Author: richie

Statistical & Research Expert from Statistical Department at University of Padjadjaran.
Sebar Kuesioner Perspektif Penerapan SAP di SKDP Kota Depok

Sebar Kuesioner Perspektif Penerapan SAP di SKDP Kota Depok

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari pejabat atau staff keuangan SKPD kota Depok terkait dengan SAP (Standar Akuntansi Pemerintahan) dalam menghasilkan kualitas laporan keuangan pemerintahan yang baik Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori sangat menantang. Target spesifik yang menjadi kriteria dari responden adalah pejabat atau staff keuangan dari 36 SKPD yang ada dipemerintahan kota Depok. Kategori sangat menantang di sini, karena merupakan organisasi pemerintah sehingga prosedural birokrasi sangat diperhatikan dan yang didapati sangat rumit. Selain itu juga hunting untuk mendapatkan lokasi target sampel butuh perjuangan luar biasa.

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 2 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Proses survey yang sangat challenging yang tim kita temui di lapangan, well  planning dan well strategy dalam melakukan survey lapangan kali ini sangat diperlukan sekali, sekali lagi cost and time effective dalam penelitian. Calon responden yang kita hadapi adalah responden memiliki kecenderungan untuk menolak sangat tinggi dikarenakan frame bermanfaatnya research menjadi tantangan tersendiri di lapangan. Benefit first. Prosedural, karena yang kita datangi merupakan institusi pemerintahan kelengkapan permohonan perijinan perlu dipersiapkan oleh tim lapangan untuk mempermudah proses komunikasi dan legalitas.

Biaya dan Waktu, yang kita temui di lapangan dikarenakan birokrasi oleh karena ada jeda waktu tunggu yang lumayan untuk memperoleh kepastian “bisa ikut berpartisipasi” dan atau “tidak bisa ikut berpartisipasi”, otomatis menjadi estimasi budget tambahan yang harus dipersiapkan.  Effort Tim Lapangan, jarak tempuh, kondisi serta situasi alam yang menjadi tantangan tersendiri bagi tim lapangan, diperlukan tim tangguh di lapangan.

 

Saran kita berdasarkan pengalaman di lapangan diperlukan extra time untuk melakukan penelitian dengan kriteria responden dari institusi pemerintahan. Rencana time line research yang harus well planning dan well organized. Networking atau Offering Benefits mungkin bisa jadi instrumen yang dapat mempermudah dan mempercepat dalam proses pengambilan data lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey di lapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Sebar Kuesioner
Method of Successive Interval dengan MS Excel

Method of Successive Interval dengan MS Excel

Pada artikel yang telah lama, kita sudah membahas secara konsepsi dan perumusan manual tentang cara untuk mengubah skala ukur data dari data ordinal ke interval. Perlu di garis bawahi bahwa penggunaan data dengan skala minimal interval banyak sekali keuntungan diantaranya keleluasaan dalam pemilihan alat statistik dan juga pengoperasioan berbagai macam operasi matematika. Successive !

Dalam banyak kasus metode regresi, path analisis dan SEM sering dihadapkan pada data ordinal dari hasil pengukuran dengan intrumen kuesioner dengan skala likert. Biasanya dibangun dua konsep pandangan pada data yang dihasilkan dari skala likert, pertama memandang interval dikarenakan pandangan dua kutub mistar (mirip dengan pola skala semantic), sehingga terhadap data hasil koding dapat secara langsung dilakukan analisis dengan rumpun statistik parametrik.

Dan kedua memandang tetap ordinal berdasarkan pandangan bahwa terdapat grading (peringkat) atas persepsi yang dipertanyakan pada skala likert, oleh karenanya untuk dapat digunakan pada alat statistik pada rumpun parametrik harus dikonversikan terlebih dahulu pada skala interval.

Pada kesempatan kali ini kita akan coba tunjukkan tahapan dalam penggunaan “add ins” MS excel yaitu method of Successive interval, yang banyak diperlukan oleh peneliti pemula untuk membantu mengkonversikan data hasil kuesionernya (skala likert) agar dapat digunakan pada alat statistik pada rumpun parametrik diantaranya regresi, path analisis atau pun SEM.

  1. Pastikan bahwa add ins method of Successive interval sudah di down load dan terpasang pada MS Excel.
  2. Lalu buka file excel yang terdapat data hasil entry kuesioner atau sejenisnya yang berisi data ordinal berskala likert (1 s.d 9) seperti tampak pada gambar berikut. 

 

  1. Setelah terbuka file window excel, maka pada bagian menu excel (paling ujung biasanya) terdapat menu excel dan ketika di klik maka akan muncul pop up menu “Statistics” lalu klik dan akan muncul kembali menu pop up yang berisi daftar dari uji statistik pada excel, seperti tampak pada gambar berikut. 

 

  1. Setelah dipastikan ada menu “Successive Interval” pada daftar menu “Statistics” tadi maka klik dan akan muncul tampilan jendela untuk memulai proses konversi skala ordinal data menjadi skala interval, seperti tampak pada gambar berikut.

 

  1. Langkah pertama adalah mendefinisikan “range” data pada sheet excel yang akan dikonversikan, dengan cara menginputkan pada cell “Range Data” lalu blok pada sheet excel data yang akan dikonversi. Dan pada cell “Output” klik pada bagian sheet excel yang kosong untuk dijadikan tempat memunculkan hasil konversi seperti tampak pada gambar berikut. Lalu klik “Next”. 

 

  1. Langkah kedua adalah memilih variabel (no. pertanyaan) yang akan dikonversi, dengan cara memblok semua variabel (no. pertanyaan) yang tadi pada langkah sebelumnya (poin. 5) dipilih pada sheet excel, seperti tampak pada gambar berikut. Lalu klik “Next”. 

 

  1. Langkah ketiga adalah memasukan interval nilai minimum “Min Value” dan maksimum “Max Value” yang peneliti gunakan dalam (skala likert) intrumen penelitiannya. (misal : 1 dan 5, atau 1 dan mx. 9), seperti tampak pada gambar berikut. Lalu pada centang menu “Display Summary”, seperti tampak pada gambar berikut. Setelanya klik “Finish”, lalu MS excel akan memulai proses konversi. 

 

  1. Proses peng-konversian yang dilakukan MS excel terdiri dari dua bagian yaitu “Successive Details” dan “Successive Interval”. Dimana nilai yang nantinya akan digunakan sebagai nilai baru pengganti nilai yang lama adalah “Successive Interval”, sedangkan nilai-nilai yang terdapat pada “Successive Detail” adalah proses manual dalam perhitungan nilai konversi, seperti tampak pada gambar berikut.

 

Dengan adanya add ins pada menu excel khusus untuk metode Successive interval sangat membantu sekali bagi para peneliti atau data master untuk mempercepat proses pengolahan data yang dimilikinya. Yang perlu diperhatikan oleh peneliti atau data master sebelum melakukan peng-konversian adalah kehati-hatian dalam proses koding dari kuesioner ke dalam file excel, karena jika terjadi kesalahan dalam proses peng-entry-an dapat mengaburkan proses konversi yang dilakukan oleh MS excel. SEMANGAT MENCOBA!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

online survey BPKH RI | LISREL | SEM | Eviews | Analisis Faktor | Validitas | SWOT | Successive

survey lapangan kampung ketandan I path analisis | analisis jalur | LISREL
Residual Regresi Data Deret Waktu (Time Series)

Residual Regresi Data Deret Waktu (Time Series)

Seperti halnya dalam analisis regresi data crossectional dimana jika dibentuk suatu model persamaan matematik, ada dua perhatian setidaknya yang kita perhatikan yaitu hasil prediksi yang dihasilkan oleh model dan sisaan atau residual yang dihasilkan oleh model. Kebaikan model ketika kita membahas model regresi data crossectional adalah dengan memperhatikan nilai indeks determinasi, uji F dan uji t.

Dan untuk melihat kebaikan dari hasil prediksi dari model regresi data crossectional setidaknya kita harus memperhatikan pemenuhan asumsi klasik pada model diantaranya normalitas, autokorelasi dan heteroskedastisitas pada residual model serta multikolinearitas dan linieritas pada variabel yang dilibatkan dalam model.

Pada kesempatan kali ini kita akan membahas konsepsi residual pada data time series.

Setelah model regresi deret waktu dibangun berdasarkan sebuah sampel, selanjutnya adalah menghitung penaksir (ramalan) nilai-nilai pengamatan, hal ini diperlukan untuk menelaah besarnya kekeliruan jika model tersebut digunakan sebagai model ramalan. Besaran yang digunakan sebagai acuan untuk menyimpulkan bahwa model yang dibangun cocok dan baik untuk peramalan adalah resiu (Rt), yaitu selisih antara nilai pengamatan (xt) dengan nilai ramalannya (xt_topi).

Karena kekeliruan (error, et) merupakan variabel acak tidak terukur, untuk menelaah dipenuhi tidaknya asumsi model, yaitu rata-rata sama dengan nol, varians konstant dan tidak berautokorelasi, residu (Rt) digunakan sebagai variabel penelaahnya. Sebuah model ramalan disebut cocok dan baik, jika

  1. Taksiran koefisien regresi signifikans,
  2. Kekeliruan baku, yang diukur oleh simpangan baku residu, nilainya kecil,
  3. Asumsi pada kekeliruan dipenuhi, dan
  4. Tidak ada pencilan, yang dalam prakteknya model tanpa pencilan sulit dihindari, sehingga jika ada maka dilakukan telaahan khusus mengenai keberadaanya.

Untuk menelaah secara “visual” apakah sebuah model regresi baik dan cocok untuk digunakan sebagai model ramalan, dapat dilakukan berdasarkan diagram pencar (scaner diagram) nilai pengamatan atau nilai ramalan dengan nilai residunya. Kesimpulan yang dapat dikemukakan sehubungan dengan pola pencar titik adalah sebagai berikut :

  1. Sebuah model disebut baik dan cocok jika gambar menyajikan sebuah pencaran titik yang berada pada “pita tipis yang meliputi secara acak dan seimbang” garis rata-rata hitung kekeliruan yang sejajar sumbu residu.
  2. Jika pencaran titik meliputi seimbang garis rata-rata sejajar sumbu residu, tetapi membangun pola “terompet”, maka model cocok tetapi asumsi varians konstant (homogen) tidak terpenuhi.
  3. Jika pencaran titik berada pada “pita tipis” yang meiputi tidak seimbang garis rata-rata dan sejajar sumbu residu, maka model cocok tetapi asumsi kekliruan sama dengan nol (0) tidak terpenuhi.
  4. Jika pencaran titik meliputi seimbang garis rata-rata yang sejajar sumbu residu, tetapi membangun sebuah pola siklometri, maka model cocok tetapi asumsi kekeliruan saling bebas tidak dipenuhi.

Sebagai ilustrasi disajikan gambar-gambar di bawah ini untuk bahan telaahan,

Gambar 1. Model cocok dan baik untuk peramalan

Gambar 2. Model cocok dan baik tetapi memiliki pencilan

Gambar 3. Model cocok untuk peramalan tetapi tidak baik karena varians kekeliruan tidak homogen (konstan)

Gambar 4. Model cocok untuk peramalan tetapi tidak baik karena rata-rata hitung kekeliruan tidak sama dengan nol

Gambar 5. Model cocok untuk peramalan tetapi tidak baik karena kekeliruannya berautokorelasi

Chatfield (1984), box dan Jenkins (1976) mengemukakan, konsepsi analisis residual pada regresi biasa seperti yang telah dikemukakan, berlaku jika variabel respon (variabel tidak bebas) tidak berautokorelasi, dan tidak ada multikolinearitas pada variabell explanatory (variabel bebas).

Sedangkan dalam analisis data deret waktu, jika data berautokorelasi pada lag-k, maka terdapat hubungan fungsional antara Xt, Xt-1, . . . , Xt-k dan pada saat dibangun model regresinya, Xt sebagai variabel respon Xt-1, Xt-2, . . . , Xt-k sebagai variabel explanatory, sehingga jika pada identifikasi model, pengambilan nilai lag tidak cocok (kurang dari k), maka akan terjadi pelanggaran konsepsi analisis regresi biasa, karena adanya multikolinearitas pada Xt-1, Xt-2, . . . , Xt-k dan ketidakbebasan (beratukorelasi) pada Xt.

Penggunaan analisis residual dalam regresi deret waktu dilakukan untuk dua telaahan utama yaitu memeriksa kecocokan autokorelasi dan menguji kecocokan dan kebaikan model. Jika dalam analisis regresi biasa peta residual ditelaah salah satu saja, yaitu peta residual antara nilai pengamatan dengan residu atau nilai ramalan dengan residu, sebab hasilnya akan identik. Tetapi dalam analisis data deret waktu peta residual harus ditelaah untuk keduanya, sebab peta residual nilai pengamatan dengan residu untuk menelaah kecocokan model dan peta residual nilai ramalan dengan residu untuk menelaah kebaikan model. Selain itu perlu juga ditelaah pola nilai pengamatan dengan ramalannya. SEMANGAT MEMPELAJARI!!!

Sumber : Buku Ajar, Mulyana, Statistika UNPAD.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

online survey BPKH RI | LISREL | SEM | Eviews | Analisis Faktor | Validitas | SWOT | Residual

survey lapangan kampung ketandan I path analisis | analisis jalur | LISREL
Sebar Kuesioner Moda Transportasi Warga Cikunir, LRT Bekasi-Jakarta

Sebar Kuesioner Moda Transportasi Warga Cikunir, LRT Bekasi-Jakarta

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat di sekitar pembangunan LRT Bekasi-Jakarta dengan radius 5 km s.d 7 km, guna mendapatkan informasi terkait kebiasaan dan pilihan moda transportasi yang digunakan warga Cikunir untuk menuju tempat aktivitasnya di ibu kota Jakarta. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang mewakili sebuah keluarga di wilayah Cikunir, yang memiliki keseharian aktivitas di ibu kota Jakarta, baik itu yang beraktivitas dengan menggunakan pribadi maupun dengan menggunakan kendaraan umum. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan.

Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden dengan kriteria beraktivitas di ibu kota Jakarta. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————

Sebar Kuesioner
Sebar Kuesioner Moda Transportasi Warga Cikunir, LRT Bekasi-Jakarta

Sebar Kuesioner Moda Transportasi Warga Cikunir, LRT Bekasi-Jakarta

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat di sekitar pembangunan LRT Bekasi-Jakarta dengan radius 5 km s.d 7 km, guna mendapatkan informasi terkait kebiasaan dan pilihan moda transportasi yang digunakan warga Jatibening untuk menuju tempat aktivitasnya di ibu kota Jakarta. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang mewakili sebuah keluarga di wilayah Jatibening, yang memiliki keseharian aktivitas di ibu kota Jakarta, baik itu yang beraktivitas dengan menggunakan pribadi maupun dengan menggunakan kendaraan umum. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan.

Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden dengan kriteria beraktivitas di ibu kota Jakarta. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

rew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Sebar Kuesioner
Sebar Kuesioner Moda Transportasi Warga Bekasi Timur, LRT Bekasi-Jakarta

Sebar Kuesioner Moda Transportasi Warga Bekasi Timur, LRT Bekasi-Jakarta

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat di sekitar pembangunan LRT Bekasi-Jakarta dengan radius 5 km s.d 7 km, guna mendapatkan informasi terkait kebiasaan dan pilihan moda transportasi yang digunakan warga Bekasi Timur untuk menuju tempat aktivitasnya di ibu kota Jakarta. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang mewakili sebuah keluarga di wilayah Bekasi Timur, yang memiliki keseharian aktivitas di ibu kota Jakarta, baik itu yang beraktivitas dengan menggunakan pribadi maupun dengan menggunakan kendaraan umum. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan.

Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden dengan kriteria beraktivitas di ibu kota Jakarta. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Sebar Kuesioner
Sebar Kuesioner Moda Transportasi Warga Bekasi Barat, LRT Bekasi-Jakarta

Sebar Kuesioner Moda Transportasi Warga Bekasi Barat, LRT Bekasi-Jakarta

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat di sekitar pembangunan LRT Bekasi-Jakarta dengan radius 5 km s.d 7 km, guna mendapatkan informasi terkait kebiasaan dan pilihan moda transportasi yang digunakan warga bekasi barat untuk menuju tempat aktivitasnya di ibu kota Jakarta. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang mewakili sebuah keluarga di wilayah Bekasi Barat, yang memiliki keseharian aktivitas di ibu kota Jakarta, baik itu yang beraktivitas dengan menggunakan pribadi maupun dengan menggunakan kendaraan umum. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan.

Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden dengan kriteria beraktivitas di ibu kota Jakarta. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Sebar Kuesioner
Menstabilkan Varians Dengan MS Excel Data Deret Waktu (Time Series)

Menstabilkan Varians Dengan MS Excel Data Deret Waktu (Time Series)

Pada artikel sebelumnya kita sudah membahas konsepsi transformasi data yang tujuannya untuk menstabilkan varians (keragaman) pada data, khususnya pada pembahasan data deret waktu. Sekali lagi langkah transformasi ini penting untuk dilakukan untuk dapat mendukung stasioneritas data dalam tahap awal pemodelan dengan menggunakan data deret waktu. Beberapa konsepsi transformasi yang sudah dibahas dalam arikel sebelumnya diantaranya perlakuan terhadap data pengamatan yaitu dengan cara di-logaritma natural-kan, di-akar kuadrat-kan dan di-satu per data pengamatan-kan. Selain itu, dengan menggunakan metode yang lebih umum (power transformation) dalam penggunaannya yaitu dengan pendekatan transformasi Box-Cox, yang identik dengan pendekatan pencarian nilai λ  sebagai parameter transformasi (Artikel : Transformasi Stabilitas Varians).

Pada kesempatan kali ini kita akan coba aplikasikan pemahaman kita tentang konsep transformasi stabilitas varians pada data, dengan harapan dapat mengasah sensitifitas penilaian secara kasat mata atas data deret waktu yang dimiliki, apakah data yang dimiliki telah memiliki varians yang relatif stabil ataukah belum. Dikarenakan proses transformasi data menggunakan formulasi matematik yang sederhana maka kali ini kita hanya menggunakan Microsoft Excel untuk menghasilkan data hasil transformasi dan akan diperjelas pula dengan bentuk visualisasi atas data hasil transformasi. Adapun tahapan-tahapannya adalah sebagai berikut :

  1. Buka file data deret yang kita miliki pada microsoft excel seperti tampak pada gambar berikut. 

 

  1. Tambahkan setidaknya 3 kolom untuk menenpatkan data hasil transformasi diantaranya : Ln (Xt), √Xt dan 1/Xt. Seperti tampak pada gambar berikut. 

 

  1. Selanjutnya dengan menggunakan rumus masing-masing transformasi seperti disebutkan pada poin 2, maka akan terlihat data hasil transformasi seperti tampak pada gambar berikut. 

 

  1. Langkah selanjutnya adalah menggabarkan masing-masing data hasil transformasi dengan memakai jenis gambar Line agar terlihat aplitude dari pergerakan data, seperti tampak pada gambar berikut. 

 

  1. Untuk memastikan dan mengkonfirmasikan dari hasil amatan terhadap pola garis aplitude data pada gambar yang dihasilkan pada poin 4, kita hitung juga nilai keragaman baku (varians) dari masing-masing data hasil transformasi, seperti tampak pada gambar berikut. 

 

  1. Dari hasil pengamatan baik itu pada model grafik yang dihasilkan dan dikonfirmasikan dengan nilai varians yang dihasilkan, maka dapat diperoleh gambaran bahwa dari ketiga bentuk transformasi stabilitas varians untuk data, transformasi logaritma natural (Ln) yang paling baik, karena memberikan nilai koefisien variansi yang paling kecil. Jika diinginkan variansi yang lebih kecil lagi, maka gunakan transformasi Box-Cox, dengan memilih bermacam-macam nilai λ atau menaksirnya berdasarkan data sampel.

Jika kita telah yakin bahwa data yang kita miliki sudah memiliki varians yang stabil (menurut hasil transformasi yang paling baik dan mungkin), maka tahapan selanjutnya adalah melakukan proses diferensi untuk memastikan bahwa data yang kita miliki memiliki hasil akhir stasioner baik itu dalam rata-rata maupun varians. Sehingga untuk proses pembentukan model regresi data deret waktu kita dapat yakin dengan kebagusan model data deret waktu yang dihasilkan nantinya. SEMANGAT MEMPELAJARI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

online survey BPKH RI | LISREL | SEM | Eviews | Analisis Faktor | Validitas | SWOT | Varians

survey lapangan kampung ketandan I path analisis | analisis jalur | LISREL
Transformasi Stabilitas Varians Data Deret Waktu (Time Series)

Transformasi Stabilitas Varians Data Deret Waktu (Time Series)

Kembali pada bahasan times series data analysis yang sempat terjeda. Pada pembahasan awal tentang data time series kita sudah banyak mengupas konsepsi dasar yang sudah seharusnya peneliti pahami dalam rangka pemrosesan dan penelaahan data time series yang akan dibentuk dalam sebuah model regresi data time series. Kita sudah mengetahui dan memahami beberapa model yang sudah diuraikan pada artikel sebelumnya yaitu model Auto Regressive (AR), Moving Average (MA), Auto Regressive – Moving Average (ARMA) dan Auto Regressive Integrated Moving Average (ARIMA). Stabilitas Varians!

Tahap awal dalam pemrosesan data time series adalah mengidentifikasi dimensi dari model melalui Autokorelasi dan Autokorelasi Parsial yang ada pada data. Dilanjutkan dengan uji stasioneritas pada data time series sebagai prasyarat awal dalam pembentukan model data time series yang robust. Yang mungkin dan kebanyakan kasus data time series analysis terkendala adalah masalah kestasioneran data yang mutlak harus dimiliki oleh suatu model regresi data time series. Pada artikel-artikel sebelumnya kita sudah bahas cara menstasionerkan data yang tidak stasioner dalam hal rata-rata dan ini relatif mudah dilakukan yaitu dengan cara differensial. Secara aplikatif dan perbandingan antar model, kita sudah tunjukkan pada artikel-artikel sebelumnya. Sehingga diharapkan dapat membangun pemahaman bahwa secara tahapan, pembangunan model regresi time series agak panjang dan menantang.

Nah, pada kesempatan kali ini kita akan coba uraikan konsepsi perbaikan kestasioneran data deret waktu dalam hal varians.

Transformasi Stabilitas Varians

Proses differensi untuk menstasionerkan data umumnya “berhasil” jika data tidak stasioner dalam rata-rata hitung (terdapat komponen trend), sedangkan jika tidak stasioner dalam varians maka proses diferensi tidak selalu baik digunakan untuk menstasionerkannya, sebab orde-nya bisa tinggi, sehingga akan banyak data yang hilang.

Menstasionerkan varians harus dilakukan berdasarkan proses transformasi dengan konsepsi sebagai berikut. Berdasarkan deskripsinya, varians adalah jumlah kuadrat simpangan terhadap nilai rata-rata hitung yang dibagi oleh banyaknya data (ukuran sampel atau populasi), sehingga jika Xt, t  = 1, 2, 3, . . ., n sampel data deret waktu maka,

Formulasi tersebut jika disajikan dalam bentuk fungsi riil, maka deskripsinya sebagai berikut, jika µt parameter rata-rata hitung untuk deret waktu pada waktu t, Xt, maka

Dengan c, c > 0 merupakan konstanta non-stokastik dan fungsi f(µt) merupakan fungsi atas µt.

Jika T operator transformasi stabilitas varians, maka  T(µt), t = 1, 2,  . . . barisan data dengan varians konstant dan jika disajikan dalam deret Taylor disekitar titik µt maka,

Dimana T’(µt) merupakan turunan (diferensiasi) orde ke-1 dari T(Zt) di titik µt dan

Karena Var T(Zt) konstan, T dapat dipilih sedemikian rupa sehingga,

atau

Persamaan di atas adalah formulasi umum untuk transformasi stabilitas varians, sehingga bentuk transformasi data bergantung pada bentuk f(µt) (bentuk ketidakstasioneran dalam varians). Pada umumnya ada tiga bentuk transformasi stabilitas varians yang sering digunakan, yaitu :

  1. Jika simpangan baku data proporsional pada taraf-nya, f(µt) = µt, dalam hal ini transformasi stabilitas varians adalah transformasi logaritma natural. Xt ditransformasikan menjadi ln (Xt­), jika Xt > 0.
  2. Jika varians data proporsional pada tarafnya, f(µt­) = 1/√µt. Dalam hal ini transformasi stabilitas varians adalah transformasi akar kuadrat. Xt ditransformasikan menjadi √Xt, jika Xt > 0.
  3. Jika varians data proporsional pada kuadrat tarafnya, f(µt) = 1/µt2. Dalam hal ini transformasi stabilitas varians adalah transformasi perbandingan terbalik. Xt ditransformasikan 1/Xt.

Transformasi stabilitas varians yang lain dan lebih umum adalah transformasi kuasa (power transformation), yang dikenal dan dikembangkan oleh G. E. P. Box dan D. R. Cox sekitar 1964. Persamaan dari transformasi ini adalah

λ dinamakan parameter transformasi.

Jika transformasi kuasa ini dihubungkan dengan bentuk transformasi stabilitas varians yang lain, maka diperoleh tabel kesetaraan seperti di bahwa ini.

Beberapa catatan penting sehubungan dengan transformasi stabilitas varians,

  1. Bentuk-bentuk transformasi yang telah dikemukakan secara umum hanya didefinisikan untuk data deret waktu positif, terutama transformasi logaritmik natural dan akar kuadrat. Tetapi batasan tersebut bukan hal yang mengikat, sebab dalam analisis data deret waktu jika dimiliki data baru maka data tersebut akan langsung dilibatkan dalam model tanpa memperhatikan perngaruhnya pada struktur korelasi deret data, sehingga jika data dengan nilai negatif dan yang diisyaratkan nilai positif, maka yang diambil nilai mutlaknya.
  2. Transformasi stabilitas varians harus dilakukan sebelum proses diferensi dan analisis regresi deret waktu.
  3. Parameter transformasi kuasa, λ dapat ditaksir berdasarkan data sampel dengan menggunakan metode penaksiran statistis, misalnya metode kemungkinan maksimum.
  4. Transformasi pada data deret waktu (jika diperlukan) bukan hanya transformasi stabilitas varians juga transformasi pendekatan distribusi normal, jika data belum berdistribusi normal.

Pada artikel selanjutnya kita akan perlihatkan dengan meggunakan software proses stabilisasi varians atau transformasi pada data untuk mendapatkan varians yang stabil yang sangat bermanfaat dalam membangun kebaikan model regresi data deret waktu. SEMANGAT MEMPELAJARI!!!

Sumber : Buku Ajar, Mulyana, Statistika UNPAD.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

online survey BPKH RI | LISREL | SEM | Eviews | Analisis Faktor | Validitas | SWOT | Varians

survey lapangan kampung ketandan I path analisis | analisis jalur | LISREL
Sebar Kuesioner Pengguna E-Commerce Di Bandung

Sebar Kuesioner Pengguna E-Commerce Di Bandung

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari Konsumen Muda dalam berbelanja Online dan khususnya melalui aplikasi e-commerce (misal : bukalapak, tokopedia, shopee, dll). Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah remaja atau dewasa dengan usia di atas 18 tahun yang mengenal dan pernah melakukan aktifitas belanja online dan menggunakan aplikasi e-commerce. Kriteria objek yang cukup mudah karena seperti kita tahu bahwa tren aplikasi online sedang hits sehingga untuk mendapatkan objek pengguna pun relatif lebih mudah. Oleh karenanya, pemilihan lokasi berkumpulnya calon responden yang memenuhi kriteria harus diprediksikan, semisal kampus, sekolah, café, dll menjadi sasaran utama lokasi dalam menndapatkan responden.

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Calon responden yang kita hadapi adalah responden yang tetap memiliki kecenderungan untuk menolak selain dikarenakan issue yang melatarbelakangi survey lapangan ini, yaitu tentang Belanja (framing “konsumtif”), perlu diperhatikan juga level ekonomi dari responden untuk memastikan bahwa calon responden memenuhi kriteria yang ditargetkan (tampilan luar responden misal penggunaan smartphone, dll). Selain itu, perlu penjelasan yang persuasif dan ringan agar dapat meyakinkan calon responden atas tujuan survey yang dilakukan tidak menyentuh hal-hal yang sensitif tentang private information yang sangat dijaga kerahasiaanya oleh responden.

Easyness dari proses survey ini adalah jumlah populasi kriteria responden yang sangat banyak, sehingga memudahkan tim lapangan dalam memperoleh target sampel. Tools lain yang kita gunakan dalam mendapatkan target sampel tersebut adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
  • “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Sebar Kuesioner