Olah Data SKRIPSI dari EXCEL SPSS sampai selesai. Termasuk outlier menggunakan CASEWISE DIAGNOSTICS

Salam sobat peneliti dan rekan - rekan mahasiswa/i pejuang skripsi
Dalam video kali ini, Bpk ingin berbagi tentang cara olah data skripsi dari awal sampai akhir. Dari mulai membuka excel hasil keluaran dari google form, kemudian melakukan transformasi data di excel, agar siap di pindahkan ke SPSS. Kemudian menggunakan SPSS untuk olah data statistik, yaitu: uji validitas, reliabilitas, uji asumsi klasik, uji regresi.
Pada video ini juga ditampilkan 2 macam outlier, yaitu outlier pada indikator dan outlier pada responden.
Jadi olah data skripsi itu mudah ya teman - teman, silahkan dicoba. Bila ada pertanyaan silahkan ditanyakan di kolom chat, akan Bpk balas
Sukses untuk skripsinya
#skripsi
#skripsibisa
#skripsimahasiswa
#tesis
#disertasi
#spss
#spssdataanalysis
#regresiberganda
#regression
#excel
#exceltips
#exceltutorial
#statistics
#statistik
#olahdata
#data
#dosen
#pembimbing
#scopus
#scopusjournals

[@rudiguncahyo3285]

Pagi Pak, izin bertanya, apakah wajib melakukan outlier menggunakan casewise diagnostics?

[@bambangleohandoko]

Pada dasarnya tidak wajib kak, awal sebelum outlier menggunakan casewise diagnostics, terdapat dua variable yang berpengaruh signifikan, setelah dioutlier menggunakan casewise diagnostics menjadi tiga variable. Inipun di posisi n = 104 (setelah outlier responden ke 39) apabila dilakukan uji normalitas menggunakan statistik non parametrik, skor one sample kolmogorov smirnov masih di angka 0.017 yang mana masih kurang dari 0.05. Sedangkan casewise diagnostics tidak menunjukkan rekomendasi lain. Jadi disini kita bisa lihat kalau casewise diagnostics juga memiliki keterbatasan. Solusinya dilakukan outlier manual dengan mensortir responden yang memberikan jawaban fluktuatif, misal dari 5 ke 1 atau ke 2, sebaliknya dari 1 ke 4 atau ke 5. Plus minusnya jumlah n akan makin berkurang, lagipula dalam penelitian data primer uji kualitas data yang wajib pada dasarnya adalah uji validitas dan reliabilitas, asumsi klasik adalah opsional, beda dengan data sekunder yang wajib

[@eviapriliani7736]

Izin bertanya pak, data saya sekunder. Saya sudah melakukan uji asumsi klasik tetapi hasil tidak normal. Kemudian saya menggunakan casewise diagnostis tiga kali dan data sudah terdistribusi normal. Tetapi uji autokorelasi dan hetero tidak lolos. Bagaimana solusinya ya pak?

[@bambangleohandoko]

Malam Bu. Kalau saya perhatikan kemungkinan Ibu menggunakan parameter normalitas menggunakan statistik non parametrik, one sample KS. Kemungkinan sama juga yang dibilang tidak lolos itu menggunakan Runs test. Kemungkinan data Ibu ini data panel, jadi gabungan antara data cross section dan data time series. Kalau data panel opada dasarnya tidak harus lolos uji autokorelasi. Heteroskedastisitas kemungkinan prediksi saya Ibu menggunakan uji glesjer. Solusinya bisa menggunakan parameter lain misalnya yg sederhana saja, seperti scatter plots. Asalkan plots tidak membentuk pola tertentu, pada dasarnya sudah lolos uji hetero

[@html2468]

Pak selama malam, izin bertanya lagi Pak🙏🏼. Jadi saya kn menggunakan metode analis regresi logistik, dimana variabel y nya adalah opini audit going concern. Jadi dalam analisis regresi logistik itu, apakah perlu uni multikolinearitas Pak? Yg dimana variabel X saya terdiri dari metrik dan non metrik Pak. Kalau dalam uji multikolinearitas itu apa yang kita pake pak, tabel cofficients a, yg ada Nilai Tolerance dan Vif atau tabel yg dibawahnya yang bernama collinearity diagnostics a. Dan satu lagi Pak, apakah dlm regresi logistik itu perlu tabel correlation matrix?? Dan saya bingung cara interpretasi datanya pak. Terimakasih Pak. Mohon bantuan ny Pakk🙏🏼🙏🏼

[@bambangleohandoko]

Regresi logistik tidak perlu pakai uji multikolinearitas kak. Karena uji multikolinearitas itu bagian dari uji asumsi klasik dan dipakainya kalau regresi linear. Kalau regresi logistik pakainya overall model fit, model fit test, hosmer and lemeshow gituan, terus nanti koefisien determinasinya juga pakainya Nagelkerke R Square. Kalau dalam regresi linear uji multikolinearitas itu pakai VIF (Variance Inflation Factors) dan Tolerance. Syaratnya VIF dibawah 10 dan tolerance diatas 0.1

[@html2468]

@@bambangleohandoko baik Pak terimakasih. Kalau tabel correlation matrix dlm regresi logistik itu gimana ya Pak🙏🏼

[@bambangleohandoko]

@@html2468 classification table kan ada dua kak,, classification table ab dan classification table a. Bila nilai classification table a lebih tinggi dari ab berarti ada kenaikan. Menunjukkan tingkat kekuatan prediksi model. Menunjukkan tingkat kekuatan prediksi model

[@sabrina6394]

Pak, mau bertanya Kalau item pernyataan yg unfavorable, apakah skor itemnya diubah utk uji validitas? Dan apakah hasil uji validitasnya juga negatif pak?

[@bambangleohandoko]

Malam Kak, untuk skor itemnya dirubah betul, namun hasil uji validitasnya tidak negatif kak, tetap positif

[@html2468]

Pa izin bertanya, kalau misalnya nilai sig

[@bambangleohandoko]

Sore Kak. Jadi artinya nilainya sangat kecil, jadi lebih kecil dari 0.001. Ini adalah tampilan di spss versi terbaru. Artinya sama dengan yg versi lama. Kalau di spss versi lama kan munculnya 0.000 yg artinya sampai 3 angka dibelakang koma belum ada angkanya, mungkin sampai 4 angka atau 5 angka dibelakang koma baru ada angkanya. Jadi kesimpulannya berpengaruh signifikan

[@html2468]

@@bambangleohandoko baik Pak terimakasih banyak Pak🙏 izin bertanya lagi Pak, kalau nilai constant variabel in the equationnya itu -4. 676 itu maksudnya apa ya Pakk🙏

[@bambangleohandoko]

@@html2468 kalau nilai constant itu maksudnya adalah konstanta atau nilai tetap. Hasil dari olah data spss ini nantinya akan menjadi persamaan linear. Persamaan linearnya itu seperti yg dipelajari di matematika yaitu aljabar. Y = C + BX1 + BX2 + ... + BXn + e. Kalau constant nya negatif ya artinya nilai konstantanya negatif.

[@html2468]

@@bambangleohandoko Ohh baik Pak, itu berpengaruh ngk Pak sama penelitian kita?

[@bambangleohandoko]

@@html2468 ke uji hiopotesis tidak berpengaruh. Konstanta hanya untuk mengisi persamaan regresi