Cara Melakukan Uji Normalitas Melalui Kolmogorov Smirnov atau Grafik Q-Q Plot

     Uji normalitas data adalah hal yang lazim dilakukan sebelum sebuah metode statistik. Uji normalitas merupakan salah satu bagian dariuji persyaratan analisis data atau biasa disebut asumsi klasik.Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data yang mampunyai pola seperti distribusi normal.
    Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Beberapa teknik yang bisa kita gunakan untuk menguji normalitas data adalah melalui rumus Kolmogorov-Smirnov, Shapiro-Wilk dan secara deskriptif melalui grafik Q-Q Plot, Box Plot, Histogram, Kurtosis dan Skewness.
     Dari sekian banyak metode yang dapat digunakan untuk membuktikan normalitas sebuah data, ada satu metode yang paling serig digunakan, yaitu dengan menggunakan rumus Kolmogorov-Smirnov. Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik. Berikut tahapan-tahapan melakukan uji normalitas melalui Kolmogorov-Smirnov di SPSS :

1. Masukkan semua data variabel pada IBM SPSS (link cara memasukkan variabel SPSS)
2. Klik Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sample K-S
3. Pindah semua variabel ke kanan


4. Klik OK dan hasilnya akan muncul seperti berikut

 Cara membacanya :
Ho : Populasi berdistribusi normal
Ha : Populasi tidak berdistribusi normal

Dasar pengambilan keputusan adalah berdasarkan probabilitas
Jika nilai probabilitas > 0,05 maka Ho diterima
Jikan nilai probabilitas <= 0,05 maka Ho ditolak

Sehingga dari hasil Kolmogorov-Smirnov diatas maka
X1 = 0,656 yang artinya > 0,05 maka populasi berdistribusi normal
X2 = 0,531 yang artinya > 0,05 maka populasi berdistribusi normal
X3 = 0,631 yang artinya > 0,05 maka populasi berdistribusi normal
Y = 0,772 yang artinya > 0,05 maka populasi berdistribusi normal


     Usul punya usul, Kolmogorov-Smirnov yang juga membuat rumus tersebut, pada awalnya memang diciptakan tidak unyuk menguji normalitas. Namun, karena banyak pakar yang telah membuktikannya untuk menguji normalitas, maka rumus Kolmogorov-Smirnov diklaim banyak pakar untuk menguji normalitas. Namun, uji normalitas sebenarnya dapat diuji melalui analisis deskriptif. Adapun caranya adalah sebagai berikut :
 
Kita memilih menu
Analyze - Descriptive Statistics - Explore...

Sehingga akan muncul dialog box seperti ini:

Yang perlu kita lakukan hanyalah memasukkan variabel yang akan diuji sebarannya ke dalam kotak Dependent List. Setelah itu kita klik tombol Plots... yang akan memunculkan dialog box kedua seperti ini:

Dalam dialog ini kita memilih opsi Normality plots with tests, kemudian klik Continue dan OK. SPSS akan menampilkan beberapa hasil analisis seperti ini:

SPSS menyajikan dua tabel sekaligus di sini. SPSS akan melakukan analisis Shapiro-Wilk jika kita hanya memiliki kurang dari 50 subjek atau kasus. Uji Shapiro-Wilk dianggap lebih akurat ketika jumlah subjek yang kita miliki kurang dari 50.
 
Untuk memastikan apakah data yang kita miliki mengikuti distribusi normal, kita dapat melihat kolom Sig. untuk kedua uji (tergantung jumlah subjek yang kita miliki). Jika sig. atau p lebih dari 0.1 maka kita simpulkan hipotesis nol gagal ditolak, yang berarti data yang diuji memiliki distribusi yang tidak berbeda dari data yang normal. Atau dengan kata lain data yang diuji memiliki distribusi normal. 

     Dari hasil pengolahan data diatas menghasilkan pula sebuah grafik dan hasil yang berjudul Steam and Leaf Plot, Detrenden Normal Q-Q Plots dan Normal Q-Q Plots. Hasil tambahan tersebut bukan berarti tidak dapat digunakan. Namun, tambahan ini juga sangat berguna untuk membuktikan bahwa data yang kita dapat berdistribusi normal.

• Normal Q-Q Plots. Grafik Q-Q plots akan terlihat seperti ini:

Garis diagonal dalam grafik ini menggambarkan keadaan ideal dari data yang mengikuti distribusi normal. Titik-titik di sekitar garis adalah keadaan data yang kita uji. Jika kebanyakan titik-titik berada sangat dekat dengan garis atau bahkan menempel pada garis, maka dapat kita simpulkan jika data kita mengikuti distribusi normal. Namun jika ada satu saja titik yang berada jauh atau diluar garis Q-Q Plots maka menandakan ada data yang tidak terdistribusi dengan normal.

• Detrended Normal Q-Q Plots. Grafik ini terlihat seperti di bawah ini:

Grafik ini menggambarkan selisih antara titik-titik dengan garis diagonal pada grafik sebelumnya. Jika data yang kita miliki mengikuti distribusi normal dengan sempurna, maka semua titik akan jatuh pada garis 0,0. Semakin banyak titik-titik yang tersebar jauh dari garis ini menunjukkan bahwa data kita semakin tidak normal 

Read More

Cara Memasukan (Entry / Input) Data Kuesioner ke SPSS

     Bagi peneliti yang menggunakan pendekatan kuantitatif mungkin akan menjumpai beberapa alat bantu analisis baik berupa software maupun alat hitung yang berfungsi membantu peneliti dalam mengolah data yang didapat dilapangan.
     Salah satu software yang sering digunakan adalah software package used for statistical analysis atau biasa disingkat SPSS. SPSS banyak digunakan peneliti kuantitatif karena tampilan dan penggunaannya yang sederhana dan mudah dipahami. SPSS juga menyediakan berbagai rumus analisis seperti Dubbin-Watson, Pearson, t-test, F-test dan banyak lagi, sehingga peneliti atau pengguna software hanya tinggal memilih rumus analisis apa yang ingin digunakan. Rumus-rumus tersebut juga terus dimutakhirkan oleh developer SPSS, sehingga versi dari SPSS terus diupdate. sehingga saran saya, apabila anda menggunakan rumus analisis yang baru, maka download software SPSS terbaru. Namun, jika sekedar regresi atau Annova, versi lama SPSS masih mengakomodir.

     Untuk kali ini, saya akan mengajarkan pada anda secara rinci terkait bagaimana cara menggunakan SPSS dimulai dari memasukkan data dari kuesioner ke SPSS. Tahap entry / input data merupakan tahap awal sebelum peneliti melakukan pengujian yang lainnya. Semisalkan, data dari kuesioner saya adalah sebagai berikut

TABEL 1. DATA KARYAWAN PERUSAHAAN XY TAHUN 2003

Nama	Umur	Gender	Masa Kerja	Tinggi Badan	Berat Badan
Mardiana	42	Laki - Laki	20	167	63
Sutisna	41	Laki - Laki	20	162	61
Suhardi	43	Laki - Laki	24	156	58
Suwanto	35	Laki - Laki	16	160	45
Slamet	30	Laki - Laki	13	157	59
Asep Kurnio	37	Laki - Laki	18	158	57
Dana Wardana	35	Laki - Laki	13	163	63
Soleh Hidayat	34	Laki - Laki	11	158	55
MI. Saefudin	49	Laki - Laki	20	159	56
Hapipudin	44	Laki - Laki	10	155	50
Kasbi	43	Laki - Laki	21	161	56
Tujo Raharjo	36	Laki - Laki	17	162	62
Supandi	35	Laki - Laki	14	162	50
Samsudin	33	Laki - Laki	15	170	70
Solihin	30	Laki - Laki	10	165	70
Agus Rohanda	41	Laki - Laki	19	162	46
Rustiyah	38	Perempuan	22	162	45
Sukamtin	40	Perempuan	20	151	50
Suryadi	40	Laki - Laki	18	156	60
Musri P	38	Laki - Laki	19	159	54
Neni	37	Perempuan	24	150	44
Moh. Arif	21	Laki - Laki	1	169	63
Muksin	34	Laki - Laki	14	160	50
Dinar Sundawati	36	Perempuan	11	156	53
Sarmiyati	45	Perempuan	26	146	63
Hadi Sumarwoto	47	Laki - Laki	26	170	62
Wasiyah	39	Perempuan	20	153	57
Edy Supriady	35	Laki - Laki	12	160	68
Emi	31	Perempuan	12	154	44
Sopiah	46	Perempuan	24	155	54

1. maka, buka software SPSS anda...disini, saya menggunakan versi lama dari SPSS sehingga tampilannya masih sederhana.
dan berikut tampilan yang akan kalian jumpai...sedikit serupa dengan microsoft excel, namun memiliki opsi pilihan yang berbeda. dan selalu terdiri dari 2 sheet, yaitu "data view" dan "variable view".


Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS. Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:

• Data. Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
• Transform. Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
• Analyze. Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
• Graphs. Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar charts, histogram, scatter diagram, etc.
• Utilities. Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.

Variable View adalah  tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.

Menu yang tersedia dalam Variabel View diantaranya:

 Name. Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:

• • Nama variabel maksimal 8 karakter.
  • Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
  • Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
  • nama variabel harus unik; duplikasi tidak diperbolehkan.
  • Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.

Type. Kolom ini untuk memberikan jenis variabel data yang digunakan seperti angka, huruf atau desimal.

Label. Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
variabel: ”nama” kita beri label: ”responden”
variabel: ”umur” kita beri label ”umur”
variabel ”gender” kita beri label ”jenis kelamin”, dan seterusnya
Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
  
Value. Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon  pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value]  dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi  langkah-langkah tersebut untuk jenis kelamin “Perempuan“. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan

Missing. Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat.

Columns. Kolom ini  menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.

Align. Kolom ini  menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left (rata kiri), right (rata kanan), dan center (rata tengah). fungsi ini sama persis saperti yang ada di microsoft office.

Measure. Kolom ini  menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan jenis ukuran data, yaitu:  
Scale/interval,  Kelompok data interval adalah kelompok data kuantitatif. Angka yang digunakan pada data ini menunjukkan suatu urutan dan dapat dilakukan operasi matematika. Angka nol pada data interval bukan seperi angka nol pada arti sesungguhanya. seperti usia 0-5 tahun, 6-11 tahun, 12-16 tahun
Nominal, Data nominal adalah kelompok data kulitatif dan merupakan level data paling sederhana. Apabila pada pengambilan data yang dihasilkan hanya berupa kategori maka data tersebut adalah data Nominal. seperti kategori (1) untuk laki-laki dan kategori (2) untuk perempuan.
Ordinal, Data ordinal adalah data kelompok kualitatif di atas data Nominal. Jika pada data ordinal semua data setara maka pada data ordinal ada klasifikasi berdasarkan tingkatannya. Tingakatan ini  berdasarkan  kriteria tertentu pada saat pengambilan data. seperti kategori (1) untuk SD kategori (2) untuk SMP, kategori (3) untuk SMA
Rasio Data rasio adalah tipe data level tertinggi pada pengukuran .Data ini termasuk data kuantitatif angka yang digunakan pada data ini adalah angka sesungguhnya. sehingga dapat dilakukan operasi matematika. Angka nol memiliki nilai yang sesungguhnya.


 2. Langkah selanjutnya adalah memasukkan metadata pada variable view. langkah ini seperti membuat master sebelum data pada kuesioner kita masukkan. sebagian orang menyebut langkah ini sebagai koding atau pengkodean atau klasifikasi golongan data.

Variabel pertama: Nama
Kolom Name atau nama variabel, ketik dengan nama untuk menamai responden
Pilihan Type atau tipe data, karena data berupa non-angka, maka diisi tipe string. Dengan banyak karakter 14, karena banyaknya karakter pada contoh paling banyak 14 dan klik OK, Tampak di layar:

• Karena ini Anda telah mendefinikan variable Nama mempunyai tipe variable string maka kolom decimal tidak aktip dan bernilai 0.
• Untuk menjelaskan nama dari variable “nama” maka kita masukan dalam kolom Label “ Nama Responden”.
• Kolom Values. Anda isi dengan none. Ini menyatakan bahwa tidak ada nilai numeric pada variable Nama yang perlu di beri nilai tertentu. Tentu saja hal ini akan berlaku untuk semua data bertipe string.
• Kolom missing, Anda isi dengan None. Ini menyatakan bahwa Anda tidak berharap adanya data yang hilang dan tentu saja ini sesuai dengan contoh.
• Kolom Columns, akan terlihat angka 8. ini merupakan angka default. Karena nama variable “Nama” mempunyai karakter kurang dari 8 maka tentu saja nilai ini dapat kita rubah minimal 4. dengan pertimbangan meingisikan nilai 4 pada Columns akan menyebabkan tertutupnya data nama responden yang mempunyai karakter maksimal 8 dalam hal ini maka sebaiknya dalam Columns mempunyai nilai 8 tepatnya 14.
• Kolom Align, secara default akan berisi left. Tentunya nilai left ini Anda dapat rubah sesuai keinginan Anda, yaitu dapat Right atau Center.
• Karena ini merupakan data string maka kolom Measure akan berisi nilai nominal.

Setelah semua proses pengisian kolom-kolom Data Editor (angka 1-seterusnya) pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable nama, yaitu nama-nama responden. Dalam memasukan data, Anda dapat memasuknya satu per satu atau copy – paste.

Variable kedua: Umur

• Kolom Name, isi dengan Umur.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Umur Responden dalam Tahun.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Umur. Dalam memasukan data, Anda ketik satu per satu atau melalui copy – paste.

Variabel ketiga: Jenis_Kelamin
Prinsipnya sama dengan pengisian pada variabel pertama, yaitu klik Variable View pada bagian kiri bawah dari tampilan pertama SPSS

• Kolom Name, isi dengan Jenis_Kelamin untuk menamai jenis kelamin responden.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 atau lebih dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value. Seperti diketahui, perhitungan dalam SPSS selalu untuk tipe data numeric. Untuk itu jenis kelamin harus dijadikan numerik pula, yaitu dengan tanda: 1 = tanda Laki-Laki, dan 2 = tanda Perempuan. Penulisan kode bisa bebas, misal 11 atau 12 untuk pria, dan variasi lainnya. Tapi menurut kebiasaan pria akan disebut pertama kali.

• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Jenis Kelamin Responden.
• Kolom Measure isi dengan nominal. Ini menyatakan bahwa data yang Anda masukan nantinya berupa nilai yang berbeda tetapi tidak membedakan. Artinya nilai 1 dan 2 yang Anda masukan berupa nilai yang mewakili pria dan wanita dengan pria dan wanita mempunyai posisi yang sama, yaitu pria tidak lebih tinggi dari wanita begitu pula sebaliknya. (karena jenis kelamin masuk pada data nominal)
• Kolom Colomns, isi dengan 10
• Kolom Align, isi dengan Right

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Jenis_Kelamin, yaitu jenis kelamin responden. Dalam memasukan data, Anda masukan 1 untuk responden pria dan 2 untuk wanita.

Variabel keempat: Masa_Kerja

• Kolom Name, isi dengan Masa_Kerja.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Masa Kerja Responden dalam.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Masa_Kerja, yaitu masa kerja responden. Dalam memasukan data, Anda ketik satu

 Variabel kelima: Tinggi_Badan

• Kolom Name, isi dengan Tinggi _Badan.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Tinggi Badan Responden dalam cm.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Tinggi_Badan. Dalam memasukan data, Anda ketik satu per satu

Variabel keenam: Berat_Badan

• Kolom Name, isi dengan Berat _Badan.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Berat Badan Responden dalam kg.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Berat_Badan. Dalam memasukan data, Anda ketik satu per satu

Read More

Jasa Analisis Data Kuantitatf

       Penelitian dengan metode kuantitatif selalu berkaitan dengan sebuah analisis statistik dengan berbagai rumus. Melihat proses analisis yang menggunakan perhitungan dan rumus membuat metode kuantitatif tidak cocok untuk orang-orang sosial atau orang-orang dengan kemampuan berhitung yang minim. Namun, seiring berkembangnya jaman, analisis dengan berbagai perhitungan dan rumus tersebut dapat selesai dengan hanya sebuah software statistik. Software statistik tersebut telah menyediakan berbagai rumus yang kita perlukan dalam melakukan analisis. Sehingga, layaknya sebuah kalkulator kita hanya perlu memasukkan angkanya dan memilih rumusnya, maka hasil analisis langsung keluar secara otomatis.
       Adapun software yang biasa dipakai dalam analisis adalah SPSS. Meskipun demikian, tidak banyak peneliti yang dapat menggunakan software tersebut. Hal ini dikarenakan, software tersebut tidak se-eksis microsoft office. Selain itu, fitur dari SPSS tidak sama dengan software kerja pada umumnya. Apabila seseorang sudah dapat menggunakan SPSS, masalah yang timbul kemudian adalah bagaimana cara menjelaskan angka yang keluar untuk menjawab rumusan masalahnya
Agar peneliti tidak putus asa karena beberapa keterbatasan yang ada, maka Dokter Skripsi juga menyediakan jasa analisis melalui software dengan berbagai macam metode analisis. Adapun rinciannya adalah sebagai berikut:
Regresi
1. Regresi berganda biasa Rp 250.000
2. Regresi dummyy Rp 250.000
3. Regresi komponen utama Rp 250.000
4. Regresi logistik Rp 250.000
5. Regresi panel Rp 300.000
6. Regresi time series Rp 300.000
7. Regresi two stage least square (TSLS) Rp 350.000
8. Regresi moderator Rp 300.000
9. Seemingly unrealated regression (SUR) Rp 300.000

Biometrik Lanjut

1. ANOVA RAL / RAK Rp 200.000
2. Analisis peragam / kovarian Rp 200.000
3. Split plot design Rp 250.000
4. Split plot in place Rp 250,000
5. Split plot in time Rp 250.000
6. Strip plot design Rp 250.000
7. Nested design / rancangan tersarang Rp 250.000
8. Tekning sampling & survai Rp 250.000
9. Respon surface method (RSM) Rp 300.000
10. AMMI Rp 300.000
11. ANOVA RAL / RAK faktorial Rp 300.000
12. Analisis faktorial sebagian Rp 300.000

Analisis Multivariate Rp 250.000

1. Analisis faktor Rp 250.000
2. Analisis komponen utama Rp 250.000
3. Analisis cluster / gerombol Rp 250.000
4. Analisis diskriminan Rp 250.000
5. Multidimensional scalling analysis (MDA) Rp 250.000
6. Analisis konjoin Rp 250.000
7. Analisis korelasi kanonik Rp 250.000
8. Analisis korespondensi Rp 250.000
9. Multivariate analysis of variance (Manova) Rp 300.000
10. Analisis jalur path Rp 350.000
11. Structural equation modeling (SEM) Rp 350.000
12. Partial least square (PLS) Rp 350.000

Statistik Deskriptif + Non Parametrik

1. Statistik deskriptif Rp 150.000
2. Korelasi Pearson / product moment Rp 200.000
3. Kruskal Wallis Rp 200.000
4. Wilcoxon test Rp 200.000
5. Mc Nemar test Rp 200.000
6. Mann Whitney Rp 200.000
7. Friedman test Rp 250.000

*Harga dapat berubah sesuai tingkat kesulitan dan jumlah variabel

Read More

Tips Menyusun dan Membuat Paragraf

     Secara sederhana, Paragraf adalah kumpulan atau kesatuan kalimat yang saling melengkapi untuk menjelaskan sebuah topik / gagasan / ide (koheren). Umumnya, dalam sebuah paragraf terdiri dari kalimat inti dan kalimat penjelas. Namun, dalam penulisan karya tulis saat ini juga dijumpai sebuah paragraf yang berisi kalimat penjelas saja atau bahkan kalimat inti saja. Untuk jumlah kalimat dari sebuah paragraf sendiri sebenarnya tidak dibatasi, namun hendaknya terdiri dari 2 atau lebih kalimat, disesuaikan dengan penjelasan dari kalimat inti.
     Paragraf merupakan sebuah komponen dalam sebuah karya tulis. Dapat dibayangkan, apabila paragraf dalam sebuah karya tulis tidak ada, maka pembaca akan sulit memahami makna dari tulisan karena buramnya kalimat yang menekankan pada ide / gagasan dan penjelasannya. Adanya paragraf sendiri juga untuk memudahkan penulis untuk menghantarkan ide / gagasannya dalam sebuah karya tulis. Adanya Paragraf, membuat penulis dapat menyampaikan ide / gagasannya secara sistematis.
Bagi sebagian besar penulis baik pemula maupun profesional, membuat paragraf yang membentuk sebuah kesatuan, kepaduan, lengkap serta urut sangat sulit. Apalagi memulai sebuah kalimat dalam paragraf. Sehingga disini, Dokter Skripsi mencoba memberikan sedikit tips tentang cara memulai menulis dan menyusun sebuah paragraf yang biasa dilakukan oleh para konsultan Dokter Skripsi:
 
1. menyusun kerangka atau alur pikir paragrafmenyusun kerangka atau alur pikir paragraf merupakan tahap yang perlu dilakukan dalam menyusun sebuah paragraf. kerangka atau alur pikir paragraf perlu dibuat terlebih dahulu agar tulisan yang kita buat tidak menyimpang dari apa yang kita inginkan dan tertata secara runtut dan sistematis. Kerangka atau alur pikir paragraf dapat dimulai dengan kalimat umum maupun kalimat khusus. Contoh, apabila saya ingin menyusun paragraf tentang kekayaan Indonesia dimulai dari kalimat umum :
"Dunia internasional menyebut Indonesia sebagai negara megabiodiversity. Hal ini dikarenakan, Indonesia memiliki anekaragam hayati baik flora maupun fauna. keanekaragaman hayati Indonesia tersebar dari sabang hingga merauke. Jumlah spesies yang tercatat pun lebih baynyak dari negara lainnya, yaitu 1.237 spesies."
Sedangkan, apabila dimulai dari kalimat khusus adalah :
"Indonesia memiliki jumlah spesiesflora dan fauna  sebanyak 1.237 spesies. Jumlah tersebut sangat banyak apabila dibandingkan dengan jumlah spesies yang ada di negara lain. jumlah spesies yang tersebar dari sabang hingga merauke tersebut membuat dunia internasional menobatkan Indonesia sebagai negara megabiodiversity."

Dari contoh diatas sebenarnya hanya merubah letak kalimat dan merubah sedikit susunan katanya. Inti dari keinginan mengenai kekayaan hayati Indonesia saya perjelas dengan kalimat-kalimat pendek yang meyakinkan pembaca mengenai kekayaan hayati Indonesia. Kalimat penjelas tersebut dapat kita jabarkan dari ide kalimat dari kerangka atau alur pikir paragraf atau dari data yang kita dapat.
 
2. metode ATM (Amati Tiru Modifikasi)
Sebelumnya, jangan berprasangka plagiat dulu dengan metode yang pertama ini. Metode ATM (Tiru Amati Modifikasi) merupakan metode yang sering kita pakai atau sarankan bagi para penulis pemula. Hal ini dikarenakan, metode ATM (Amati Tiru Modifikasi) merupakan metode yang paling mudah untuk diterapkan dalam membuat sebuah paragraf.
Syarat menggunakan metode ini adalah kita harus memperkaya kosakata dan susunan kata melalui membaca. Dengan intensitas yang tinggi dalam membaca, maka akan banyak kata yang dapat kita rangkai menjadi sebuah kalimat dan kalimat menjadi paragraf. Dari kalimat atau paragraf yang kita baca, kita dapat mengolah atau merubah susunan katanya. Contoh :
"Indonesia adalah negara agraris yang memiliki lahan pertanian yang luas"
Dari kalimat diatas tersebut, kita dapat memodifikasi menjadi :
a. Lahan pertanian yang luas, membuat indonesia dijuluki sebagai negara agraris.
b. Negara agraris sangat cocok disandang oleh Indonesia, karena lahan pertaniannya yang cukup luas.

Modifikasi diatas dilakukan dengan merubah kalimat pasif menjadi kalimat aktif atau menambahkan kosakata dalam kalimat yang kita tiru.
 
3. Metode 4w+1h (what, where, who, which & how)
Mungkin bagi sebagian pembaca tidak asing dengan metode ini. Metode ini memang sering dipakai oleh para jurnalis atau wartawan dalam melontarkan pertanyaan ke narasumber. Syarat untuk menggunakan metode ini adalah menentukkan inti kalimat kita. inti kalimat dapat berasal dari kerangka atau alur pikir atau juga penjabaran dari alur atau kerangka pikirnya. Setelah inti kalimat telah kita tentukan, maka kita dapat mengeksplor melalui pertanyaan-pertanyaan yang kita kembangkan. Contoh :

Kalimat inti : "Indonesia merupakan negara agraris"
Kalimat ini dapat dikembangkan dengan :
a. Mengapa Indonesia disebut sebagai negara agraris?
b. Siapa yang mengakui Indonesia sebagai negara agraris?
c. Apa yang menyebabkan Indonesia disebut sebagai negara agraris?
d. Berapa banyak lahan pertanian yang membuat Indonesia menjadi negara agraris?

Dari pertanyaan diatas, maka kalimat inti diatas dapat menjadi sebuah paragraf seperti dibawah ini :

"Indonesia merupakan negara agraris. Hal ini dikarenakan, Indonesia memiliki lahan pertanian yang sangat luas serta mayoritas mata pencaharian penduduknya adalah sebagai petani. Dari alasan inilah maka dunia internasional mengenal Indonesia sebagai negara agraris yang menghasilkan produk-produk pertanian. Luas lahan pertanian Indonesia pun tergolong kedalam lahan pertanian terluas, yaitu sebesar 1000 ha"

Bagaimana...cukup mudah untuk sejauh ini? jika kita kurang pas dengan susunannya, kita dapat merubah-ubah sesuai keinginan atau komposisi yang pas.
 
4. 1 Paragraf 1 Kalimat Inti     Cara yang terakhir yang dapat Dokter Skripsi berikan adalah menyusun paragraf yang terdiri dari 1 kalimat inti dan beberapa kalimat penjelas. Metode ini membuat paragraf yang kita buat semakin sistematis, urut, rinci, lengkap serta informatif, sehingga pembaca dapat mudah memahaminya. untuk contohnya dapat dilihat di contoh paragraf lengkap dibawah ini.
"     Di dunia internasional, Indonesia merupakan negara dengan sebutan mega center of biodiversity atau pusat keanekaragaman hayati dunia. Hal ini dikarenakan, Indonesia memiliki 17% spesies satwa dunia. Secara rinci Indonesia memiliki 707 spesies mamalia, 350 spesies amfibia dan reptile, serta 1.602 spesies burung. Adapun jumlah hewan khas (endemik) yang dimiliki Indonesia adalah 172 spesies amfibi, 259 spesies mamalia dan 382 spesies burung. Keseluruh jenis satwa tersebut sebagian besar hidup secara alami di 47 tipe ekosistem yang tersebar dari Sabang sampai Merauke. Beberapa diantaranya bahkan belum tereksplorasi secara penuh dan diperkirakan masih banyak spesies endemik yang belum ditemukan. (inti : Indonesia merupakan negara megacenter biodiversity)
     Bagi Indonesia, predikat negara kaya akan sumber daya hayati bukan hanya sebagai prestasi, melainkan juga sebuah tantangan yang besar. Ancaman kepunahan beberapa spesies akan terus mengahantui Indonesia seiring dengan maraknya perburuan dan perdagangan satwa. Dengan banyaknya spesies satwa yang hidup di Indonesia, dunia internasional mempercayakan Indonesia menjadi garda terdepan dalam pelestarian kekayaan hayati dunia. Oleh sebab itu, Pemerintah Indonesia diminta untuk mewaspadai aksi pencurian dan pemusnahan satwa yang melibatkan aktor lokal maupun internasional. (inti: tantangan predikat megacenter biodiversity)
     Sebagai bentuk tanggung jawab dalam melestarikan dan melindungi spesies satwa yang ada, pemerintah Indonesia mengaturnya dalam sebuah peraturan perundang-undangan. Pada Undang-Undang Dasar 1945 pasal 33 ayat 3 disebutkan, “Bumi dan air dan kekayaan alam yang terkandung di dalamnya dikuasai oleh negara dan dipergunakan untuk sebesar-besar kemakmuran rakyat.”. Pasal dalam perundang-undangan tersebut menjelaskan, bahwa seluruh kekayaan alam yang tercakup di Indonesia termasuk aneka ragam spesies satwa yang ada merupakan tanggung jawab negara. Ketersediaan sumber daya tersebut merupakan bagian dari kemakmuran yang akan dicapai dan menjadi faktor pendukung dalam pembangunan yang akan dijalankan. (inti: upaya Indonesia menjaga predikat mega center biodiversity)
     Secara khusus, kelestarian lingkungan yang dimiliki Indonesia diatur dalam Undang-Undang no.5 tahun 1990 tentang Konservasi Sumber Daya Alam dan Ekosistemnya. Undang-undang tersebut dibuat untuk memberikan kejelasan dan ketegasan yang menyeluruh guna menjamin kepastian hukum bagi usaha pengelolaan dan pelestarian kekayaan hayati yang ada. Selain itu, adanya peraturan perundang-undangan ini, maka pemerintah Indonesia telah memberikan sarana perlindungan kepada semua pihak, tidak terkecuali satwa dan lingkungan hidup guna tercipta kesejahteraan sosial. (inti: fungsi undang-undang yang dibentuk pemerinta Indonesia)."

Read More