TAKE HOME EXAM

STATISTIK BISNIS

OLEH :

CEMARA AVRILIWAN PUTRA 9112205403

BIDANG MANAJEMEN TEKNOLOGI INFORMASI

JURUSAN MAGISTER MANAJEMEN TEKNOLOGI

PROGRAM PASCA SARJANA

INSTITUT TEKNOLOGI SEPULUH NOVEMBER

2013

1. Perbedaan

a. Presisi : Dilihat dari variasi. Semakin kecil variasi maka semakin presisi

Akurasi : Dilihat dari rata-rata. Semakin rata-ratanya mendekati nilai yang dituju,

maka semakin akurat

b. Valid : Data tidak keluar dari domain

Reliabel : Data mewakili semua golongan populasi

c. Analisis Data Driven : Analisa dilakukan berdasar karakteristik atau model data

yang ada, sehingga metode yang digunakan menyesuaikan dengan data

Analisis Theory Driven : Analisis berdasar teori atau metode yang akan

diterapkan, sehingga data dipaksakan menyerupai syarat data dalam teori atau

metode tersebut

d. Prinsip HPD : Pemberian interval toleransi didasarkan pada densitas atau

ketinggian kurva, sehingga interval untuk kiri dan kanan dari nilai rata-rata tidak

sama.

Prinsip Simetri : Pemberian interval toleransi yang ssama pada kiri dan kanan dari

rata-rata

Persamaan

a. Digunakan untuk mengukur ketepatan data

b. Digunakan untuk mengukur pewakilan data dari sebuah populasi

c. Digunakan untuk menganalisa dan memodelkan data

d. Digunakan untuk memetakan daerah Confidence Interval

2. Analisis Value at Risk (VaR) menggunakan data harga dan volume transaksi saham yang

terjual setiap hari selama 10 tahun

a. Jika akan diuji kesamaan distribusi antara harga saham dua perusahaan tersebut,

maka:

i. Ada 2 metode yang dapat saya sarankan dengan penggunaan secara terpisah,

yaitu :

Mann-Whitney Test

Dilakukan rangking pada data dan melihat nilai U untuk

dicocokkan ke tabel U

2 Sample Kolmogorov Smirnov Test

Metode ini membandingkan bentuk CDF dari kedua kelompok

data. Semakin besar P value maka semakin sama pola ditribusinya

ii. Hipotesisnya adalah sebagai berikut:

H0 : Distribusi kedua harga saham sama

H1 : Distribusi kedua harga saham tidak sama

Di sini hanya diuji apakah sama atau tidak pola distribusinya

iii. = 5 %. Karena pergerakan harga saham bersifat proporsional, dalam artian

semakin tinggi harga maka semakin tinggi pula naik turunnya harga. Dengan kata

lain patternnya tidak terhalang masalah besar kecil harga. Karena prosentase

maka alfa pakai kecil demi kemiripan pola distribusi kedua harga saham tersebut

b. Anggap investor tersebut akan melakukan pengujian liquiditas saham kedua

perusahaan ditinjau dari volume jual saham harian, maka:

Asumsi : Jika uji yang dilakukan adalah menilai likuiditas masing-masing saham :

i. Jika akan digunakan ukuran rerata volume transaksi saham,

A. Saya menyarankan untuk menggunakan metode Z hitung maupun P_value,

karena data lebih dari 30. P_value maupun Z hitung digunakan untuk melihat

apakah rerata volume lebih besar dari standar volume jual saham yang likuid.

B. H0 : = 0

H1 : > 0

Saham dikatakan likuid jika volume transaksi melebihi standar tertentu

C. = 5 %, karena berupa investasi yang membutuhkan CI yang tinggi

D. Biggest is the best, karena semakin banyak transaksi maka saham semakin

likuid. Sebuah saham dikatakan likuid salah satu indikatornya adalah mudah

dibeli dan dijual atau dengan kata lain volume transaksinya besar

ii. Jika akan digunakan ukuran pola distribusi volume transaksi saham,

A. Saya menyarankan untuk melakukan uji normal Kolmogorov-Smirnov. Jika

tidak normal, dapat melihat shape terutama skewnya. Dengan demikian

terlihat pada daerah volume berapa saham sering terjual. Paling mudah

adalah dengan melihat mean, median, dan modusnya.

B. H0 : Pola Right-Skewed

H1 : Pola Simetri atau Pola Left-Skewed

Saham dikatakan likuid jika transaksinya relatif dalam volume yang stabil

ataupun mendekati nilai maksimal volume transaksi. Hal ini menunjukkan

kecenderungan volume penjualan saham besar

C. = 5 %, karena berupa investasi yang membutuhkan CI yang tinggi

D. Biggest is the best. Dalam artian semakin normal maka semakin mendekati

likuid. Jika tidak melihat skew, setidaknya terhindar dari Right-Skewed.

3. Jika penelitian kuantitatif yang menggunakan Analisis Regresi akan dilakukan, dengan

respon tunggal Y, dan variabel independen X sebanyak 10 variabel, maka

a. Harus diambil minimal 12 pasang data respon dan variabel independen. Hal ini

sesuai rumus yang ada yaitu jumlah variable ditambah dua

b. Ada tidaknya multikolinearitas dapat dilihat dengan :

Melakukan uji kolinearitas antar variabel menggunakan software. (Misal dalam

minitab menggunakan Stat->Basic Statistics->Correlation)

Melihat nilai VIF (Varian Inflation Factor) dari hasil analysis of variance. Ada 2

versi standar nilai untuk menyatakan apakah terdapat multikolinearitas, yaitu di

atas 5% dan di atas 10%

Sedangkan cara untuk menganalisa data jika terjadi multikolinearitas adalah :

Membuang variabel secara berurutan mulai dari yang VIF paling besar diikuti

dengan pengecekan ulang nilai VIF setiap pembuangan 1 variabel sampai tidak

terjadi multikolinearitas

Menggunakan PCA (Principal Component Analysis)

c. Sebuah model adalah linear atau tidak dapat dilihat dari :

Scatter Plot : Dapat dilihat secara visual dari kecenderungan bentuk persebaran

titik yang ada pada hasil catter plot tersebut, apakah berbentuk lurus atau

menyerupai kurva

Fitted Line Plot dari Regresi : Secara visual dari kecenderungan bentuk

persebaran titik yang ada dan perhitungan R-Sq sebagai hasil pemilihan tipe

regresi (Linear, Quatratic, Cubic). Semakin tinggi R-Sq maka semakin cocok

dengan tipe regresi yang dipakai

d. Model sudah benar atau belum dilihat dari R-Sq. Semakin tinggi R-Sq maka semakin

benar modelnya. Selain itu dilihat normalitas errornya, apakah sudah normal atau

belum. Model benar didukung error yang berdistribusi normal. Residual juga tidak

mempunyai varians konstan

4. Dari empat grup hasil analisis data pengamatan :

a. Desain A adalah desain yang paling tidak baik untuk digunakan dalam penelitian ini

b. Dari beberapa model desain yang terpilih (baik)

i. Model B adalah model yang paling baik untuk digunakan sebagai wakil dari

masing-masing data pengamatan

ii. Y = 4.0218 + 0.25818 X

iii. Model B adalah model terbaik karena memiliki nilai R-Sq dan R-Sq(adj) terbesar

serta S terkecil

c. Dari estimasi y = a + bx +

i. H0 : P > 0.05

H1 : P 0.05

ii. Hipotesis pengujian saya pada dasarnya adalah :

H0 : R-Sq < i % and R-Sq(adj) < j % and S > k %

H1 : R-Sq i % or R-Sq(adj) j % or S k %

dengan i, j, k masing-masing merupakan variable.

Angka yang saya gunakan untuk masing-masing variable adalah : i = 75 , j = 75,

dan k = 1

d. Berikut ini kelemahan dan saran untuk masing masing model :

Model A

Standar deviasi cukup besar, sehingga resiko untuk mendapatkan nilai yang

berbeda jauh dengan nilai rata-rata masih besar. Selain itu, nilai x yang diambil

cenderung atau bahkan sama semua. Sebaiknya variable independen diambil

dalam beberapa value yang berbeda, agar dapat melihat polanya ketika nilai

variable independen berubah

Model B

Error pada model ini masih memiliki pola. Dengan demikian diduga masih ada

variable independen lain yang memiliki pengaruh pada variable respon. Oleh

karena itu perlu diteliti lebih lanjut

Model C

Error masih berdistribusi normal. Oleh karena itu perlu penyelidikan lebih lanjut

akan variable independen yang digunakan karena diduga masih ada variable

independen yang sebenarnya mempengaruhi variable respon ataupun

menggantikan variable independen yang dipakai saat ini

Model D

Error masih berdistribusi normal. Oleh karena itu perlu penyelidikan lebih lanjut

akan variable independen yang digunakan karena diduga masih ada variable

independen yang sebenarnya mempengaruhi variable respon ataupun

menggantikan variable independen yang dipakai saat ini