STATISTIK PARAMETRIK
STATISTIK PARAMETRIK
Penggunaan “Statistik Parametrik” adalah
berdasarkan asumsi bahwa populasi di
mana sampel diambil berdistribusi
secara normal dan data dikumpulkan pada skala interval atau rasio (Sekaran, 2006).
Syarat lain
untuk penggunaan statistik parametrik
selain data harus Terdistribusi Normal, yaitu syarat “Kecukupan Sampel” harus terpenuhi,
dimana untuk parametrik (Univariate,
Bivariate, dan Multivariate selain metode SEM) mensyaratkan kecukupan sampel
> 30 sampel (Santoso, 2001).
Berbeda pada metode SEM menysyaratkan kecukupan
sampel harus > 100 sampel. Metode
terendah dalam SEM adalah “Maximum Likelihood” yang mensyarat sampel metode
berada pada rentang 100-200 sampel (lihat Ghozali, 2005; Ghozali dan Fuad,
2008; Hair et al, 2008).
Baca: “mengingat kembali sejumlah
istilah dan pengujian statistik”
dan “lanjutan-1-mengingat-kembali”.
Ø UJI BEDA:
1.
One-Sample T test
2. Independent
sample T test (Uji Dua Sampel Tidak Berhubungan)
Uji beda T Test ini digunakan untuk menentukan apakah dua sampel
yang tidak berhubungan (independent) memiliki rata-rata yang berbeda. Uji beda
t-test dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata
dengan standar error dari perbedaan rata-rata dua sampel (Ghozali, 2006;
Sekaran, 2006; Santoso, 2000).
3.
Paired Samples T test (Uji Dua Sampel
Berhubungan)
Paired sample T test (related sample) digunakan
untuk menguji apakah ada perbedaan rata-rata dua sampel yang berhubungan.
4. ANALYSIS OF VARIANCE
Analysis of variance merupakan metode pengujian
hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih
variabel independen (skala non-metrik atau kategorikal dengan kategori lebih
dari dua). (lihat Ghozali, 2006; Santoso, 2000)
1)
One-Way Anova
2)Two-Way Anova
3) ANALYSIS OF COVARIANCE (ANCOVA)
4) MULTIPLE ANALYSIS OF VARIANCE
(MANOVA)
Uji Keberlanjutan Anova:
· LSD
· Bonferroni
· Sidak
· Scheffe
·
Dan lain sebagainya.
Ø KORELASI
1. Correlate Bivariate (PEARSON
CORRELATION)
2. Correlate Partial
3. Correlate Distances
Ø CFA (CONFIRMATORY
FACTOR ANALYSIS)
Ø RELIABILITY
1. Alpha (Cronbach Alpha)
2. Split-Half
3. Guttman
4. Parallel
5. Strict Parallel
Ø ANALISIS REGRESI
(SIMPLE/MULTIPLE LINEAR REGRESSION )
Dalam regresi selain syarat kecukupan sampel harus
>30, syarat asumsi klasik tidak hanya terbatas pada pengujian Normalitas
saja, akan tetapi harus dilengkapi dengan metode pengujian lain, seperti:
autocorelasi, heteroskedastisitas, multikolinieritas, dan pengujian lainnya (Gujarati
Mensyaratkan minim pengujian asumsi klasik terdiri dari 10 pengujian. Lihat
Gujarati, 2003). Syarat asumsi klasik yang lazim digunakan di Indonesia,
mensyaratkan asumsi klasik dilakukan minim menggunakan 4 pengujian, yaitu:
normalitas, multikolinieritas, heteroskedastisitas, dan autokorelasi.
Sebelum melakukan uji linier berganda, metode
mensyaratkan untuk melakukan uji asumsi klasik guna mendapatkan hasil yang
terbaik (Ghozali, 2011: 105). Tujuan pemenuhan asumsi klasik ini dimaksudkan
agar variabel bebas sebagai estimator atas variabel terikat tidak bias, data yang
baik adalah yang tidak mengalami masalah asumsi klasik atau dinyatakan BLUE (Best, Linear,
Unbiased, Estimator). Rosadi (2012:52) menyatakan model regresi
dibangun atas beberapa asumsi klasik yang diperlukan untuk mendapatkan
estimator OLS yang bersifat BLUE.
Analisis regresi mengukur kekuatan hubungan antara dua variabel
atau lebih, juga menunjukkan arah hubungan antara variabel dependen dengan
variable independen (Ghozali, 2006).
Ø MODERATING/MODERASI
Variabel
moderasi adalah variabel independen yang akan memperkuat atau memperlemah
hubungan antara variabelindependen lainnya terhadap variabel dependen.
1. Interaksi
2. Selisih Mutlak
Ø INTERVENING/MEDIASI
Variabel intervening merupakan variabel antara atau mediating (mediasi), fungsinya memediasi hubungan antara variabel
independen/ bebas dengan variabel dependen/terikat (Ghozali, 2006:175). Dalam intervening/mediasi, terdapat tiga keputusan
dalam hubungan intervening/mediasi (analisis path). Menurut Heir et. al. (2006:867), sebuah efek mediasi
akan terbentuk ketika variabel/konstruk ketiga sebagai memediasi hubungan
antara kedua konstruk lainnya.
Ø UJI ASUMSI KLASIK/PRASYARAT
Tujuan pemenuhan asumsi klasik
ini dimaksudkan agar variabel bebas sebagai estimator atas variabel terikat
tidak bias, data yang baik adalah yang tidak mengalami masalah
asumsi klasik atau dinyatakan BLUE (Best, Linear, Unbiased, Estimator).
1. Uji Multikolonieritas (VIF
& TOLERANCE)
Menurut Ghozali (2006) uji multikolonieritas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara
variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi
antara variabel independen. Salah satu cara untuk mendeteksi ada atau tidaknya
multikolonieritas di dalam model regresi adalah dengan melakukan analisis
terhadap matrik korelasi variabel-variabel independen. Dimana jika antar
variable independennya terdapat korelasi yang cukup tinggi (diatas 90% atau
0,90), maka hal ini menandakan adanya multikolonieritas.
Selain dengan analisis matrik korelasi, uji
multikolonieritas juga dapat dilakukan dengan melihat nilai tolerance dan
variance inflation factor (VIF) yaitu:
1). Nilai tolerance > 0.10 dan nilai VIF < 10
maka disimpulkan bahwa tidak ada multikolinearitas antar variabel independen
dalam model regresi.
2). Nilai tolerance < 0.10 dan nilai VIF > 10
maka disimpulkan bahwa ada multikolinearitas antar variabel independen dalam
model regresi.
2. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai
korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu
(seperti dalam data time series) atau
ruang (seperti dalam data cross sectional).
Jika terjadi autokorelasi maka dinamakan ada masalah autokorelasi. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu residual tidak bebas
dari satu observasi ke observasi lainnya.
ü Durbin-Watson
ü Lagrange Multiplier (LM test)
ü Box-Pierce & Ljung Box
ü Run Test
ü Autokorelasi Linier Berorde
Tinggi (Breusch-Godfrey Test) BGLM
ü Koreksi autokorelasi “lagged
dependent variable”
ü Koreksi autokorelasi “Cochrane
Orcutt”
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
kepengamatan lain tetap maka tidak terjadi heteroskedastisitas. Model regresi
yang baik adalah dimana tidak terjadi heteroskedastisitas.
ü Scatter-Plot
ü Park
ü Glejser
ü White
ü Breusch-Godfrey Test
ü Harvey
ü ARCH
ü Koreksi Heteroskedastisitas
FGLS (Estimator Feasible Generalized Least Squares)
ü Koreksi Heteroskedastisitas
Consistent Coefficient Covariance
4. Uji Normalitas
ü P-PLOT
ü Kolmogorov-Smirnov
ü Lilliefors
ü Jarque-Berra
5. Uji Linearitas
ü Durbin-Watson
ü Ramsey Test
ü Lagrange-Multiplier
ü Polynomial
6. Homogeneity
of Variance test
DAFTAR PUSTAKA:
Ariefianto,
Doddy. 2012. EKONOMETRIKA esensi dan
aplikasi dengan menggunakan Eviews. Penerbit Erlangga 2012.
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate:
dengan Program SPSS. Semarang: Universitas Diponegoro.
Hair, J. F. et. Al. 2006. Multivariate Data Analysis Sixth Edition.
Pearson Educatiom, Inc. New Jersey, United State of America.
Wooldridge, J.M.
2005. Introductory Econometric: A Modern
Approach. Addison Wesley, Boston.
Santoso, Singgih. 2001. Statistik Parametrik.
Jakarta: PT. Elex Media Komputindo.
Sekaran, Uma.
2003. Research Methods for Business A Skill Building Approach. Second
edition, Jhon Willey & Sons, Inc, New York.
____________. 2006. Research Methods
for Business. Jakarta: Salemba Empat.