Belajar Statistik Dengan STATA

Berikut ini case study dari buku  Basic Procedure for Multiple Regression Model Building. Applied Regression Analysis for Business . Diceritakan bahwa, seorang pemilik restoran hamburger melihat terjadi ketidak-stabilan gross-margin dari usahanya. Ketidak stabilan ini akan berdampak meningkatnya resiko bisnis karena ketidak-pastian keuntungan. Dia kemudian menyewa ahli statistik dan keuangan untuk menganalisa laporan keuangan quarterly sejak 2008 sd 2012 (5 tahun) dan meminta ahli tsb memberikan saran-saran perbaikan. Detail do-file dan file excel laporan keuangannya bisa di download disini . Tulisan ini akan dibagi dalam beberapa bagian. Mari kita mulai. Awalnya... Ahli statistik dan keuangan berdiskusi dengan management pusat restoran. Didapatkan indikasi awal bahwa grosmargin dipengaruhi: COGS yang tidak stabil. COGSt, di definisikan COGS pada quarter ke t. Dalam 5 tahun berarti total ada 20 quarter. Setelah dianalisis lebih lanjut COGSt ini dipengaruhi oleh harga Raw material (dagi

Chi Squrare digunakan untuk analisis dua variable nominal/categorical/symbol.  Contoh data nominal dalam kasus ini : Male=1, Female=0. Deposit garbage (buang sampah pada tempatnya) = 1, Litter (buang sampah sembarangan) = 0 Terlihat bahwa jumlah Female 25 orang, 18 baik, 7 jelek (suka menyampah). Demikian juga dengan Male, ada 75 orang, dimana 42 orang baik, 33 orang suka menyampah. Pertanyaannya: apakah ada perbedaan rata-rata sifat menyampah antara Male dan Female? H0: tidak ada perbedaan rata-rata sifat menyampah antara Male dan Female. Pengujian dengan Chi Square.            Didapat Chi Squre = 2 Jika dilihat di tabel Chi-Square untuk degree of freedom 1, nilainya p 0.16. p > 0.05, maka H0 diterima. Artinya: Tidak ada perbedaan rata-rata perbandingan jumlah Male dan Female dalam konteks suka menyampah. Catatan: cara hitung p dari nilai chi square di excel p = chidist(nilaichi2,df) = chidist(2,1) = 0.16   Tentang degree of freedom Jika kita punya 3 variable, dan variable ke 3 bi

Exploratory Factor Analysis (EFA), adalah teknik yang dilakukan untuk eksplorasi data, dalam rangka mencari kesamaan antara variable, dan membentuk variable baru (yang disebut variable laten, atau construct), dengan sesedikit mungkin menghindari terhadinya information loss . Ini "agak" mirip dengan kasus file JPEG, dimana file Bitmap di reduksi jadi file JPEG dengan minimum information loss . EFA akan membuang variable yang tidak berkontribusi terhadap model. Ambil contoh kasus berikut . Dan gunakan steps spt di Buku Praktikum, atau dari youtube . Berikut adalah variable yang mempengaruhi prestasi belajar. Kita cari corelasi antar variable: Korelasi dikatakan kuat kalau absolut nya > 0.5. Coefficient Value Strength of Association 0.1 < |  r  | < .3 small correlation 0.3 < |  r  | < .5 medium/moderate correlation |  r  | > .5 large/strong correlation Finansial - Lingkungan : -0.63 Jika diturukan korelasi absolut > 0.3 (medium correlation): 3.Fasilitas - 5.

Data dalam statistik terbagi dua jenis: 1. Data kualitatif, dalam bentuk narasi, spt: Perempuan itu cantik. Dosen itu pemarah. 2. Data kuantitatif direpresentasikan dengan angka:      i. Data diskrit : Data yang tidak diukur tapi dihitung (dicacah), biasanya pecahan terkecilnya tertentu (dan dalam bentuk bilangan bulat). Contoh: Hitung jumlah siswa dalam kelas. Hasilnya bisa 30 siswa. Apakah hasilnya bisa 30.2 siswa? Tentu tidak.      ii. Data continues : Data yang diukur bukan dihitung, biasanya pecahan terkecilnya tidak bisa ditetapkan (tidak ada batasnya).  Contoh: Berapa umur Anda sekarang? Bisa dijawab 23 tahun. Bisa dijawab 23 tahun 2 bulan 22 hari 2 jam 3 menit 5 detik 8 milidetik 7 mikrodetik.... (dan bisa berlajut sampai satuan terkecil yang tidak terbatas).  Contoh lain: Ukurlah suhu di Jakarta sekarang. Jawabannya biisa tidak terbatas, bisa 32 derjat Celcius, bisa 32.1 derajat Celcius, bisa 32.11 derjat Celcius, bisa 32.111 derjat Celcius, bisa 32.111111111 derjat Celcius, d

Bagi pemula di dunia statistik, [seperti saya ini :) hehe], setelah membaca bahan statistik saya  menyimpulkan bahwa ilmu statistik adalah sebuah ilmu yang berisi perangkat-perangkat yang mana dengan perangkat-perangkat tsb seseorang bisa menginterpretasikan sampel data dan menginferensikan nya ke dalam populasi. [revisi ternyata ada beda antara statistika dan statistik lihat di sini  di sini ] Untuk menginterpretasikan sample tersebut perlu alat buat mengujinya. Dan ini biasanya dibuat dengan mengajukan Hipotesis 0. Lawan dari Hipotesi 0 adalah Hipotesis 1 (atau disebut juga Hipotesis alternatif).  Dalam pengujian hipotesis tersebut, diperkenalkan konsep nilai alpha 0.05 (atau 5%), dan dihitung p value (probalility value nya). Dengan kriteria sbb: p < 0.05 maka H0 ditolak Banyak metode yang digunakan untuk mengetes sample, tergantung type data yang dimiliki, dan berapa banyak variabel yang dibandingkan.  Dikenal metode-metode seperti: Chi Square test (Chi di baca "Kai"),