PENGANTAR SKRIPSI (Problem Solving untuk yang sedang Bingung dengan Skripsinya)

“Aku persembahkan ini untuk adik-adik tingkatku yang akan menyelesaikan tugas akhir pendidikan jenjang S1 (bachelor degree) mereka, khususnya bagi mahasiswa fakultas EKONOMI”

Dikampusku ada 3 jenjang sebelum masuk pendadaran:
1. Outline
2. Proposal
3. Olah data

Pada tahap outline para mahasiswa dipusingkan dalam pengambilan tema-tema menarik. Mengajukan banyak judul, alasan, dan gambaran. Hal yang menarik pada tahap ini adalah emosi yang bercampur tatkala ganti-ganti judul dan defend judul, namun saat tema sudah ditemukan hal tersebut belum berakhir. Tahap selanjutnya adalah pengajuan proposal, banyak terjadi revisi sana-sini, pembahasan metodologi, penetapan hipotesa, pembahasan hipotesa, dan yang paling menarik adalah penambahan dan pengurangan variabel.
Setelah tahap ke dua selesai dilakukan sampailah pada tahap ketiga, pada tahap setidaknya akan dilakukan proses pengumpulan data, pengolahan data, dan penyajian data (hipotesis).

PENGUMPULAN DATA
Pengumpulan data bisa dilakukan dengan metode sampling, banyak metode sampling yang bisa digunakan TETAPI semuanya harus mengacu pada tujuan utama penelitian DAN bisa mewakili populasi yang ada dengan tingkat efektivitas waktu dan efisiensi biaya yang wajar.
Contoh metode sampling,
1. Purposive Sampling
Jenis sampling ini adalah proses pengambilan sampel dengan tujuan tertentu, tujuan ini ditetapkan oleh penulis agar mengacu pada tujuan utama penelitian (terserah penulis).
2. Proporsional Purposive Sampling
Jenis sampling ini tidak jauh beda dengan jenis sampling no.1 yang paling mencolok adalah penggunaan sampel yang sesuai dengan proporsi.
3. Purposive Sampling dengan metode pooling data
Jenis sampling ini adalah jenis sampling purposive untuk mengatasi asumsi parametrik (untuk data dalam jumlah besar / diatas 30) yang tidak terpenuhi kemudian membagi data yang tersedia dalam bentuk pool kemudian menyatukan pool tersebut.
4. Dan masih banyak lagi (cluster, dll)

Misal:
Populasi: Jumlah bank di Indonesia dari tahun 2000-2009 sebanyak 200 bank
1. Purposive: ingin meneliti bank yang terdaftar di BEI alasan karena kemudahan data.
Maka jumlah sampel 150 bank (misal).
2. Proporsional: dari 150 bank yang terdaftar (no.1) ternyata hanya 100 bank ada dalam tiap tahunnya.
Maka jumlah sampel 100 bank (misal).
3. Dengan pooling data: ingin meneliti bank yang menggunakan teknologi canggih (efektivitas dan efisiensi dari penggunaan teknologi tsb), ternyata jumlah banknya hanya 20, maka jumlah data dianggap kecil dan tidak memenuhi asumsi parametrik.
Oleh karena itu jumlah 20 bank tersebut dibagi dalam 10 pool (misalnya): pool efektivitas dan efisiensi penggunaaan teknologi pada tahun 2000 hingga 2009, sehingga didapat 10 pool dengan anggota 20.
Maka jumlah sampel yang dibisa digunakan 20X10 = 200 sampel.

PENGOLAHAN DATA
Pada tahap ini yang paling penting adalah setiap variabel bisa diwakili dengan angka (pemberian nilai).
Proses pemberian ini juga tidak boleh asal-asalan, untuk variabel yang tidak memiliki nilai misal jenis kelamin dan rentang waktu, dsb maka proses pemberian nilai ini lebih ke soal pembeda.
Misal: jenis kelamin (diberi nilai 1 jika laki2 dan 0 jika perempuan atau sebaliknya), rentang waktu (jika membagi waktu dalam 3 kategori: diberi nilai 1 jika sebentar; 2 jika sedang; dan 3 jika lama atau sebaliknya).

Setelah semua variabel telah diberi nilai maka untuk pengambilan keputusan bisa digunakan banyak kategori statistik, tetapi yang paling lazim digunakan adalah model persamaaan regresi (regression dan multiple regression).

Untuk jenis data dimana variabel dependennya bentuk dummy (1 dan 0) maka sebaikknya menggunakan binary logistic, untuk jenis data yang variabel dependennya bentuk ordinal (0, 0,5 dan 1 atau 0, 1, 2 atau 1, 2, 3, 4, 5 dsb) maka sebaiknya menggunakan ordinal logistic, dan untuk jenis data yang variabel dependennya angka dengan yang tidak memiliki pola atau tidak beraturan maka bisa menggunakan bentuk linear.

Untuk jenis linear regression, model yang baik disarankan lolos uji normalitas dan asumsi klasik (autokorelasi, heteroskedastisitas, dan multikolinieritas) sedangkan untuk logistic regression mengabaikan uji normalitas dan asumsi klasik kecuali multikolinieritas.

PENYAJIAN DATA
Data bisa disajikan secara deskriptif dan secara hasil analisis (Uji R Square, Uji F, dan Uji t).

Sekian dan terima kasih.

Program statistic yang saya gunakan adalah SPSS version 15.0 for windows

Untuk pembahasan lebih lanjut silahkan hubungi saya (via facebook) nanti akan saya bantu secara lebih jelas via facebook (diharapkan adanya komentar dari teman-teman yang lain karena MASUKAN ORANG LAIN ADALAH HAL YANG BERHARGA)