teori, konsep, & aplikasi dengan program lisrel 8.54″. Terbitan Badan Penerbit UNDIP Semarang Tahun 2005. Dulu ada di Gramedia. Kalau sekarang tidak ada coba langsung hubungi penerbitnya.
Yang terbaru: “Structural Equation Modeling dengan Lisrel 8.8″ Karangan Setyo Hari Wijanto, Penerbit Graha Ilmu Tahun 2008
Suhendar, di/pada Maret 25th, 2009 pada 12:10 pm

Asslalmualikum.. Pak Junaidi.

Saya mau tanya cara menganalisis pengaruh moderator variabel pada analisis regressi berganda. tolong berikan contoh penyelesiannya . terimaksih atas bantuannya.

Jawab:Pada prinsipnya dalam regresi berganda dengan moderator variabel, kita bisa menganalisis pengaruh langsung dan pengaruh tidak langsung suatu variabel. Contohnya, bisa dilihat pada tulisan saya di blog ini, yaitu “Aplikasi LISREL untuk Path Analysis”
putri, di/pada April 18th, 2009 pada 3:29 am

ass pak..
saya mau nanya,kl di uji kecocokan model saya Chi square nya 75,27 df 34, p value 0,0006 dan RMSEA 0.09
model saya masih bisa diterima ga??

Jawab:Nilai Chi-Square menunjukkan adanya penyimpangan antara sample covariance matrix dan model (fitted) covariance matrix. Nilai chi-square sebesar 0 menunjukkan bahwa model memiliki fit yang sempurna.
P pada Chi-Square adalah probabilitas untuk memperoleh penyimpangan (deviasi) antara sample covariance matrix dan model (fitted) covariance matrix.
Berbeda dengan pengujian signifikansi pada uji-uji lainnya, jika Chi-Square signifikan (p < 0,05) menunjukkan bahwa data empiris yang diperoleh memiliki perbedaan dengan teori yang dibangun berdasarkan SEM. Karenanya model dikategorikan tidak fit.
Sebaliknya, jika nilai probabilitas (p-value) tidak signifikan, menunjukkan data empiris sesuai dengan model. Dengan kata lain, model tersebut memiliki fit yang baik.
RMSEA mengukur penyimpangan nilai parameter model dengan matriks kovarians populasinya. Nilai RMSEA kurang dari 0,05 mengindikasikan model yang fit.
Jadi kesimpulannya, dari kedua ukuran ini model Mbak tersebut tidak fit (tidak tepat)
Dimas, di/pada Mei 12th, 2009 pada 8:32 am

pak, saya mencoba mengikuti tahap demi tahap dalam buku Lisrel karangan Sitibjak, namun pada tahap ke 21 (waktu me RUN) hasilnya selalu error, biasanya salahnya dimana ya pak
terima kasih sebelumnya

Jawab:Ada banyak penyebab munculnya error. Bisa lebih diperinci lagi pesan kesalahan tersebut ? Mudah-mudahan saya bisa bantu

One Response to “Regresi Atas Variabel Dummy”

ajeh, di/pada Mei 16th, 2009 pada 2:15 am

nama saya ajeh. saya punya penelitian yang berjudul pengaruh kompetensi guru dan kepemimpinan kepala sekolah terhadap efektifitas organisasi sekolah, sampel setiap variabel ada dua jenis yaitu guru dan siswa. gimana cara menganalisisnya?

Jawab:Maaf, saya belum dapat memberikan saran yang tepat, karena untuk menentukan alat analisis diperlukan informasi yang lebih dari yang disampaikan diatas. Misalnya, kerangka pemikiran penelitiannya bagaimana ? jumlah sampelnya berapa ? definisi operasional variabelnya seperti apa ?
Tapi dugaan sementara saya berdasarkan judul yang diberikan, mungkin Sdr. bisa menggunakan alat analisis regresi (yah, mungkin menggunakan SEM)

2 Responses to “Membuat Piramida Penduduk dengan Excel”

yusni, di/pada April 6th, 2009 pada 10:14 am

trims….
ats infonya…
sangat membantu

Jawab:Ya, sama-sama Mbak. Trims juga atas komentarnya
ajan, di/pada April 27th, 2009 pada 6:47 am

Ass, pembuatan priramida penduduknya sangat membantu, apa kita bisa menngunakan cara yang sama untuk parameter, tingkat ekonomi, rumah sehat dan perilaku yang lainnya???
wass

Jawab:Bisa saja. Selama sifatnya membandingkan frekuensi atau proporsi dua populasi (objek)

One Response to “Membuat Piramida Penduduk dengan SPSS”

Evi Julitasari, di/pada April 16th, 2009 pada 10:44 am

Makasih pak, sangat berguna untuk mengajar mahasiswa

Posted in Uncategorized Tagged: blog, ekonometrik, statistik, Tip-Trik

Bagian 1: Diskusi Kecil ttg Tulisan Dlm Blog Ini

Junaidi — Sun, 17 May 2009 10:37:22 +0000

Menyambung posting mengenai “Mengapa Saya Nge-blog“, berikut ini posting bagian pertama dari komentar-komentar dan diskusi kecil-kecilan mengenai tulisan-tulisan dalam blog ini.

8 Responses to “Menghitung Nilai t dan F tabel dengan Excel”

Sdrmn, di/pada Juni 25th, 2008 pada 3:23 am

wah bagus juga pak..jadi gak susah n rumit

Jawab: Alhamdulillah jika ini bermanfaat
guspur, di/pada Juni 29th, 2008 pada 4:22 pm

KOK SAYA GK BISA PAK, PERTAMA2 TARUH POINTER DISEL, TRUS TULIS RUMUSNYA DI BAR RUMUSKAN, TP KOK GK BISA PAK?? PLS GMNA CARANYA

Jawab:
Kemungkinan tidak bisa, ada beberapa sebab:
1. Dalam membuat rumus, harus diawali tanda = atau tanda + atau tanda – (kalau ingin hasilnya negatif). Kalau itu tidak ada, Excel menganggap itu bukan rumus
2. Tidak boleh ada spasi dalam rumus. Kalau ada spasi, Excel menyatakan ada error dalam rumus
3. Perhatikan dalam rumus untuk mencari t-tabel, pemisah antara angka probabilita dengan derajat bebasnya adalah koma, bukan titik. Demikian juga pada f-tabel, pemisah antara probabilita dengan derajat bebas pertama adalah koma, dan pemisah derajat bebas pertama dengan kedua juga koma.
4. Kadang-kadang setingan waktu menginstal Excel pada masing-masing komputer, bisa saja berbeda. Titik dianggap koma dan koma dianggap titik. Jadi kalau sudah dicek ketiga kesalahan diatas, ternyata masih juga tidak bisa. Coba ganti rumus tersebut. Titiknya jadikan koma dan komanya jadikan titik.
Silakan dicoba lagi.
guspur, di/pada Juni 29th, 2008 pada 5:23 pm

mkasih pak dah bisa , trnyataa kurang tanda =, ok trims

Jawab: Ya, kembali. Barusan saya postkan jawabannya.
norkuys, di/pada Agustus 7th, 2008 pada 8:35 am

ada tips untuk uji hipotesa dua beda rata-rata ga pak,
terimakasih

Jawab: Di Excel ada fungsi untuk uji hipotesa dua rata-rata. Coba Klik Option, Data Analysis. Disitu ada empat pilihan yaitu t-test untuk dua sampel berpasangan, t-test untuk dua sampel dengan asumsi varians populasi tidak sama, t-test untuk dua sampel dengan asumsi varians sama, dan z-test jika varians populasi diketahui. Sayangnya saya belum sempat membahasnya. Mudah-mudahan ada waktu kedepan untuk membahas topik ini.
fitri, di/pada Februari 15th, 2009 pada 7:43 am

kok tetep g bisa se pak?

Jawab: Coba lihat jawaban saya ke guspur (diatas). Mungkin ada kesalahan yang dibuat
Adhi, di/pada Maret 24th, 2009 pada 1:19 am

pak untuk angka 9 itu diperoleh drai mana pak?
soalnya saya ada buku r-tabel dengan N=15 dan taraf signifikansi 95% hasil yang diperoleh R-tabel = 0,514 yang saya bingungkan itu rumusnya gimana pak, soalnya dibuku yang sya baca tidak dicantumkan rumusnya jadi langsung r-tabel sekian gitu? makasih pak sebelumnya

Jawab: tingkat/taraf signifikansi (level of significance) = α (alpha)
tingkat/taraf keyakinan (level of confidence) = 1 – α
Mungkin yang Sdr. maksud dengan 95% diatas adalah taraf keyakinan, sehingga taraf signifikansinya adal 5%.
Tulisan diatas membahas mengenai t dan F tabel, bukan R tabel.
Angka 9 adalah derajat bebas yang dihitung dari n-k, dimana n = jumlah observasi dan k adalah jumlah variabel (bebas dan terikat). Misalnya jumlah observasi kita ada 12, variabel kita ada 3, maka db = 9.
Tabel t biasanya kita gunakan untuk pengujian koefisien regresi secara parsial, sedangkan tabel F biasanya kita gunakan untuk pengujian secara simultan.
ryl0, di/pada April 22nd, 2009 pada 9:34 am

makasih, kebuntuan saya terbuka

Jawab: Ya, sama-sama
Ahmad Fadlan, di/pada April 30th, 2009 pada 12:02 pm

Ass.Wr.Wb.

Saya mau tanya Pak, Gimana caranya menghitung :

1. F – tabel

2. t – tabel

3. r – tabel

saya menggunakan analisis regresi linear berganda dengan SPSS.12, tapi print outnya dari ke-3 item pertanyaan diatas tidak ada…. ? mudah_2an bisa membantu saya, mohon penjelasannya……THANK’S . Wass…..

Jawab: F tabel, t tabel dan r tabel memang tidak ada di printout SPSS. Coba lihat di lampiran buku-buku statistik. Disana ada. Tapi, saat ini kecenderungan peneliti dalam pengujian hipotesis adalah bukan membanding F,t hitung dengan F,t tabel. Kecenderungannya adalah membandingkan nilai p-value dengan alpha

3 Responses to “Menghitung Inverse Matriks di Excel”

bagus, di/pada Juni 12th, 2008 pada 2:17 pm

hemm

mmm i thing i found another way
more simply

hi..hi…,but any way thank to information on your blog Sir

nice to read it

Jawab: Banyak jalan menuju Roma, Mas.
Salah satunya, pada tahap ketiga. Kita tidak perlu mengklik (meletakkan kursor) ke sesudah tanda = dari fungsi MINVERSE. Cukup blok sel worksheet sebanyak 3 x 3 (dalam kasus kita). Kemudian tekan F2 dan selanjutnya tekan tombol CTRL SHIFT ENTER secara bersamaan.
Jika ada cara lain yang lebih sederhana, mari kita saling berbagi di forum ini. Trims, komentarnya (Junaidi)
Haryo, di/pada Maret 7th, 2009 pada 3:40 pm

ada cara yang sering saya gunakan. menggunakan FUNGSI INDEX

misalnya kita akan melakukan inverse

2 6 8
3 7 6
6 4 1

kita siapkan di excel nomer baris dan kolom (dperlukan untuk fungsi INDEX)

a b c d
___________________________________
1 | 1 2 3
2 | 1 2 6 8
3 | 2 3 7 6
4 | 3 6 4 1
5 |
6 | 1 2 3
7 | 1
8 | 2
9 | 3

letakkan di cell b7 rumus ini =INDEX(MINVERSE($B$2:$D$4),$A7, B$6)
kemudian copy paste ke semua cell dari B7 sampai D9

$B$2:$D$4 menunjukkan letak matriks yang akan diinvers
$A menunjukkan posisi baris
B$ menunjukkan posisi kolom

mula-mula memang kelihatannya ribet, namun kalau sudah terbiasa akan menjadi mudah

Jawab: Terima kasih atas sharing ilmunya Mas. Sangat bermanfaat bagi saya. Mudah-mudahan juga bagi pengunjung yang lainnya. Sering-sering mampir.
ERI YENIS, di/pada April 21st, 2009 pada 4:44 pm

saya berterima kasih…. karena saya lagi cari- cari bagaimana cara invers matriks dengan excel eh… akhir ketemu makasi ya pak……..

Jawab: Ya, sama-sama. Selamat belajar ya. Salam untuk orang Payakumbuh

22 Responses to “Transformasi Data Ordinal ke Interval dengan Excel”

arief, di/pada Juni 24th, 2008 pada 11:17 am

alhamdulillah
terima kasih atas ilmunya Pak
ini dia yang saya cari2

Jawab: Alhamdulillah. Semoga ini bermanfaat
deva, di/pada Juli 21st, 2008 pada 6:20 am

saya mau tanya donk,
saya sdg menysun skripsi n di dlamnya saya menggunkaan instrument penelitian berupa kuesioner.
skripsi saya bersifat penelitian kualitatif, tentang pemeriksaan operasional.
Dalam kuesioner saya menggunakan skala likert tapi dilengkapi dengan data interval, sperti pilhan jwaban 1 = tidak ada(0%), 2 = ada dan sangat tidak baik (0-33,33%), 3 ada dan kurang baik (33,33-66,66%), 4 = ada dan baik (66,66-99,99%), 5 = ada dan sangat baik (100%).
yang saya mau tanyakan, apakah skala tersebut bisa dikategorikan dalam skala likert??
dan apakah skala sperti itu diijinkan dlaam kuesioner??
terima kasih banyak yah…

Jawab:Skala Likert merupakan skala pengukuran sikap yang dikembangkan oleh Rensis Likert tahun 1932 untuk mengukur intensitas sikap, pendapat dan persepsi seseorang atau sekelompok orang terhadap suatu objek tertentu. Dalam skala Likert, untuk mengukur variabel, terlebih dahulu dikembangkan indikator-indikator variabel. Indikator-indikator tersebut, kemudian dijadikan dasar menyusun item-item instrumen dalam bentuk pertanyaan atau pernyataan.
Berdasarkan hal tersebut, maka sebenarnya penelitian yang Deva lakukan bukanlah menggunakan skala Likert. Satu hal yang perlu diperhatikan adalah, kalau Deva bisa mendapatkan data dalam bentuk persentase tersebut, maka pertanyaan kuesionernya sebaiknya dalam bentuk pertanyaan terbuka saja, sehingga kita bisa mendapatkan data dengan skala interval. Jadi jangan dikelompokkan seperti itu (yang akhirnya menjadi data ordinal). Kenapa ? Karena semakin tinggi skala pengukuran, semakin baik ketepatan pengukuran terhadap suatu objek. Jadi, jangan mubazirkan data, dengan merubah dari interval ke ordinal.
deva, di/pada Juli 22nd, 2008 pada 3:32 am

Kuesioner saya kan bersifat kualitatif, n awalnya saya memamg ingin pakai skala likert dengan data ordinal saja, tapi untuk meneguhkan dan memberi jarak antara pilihan yg satau dgn yg lainnya saya tambahkan dengan interval persentase sperti itu. tapi memang saya jg rgu degn hal itu, saya tdk punya dasarnya.
nah, kalau saya cukup pakai skala likert dgn data ordinal saja (1-5)sudah cukup baik dan akurat ga yah??
terima kasih banyak

Jawab:Menurut saya, cukup dengan skala likert saja. Nah, untuk mengetahui kebaikan dan keakuratan data, sebaiknya lakukan pengujian-pengujian statistik seperti uji validitas dan reabilitas.
Reza, di/pada Juli 25th, 2008 pada 8:29 am

Terimakasih banyak atas petunjuknya pak, tadinya saya juga bingung bagaimana caranya mengerjakan MSI di excel.

Oh iya, bisakah bapak menuliskan arti rumus yang ditulis di setiap langkah di atas?
misalnya apa arti NORMSINV di step 8, kenapa ada PI dan EXP di step 9, arti dari ABS di step 10.
jadi yang baca bisa mengerti lebih banyak lagi soal MSI di Excel.
Terimakasih sekali lagi

Jawab: Terimakasih kembali. Penjelasannya silakan lihat pada tulisan Penjelasan Tahap Transformasi Data Ordinal ke Interval dengan Excel. (Junaidi)
rio, di/pada Juli 29th, 2008 pada 6:32 pm

pak blh ga membuat tahap-tahap mengubah data ordinal ke interval dengan menggunakan excel?pak saya sudah mencoba menggunakan add-ins dimana data tersebut klo diuji.thax

Jawab: Boleh saja. Coba lihat dua tulisan saya di blog ini mengenai transformasi data ordinal ke interval dengan Excel. Add-ins yang mana ? Saya kurang mengerti pertanyaannya. (Junaidi)
Junaidi, di/pada Juli 30th, 2008 pada 4:31 am

Bagi yang sudah sempat mengaplikasikan rumus-rumus dalam tulisan ini, mohon maaf. Ada sedikit salah pengetikan yang mungkin membuat bingung. Di tulisan di atas sudah saya perbaiki yaitu:
- Pada tahap 1, pengetikan data dimulai pada sel A17 bukan A16 seperti yang tertulis sebelumnya.
- Pada tahap 8, copy rumus seharusnya hanya sampai F7, bukan F8 seperti yang tertulis sebelumnya
- Pada tahap 9, copy rumus seharusnya hanya sampai G7, bukan G8 seperti yang tertulis sebelumnya
Fadli Reza, di/pada Agustus 3rd, 2008 pada 12:40 pm

Wah terimakasih banyak atas koreksinya pak…

tadinya saya bingung kenapa perhitungannya selalu error kalau datanya diatas 30.
Erlangga Putra, di/pada Agustus 6th, 2008 pada 7:21 pm

Salam kenal pak Junaidi.Pak saya sangat berterima kasih,karena metode transformasi data ord ke intrvl dalam blog ini sangat bermanfaat sekali bagi saya.

Hanya ada beberapa pertanyaan mengenai MSI di excel:
Bila hanya 2 skala yang terpilih oleh responden dari 5 skala pilihan apakah masih dapat dihitung?,karena menurut tulisan bpk minimal harus ada satu nilai pada skala setiap skala tersebut,benar ga pak?.Sedangkan hsl dr kuesioner yg sy sebarkan ada beberapa responden yg memilih d skala 3 dan 4, sedangkan 1,2,nya kosong.menurut bpk bgmn?

terima kasih…

Jawab: Maaf, agak lambat merespons. Kebetulan ada beberapa pekerjaan yang harus diselesaikan. Mengenai ada kategori yang kosong, dalam tulisan saya sebelumnya memang tidak bisa dihitung. Tapi dalam tulisan berikut ini, saya sudah mengembangkan rumusnya sehingga bisa dihitung secara otomatis. Silakan lihat tulisan mengenai “Transformasi Data Ordinal ke Interval dengan Excel (Kasus Kategori Tidak Terisi). Mudah-mudahan bisa membantu.
netty herawaty, di/pada Agustus 16th, 2008 pada 4:45 am

Saya sangat tertarik dengan tulisan ini. Selama ini saya mengira kalau MSI itu adalah pengolahan dengan software statistik. Salut dech buat pak Jun.

Jawab: Terima kasih Bu, untuk salutnya. (Junaidi)
Sidik Permana, di/pada Nopember 19th, 2008 pada 8:16 am

Pa, terima kasih. saya sudah mencobanya. tulisannya mudah dimengerti. sekali lagi terima kasih banyak. tulisan Bapak memberi banyak manfaat untuk menyelesaikan skripsi saya.

Jawab: Ya, sama-sama. Saya senang jika bermanfaat. (Junaidi)

putri, di/pada Januari 20th, 2009 pada 9:29 am

Pak, saya sedang mentransformasikan data ordinal ke interval. Di penelitian saya terdapat 3 variabel : X1, X2, dan Y.

Apakah untuk melakukan transformasi ordinal-interval harus dilakukan penghitungan satu-satu pervariabel atau bisa langsung transformasi 3 variabel sekaligus??

Karena kalo penghitungan ordinal-interval dilakukan terpisah pervariabel, berarti skala interval dari X1, X2, dan Y berbeda-beda dong pak?

Terimakasih atas pencerahannya.

Jawab: Ya, benar. Penskalaan dilakukan satu-satu pervariabel. Ya skala interval akan berbeda pada masing-masing variabel tergantung dari pencaran nilai variabel-variabel tersebut
yayat rukayat, di/pada Januari 29th, 2009 pada 2:31 am

Terima kasih
wahyu, di/pada Februari 27th, 2009 pada 2:06 am

Baru bbrp bulan ini saya menyentuh statistik … tertarik dengan MSI untuk TA saya. Saya ada sedikit pertanyaan terkait MSI. Dalam proses input data hasil transformasi berbentuk pecahan (misal 79,55 atau 72,45) yang merupakan total skor yang didapat dari jawaban tiap2 responden, pertanyaannya : apakah data yang akan diinput (harus) dibulatkan dulu (misal 79,55 >> 80; 72,45 >> 72) atau dibiarkan tetap sebagai pecahan dan langsung dilanjutkan ke proses analisis selanjutnya? Mohon pencerahan.. Terima kasih…

Jawab:Saya kurang mengerti maksudnya. Apa yang dimaksud dengan total skor tersebut? Apakah maksudnya sekelompok pertanyaan yang diajukan kepada responden, hasilnya dijumlah. Atau, pertanyaan yang sama yang diajukan kepada beberapa responden, kemudian hasilnya dijumlah.
Dalam MSI, input data kita adalah skor per pertanyaan per responden. Bukan total skor
eko, di/pada Februari 28th, 2009 pada 1:22 am

saya sedang mengerjakan peneltiaan melalui skala likert dengan rentang 3 skala (1 s.d. 3), berdasarkan buku yang saya baca, skala likert merupakan data ordinal. penelitian saya ingin mengetahui “hubungan budaya kerja dan motivasi kerja dengan peningkatan pelayanan” apakah saya perlu menaikkan tingkat pengukuran ordinal ke skala interval?

Jawab:Tergantung alat analisis yang digunakan. Kalau alat analisisnya mensyaratkan minimal harus data skala interval, ya, memang perlu ditransformasi ke skala interval. Kalau tidak, ya, tidak perlu. Tetapi, menurut saya, sebaiknya kalau data kita skala ordinal, pilih saja alat analisis yang sesuai dengan skala tersebut.
zuhri, di/pada Maret 25th, 2009 pada 3:37 am

pak, saya ingin menggunakan skala interval 1-10 untuk pengukuran sikap, adakah teorinya ??? dan apa nama skala itu??? soalnya,menurut teman saya (dalam skripsinya menggunakan skala interval 1-10) yang sedang nunggu wisuda, skala interval 1-10 itu merupakan pengembangan dari skala Likert, teman saya menyebut nama skalanya interscaling, apa benar ada??? terimakasih atas penjelasannya

Jawab:Maaf, saya belum pernah mendengar istilah interscaling. Skala likert yang diciptakan oleh Rensis Likert tahun 1930 an, aslinya memang 5 kategori, tetapi bisa saja dengan 10 kategori. Tetapi beberapa studi menemukan bahwa skala likert yang lebih dari tujuh kategori adalah terlalu banyak dan akan menyulitkan responden dalam menempatkan pilihannya.
Glen Masinambow, di/pada April 16th, 2009 pada 2:07 pm

pak, saya ingin menggunakan skala likert dalam skripsi saya…
dengan interval 1-5…….
tapi saya tidak perna menggunakan skala likert…..
saya inggin mengukur tingkat pengetahuan dan respon nelayan terhadap rehabilitasi hutan mangrove…..
bagaimana ya menganalisis datanya…???
mohon bantuan dong……..

Jawab:Kayaknya lebih sesuai jika anda menggunakan statistik non-parametrik untuk melihat keterkaitan variabel tersebut. Banyak cara pengukuran korelasi pada statistik non-parametrik yang bisa anda lihat dibuku-buku statistik non-parametrik
Vissy, di/pada April 20th, 2009 pada 8:53 am

Terima kasih artikelnya, pak.
Saya mau tanya, saya lagi bikin skripsi tentang pemilihan kriteria seleksi karyawan. Nah saya menggunakan skala likert kaya gini (soalnya merupakan pendapat managernya)
1=sangat tidak penting
2=tidak penting
3=berguna tetapi tidak terlalu penting
4=penting
5=sangat penting

kemudian saya kan mau cari kriteria yang mau dipilih pake rataan (mean) buat hipotesisnya, tapi likert adalah skala ordinal kan? Bisa ga dipake rataannya.
Saya liat skripsi punya senior, disana dia pake skala likert pas kuesioner tahap I buat cari peringkat kriteria kemudian pas mau di uji rataan, dia ambil lagi data pake kuesioner tahap II dengan skala
0-29=sangat tidak penting
30-39=tidak penting
40-49=biasa-biasa saja
50-69=penting
70-100=sangat penting
yang di atas ini berarti skala interval ya, pak? Apa begitu cara ubah skala likert (ordinal) ke skala interval? Dengan cari data lagi pake kuesioner tahap II. Saya bingung karena disitu ga ditulis berdasarkan buku apa.
Terima kasih sebelumnya, Pak.

Jawab:Apakah skala ordinal bisa dirata-ratakan ? Ini sudah menjadi perdebatan klasik diantara akademisi kita. Perdebatan tersebut terutama terkait dengan apakah data ordinal dapat diperlakukan seperti data interval ?
Ada yang menyatakan boleh, ada yang menyatakan tidak boleh. Ringkasan perdebatan tersebut, silakan klik tulisan ini Treating Ordinal Scales as Interval Scales: An Attempt To Resolve the Controversy
Posisi saya, berada diantara dua pendapat tersebut. Kalau tidak sangat terpaksa sekali, mengapa kita harus memperlakukan skala ordinal menjadi skala interval. Toh banyak, alat analisis statistik yang tersedia dan sesuai untuk skala ordinal tersebut.
Peralatan statistik yang umum dan sesuai dengan skala ordinal adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
Cara merubah dari skala ordinal ke interval seperti yang disebutkan diatas, saya juga belum ketemu referensinya. Yang baru saya tahu hanya dengan metode MSI ini (catatan: ini revisi jawaban saya sebelumnya)
Dadang Zulfikar, di/pada April 28th, 2009 pada 12:55 pm

Assalamu’alaikum, Saya Dadang Zulfikar……Pak Jun saya sangat tertarik dengan tulisan bapak tentang transformasi data ordinal ke interval dengan Excel, saya sedang menyusun tesis tentang kepuasan nasabah..dgn variabel x1..x6, skala likert, menggunakan path analysis,jml responden 100, untuk mengukur tingkat kepuasan saya menggunakan kuesioner, masing masing responden mendapat 60 pernyataan dimana 30 buah pernyataan berupa harapan (expectation) atas pelayanan dan 30 buah pernyataan tentang tanggapan / yang dirasakan ( percieved). jadi datanya terdiri dari X1…X6 Expectasi(E) dan X1…X6 Percieved(P) serta variable Y (Kepuasan) yang di peroleh dari selisih antara variabel X Expectation dan variabel X Percieved) yang di tanyakan untuk variabel Y, apakah (E) di successive lalu (P) di successive terlebih dahulu kemudian di selisihkan dan hasilnya = Y, atau E – P = Y lalu hasilnya di transformasi ke data interval, atau bagaimanakah seharusnya mentransformasi ketiga data tersebut ? terima kasih..

Jawab:Kalau anda tanyakan pada beberapa orang lainnya, jawaban pertanyaan ini pasti akan sangat beragam, karena perbedaan pandangan mengenai memperlakukan data skala ordinal.
Kalau pendapat saya, skala ordinal, sesuai dengan sifatnya tidak boleh dioperasikan secara matematik dalam bentuk penjumlahan,pengurangan, perkalian,pembagian. Karenanya, menurut saya, sebaiknya seluruh data ordinal tersebut succesive kan terlebih dahulu, baru dilakukan operasi-operasi pengerjaaan matematik lainnya (tambah,kurang,kali,bagi dan lainnya).
Deni, di/pada April 29th, 2009 pada 10:34 am

Pak, apakah cara kerja MINITAB sama dengan cara kerja trnsformasi data dengan excel yg bapak jelaskan?

Jawab:Ya, sama
Rika, di/pada Mei 5th, 2009 pada 6:25 am

Salam kenal, pak.
Saya mau tanya, kita bisa ga menentukan bobot tiap kriteria dari hasil skala likert? Kalau bisa, dengan metode apa?
Terima kasih sebelumnya.

Jawab:Penentuan bobot untuk skala likert biasanya ditetapkan oleh peneliti dalam definisi operasional variabelnya. Agar penelitiannya bisa diperbandingkan, maka penetapan bobot tersebut dengan mengacu pada penelitian-penelitian sebelumnya yang senada dengan penelitian yang dilakukannnya.
Hadi Sugiyanto, di/pada Mei 7th, 2009 pada 1:59 pm

Salam hormat dan salam kenal untuk Bapak Junaidi

Saya sejak lama mencari program untuk menaikkan skala ordinal ke interval dan ternyata saya temukan di dalam artikel Bapak.
Hampir sama dengan pertanyaan saudara Erlangga Putra yaitu bagaimana dengan jawaban responden yang tidak memilih skala 1 dan 2 sehingga menjadi kosong. Sedangkan dalam contoh kasus di artikel bapak menunjukkan skala 3 dan 4 yang kosong.
Pertanyaannya adalah apakah rumus-rumus excel yang Bapak buat untuk skala 3 dan 4 yang tidak terkumpul datanya, apakah dapat digunakan juga pada skala 1 dan 2 yang tidak terisi.atau kosong ?
Setelah saya mencoba dengan rumus-2 di excel dalam artikel Bapak dan saya mencoba juga dengan cara manual untuk menaikkan skala ordinal ke interval dengan skala 1 dan 2 tidak terisi hasilnya ada perbedaan.
Perbedaannya hasilnya sebagai berikut :
Cara Manual Contoh kasus di Artikel
1 = 0 1 = 0
2 = 0 2 = 0
3 = 1 3 = 1
4 = 2.0499 4 = 2.3679
5 = 4.9896 5 = 3.6982

Demikian, saya mohon dengan hormat komentar Bapak atau memberikan solusi untuk saya karena saya sangat membutuhkan rumus ini. Sebelum dan sesudahnya kami ucapkan terima kasih

Jawab:Rumus tersebut bisa dicobakan untuk kasus 1 dan 2 yang kosong. Dari pengamatan sekilas terhadap hasil manualnya, saya sedikit ragu. Terutama karena jarak antara skala 4 dan 5 yang terlalu jauh (hampir 3 yaitu dari 2,0499 – 4,9896). Dari beberapa latihan yang pernah saya coba, biasanya jaraknya tidak sampai 2 dari satu skala ke skala berikutnya. Kalau bisa, coba berikan pada saya berapa frekuensi untuk masing-masing kategori, biar saya coba hitung ulang secara manual.
Hadi Sugiyanto, di/pada Mei 9th, 2009 pada 3:34 pm

Terima kasih responnya Pak Junaidi,

Berikutnya saya berikan frekuensi dari hasil yang saya hitung yaitu :

katagori frekuensi
1 0
2 0
3 40
4 61
5 15
sehingga total respondennya 116 .

Demikian, saya sangat berterima kasih kepada Bapak dapat memberikan solusi yang lebih.

Jawab:Sengaja saya postingkan satu tulisan mengenai perhitungan manual untuk menjawab pertanyaan ini. Silakan klik disini

11 Responses to “Penjelasan Tahap Transformasi Data Ordinal ke Interval dg Excel”

Fadli Reza, di/pada Agustus 3rd, 2008 pada 12:44 pm

wah.. saya benar-benar berterimakasih atas ulasan Bapak yang detail ini. Saya tidak mengira kalau pertanyaan saya akan dibalas bapak dengan 1 halaman tulisan baru..

Sekali lagi terimakasih Pak
Erlangga Putra, di/pada Agustus 3rd, 2008 pada 7:04 pm

Salam kenal dengan Pak Junaidi..

Saya sangat tertarik dengan method of succesive interval, karena berkaitan dengan TA saya.

Saya memiliki beberapa pertanyaan,semoga bpk dapat membantu saya.

1. Pak kalau skala ordinalnya ada satu nilai yang tidak diisi,apakah berpengaruh thd transformasi skala intervalnya?.Karena hasil kuesioner saya ada beberapa nilai skala yg tidak ada.

Contohnya dari skala 1-4, ada nilai yang terkumpul di skala 3 dan 4. Sehingga nilai 1 dan 2 frek. nya = 0, nah apabila ada nilai 0,untuk mencari nilai Z akan menghasilkan #Num, dan bila dikosongkan baru ada nilainya. Namun dengan proporsi=0 menghasikan z_*val = 0,399. Nilai tsb sama dengan proporsi 0,5 yang juga nilainya = 0,399. Menurut bapak bagaimana mengatasi masalah tersebut?. Jadi apakah metode MSI harus semua nilai skala terisi?.

Saya telah mencoba cara bpk..,sangat bermanfaat sekali.Terima kasih Pak.Hanya masalah pada frek yg nilainya =0 karena tidak dipilih oleh responden pada kuesioner saya. Jadi saya menghitungnya dengan menghilangkan nilai #num & Div/0! dan diganti dengan 0. Saya menghitungya secara manual dan disamakan dengan excel. Tapi saya masih ragu.jd mohon bantuannya dari bpk. Sekali lagi saya ucapkan terima kasih.

Jawab:Maaf, agak lambat merespons. Kebetulan ada beberapa pekerjaan yang harus diselesaikan. Mengenai ada kategori yang kosong, dalam tulisan saya sebelumnya memang tidak bisa dihitung. Tapi dalam tulisan berikut ini, saya sudah mengembangkan rumusnya sehingga bisa dihitung secara otomatis. Silakan lihat tulisan mengenai “Transformasi Data Ordinal ke Interval dengan Excel (Kasus Kategori Tidak Terisi). Mudah-mudahan bisa membantu.
notwelldefined, di/pada Agustus 5th, 2008 pada 6:02 pm

terima kasih, informasi ini sangat berguna pak. pusing sama data skala likert yang susah dianalisis…

sekedar nambahin dikit. di G4, kita bisa ganti dengan fungsi =normsdist(F4).
fungsinya sama, untuk mencari nilai pdf dari F4.

salam.
notwelldefined, di/pada Agustus 5th, 2008 pada 6:24 pm

eh salah dink pak.
diralat nih,

biar tidak jadi kumulatif, fungsinya
=normdist(0,1,0)
nilai 0 di parameter terakhir menunjukkan fungsinya pdf dan bukan cdf.

mudah2an bener…
notwelldefined, di/pada Agustus 5th, 2008 pada 6:38 pm

salah lagi…ralat lagi ah…

yg bener:

=normdist(f4,0,1,0).

Jawab:Terima kasih. Saya baru periksa, ternyata memang ada fungsi di Excel untuk mencari fungsi padat probabilitas. Yap, ini benar. Sekali lagi terima kasih. Tulisan diatas saya koreksi, biar jadi lebih mudah mengolahnya. (Junaidi)
andrye, di/pada Januari 16th, 2009 pada 3:59 am

jika saya menggunakan formula pada excel pada saat meng-input data, data itu memang kosong (tdk terdapat data) pada sel formula pasti akan muncul #DIV/0! gimana cara menghilangkan tanda #DIV/0! ini menjadi nilai 0. Trims

Jawab:#DIV/0! muncul jika suatu angka dibagi dengan 0. Untuk menghilangkannya dan menjadikannya nol, bisa dengan menggunakan fungsi IF. Misalnya jika angka yang akan dibagi terletak di sel A1 dan pembaginya (angka 0) terletak di sel B1, maka bisa dibuat rumus sebagai berikut:
= IF(B1=0,0,A1/B1)
Ok. Selamat mencoba
bintari, di/pada Februari 4th, 2009 pada 3:46 am

thanks banget pak… sangat membantu dalam tesis saya….
eko, di/pada Februari 28th, 2009 pada 1:09 am

tulisan nya sangat membantu, tapi saya belum memiliki program succesive interval untuk excel nya. Bisa tolong dikirimkan program tersebut ke email saya tidak? terima kasih

Jawab:Succesive interval bukan program. Tahapan-tahapan pengerjaannya di Excel sudah saya berikan dalam bebeberapa tulisan di blog ini. Silakan dibaca-baca
Warna warni CD, di/pada Maret 13th, 2009 pada 3:01 pm

blog yang sangat bermanfaat. saya sedng membutuhkannya. boleh singgah kemari lagi ya Da. Terima kasih.

Jawab:Silakan. Terimakasih sudah berkunjung
marsel, di/pada Mei 5th, 2009 pada 5:24 am

pak saya boleh bertanya??
kalo data saya bebas dan terikatnya ordinal, dua2ny harus ditransformasi dlu ya??
terus uji statistiknya pake uji apa ya?
trims

Jawab:Tidak harus, tergantung persyaratan alat ujinya harus data interval atau bukan ? Kalau harus interval, yang memang di transformasi dulu. Kalau tidak, ya tidak perlu. Pemilihan alat uji tidak hanya tergantung pada skala data, salah satunya juga pada masalah yang ingin dipecahkan dalam penelitian
ning, di/pada Mei 12th, 2009 pada 7:32 am

makasih, bener2 ngebantu sy

2 Responses to “Transformasi Data Ordinal ke Interval dg Excel (Kasus Kategori Tidak Terisi)”

Dika, di/pada Maret 5th, 2009 pada 4:47 pm

Pak Junaidi
seandainya kategori dengan frekuensi kosong nya adalah kategori 1 dan 2, apakah nilai interval 1 pasti jadi patokan minimal di kategori 3 nya?
dngn kata lain, misalkan hanya kategori 4 dan 5 yang terisi, apakah nilai interval 4 adalah 1 ???
terima kasih sebelumnya
Dika, di/pada Maret 5th, 2009 pada 11:05 pm

maaf nambah lagi pak
karena melalu metode excel yg bapak berikan
nilai interval sebesar 1 “selalu mulai” muncul di kategori yang memiliki frekuensi saja.
berdasarkan informasi yg saya dapat, nilai kategori 1 kan memang besarnya selalu 1.
terima kasih.

Jawab:Mengikut rumus Hays, W. L, (1976) dalam buku Quantification in Psychology. Prentice Hall, maka memang angka terkecil akan menjadi 1 dalam transformasinya. Ini bisa dilihat dari rumus Hays yang saya transformasi menjadi rumus Excel pada tulisan diatas seperti ini: =IF(B4>0,H4+ABS(MIN(H$4:H$8))+1,0). Rumus ini mentransformasi nilai skala (H4) menjadi nilai interval. Perhatikan rumusnya yaitu nilai skala (H4) ditambah nilai absolut dari angka terendah dari nilai skala (ABS(MIN(H$4:H$8). Pada angka terkecil, penjumlahan ini akan selalu bernilai nol (sesuai tahapan-tahapan perhitungan sebelumnya). Nah, kemudian +1, sehingga angka terkecil akan selalu bernilai 1.
Lalu bagaimana kalau angka terkecil kita adalah 2 atau 3 ?. Apakah rumus tersebut boleh diganti, yaitu +1 nya diganti dengan +2 atau +3 ? Sampai saat ini saya belum menemukan literatur yang menyatakan itu. Juga, dari berbagai penelitian yang pernah saya baca, juga tidak ada yang mencoba mengganti rumus +1 tersebut menjadi angka lain.
Tapi, saya memang tidak terlalu mendalami filosofi rumus Hays ini. Mudah-mudahan Mbak Dika, atau pengunjung lainnya bisa menemukan literatur yang bisa menjelaskannya lebih jauh. Kalau nanti ketemu, bagi-bagi ke blog ini ya

3 Responses to “Kasus Perhitungan Manual: Transformasi Ordinal ke Interval”

arif, di/pada Mei 13th, 2009 pada 3:02 am

terima kasih banyak.Artikelnya bagus apalagi kata-katanya menarik menambah wawasan dan pengalaman saya trims ya…lanjutkan artikelnya saya tunggu. Mampir ke blog saya dunk saya biz posting tadi. ini alamatnya http://arifust.web.id jangan lupa komentarnya buat artikel saya.
Hadi Sugiyanto, di/pada Mei 14th, 2009 pada 4:10 am

Pak Junaidi,

Ass. Wr. Wb.

Terima kasih atas jawaban pertanyaan saya dan langkah-langkah dalam menghitung transpormasi data skala ordinal ke interval melalui perhitungan manual. Semoga ilmu ini dapat bermanfaat bagi saya dan kalangan yang membutuhkannya.
Juga terima kasih telahj dikirimkan program easysampel. Wassalam Hadi Sugiyanto
marol, di/pada Mei 17th, 2009 pada 2:43 am

pak transformasi pake spss gimana caranya ,seprti log, abs, arsin dll. saya coba berkali2 tapi gak bisa, bisa gak pak ajarin caranya sblmnya terima kasih,

Jawab:Silakan klik tulisan ini

6 Responses to “Mudah Memahami Regresi Logit”

Analisis Statistik Skripsi Tesis, di/pada Desember 5th, 2008 pada 9:23 am

Mohon maaf, ijin untuk link ke blog anda. sebelumnya terima kasih

Jawab: Silakan. Saya juga akan link blog anda. (Junaidi)

Nora, di/pada April 18th, 2009 pada 3:13 am

MOhon bantuannnya…saya berencana menggunakan regeresi log untuk skripsi…tapi agak terkendala dalam penentuan variabel terikat..apa variabel terikat itu bisa lebih dari 2 ya????variabel terikatnya semua prduk pada suatu perusahaab perbankan,apa hasilnya nanti bagus ya/???
terimakasih atas bantuan anda,saya sangat berharap

Jawab:Maksudnya variabel terikat lebih dari dua itu, kategorinya apa jumlah variabelnya ? Kalau jumlah variabel ya tidak bisa. Dalam persamaan regresi, variabel terikat hanya 1
Kalau kategori variabel terikat lebih dari dua (skala ordinal atau nominal), ya bisa. Kalau skala ordinal, kita menggunakan regresi ordinal logit. Kalau skala nominal, kita menggunakan multinomial logit.
ayla, di/pada April 23rd, 2009 pada 3:52 am

salam!pak kalo regresi linier berganda dan logit menggunakan variabel dummy cara menginputnya ke minitab bagaimana ya,pak!saya minta bantuannya ya,pak! saya lagi penelitian. terimakasih banyak,ya,pak!

Jawab:Sepertinya sudah ada penjelasan dalam tulisan diatas. Atau bisa diperinci lagi maksud pertanyaannya ?
Andi, di/pada April 23rd, 2009 pada 4:32 am

Pak..apa ada penjelasan tentang penggunaan multinomial logit? Mohon sekiranya ada dibahas pak..
Terima kasih

Wassalam

Jawab:Insya Allah, jika ada waktu akan dibahas. Terimakasih sarannya
rafaina, di/pada April 24th, 2009 pada 2:55 am

salam, pak apa ada penjelasan mengenai cara membaca output regresi logistik ini jika peubah bebasnya ada yang tipe numerik (bukan nominal ataupun ordinal),
terima kasih, wassalam.

Jawab:Coba lihat cara interpretasi variabel umur pada tulisan diatas.
IFA, di/pada Mei 16th, 2009 pada 2:55 pm

pak klo misalnya pake regresi logistik dan salah satu variabel terikat ada dalam bentuk jutaan, apa boleh di Ln kan??sedangkan variabel yang lain sudaha dalam bentuk rasio…terimakasih.

Jawab:Boleh kok, tidak ada masalah. Hanya saja, seringkali besaran angka antar variabel jauh berbeda (dan kalau di Ln kan juga akan menghasilkan besaran yang jauh berbeda), koefisien regresi yang kita dapatkan bisa sangat kecil sekali (sering tidak muncul angkanya dalam output, misalnya keluar koefisien 0.0000). Tentunya sulit untuk menginterpretasikannya

One Response to “Model Regresi Logit dengan SPSS”

nophex, di/pada Februari 3rd, 2009 pada 5:17 am

kalo dengan minitab gmn?

Jawab:Sudah ada kok. Silakan lihat tulisan saya yang terkait

One Response to “Metode Hubungan Deret Waktu untuk Peramalan (Seri 1 Peramalan)”

tiwik, di/pada Januari 27th, 2009 pada 3:35 am

saya tunggu seri-seri selanjutnya ya pak
terima kasih

3 Responses to “Forecasting dengan Minitab (Seri 4 Peramalan)”

tiwik, di/pada Maret 16th, 2009 pada 1:48 am

terima kasih pak atas terbitnya seri peramalan ini. sudah saya tunggu-tunggu. yang mau sy tanyakan tetap perlukah dilakukan uji-uji standar terhadap data terlebih dahulu, seperti uji normalitas, homogenitas, dll?atau cukup melihat dari nilai MAPE, MAD, dan MSD saja?
juve, di/pada April 27th, 2009 pada 2:50 am

Salam kenal Pak
sangat membantu dalam forecasting
tapi seandainya MAPE memang lebih kecil nilainya tapi MAD dan MSD nya lebih besar , mana yang harus saya gunakan ya ?
Terima Kasih.

Jawab:MAPE (Mean Absolute Percentage Error) adalah rata-rata persentase dari selisih antara data sebenarnya dengan ramalan
MAD (Mean Absolute Deviation) adalah rata-rata nilai absolut dari selisih antara data sebenarnya dengan ramalan
MSD (Mean Square Deviation) adalah rata-rata kuadrat dari selisih antara data sebenarnya dengan ramalan
MAPE, MAD, MSD sebenarnya ukuran yang setara, tetapi cara perhitungannya saja yang berbeda.
marol, di/pada Mei 6th, 2009 pada 3:07 am

askm, pak saya ucapakan terima kasih banyak , web bapak sangat sangat sangat membantu mahasiswa, tolong ya pak kalo ada, ilmunya yang lain mhn dibagi, terma kasih banyak.

Jawab:Terimakasih kembali. Insya Allah, doakan saja ya

One Response to “Plot Residual-Fit dan Forecasting dengan SPSS (Seri 6b Peramalan)”

marol, di/pada Mei 17th, 2009 pada 2:55 am

pak misalkan pada sumbu X adalah perlakuan 25,5, 25,6, 24,7, 28,9 , 29.3 , 30,4 , 31,3, sedangkan sumbu Y. 36,5 , 36,9 , 37,3 , 29, 4, 35,7 , 37,8 32,1. gimana cara forecasting, terbaik sdangkann forecasting, bermcm macam model
ada
Constant
Linier trend
Quadratic
Exponential
Moving Average
Exponential smoothing
Seasonal

saya bingung harus pake yang mana, mhon solusinya pak , seblmnya terima kasih , wass wr wb

Jawab:Ada beberapa cara untuk memilih model terbaik dalam forecasting, diantaranya dengan melihat ukuran MAD dan MAPE. Coba lihat beberapa tulisan di blog ini yang terkait dengan hal tersebut. Diantaranya ini, ini, dan ini

One Response to “Menghitung Secara Automatis Nilai Siswa di Excel”

Sdrmn, di/pada Juni 25th, 2008 pada 3:20 am

Terimakasih Pak, saya ambil semuanya..
bapak semakin menyadarkan saya untuk selalu berbagi ilmu

Jawab:Terimakasih kembali. Alhamdulillah, jika ini bermanfaat

2 Responses to “Memanfaatkan Analisis Statistik Deskriptif di Excel”

iwan sp, di/pada Juni 16th, 2008 pada 10:39 pm

saya kebetulan sedang belajar tentang isitilah statistik, seperti rata2x, nilai bawah, variance, deviasi satndart.
terkait dengan excel tadi, seprti apa tampilan excelnya setelah data yang ada diinput ke Excel.kemudian interpretasinya seperti apa setelah tampilan itu muncul mohon diberi pandangan atau penjelasan ? Kurtosis itu apa ?

Jawaban:Sabar ya, Mas. Insya Allah tiga hari lagi saya jawab. Soalnya, saya ada perjalanan ke luar kota dua hari ini.
hartono, di/pada Maret 16th, 2009 pada 5:58 am

saya kebetulan mengambil matakuliah aplikasi komputer, dengan adanya tampilan di atas mempermudah bagi saya untuk mengetahui lebih jauh mengenai descriptive statistics.

2 Responses to “Ukuran-Ukuran Numerik Statistik Deskriptif (Bagian 1a)”

Lala, di/pada Agustus 24th, 2008 pada 6:48 am

Assalamau’alaikum,
Ma’af Pak Jun, saya mau tanya tentang ukuran kedekatan untuk data ordinal. Bisa minta tolong dijelaskan atau kalau Bapak memiliki referensi tentang materi tersebut, tolong dikirim via email. Ukuran jarak ini saya perlukan untuk pengelompokan pada analisis kelompok data ordinal. Terima kasih.

Wassalam

Jawab:Saya tidak mengerti maksud pertanyaan “ukuran kedekatan untuk data ordinal”. Kalau maksudnya urutan skala pengukuran, bisa dilihat pada tulisan saya mengenai “memahami skala pengukuran”. Saya juga tidak mengerti mengenai maksud ukuran jarak untuk pengelompokan pada analisis kelompok data ordinal. Kalau bisa mohon diperjelas pertanyaannya. (Junaidi)
herial, di/pada Februari 26th, 2009 pada 2:40 pm

saya ingin bagaimana cara menafsir dan mengertikan angka-angka pada standar deviasi yang diperoleh data pada penelitian kuantitatif

Jawab:Standar deviasi merupakan salah satu ukuran untuk melihat penyebaran data dari rata-ratanya. Selain standar deviasi ada pengukuran lain seperti range dan varians. Semakin besar ukuran deviasi menunjukkan semakin menyebar data tersebut dari rata-ratanya. Untuk penjelasan lebih lanjut, saya sarankan untuk membaca buku-buku statistik pengantar, khususnya statistik deskriptif

One Response to “Analisis Regresi dengan Excel”

I made Sudarsana, di/pada Juli 4th, 2008 pada 1:48 am

Kalo buat grafiknya gmn caranya?
terutama yang regresi kuadratik. pake spss tambah bingung .makasih

Jawab:Kalo grafik diatas tidak perlu dibuat secara terpisah. Itu hasil dari pilihan ketika kita menconteng Residual plots,line fit plots dan normal probability plots.
Untuk regresi kuadratik, tinggal dikuadratkan dulu nilai-nilai dalam variabelnya, lalu lakukan regresi seperti biasa.

3 Responses to “Memahami Output Regresi dari Excel”

I made sudarsana, di/pada Juli 5th, 2008 pada 7:54 am

ternyata excel dapat menyelesaikan persamaan regresi saya saya baru tau setelah membaca web anda.
tapi sya bingung nih. regresi itu kan menghasilkan persamaan linier atau kuadratik dapat membedakanya dari mana? garik yang mendukungya spt apa. mohon penjelasaanya, terimakasih.
I made sudarsana, di/pada Juli 5th, 2008 pada 7:59 am

kalo boleh tau buku excel yangmengulas secara lengkap perhitungan statistik terutama regresi apaya?
Junaidi, di/pada Juli 5th, 2008 pada 5:01 pm

Untuk I made sudarsana. Salam dan terimakasih sudah mengunjungi blog ini. Pengertian linear dalam regresi adalah linear dalam paramater (koefisien). Variabelnya boleh saja tidak linear (misalnya kuadrat,kubik dstnya). Jadi persamaan kuadrat bisa diselesaikan dengan regresi linear (metode OLS seperti yang digunakan Excel dan umumnya sofware statistik lainnya)
Sebelum membuat persamaan regresi, sebaiknya kita memplot (membuat grafik) terlebih dahulu untuk menggambarkan pola hubungan antara variabel bebas dan variabel terikat. Jika grafiknya memperlihatkan adanya pola hubungan kuadrat (seperti U atau U terbalik atau separuh U), maka persamaan regresinya dibangun dalam bentuk persamaan kuadrat. Bentuk umum persamaan kuadrat tersebut adalah: Y = a + bX + bX^2.
Jadi, walaupun kita hanya akan meregresikan X dan Y misalnya, maka kita harus tambah satu variabel lagi yaitu X^2 (X kuadrat). Coba lihat contoh angka di bawah ini. Kalau kita buat kurva X dan Y, maka dia akan membentuk kurva separuh U (coba buktikan dengan membuat grafik garis dengan Excel, nilai X nya jadikan axis label). Karenanya, untuk membuat regresi kita tambah satu variabel lagi yaitu X^2.
Y 5 38 171 524 1265 2610 4823 8216 13149 20030
X 1 2 3 4 5 6 7 8 9 10
X^2 1 4 9 16 25 36 49 64 81 100
Untuk buku Excel yang mengulas perhitungan statistik, cukup banyak yang beredar. Saya pernah membaca salah satu buku yang menurut saya cukup lengkap. Judulnya kalau tidak salah Aplikasi Exel dalam Statistik, pengarangnya saya lupa. Buku tersebut terbitan Elexmedia.

4 Responses to “Transformasi Data Ordinal ke Interval dengan Minitab”

guspur, di/pada Juni 29th, 2008 pada 6:06 pm

pak maaf ini info berguns sekali, tp saya minta downlodan minitab nya pak bisa pak, tolong punten kirim ke email sy alamatnya

Jawab:Maaf, saya tidak bisa mengirimkannya. Selain ukurannya besar (75 MB sudah dizip), saya juga tidak punya hak untuk mendistribusikannya (takut kena sweeping he he he). Tapi kalau mau mendownload yang versi trial 30 hari silakan masuk ke http://www.minitab.com.
rio, di/pada Juli 29th, 2008 pada 6:17 pm

pak saya masih bllm ngerti mengubah data ordinal ke data interval dengan menggunakan skala likert. bisa menggunakan excel atau ada program yang bisa mengconvert data ordinal ke MSI. sebelumnya terima kasih

Jawab:Bisa. Silakan lihat dua tulisan saya di blog ini mengenai transformasi data ordinal ke interval dengan Excel. (Junaidi)
rio, di/pada Juli 30th, 2008 pada 2:35 am

pak perintah ini ko error %d:\konverum3.txt kenapa?atau pada step 5 ga bisa jalan knp?thax…

Jawab:Ada yang kurang dari perintah tersebut, yaitu tanda. Seharusnya %’d:\konverum3.txt’. Tapi kalau maksudnya setelah tampilan data display seperti diatas ada tulisan “* ERROR * No data in column. * ERROR * Extra line encountered: store c100 c101.” itu tidak apa2. Perhitungan kita sebenarnya sudah selesai di tampilan data display.(Junaidi)
Putu, di/pada April 27th, 2009 pada 4:13 am

Pak, kalau boleh tanya di sheet session saya muncul kata-kata ini:

* NOTE * Arithmetic fault, MISSING returned 1 times. Value out of bounds.

Kemudia di worksheeet ga berubah angkanya setelah transformasi. Kira-kira kenapa ya Pak? Terimakasih

Jawab:Kalau tulisan * NOTE * Arithmetic fault, MISSING returned 1 times. Value out of bounds. tersebut tidak masalah, karena tidak mengganggu hasil perhitungan kok (saya juga tidak tahu kenapa itu muncul). Tapi hasil perhitungannya, ketika dihitung ulang secara manual, tepat kok.
Kenapa angkanya tidak berubah ? Kemungkinan datanya hanya ada dua kategori. Kalau hanya dua kategori, memang tidak akan berubah

2 Responses to “Konversi Sistem-Sistem Pengukuran dengan Excel”

Expesynes, di/pada Agustus 3rd, 2008 pada 9:27 pm

Brilliant!
snadiorgencinc, di/pada September 28th, 2008 pada 6:55 pm

Cognitive post., brother

11 Responses to “Memahami Skala-Skala Pengukuran”

Lala, di/pada Agustus 14th, 2008 pada 2:50 am

Assalamu’alaikum wr wb.
Ma’af Pak saya mau tanya nih tentang variabel penelitian saya.
1. Dalam penelitian saya menggunakan variabel pendapatan dan pengeluaran perbulan. Kemudian opsi jawabannya berupa a. kurang dari 1 juta b. 1 – 1,5 juta c. 1,5 – 2 juta d. lebih dari dua juta. Apakah ini bisa digolongkan skala ordinal? Kalau tidak bagaimana caranya agar data tersebut menjadi skala ordinal.
2. Kalau variabel pendidikan terakhir, misalkan dengan opsi jawaban: a. SD; B. SMP; C. SMA; D. DIPLOMA/S1/S2/S3. Maka termasuk skala ordinal nggak Pak? Kalau nggak termasuk skala apa?

Demikian pertanyaan dari saya. TErima kasih atas jawaban yang diberikan. Oia Pak kalau bisa tolong jawabannya dikirimkan via email.

Jawab:1. Kalau dikelompokkan seperti itu, maka variabel pendapatan dan pengeluaran tersebut sudah merupakan data skala ordinal. Tapi yang perlu menjadi catatan adalah, aslinya variabel pendapatan dan pengeluaran tersebut kan sudah skala interval/ratio. Kenapa harus diordinalkan ? Yang perlu diperhatikan adalah, semakin tinggi skala pengukuran, maka semakin baik pengukuran tersebut dan semakin baik juga alat analisis yang dapat digunakan. Jadi merubah data dari skala interval/ratio ke skala ordinal, sama dengan pemborosan/mubazir.
2. Ya, benar. Variabel pendidikan terakhir tersebut merupakan skala ordinal. (Junaidi)
Lala, di/pada Agustus 19th, 2008 pada 6:23 am

Assalamu’alaikum wr wb,
Terima kasih Pak atas jawaban sebelumnya Pak, tapi memang tujuan saya memang untuk membandingkan analisis kluster dengan menggunakan data nonmetrik. Oia Pak, saya mau bertanya lagi:
1. Adakah metode transformasi data nominal ke ordinal?

Terima kasih atas jawabannya.

Jawab:Kayaknya nggak ada tuh. Karena data nominal sebenarnya adalah data kualitatif yang diberi simbol. Tidak mungkin diordinalkan (diperingkatkan). Tidak mungkin misalnya untuk contoh data nominal jenis kelamin: laki-laki (misalnya diberi simbol 1) dan perempuan (diberi simbol 2), kemudian diordinalkan. Kemungkinan yang bisa adalah, kita mencari karakter tertentu dari kedua simbol nominal tersebut. Misalnya kita ukur tingkat kepedulian antara laki-laki dan perempuan terhadap suatu persoalan.
Lala, di/pada Agustus 20th, 2008 pada 12:43 am

Ma’af Pak Jun, maksud saya kemarin transformasi data nominal ke interval, ada metode transformasinya nggak Pak? Terima kasih atas jawabannya.

Jawab:Kalau dari nominal ke ordinal tidak mungkin. Maka lebih tidak mungkin lagi dari nominal ke interval. Ingat, skala interval lebih tinggi dari ordinal. Junaidi
nina, di/pada Agustus 25th, 2008 pada 8:10 am

Assalamu’alaikum wr wb.
pak, saya mau tanya.. untuk mengukur tingkat pengetahuan seseorang itu apa perlu skala juga? kalau perlu apa jenis skala tersebut?
misalnya saya akan membuat kuesioner berisi 20 pertanyaan, setiap pertanyaan memiliki 1 jawaban yang tepat dari pilihan jawaban yang disediakan. Setiap jawaban yang benar diberi nilai 1 dan jawaban salah diberi nilai 0. Bagaimana saya bisa memasukan kategori tingkat pengetahuan responden tersebut menjadi ‘tingkat pengetahuan baik’, tingkat pengetahuan cukup’, atau ‘tingkat pengetahuan kurang’.
Saya pernah membaca skala guttman atau skala likert, dimana jenis pertanyaannya ialah memilih antara setuju atau tidak setuju, dan diberi skor 1 atau 0 pada setiap jawaban yang dipilih. Tetapi untuk jenis pertanyaan kuesioner saya, saya bingung termasuk jenis skala apa. Apakah hanya skala interval biasa?
Maaf ya pak kalau membingunggkan..Terima kasih atas jawabannya..
Wassalamu’alaikum wr wb.

Jawab:Kalau cara menentukan tingkat pengetahuan seseorang dengan menguji kemampuannya dan memberikan penilaian untuk setiap jawaban seperti itu, maka hasilnya adalah skala interval. Tapi kalau kemudian, nilai total jawaban masing-masing responden dikelompokkan (di range) atas tingkat pengetahuan baik (misalnya nilai 15 – 20), tingkat pengetahuan cukup (misalnya nilai 10 – 15) dan tingkat pengetahuan kurang (misalnya nilai kurang dari 10), maka hasilnya menjadi skala ordinal.
Demikian kira-kira jawabannya. Maaf terlambat merespons. Lagi ada beberapa kegiatan yang harus diselesaikan. (Junaidi)
Lala, di/pada Nopember 13th, 2008 pada 3:58 am

Assalamu’alaikum wr wb,
Ma’af Pak Jun, saya mau tanya. Kalau data ordinal tuh ada nilai min dan max nya nggak? Oia Pak saya sekarang sedang proses mengerjakan hasil penelitian dengan menggunakan analisis kluster dan data saya berupa data ordinal, yang saya tanyakan bagaimana caranya menentukan jumlah kelompok optimal? karena kalau pakai dendogram sulit untuk menentukan jumlah kelompok optimal (100 obyek).

Demikian pertanyaan dari saya, kalau bapak berkenan mohon di jawab via email. Terima kasih atas perhatian dan kerja samanya.

Jawab: Tidak ada ketentuan baku mengenai nilai minimum dan maksimum dari data ordinal. Jumlah kelompok untuk data ordinal ditentukan secara subjektif, dan disesuaikan dengan jenis data serta bidang keilmuannya.
Analisis kluster pada dasarnya dapat dibagi dua yaitu kluster (pengelompokan) observasi dan kluster (pengelompokan) variabel. Yang mana mau dikerjakan ?
Metode kluster juga macam-macam, yang secara umum dapat dibagi atas metode hirarki dan metode non-hirarki. Yang mana mau dipakai ?
Saya pikir tidak sulit untuk menentukan jumlah kelompok optimal dengan dendogram untuk 100 obyek pengamatan. Coba gunakan SPSS, dengan menu Analysis Clasify, selanjutnya disitu ada beberapa pilihan metode untuk kluster yang bisa disesuaikan dengan jenis dan jumlah data kita. SPSS juga punya fungsi Help dan Tutorialnya, yang membantu kita memahami analisis kluster ini. (Junaidi)
Endang D Hendarin, di/pada April 1st, 2009 pada 6:22 am

Assalumuallaikum wr. wb.
Pak mau tanya nih,
1. “Hipotesis”untuk uji multivariat itu bgmana ? penulisannya digabung semua variabelnya, apa bisa dirinci per variabel ?
2. Ukuran kategori baik, sedang dan kurang selain mengacu kpd nilai mean dan median, untuk ukuran yg fixed misalnya baik > 8 pertanyaan, sedang 6 – < 8 dan kurang < 6, ada sumber yang jelas apa tidak ?

Demikian pertanyaan dari saya, kalau bapak berkenan mohon di jawab via email. Terima kasih atas perhatian dan kerja samanya.
dian, di/pada April 3rd, 2009 pada 10:04 am

pak,saya ingin menanyakan soal karakteristik dari skala interval,ordinal dan rasio,beserta contohnya.
makasi pak…

Jawab:Bukankah sudah cukup jelas karakteristik dan contohnya dari tulisan di atas Mbak? Atau mungkin bisa lebih dispesifikkan lagi pertanyaannya ?
v, di/pada April 17th, 2009 pada 5:25 am

saya mo’ nanya… kuesioner saya menggunakan pilihan jawaban seperti “tidak setuju”, “netral” dan “Setuju”, apakah itu termasuk skala ordinal
dan apakah skala ordinal bisa di analisa dengan menggunakan metode regresi…??soalnya skripsi teman2 terdahulu sperti itu…dan saya bingung ketika dosen pembimbing saya bilang skala ordinal tidak bisa menggunakan metode analisis regresi… pa yang harus saya lakukan… saya ingin mencari pengaruh / atau ada tidaknya pengaruh dari beberapa variabel bebas terhadap variabel terikat… kata teman saya bisa saja dengan menggunakan skala likert… artinya jawaban responden di berikan peringkat.. baru di regresikan… terima kasih…

Jawab:Benar, pilihan jawaban tersebut termasuk skala ordinal. Skala ordinal bisa diregresikan. Jika skala ordinal terletak di variabel bebas (independent) bisa dijadikan variabel dummy. Jika skala ordinal terletak di variabel terikat (dependent) bisa menggunakan regresi ordinal logit.
Tapi menurut saya kalau skala ordinalnya adalah skala likert seperti itu, sebaiknya jangan dipaksakan menggunakan regresi. Banyak alat analisis untuk melihat hubungan pada statistik non-parametrik yang lebih sesuai. Kalau dipaksakan menggunakan regresi untuk skala likert, interpretasi hasilnya seringkali membingungkan/susah untuk dimaknai.
kartika, di/pada April 17th, 2009 pada 1:36 pm

maaf pak, saya mau tanya tentang pengukuran tingkat pengetahuan akseptorKB.TRIMA KASIH

Jawab:Umumnya untuk pengukuran pengetahuan kita bisa menggunakan skala Likert, dengan mengajukan pertanyaan-pertanyaan mengenai aspek pengetahuan KB, kemudian memperingkat jawaban responden berdasarkan skala Likert.
Ketut Yudiana, di/pada April 27th, 2009 pada 10:02 am

pak, saya sedang melakukan penelitian tetang tingkat pengetahuan pasien, saya perlu skala yang dapat digunakan unutk menyatakan bahwa tingkat pengetahuan pasien tinggi, sedang atau rendah dengan kuisioner. Bapak punya tidak sumber buku yang menyatakan skala skala tersebut, trima kasih pak sebelumnya

Jawab:Biasanya penetapan skala pengetahuan responden tergolomg tinggi, sedang, rendah ditetapkan oleh peneliti melalui definisi operasional variabel dalam penelitian. Untuk mendukung penetapan tersebut, peneliti merujuk pada hasil-hasil penelitian orang sebelumnya yang senada dengan penelitian yang akan dilakukan. Jadi, coba cari hasil-hasil penelitian sebelumnya dulu
irin, di/pada Mei 17th, 2009 pada 6:56 am

ass. pak saya mau tanya. dalam penelitian saya untuk variabel x (nominal) dengan skala guttman dan variabel y (ordinal) dengan skala likert. apa harus di transformasi dari data nominal ke ordinal?? saya bingung cara mengolahnya. tolong minta bantuannya. terima kasih!! Wassalam

Jawab:Tidak perlu ditransformasi datanya. Ada beberapa peralatan statistik yang cocok untuk skala data semacam itu. Silakan dibaca buku-buku mengenai statistik non-parametrik. Sebagai pengantar kepemahaman statistik non-parametrik ini, bisa dilihat pada beberapa tulisan saya diblog yang lain, diantaranya: (silakan klik di bawah ini)
Pemahaman Dasar Statistik Non-Parametrik
Model-Model Analisis Statistik Non-Parametrik
Statistik Uji Kruskal-Wallis
Korelasi Peringkat
Korelasi Peringkat dengan SPSS
Prosedur Uji Chi-Square
Chi-Square dengan SPSS

Posted in Uncategorized Tagged: blog, ekonometrik, statistik, Tip-Trik

Mengapa Saya Nge-Blog

Junaidi — Sun, 17 May 2009 08:27:36 +0000

Hari ini, tepatnya tanggal 17 Mei 2009, blog ini sudah berusia 1 tahun 1 bulan 4 hari. Blog ini mulai saya bangun pada tanggal 13 Mei 2008.

Alhamdulillah, meskipun pengunjungnya tidak terlalu banyak, tetapi cukup menggembirakan bagi saya. (terutama karena topik utama blog ini yang biasanya tidak disukai orang; hitung menghitung) Tercatat sampai hari ini jumlah pengunjung (unique visitor) mencapai 18.012 orang, dengan total klik pengunjung terhadap tulisan-tulisan yang ada mencapai 35.631 kali. Awal-awalnya jumlah klik pengunjung perhari memang tidak terlalu banyak (masih di bawah 100), tetapi terutama dalam dua bulan terakhir melonjak cukup pesat mencapai diatas 250 klik perhari.

Mengapa saya nge-blog (maksudnya ikut-ikutan membuat blog) ? Bukankah hanya akan membuang-buang waktu tanpa hasil materi yang jelas bahkan tidak ada ?

Memang, tidak ada hasil materi yang diperoleh di blog ini. Apalagi di wordpress, yang tidak bisa dipasangi iklan (kalaupun bisa dipasangi iklan, hasilnya juga saya rasa tidak akan memadai jika dibandingkan waktu yang terpakai untuk merawat blog ini). Tetapi, saya memperoleh banyak hasil yang bersifat non-materi. Apa itu ? Kepuasan karena dapat berbagi pengetahuan dengan yang membutuhkannya. Dan itu, tentunya tidak bisa dinilai dengan uang

Selain itu, melalui blog ini ternyata saya juga mendapatkan banyak dorongan dan pengetahuan-pengetahuan baru yang disumbangkan melalui pemikiran-pemikiran dan pertanyaan-pertanyaan yang diajukan dan diberikan oleh pengunjung blog ini. Ini dikarenakan, secara tak sengaja, blog ini telah menjadi ajang diskusi kecil-kecilan, terutama mengenai topik-topik yang terkait dengan ekonomi, kependudukan dan pendekatan kuantitatif. Sampai hari ini, terdapat 208 komentar (respons) terhadap tulisan-tulisan dalam blog ini yang memicu diskusi tersebut. Alhamdulillah, diskusi tersebut telah melibatkan mulai dari pelajar-pelajar sekolah menengah, mahasiswa, dosen, guru-guru sekolah menengah, bahkan juga pegawai swasta, pegawai negeri dan penggiat LSM.

Sebagai penghargaan terhadap para komentator, dan juga agar diskusi kecil-kecilan tersebut dapat menambah (dan dapat ditambah) wawasan kita bersama, seluruh komentar dan jawabannya dipostingkan dalam tiga postingan. Silakan klik berikut ini:

Bagian 1, Bagian 2, Bagian 3

Ok, marilah kita sama-sama nge-blog. Marilah kita sama-sama berbagi.

Posted in Uncategorized Tagged: blog

Transformasi Data dengan SPSS

Junaidi — Sun, 17 May 2009 07:17:18 +0000

Seorang pengunjung blog ini (Marol) menanyakan bagaimana cara mentransformasi variabel dengan menggunakan SPSS. Beliau sudah mencoba beberapa kali, ternyata selalu gagal.

Jawabannya diberikan dalam postingan ini, mudah-mudahan juga bisa membantu yang lainnya.

Sebagai contoh, misalkan kita ingin mentransformasikan variabel Penjualan berikut ini dengan melogaritma naturalkan.

600 400 350 625 1000 710 825 700 820 725 1800

Tentunya data tersebut harus diketik dalam satu kolom pada worksheet SPSS (karena ini adalah satu variabel). Kemudian beri nama variabel tersebut dengan nama Penjualan.

Selanjutnya, untuk mentransformasi variabel ini, Klik Transform > Compute Variable. Akan muncul tampilan berikut:

Pada kotak Target Variable, masukkan nama variabel untuk menampung data hasil transformasi variabel tersebut. Misalnya dalam contoh kita diatas, diberi nama LnJual. Dengan cara ini, akan menghasilkan satu variabel baru dengan nama LnJual. Tetapi jika nama yang diberikan sama dengan nama variabel asal (misalnya jika diisi dengan nama Penjualan), maka hasil transformasi akan menindih variabel asal (data variabel asal akan diganti dengan data hasil transformasi).

Pada kotak Numeric Expression, isikan perintah transformasinya. Anda bisa mengisi perintah transformasi ini dengan dua cara:

a. Membuat rumus sendiri, misalnya: 2*Penjualan atau Penjualan**3. (Catatan: perkalian menggunakan bintang satu, pangkat menggunakan bintang 2)

b. Menggunakan fungsi yang sudah disediakan SPSS dalam kotak Function Group.

Dalam contoh ini kita akan melogaritmakan variabel. Fungsi tersebut sudah disediakan oleh SPSS dalam Kelompok Fungsi Arithmethic.

Oleh karenanya, klik Arithmethic, maka akan muncul di kotak Function and Special Variables, fungsi-fungsi yang tersedia pada kelompok arithmetic ini (lihat gambar diatas).

Kemudian klik Ln, dan klik tanda panah yang mengarah ke atas pada gambar diatas. Maka pada kotak Numeric Expression akan muncul tulisan seperti ini: LN(?).

Selanjutnya klik variabel Penjualan (variabel asal yang akan ditransformasikan), dan klik panah yang mengarah kekanan dari gambar diatas. Prosedur ini akan mengganti tanda tanya diatas menjadi Penjualan, sehingga tulisan pada kotak Numeric Expression akan menjadi: LN(Penjualan).

Proses mengisi kotak Numeric Expression ini cukup berbelit, tetapi jika Anda sudah hafal cara penulisan fungsinya, anda tidak harus melalui tahapan-tahapan tersebut. Cukup langsung diketikkan saja: LN(Penjualan).

Setelah itu klik OK, maka akan akan keluar output dari logaritma natural dari penjualan yang berada pada variabel baru yang bernama LnJual.

Cara mentransformasikan dengan fungsi-fungsi lainnya adalah relatif sama dengan cara melogaritmakan diatas. Lalu kenapa Sdr. Marol selalu gagal mencobanya ?Ada beberapa kemungkinan:

1. Nama variabel yang dimasukkan ke dalam kotak Numeric Expression tidak sama dengan nama variabel yang sudah ada (yang akan ditransformasikan).

2. Variabel tersebut bukan variabel numerik (untuk variabel bukan numerik atau variabel string). Untuk variabel string, ada fungsi khususnya pada kotak Function Group di atas.

3. Atau penyebab lainnya, tetapi sifatnya kasuistis yang tidak bisa dideteksi dari sini, tanpa melihat langsung file datanya.

Ok, silakan dicoba.

Posted in Tip-Trik Tagged: ekonometrik, SPSS, statistik, Tip-Trik

Kasus Perhitungan Manual: Transformasi Ordinal ke Interval

Junaidi — Tue, 12 May 2009 14:23:01 +0000

Tulisan ini sengaja ditulis untuk menjawab pertanyaan salah seorang pengunjung blog ini (Sdr. Hadi Sugiyanto). Tetapi, mudah-mudahan juga bisa bermanfaat bagi pengunjung lainnya yang menghadapi kasus yang sama.

Kasusnya sebagai berikut:

Sdr. Hadi Sugiyanto memiliki data ordinal dan ingin mentransformasikan ke skala interval. Secara ringkas, data yang dimiliki dengan frekuensinya adalah:

katagori frekuensi

1 0

2 0

3 40

4 61

5 15

Setelah menggunakan rumus-rumus yang saya buat dengan Excel (lihat tulisan ini), dan kemudian mencoba menghitung secara manual, ternyata beliau mendapatkan hasil yang relatif jauh berbeda, sebagai berikut:

Cara Manual Cara artikel

1 = 0 1 = 0

2 = 0 2 = 0

3 = 1 3 = 1

4 = 2.0499 4 = 2.3679

5 = 4.9896 5 = 3.6982

Untuk menjelaskan lebih jauh kasus tersebut, disini akan diberikan prosedur perhitungan secara manual untuk transformasi data ordinal ke interval.

Ada beberapa tahap yang dilakukan dalam mentransformasi data ordinal ke interval yaitu:

Untuk setiap pertanyaan, hitung frekuensi jawaban setiap data kategori/ordinal (pilihan jawaban).
Kalikan frekuensi dengan nilai ordinal/kategori
Berdasarkan frekuensi setiap kategori dihitung proporsinya.
Dari proporsi yang diperoleh, hitung proporsi kumulatif untuk setiap kategori.
Hitung nilai Z untuk setiap proporsi kumulatif.
Tentukan pula nilai batas Z (nilai fungsi padat probabilitas pada absis Z) untuk setiap kategori.
Hitung scale value (interval rata-rata) untuk setiap kategori.

Untuk memperjelas tahapan tersebut, mari kita ikuti perhitungan berikut (dengan kasus data yang dikemukakan Sdr. Hadi Sugiyanto). Perhatikan tabel berikut dan penjelasannya

Kolom 1 adalah kolom dari kategori. Disini misalnya kategorinya terdiri dari 1 – 5

Kolom 2 adalah kolom frekuensi data untuk masing-masing kategori. Frekuensi tersebut, sesuai dengan kasus yang diberikan oleh Hadi Sugiyanto, dimana frekuensi untuk kategori 1 dan 2 adalah 0, kategori 3 = 40, kategori 4 = 61 dan kategori 5 = 15.

Kolom 3 adalah perkalian antara kolom kategori (kolom 1) dan kolom frekuensi (kolom 2). Misalnya angka 120 adalah hasil perkalian antara 3 x 40 dst.

Kolom 4 adalah proporsi frekuensi untuk masing-masing kategori, yaitu frekuensi yang ada pada kolom 2. Misalnya angka 0.52586 adalah hasil bagi antara 61/116.

Kolom 5 adalah proporsi kumulatif dari kolom 4. Misalnya angka 0,87069 adalah penjumlahan antara 0,34483 + 0,52586

Kolom 6 adalah nilai Z untuk proporsi kumulatif dari kolom 5. Nilai Z ini bisa dilihat dari tabel distribusi normal yang umumnya tersedia pada lampiran-lampiran buku statistik. Tetapi, umumnya tabel distribusi normal tersebut hanya memuat nilai Z untuk dua desimal di belakang koma dan untuk probabilitas empat angka dibelakang koma. Untuk mendapatkan presisi yang lebih baik, misalnya untuk mendapatkan nilai Z yang lebih dua desimal dibelakang koma dan dengan probabilita yang lebih dari empat angka dibelakang koma, kita bisa menggunakan rumus Excel =NORMSINV(prob.). Pada prob. masukkan nilai probabilitanya, atau alamat sel yang memuat probabilita tersebut (dalam hal ini adalah nilai proporsi kumulatif).

Misalnya, nilai Z untuk proporsi kumulatif (sebagai probabilita) 0,34483 adalah -0.3993. (catatan: untuk probabilitas <= 0,5, nilai Z adalah bernilai negatif).

Nilai Z hanya dihitung untuk proporsi kumulatif lebih besar dari 0 dan lebih kecil dari 1. Karenanya, dalam kasus diatas, kita hanya menghitung untuk kategori 3 dan 4.

Kolom 7 adalah nilai batas Z (nilai fungsi padat probabilitas pada absis Z) untuk setiap kategori.

Rumusnya adalah:

Dimana π = 3.14159 dan e =2.71828.

Misalnya angka 0,36837 dari tabel diatas berasal dari:

Dengan rumus Excel, kita bisa buat menjadi

=(1/((2*PI())^0.5))*(EXP(-((F4^2)/2)))

Dimana F4 adalah sel dari nilai Z yang akan dihitung nilai batas Z nya.

Atau dengan rumus Excel yang lebih ringkas adalah:

=normdist(F4,0,1,0).

Kolom 8 adalah scale value (interval rata-rata) untuk setiap kategori melalui persamaan berikut:

Batas atas/batas bawah adalah proporsi kumulatif (kolom 5). Kepadatan batas atas/bawah adalah nilai pada kolom 7.

Misalnya untuk angka 0.2997, diperoleh dari:

Kolom 9 adalah score (nilai hasil transformasi) untuk setiap kategori melalui persamaan:

Scale value adalah nilai yang telah dihitung pada kolom H. IScale Value_minI artinya adalah nilai absolut dari scale value paling kecil. Dalam rumus di atas tanda absolut adalah І…І.

Pada contoh diatas, scale value(pada kolom “8″) terkecil adalah -1.0683, (nilai absolutnya 1.0683). Dengan demikian, misalnya untuk kategori 5, scorenya menjadi:

Score = 1.62993 + 1.0683 + 1 = 3.69821

Dari perhitungan manual kita, ternyata hasilnya sama dengan rumus-rumus Excel yang ada pada tulisan yang pernah saya buat. Lalu, mengapa pengerjaan manual dari Sdr. Hadi Sugiyanto tadi bisa berbeda ?

Kemungkinannya menurut saya adalah dalam hal pembulatan perhitungan-perhitungan yang dilakukan. Prosedur dalam transformasi data ordinal ke interval relatif panjang, sehingga pembulatan-pembulatan angka yang dilakukan selama proses perhitungan akan sangat mempengaruhi hasil akhirnya.

Sebagai catatan penting juga, program Excel melakukan perhitungan dengan tingkat ketepatan 14 digit di belakang koma.

Ok, cukup sekian dulu. Mudah-mudahan bermanfaat.

Posted in Tip-Trik Tagged: interval, MSI, ordinal