9-12

1. 1_URL:
https://scholar.google.com/citations?user=EFBaeOsAAAAJ&hl=en&oi=ao
2_gen.lib.rus.ec:
http://libgen.rs/search.php?req=principles+of+managerial+finance&open=0&res
=25&view=simple&phrase=1&column=title
3_Slideshare:
https://www2.slideshare.net/search/slideshow?searchfrom=header&q=aminulla
h+assagaf+&ud=any&ft=all&lang=**&sort=
4_Youtube_
https://www.youtube.com/channel/UC26u-Ys3fjKlcJAACrsnAeQ/videos
METODE PENELITIAN
P9-12: 14 Agustus 2021
Dosen: Prof. Dr. Dr. H. Aminullah Assagaf, SE., MS., MM., M.Ak
HP: 08113543409, Email: assagaf29@yahoo.com

10. SISTEMATIKA PENULISAN DISERTASI

13. Literatur dan Hipotesis
• Literatur
1. Teori
2. Penelitian Terdahulu
 Alur Pikir
 Kerangka Konseptual
 Hipotesis

14. Kerangka Teori atau Landasan Teori
.
Gambar 1: Agency theory dan financial distress
AGENCY
THEORY
KEPENTINGAN
PRINCIPAL
(PEMEGANG SAHAM)
KEPENTINGAN
AGENT
(MANAJEMEN)
TINGKAT KESULITAN
KEUANGAN
(FINANCIAL DISTRESS)
TUJUAN PERUSAHAAN
- VALUE PERUSAHAAN
FAKTOR YANG MEMPENGARUHI FINANCIAL DISTRESS
- Government Subsidy and Equity (GSAE)
- Pertumbuhan Cash Flow from Operating (ZΔCFO)
- Pertumbuhan Investasi (X1ΔCAPEX)
- Pertumbuhan Working Capital (X2ΔWC)
- Pertumbuhan Retained Earning (X3ΔRE)
- Pertumbuhan EarningBefore Intrest and Tax (X4ΔEBIT)
- Pertumbuhan Contribution Margin (X5ΔCM)
- Pertumbuhan Equity (X6ΔEQ)
- Tingkat Efisiensi atau Produktivitas Operasi (X7EFSO)
- Real Activities Earning Management X8EM)
- Accruals Earning Managt (X9ACEM)
- Ukuran Perusahaan (X10SIZE)
- Tingkat Leverage (X11LEV)
TINDAKAN AGENT
DALAM PENGELOLAAN
PERUSAHAAN

15. Gambar 2: Signalling theory dan financial distress
SIGNALLING THEORY
- LANGKAH STRATEGI & KEBIJAKAN
MANAJEMEN PERUSAHAAN
VALUE
PERUSAHAAN
FINANCIAL DISTRESS
(CAPAIAN SCORE
MARGINAL)
- INFORMASI LAPORAN kEUANGAN
(MENGURANGI ASIMETRIS
INFORMASI)
MEMBERI SINYAK
PADA EKSTERNAL
(STAKEHOLDER)
FAKTOR YANG MEMPENGARUHI FINANCIAL DISTRESS
- Government Subsidy and Equity (GSAE)
- Pertumbuhan Cash Flow from Operating (ZΔCFO)
- Pertumbuhan Investasi (X1ΔCAPEX)
- Pertumbuhan Working Capital (X2ΔWC)
- Pertumbuhan Retained Earning (X3ΔRE)
- Pertumbuhan Earning Before Intrest and Tax (X4ΔEBIT)
- Pertumbuhan Contribution Margin (X5ΔCM)
- Pertumbuhan Equity (X6ΔEQ)
- Tingkat Efisiensi atau Produktivitas Operasi (X7EFSO)
- Real Activities Earning Management X8EM)
- Accruals Earning Managt (X9ACEM)
- Ukuran Perusahaan (X10SIZE)
- Tingkat Leverage (X11LEV)

16. Penelitian Financial Distress

19. Penelitian Pendekatan Marginal

20. Penelitian BUMN

22. Kerangka Konseptual

24. Metodologi (Methodology)
 Populasi dan Sampel
 Definisi operasional (Definisi dan Pengukuran Variabel)
 Model Analisis

25. Model Analisis
Model (1) digunakan untuk menguji hipotesis H1 sampai hipotesis H9 sebagaimana model
persamaan regresi berikut ini.
ZΔCFOt = β0 + β1 X1ΔCAPEXt + β2 X2ΔWCt + β3 X3ΔREt + β4 X4ΔEBITt +
β5 X5ΔCMt + β6 X6ΔEQt + β7 X7EFSOt + β8 X8RAEMt +
β9 X9ACEMt + β10 X10SIZEt + β11 X11LEVt + et ……………………(1)
Model (2) digunakan untuk menguji hipotesis H10 sampai hipotesis H18 sebagaimana model
persamaan regresi berikut ini.
YFINDISt = β0 + β1 GSAEt + β2 ZΔCFOt + β3 X1ΔCAPEXt + β4 X2ΔWCt +
β5 X3ΔREt + β6 X4ΔEBITt + β7 X5ΔCMt + β8 X6ΔEQt + β9 X7EFSOt +
β10 X8RAEMt + β11 X9 ACEMt + β12 X10SIZEt + β13 X11LEVt +
β14 (ZΔCFOt x GSAEt) + et ……..,… ………………………………..….(2)

26. Hipotesis
Working capital (Hipotesis H2)
Pemilihan variabel independen Working capital (X2WC) erat kaitannya dengan agency theory dan signalling
theory. Tindakan manajemen dalam memenuhi kepentingan pemegang saham dan memberi sinyal kepada
stakeholder, berdampak terhadap variabel Working capital (X2WC) yang dapat mempengaruhi financial distress
perusahaan, seperti pada gambar 1, 2 dan 5.
Dampak terhadap cash flow from operating terjadi karena keharusan memenuhi kebutuhan operasional
perusahaan. Ketidak seimbangan yang terjadi pada pengelolaan Working capital (X2WC) menyebabkan defisit cash
flow from operating, dan mempengaruhi financial distress BUMN. Oleh sebab itu manajemen Working capital
(X2WC) penting peranannya dalam operasional BUMN agar tidak menyulitkan cash flow from operating.
Penelitian sebelumnya sebagaimana Cinantya & Merkusiwati (2015), Widhiari & Aryani Merkusiwati (2015),
dan Rindu Rika Gamayani, 2009 (Beaver,1966; Altman, 1968); Springate,1978; Fulmer, 1984; Plat and Plat, 2002),
mengemukakan bahwa Working capital (X2WC) mempengaruhi keberhasilan atau kesulitan keuangan perusahaan.
Dan berdasarkan pentingnya variabel Working capital (X2WC) tersebut, maka penelitian ini mengajukan hipotesis H2
berikut.
H2: Pertumbuhan Working capital (X2ΔWC) berpengaruh signifikan terhadap pertumbuhan cash flow from
operating (ZΔCFO) Badan Usaha Milik Negara.

27. Teknik Pengumpulan Data Kuantitatif & Kualitatif
 Teknik pengumpulan data didefinisikan sebagai prosedur pengumpulan, pengukuran, dan analisis
wawasan yang akurat untuk penelitian dengan menggunakan teknik standar yang divalidasi.
 Penelitian apapun hanya sebaik data yang mendorongnya, jadi memilih teknik pengumpulan data
yang tepat dapat membuat semua perbedaan. Untuk memperjelas pemahaman kita tentang teknik
pengumpulan data.
 Teknik pengumpulan data dapat diartikan sebagai langkah strategis dalam penelitian. Baik itu
bisnis, pemasaran, humaniora, ilmu fisika, ilmu sosial, atau bidang studi atau disiplin lainnya,
data memainkan peran yang sangat penting, yang berfungsi sebagai titik awal masing-masing.

28. Teknik Pengumpulan Data
 Teknik pengumpulan data adalah teknik atau metode yang digunakan untuk mengumpulkan
data.
 Konsekuensi dari data yang dikumpulkan secara tidak benar meliputi:
1. Ketidakmampuan untuk menjawab pertanyaan penelitian secara akurat
2. Ketidakmampuan untuk mengulang dan memvalidasi penelitian
3. Temuan yang menyimpang menghasilkan sumber daya yang terbuang
4. Menyesatkan peneliti lain untuk menemukan jalan investigasi tanpa hasil
5. Keputusan kompromi untuk kebijakan publik
6. Menyebabkan kerusakan pada subjek penelitian (misalnya manusia dan hewan)

29. Persyaratan Data
Dalam suatu penelitian, data yang baik harus memenuhi persyaratan sebagai berikut:
1. Tujuan, Data diperoleh dari lapangan dan dilaporkan sebagaimana adanya
2. Relevan, data harus sesuai dengan masalah yang diteliti
3. Up to Date, data harus selalu menyesuaikan dengan perkembangan (tidak boleh
ketinggalan jaman)
4. Representatif, data harus diperoleh dari sumber yang sesuai dan mewakili kondisi
sebenarnya dari suatu kelompok atau populasi

30. Jenis Data
Berdasarkan jenisnya, data dapat dikelompokkan menjadi 2 jenis, yaitu data kuantitatif dan
data kualitatif.
1. Data Kuantitatif, Data kuantitatif adalah data yang dapat dinyatakan dalam angka dan
dapat diukur ukurannya. Contoh data kuantitatif adalah harga smartphone, berat dan tinggi
badan, jumlah pembeli, dan lain sebagainya.
2. Data Kualitatif, Data kualitatif adalah data yang berkaitan dengan pengelompokan atau
karakteristik yang tidak dapat diukur ukurannya. Dengan kata lain, data kualitatif
diekspresikan dalam bentuk kata-kata yang memiliki makna.

31. Skala Pengukuran Data
 Skala pengukuran data atau skala data adalah aturan yang digunakan untuk mengelompokkan
variabel yang akan diukur untuk menentukan teknik analisis dan tahap penelitian selanjutnya.
 Adapun berbagai skala pengukuran data tersebut adalah sebagai berikut:
1. Skala Nominal, ciri-ciri skala nominal adalah sebagai berikut:
1) Hasil perhitungan tidak berupa pecahan
2) Angka-angka yang tercantum hanya sebagai label
3) Tidak ada pesanan
4) Tidak memiliki ukuran baru
5) Tidak memiliki nilai nol mutlak
Contoh skala nominal:
a. Jenis kelamin Laki-laki Perempuan
b. Jenis pekerjaan: Pegawai negeri, pegawai swasta, petani, dan lain-lain.
c. Tahun kelas: 2010, 2019, 2020, dan lain-lain.

32. 2. Skala ordinal
 Skala ordinal adalah skala yang disusun berdasarkan tingkatan tertentu dalam urutan
dari yang terendah sampai yang tertinggi.
 Skala ordinal disusun menurut karakteristik tertentu dan jarak urutannya tidak sama
antara satu dengan yang lainnya.
 Ciri-ciri skala ordinal:
1) Kategori data saling eksklusif
2) Kategori data memiliki aturan logis
3) Contoh Skala Ordinal:
4) Peringkat kelas: 1, 2, 3
5) Posisi: Direktur, Direktur, Manajer, Staf

33. 3. Skala Interval
Skala interval merupakan skala pengukuran dimana jarak dari satu tingkat ke tingkat
lainnya adalah sama (memiliki bobot yang sama).
Fitur skala interval:
1) Kategori data saling eksklusif
2) Kategori data adalah logis
3) Angka nol mewakili satu titik pada skala (tidak memiliki nilai nol mutlak)
Contoh : Pengukuran suhu
a. 31 – 34 derajat: rendah ; 35-38 derajat: normal; 39 – 42 derajat: tinggi
Contoh:
Tingkat kecerdasan (IQ)
70 – 79: sangat rendah , 80 – 90: rendah, 91 – 110: normal, 111 – 120: tinggi, 121
– 130: superior

34. Skala rasio
 Skala rasio merupakan skala yang memiliki nilai nol mutlak dan memiliki jarak yang sama.
 Skala rasio memiliki karakteristik yang mirip dengan skala interval, hanya saja skala rasio
tersebut memiliki nilai nol mutlak yang menunjukkan tidak adanya karakteristik.
 Skala rasio juga memiliki nilai komparatif, Misalnya jika tinggi gedung A 50 meter dan
tinggi gedung B 25 meter, maka bisa dikatakan tinggi gedung A dua kali tinggi gedung B
(A: B = 2: 1).
Contoh :
a. Usia manusia
b. ukuran skala
c. Bobot
d. Tinggi
e. Jarak
f. Nilai ujian

35. Metode Pengumpulan Data
Secara umum, terdapat 4 teknik, data yang dapat digunakan, yaitu wawancara, observasi, serta dokumentasi.
Metode Instrumen
1. Angket (Kuesioner) Angket, Daftar Periksa, Skala
2. Wawancara (Interview) Pedoman Wawancara, Checklist
3. Observasi (Pengamatan) Lembar observasi, Panduan observasi, Checklist
4. Daftar Periksa Dokumentasi, Tabel
Angket (Kuesioner)
Teknik ini akan efisien jika dilihat dari variabel yang akan diukur serta dapat melihat apa yang diharapkan
dari responden. Seperti Tipe dan bentuk pertanyaan Pertanyaan, serta tidak menggiring pada salah satu
jawaban saja dan Pertanyaan yang ditulisnya sebaiknya tidak terlalu panjang
Wawancara (Interview)
Wawancara atau wawancara adalah teknik menganalisis data yang dilakukan dengan mengajukan
pertanyaan secara langsung kepada responden atau narasumber. Dalam wawancara, terdapat instrumen yang
baru wawancara, yaitu uraian penelitian yang disajikan dalam bentuk daftar pertanyaan.

36. Wawancara dapat dibagi menjadi
beberapa macam
1. Wawancara terpimpin: pertanyaan diajukan sesuai dengan pertanyaan yang telah
dipersiapkan
2. Wawancara bebas: tanya jawab antara pewawancara dan responden, namun tetap
sesuai dengan penelitian dan tujuan baru
3. Wawancara bebas terpimpin: wawancara bebas dan terpimpin, wawancara
pewawancara baru yang hanya garis besar saja
Pastikan wawancara terbaru serta alat-alat pendukung seperti perekam telah benar-benar
dipersiapkan. Tanyakan hal-hal yang terlebih dahulu sebagai pembuka wawancara.

37. Observasi
Observasi adalah teknik data yang dilakukan dengan cara yang ingin diteliti atau melalui eksperimen
(percobaan). Cara efektif jika ingin menggunakan metode observasi adalah dengan melengkapinya dengan
pengamatan dalam bentuk checklist sebagai instrumen. Observasi banyak digunakan dalam metode penelitian
kualitatif.
1. Observasi Partisipasi: melakukan observasi terhadap kegiatan sehari-hari manusia di mana peneliti terlibat
langsung selama proses observasi.
2. Observasi tidak berstruktur: melakukan observasi tanpa menggunakan baru observasi, sehingga peneliti
mengembangkan sendiri pengamatannya berdasarkan perkembangan yang terjadi di lapangan.
Proses observasi, beberapa hal yang harus diperhatikan adalah:
1. Hal-hal apa yang ingin diamati
2. Bagaimana proses pencatatan pengamatan
3. Apa saja alat bantu pengamatan yang dibutuhkan
4. Bagaimana cara kerja jarak antara pengamatan dan objek yang ingin diamati

38. Dokumentasi
Teknik data dengan dokumentasi adalah metode yang lebih mudah dilakukan metode-metode lain karena jika ada
kekeliruan, sumber datanya masih tetap. Objek yang diamati pada metode dokumentasi kesalahan benda hidup
melainkan benda mati.
Dokumen Pribadi
Dokumen pribadi adalah catatan atau karangan tulisan yang dibuat oleh seseorang. Contoh dari dokumen pribadi
termasuk buku harian, surat pribadi, otobiografi.
Dokumen Resmi
Contoh dokumen resmi antara lai adalah memo, pengumuman, aturan lembaga, surat resmi, laporan rapat dan
lain-lain. Itulah beberapa macam teknik data yang bisa digunakan ketika melakukan penelitian.
Setiap teknik atau metode tentu memiliki kelebihan dan kekurangan masing-masing, karena itu, pilihlah teknik
yang paling cocok dengan semua orang nelitian yang kamu lakukan. Demikian penjelasan tentang teknik
pengumpulan data semoga bermanfaat, terima kasih.

39. Klasifikasi Data Penelitian
Data Penelitian dapat diklasifikasikan berdasarkan sifat, sumber, dan juga skala pengukurannya.
Berikut di bawah ini akan kami jelaskan satu persatu tentang klasifikasi data penelitian:
Berdasarkan sifatnya:
1) Data kuantitatif: data yang berupa angka-angka. Misalnya berat badan, luas rumah, tinggi
badan, nilai IQ, dll.
2) Data kualitatif: data yang berupa kata-kata atau pernyataan- pernyataan. Dapat pula diartikan
sebagai data kategorik, karena memang biasanya berupa kategori atau pengelompokan-
pengelompokan berdasarkan nama atau inisial tertentu. Misalkan: Kelompok PNS, Petani, Buruh,
Wiraswasta, dll.

40. Data Berdasarkan sumbernya
Berdasarkan sumbernya, data diklasifikasikan antara lain:
Data primer
Data primer adalah data yang diperoleh langsung pihak yang diperlukan datanya.
Data sekunder
Data Sekunder adalah data yang tidak diperoleh langsung dari pihak yang diperlukan
datanya.

41. Data Berdasarkan Skala Pengukurannya
Berdasarkan skala pengukuruannya, data diklasifikasikan antara lain:
Data yang merupakan hasil pengukuran variabel penelitian, memiliki jenis skala pengukuran sebagaimana
yang terdapat pada variabel penelitian. Dengan demikian berdasarkan tinjauan ini, data dapat dibedakan
menjadi antara lain:
1. Data Nominal
Data nominal adalah salah satu jenis data kualitatif, dimana berupa kategori yang diantara kategori tersebut
tidak ada perbedaan derajat yang lebih tinggi dan yang lebih rendah. Misalkan: Jenis kelamin perempuan dan
laki-laki, dimana laki-laki belum tentu lebih tinggi dari pada perempuan, begitu pula sebaliknya.
2. Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja ada perbedaan derajat lebih tinggi dan lebih rendah.
Misalnya: Pendidikan, dimana pendidikan perguruan tinggi lebih tinggi dari pada SMA, dan sebaliknya
pedidikan SMA lebih rendah dari pada perguruan tinggi.

42. Data Berdasarkan Skala Pengukurannya
3. Data Interval
Data interval adalah data yang termasuk kelompok data kuantitatif, dimana berupa angka-angka yang
didalamnya dapat dilakukan operasi matematika serta urutan antara satu data dengan data lainnya mempunyai
rentang yang sama. Misalnya: Nilai ujian, dimana dikatakan berurutan dengan rentang yang sama yaitu setelah
angka 1 kemudian 2 kemudian 3 dst. Serta dikatakan dapat dilakukan operasi matematika, adalah misalkan:
angka 1 dapat dikalikan dengan angka 2 dan hasilnya adalah 2.
Ciri khas penting lainnya adalah, data interval tidak mempunyai angka 0 absolut dan 100 absolut secara
bersamaan atau dalam arti lain tidak bisa dipastikan peresentase antara satu data dengan keseluruhan data.
maksudnya 0 absolut misalkan nilai ujian. Secara akal sehat, tidak mungkin ada nilai ujian kurang dari 0.
Sedangkan 100 absolut misalkan juga nilai ujian, secara akal sehat tidak mungkin ada nilai ujian lebih dari 100.
jadi data interval contohnya adalah berat badan, dimana tidak bisa dipastikan berapa sebenarnya nilai tertinggi
berat badan. Bisa jadi orang punya berat bada puluhan kilo, ratusan atau bahkan ribuan kilo.
4. Data Rasio
Data rasio adalah data yang sebenarnya sama dengan data iterval, namun bedanya adalah data rasio dapat dibuat
persentase karena ada nilai 0 dan 100 absolut. Seperti yang sudah dibahas di atas, yaitu misalnya nilai ujian
yang mempunyai batasan nilai 0 sampai 100. Jika seorang siswa mendapatkan nilai 25, dapat diartikan nilai
tersebut adalah 25% dari nilai maksimal 100.

45. Jika data kuantitatif yang dikelompokkan berdasarkan pada tipe skala pengukuran yang
digunakan maka terbagi atas empat jenis yaitu:

48. Metodologi (Methodology)
 Populasi dan Sampel
 Definisi operasional (Definisi dan Pengukuran Variabel)
 Model Analisis

50. Populasi dan Sampel
• Teknik Pengambilan Sampel – Sampel merupakan bagian populasi
penelitian yang digunakan untuk memperkirakan hasil dari suatu
penelitian.
• Sedangkan teknik sampling adalah bagian dari metodologi statistika
yang berkaitan dengan cara-cara pengambilan sampel.

51. Pengambilan Sampel
Tujuan Pengambilan Sampel;
 Populasi terlalu banyak atau jangkauan terlalu luas sehingga tidak memungkinkan dilakukan
pengambilan data pada seluruh populasi.
 Keterbatasan tenaga, waktu, dan biaya.
 Adanya asumsi bahwa seluruh populasi seragam sehingga bisa diwakili oleh sampel.
Tahapan Pengambilan Sample diantaranya;
 Mendefinisikan populasi yang akan diamati
 Menentukan kerangka sampel dan kumpulan semua peristiwa yang mungkin
 Menentukan teknik atau metode sampling yang tepat
 Melakukan pengambilan sampel (pengumpulan data)
 Melakukan pemeriksaan ulang pada proses sampling

52. Teknik Sampling

53. PROBABILITY SAMPLING
1) Pengambilan Sampel Acak Sederhana (Simple Random Sampling)
Pengambilan sampel acak sederhana disebut juga Simple Random Sampling. teknik penarikan sampel
menggunakan cara ini memberikan kesempatan yang sama bagi setiap anggota populasi untuk menjadi sampel
penelitian. Cara pengambilannya menggunakan nomor undian.
2) Pengambilan Sampel Acak Sistematis (Systematic Random Sampling)
Metode pengambilan sampel acak sistematis menggunakan interval dalam memilih sampel penelitian. Misalnya
sebuah penelitian membutuhkan 10 sampel dari 100 orang, maka jumlah kelompok intervalnya 100/10=10.
Selanjutnya responden dibagi ke dalam masing-masing kelompok lalu diambil secara acak tiap kelompok.
3) Pengambilan Sampel Acak Berstrata (Stratified Random Sampling)Metode Pengambilan sampel acak
berstrata mengambil sampel berdasar tingkatan tertentu. Misalnya penelitian mengenai motivasi kerja pada
manajer tingkat atas, manajer tingkat menengah dan manajer tingkat bawah. Proses pengacakan diambil dari
masing-masing kelompok tersebut.
4) Pengambilan Sampel Acak Berdasar Area (Cluster Random Sampling)Cluster Sampling adalah teknik
sampling secara berkelompok. Pengambilan sampel jenis ini dilakukan berdasar kelompok / area tertentu.
Tujuan metode Cluster Random Sampling antara lain untuk meneliti tentang suatu hal pada bagian-bagian yang
berbeda di dalam suatu instansi.
5) Teknik Pengambilan Sampel Acak Bertingkat (Multi Stage Sampling)Proses pengambilan sampel jenis ini
dilakukan secara bertingkat. Baik itu bertingkat dua, tiga atau lebih. Misalnya -> Kecamatan -> Gugus -> Desa ->
RW – RT

54. NON- PROBABILITY SAMPLING / NON RANDOM SAMPLE
1) Purposive Sampling
Purposive Sampling adalah teknik sampling yang cukup sering digunakan. Metode ini
menggunakan kriteria yang telah dipilih oleh peneliti dalam memilih sampel. Kriteria pemilihan
sampel terbagi menjadi kriteria inklusi dan eksklusi.
2) Snowball Sampling
Snowball Sampling adalah teknik pengambilan sampel berdasarkan wawancara atau
korespondensi. Metode ini meminta informasi dari sampel pertama untuk mendapatkan sampel
berikutnya, demikian secara terus menerus hingga seluruh kebutuhan sampel penelitian dapat
terpenuhi.
3) Accidental Sampling
Pada metode penentuan sampel tanpa sengaja (accidental) ini, peneliti mengambil sampel yang
kebetulan ditemuinya pada saat itu. Penelitian ini cocok untuk meneliti jenis kasus penyakit
langka yang sampelnya sulit didapatkan.
4) Quota Sampling
Metode pengambilan sampel ini disebut juga Quota Sampling. Tehnik sampling ini mengambil
jumlah sampel sebanyak jumlah yang telah ditentukan oleh peneliti.
5) Teknik Sampel Jenuh
Teknik Sampling Jenuh adalah teknik penentuan sampel yang menjadikan semua anggota populasi
sebagai sampel. dengan syarat populasi yang ada kurang dari 30 orang.

55. Penentuan sampling “Slovin”
Rumus Slovin
Secara Matematis, Rumus Slovin yang kita gunakan untuk menentukan jumlah sampel adalah
sebagai berikut :
n = N / ( 1 + N.(e)2
)
Keterangan :
n = Jumlah Sampel
N = Jumlah Total Populasi
e = Batas Toleransi Error
Rumus Slovin :
n = N / ( 1 + N.(e)2)
n = 1000 / ( 1 + 1000.(10%)2
)
n = 1000 / ( 1 + 1000.(0,1)2
)
n = 1000 / ( 1 + 1000.(0,01))
n = 1000 / ( 1 + 10)
n = 1000 / 11
n = 90,9 ⇒ dibulatkan menjadi 91 orang.

57. Definisi operasional
• Definisi operasional, adalah uraian tentang batasan variabel yang
dimaksud, atau tentang apa yang diukur oleh variabel yang bersangkutan.
• Definisi operasional variabel dalam penelitian merupakan hal yang sangat
penting guna menghindari penyimpangan atau kesalah pahaman pada saat
pengumpulan data.
• Penyimpangan muncul dalam bentuk "bias".
• Penyimpangan dapat disebabkan oleh pemilihan/penggunaan instrumen
(alat pengumpul data) yang kurang tepat atau susunan pertanyaan yang
tidak konsisten.
• Namun, bukan berarti bahwa semua variabel perlu diberikan definisi
operasional Variabel yang sudah jelas, mempunyai pengertian dan
interpretasi yang sama, misalnya jenis kelamin (sex"), tidak perlu diberikan
definisi operasional.

58. PENGUKURAN VARIABEL
• Pengukuran adalah dasar dari penyelidikan ilmiah. Segala sesuatu
yang kita lakukan dimulai dengan pengukuran objek yang akan kita
pelajari. Pengukuran adalah pemberian angka atau kode pada suatu
obyek.
• Terdapat empat Jenis Skala Pengukuran yaitu Nominal, Ordinal,
Interval, Ratio. Skala yang paling rendah adalah Nominal dan yang
tertinggi adalah Skala Rasio. Skala pengukuran yang lebih tinggi akan
memiliki karakteristik skala pengukuran di bawahnya. Misalnya, skala
Rasio akan memiliki karakteristik Nominal, Interval, dan Ordinal.

59. 1. Variabel Nominal/Skala Nominal
 Variabel nominal merupakan variabel dengan skala pengukuran yang paling rendah tingkatannya dan
hanya bisa digunakan untuk klasifikasi kualitatif atau kategorisasi. Artinya, variabel tersebut hanya
dapat diukur dari segi apakah karakteristik suatu objek bisa dibedakan dari karekateristik lainnya, tetapi
kita tidak dapat mengukur atau bahkan mengurutkan peringkat kategori tersebut.
 Sebagai contoh, kita dapat mengatakan bahwa jenis kelamin ke 2 orang tersebut berbeda, satu
perempuan dan satunya lagi laki-laki. Di sini kita bisa membedakan karakteristik keduanya, tetapi kita
tidak bisa mengukur dan mengatakan mana yang “lebih” atau mana yang “kurang” dari kualitas yang
diwakili oleh variabel tersebut.
 Kita hanya bisa memberikan kode/label pada kedua karakteristik tersebut, misalnya angka 0 untuk
perempuan dan angka 1 untuk laki-laki.
 Kode/label angka tersebut bisa saja di tukar. Kode di sana hanya berfungsi sebagai pembeda antara
kedua objek dan tidak menunjukkan urutan atau kesinambungan. Angka 1 tidak menunjukkan lebih
tinggi atau lebih baik di banding 0.
 Contoh-contoh variabel nominal lainnya adalah: jenis tanah,varietas, ras, warna, bentuk, kota,
Golongan darah, Jenis penyakit, Agama, Suku, Nomor KTP/SIM/Kartu Pelajar

60. Variabel Ordinal/ Skala Ordinal
 Variabel ordinal memungkinkan kita untuk mengurutkan peringkat dari objek yang kita ukur.
Dalam hal ini kita bisa mengatakan A “lebih” baik dibanding B atau B “kurang” baik dibanding A,
namun kita tidak bisa mengatakan seberapa banyak lebihnya A dibanding B.
 Dengan demikian, batas satu variasi nilai ke variasi nilai yang lain tidak jelas, sehingga yang dapat
dibandingkan hanyalah apakah nilai tersebut lebih tinggi, sama, atau lebih rendah daripada nilai
yang lain, namun kita tidak bisa mengatakan berapa perbedaan jarak (interval) diantara nilai-nilai
tersebut.
 Contoh umum variabel ordinal adalah status sosial ekonomi keluarga.
 Sebagai contoh, kita tahu bahwa kelas menengah ke atas lebih tinggi status sosial ekonominya
dibanding kelas menengah ke bawah, tapi kita tidak bisa mengatakan berapa lebihnya atau
mengatakan bahwa kelas menengah ke atas 18 % lebih tinggi.
 Pemberian simbol/kode angka pada skala ordinal, selain berfungsi untuk membedakan karakteristik
antar objek juga sudah menetukan urutan peringkat dari objek tersebut.
 Contoh: Tingkat pendidikan atau kekayaan, Tingkat keparahan penyakit, Tingkat kesembuhan,
Derajat keganasan kanker

61. Variabel Interval/ Skala Interval
• Variabel Interval tidak hanya memungkinkan kita untuk mengklasifikasikan, mengurutkan
peringkatnya, tetapi kita juga bisa mengukur dan membandingkan ukuran perbedaan diantara nilai.
Sebagai contoh, suhu, yang diukur dalam derajat Fahrenheit atau Celcius, merupakan skala interval.
• Kita dapat mengatakan bahwa suhu 50 derajat lebih tinggi daripada suhu 40 derajat, demikian juga suhu
30 derajat lebih tinggi dibanding dengan suhu 20 derajat.
• Perbedaan selisih suhu antara 40 dan 50 derajat nilainya sama dengan perbedaan suhu antara 20 dan 30
derajat, yaitu 10 derajat. Jelas disini bahwa pada skala interval, selain kita bisa membedakan
(mengkategorikan), mengurutkan nilainya, juga bisa di hitung berapa perbedaannya/selisihnya dan jarak
atau intervalnya juga dapat dibandingkan.
• Perbedaan antara kedua nilai pada skala interval sudah punya makna yang berarti, berbeda dengan
perbedaan pada skala ordinal yang maknanya tidak berarti. Misalnya, perbedaan antara suhu 40 dan 50
derajat dua kali lebih besar dibandingkan dengan perbedaan antara suhu 30 dan 35.
• Dengan demikian, selain sudah mencakup sekala nominal, juga sudah termasuk skala ordinal, tetapi
nilai mutlaknya tidak dapat dibandingkan secara matematik, oleh karena batas-batas variasi nilai pada
interval adalah arbiter (angka nolnya tidak absolut).
• Contoh Skala Interval lainnya: Tingkat kecerdasan (IQ), Beberapa indeks pengukuran tertentu

62. Variabel Rasio/ Skala Rasio
• Variabel rasio sangat mirip dengan variabel interval; di samping sudah memiliki semua sifat-sifat
variabel interval, juga sudah bisa diidentifikasi titik nol mutlak, sehingga memungkinkan
menyatakan rasio atau perbandingan di antara kedua nilai, misalnya x adalah dua kali lebih y.
• Contohnya adalah berat, tinggi, panjang, usia, suhu dalam skala kelvin. Sebagai contoh, berat A =
70 kg, berat B =35 kg, Berat C = 0 kg. Disini kita bisa membandingkan rasio, misalnya kita bisa
mengatakan bahwa berat A dua kali berat B. Berat C = 0 kg, artinya C tidak mempunyai bobot.
Angka 0 di sini jelas dan berarti dan angka 0 menunjukkan nilai 0 mutlak.
• Memang agak sedikit susah dalam membedakan antara skala interval dengan rasio. Kuncinya
adalah di angka 0, apakah nilai nol tersebut mutlak (berarti) atau tidak? Sebagai contoh, suhu bisa
berupa skala interval tapi bisa juga skala rasio, tergantung pada skala pengukuran yang digunakan.
• Apabila kita menggunakan skala Celcius atau Fahrenheit, termasuk skala interval, sedangkan
apabila Kelvin yang digunakan, suhu termasuk skala rasio. Mengapa? Karena suhu 0 derajat
Kelvin adalah mutlak! Kita tidak saja dapat mengatakan bahwa suhu 200 derajat lebih tinggi
daripada suhu 100 derajat, tetapi kita juga sudah dapat menyatakan dengan pasti bahwa rasionya
benar dua kali lebih tinggi.
• Contoh: Waktu, panjang, tinggi, berat, usia, Kadar zat dan jumlah sel tertentu, Dosis obat, dll

63. Ringkasan skala pengukuran:
Skala Definisi Level
Operasi
Aritmetik
Contoh
Nominal Data Kategori
 Mutually
exclusive =, ≠
 Jenis Kelamin
 Wana Kulit
Ordinal
Data yang hanya bisa
diurutkan dari kecil ke
besar atau sebaliknya
 Mutually
exclusive
 Urutannya
Pasti/Jelas
=, ≠
<, >
 Status sosial ekonomi
keluarga
 Peringkat Kelas
 Pangkat/Jabatan/Golongan
Interval
Selain mencakup
karakateristik Nomina dan
Ordinal, juga sudah bisa
dilakukan operasi
penjumlahan karena jarak
antara datanya sudah jelas.
Tidak mempunyai nilai
nol mutlak
 Mutually
exclusive
 Urutannya
Pasti
 Jarak antara
kode sama
=, ≠,
<, >,
+, –
 Suhu (Celsius & Fahrenheit)
 IQ (tingkat kecerdasan)
Ratio
Mencakup karakteristik
Interval dan mempunyai
nilai nol mutlak
 Mutually
exclusive
 Urutannya
Pasti
 Jarak
antara kode
sama
 Terdapat
nilai nol
mutlak
=, ≠,
<, >,
+, -,
x, ÷
 Suhu (Kelvin)
 Waktu
 Panjang
 Berat
 Tinggi

64. Hubungan antara skala pengukuran dengan jenis datanya (kuantitatif dan kualitatif)
Skala pengukuran Kualitatif Kuantitatif
Nominal √
Ordinal √
Interval √
Ratio √

65. Pengertian Skala Likert (Likert Scale) dan Menggunakannya
 Skala Likert atau Likert Scale adalah skala penelitian yang digunakan untuk mengukur sikap dan
pendapat.
 Dengan skala likert ini, responden diminta untuk melengkapi kuesioner yang mengharuskan
mereka untuk menunjukkan tingkat persetujuannya terhadap serangkaian pertanyaan.
 Pertanyaan atau pernyataan yang digunakan dalam penelitian ini biasanya disebut dengan variabel
penelitian dan ditetapkan secara spesifik oleh peneliti. Nama Skala ini diambil dari nama
penciptanya yaitu Rensis Likert, seorang ahli psikologi sosial dari Amerika Serikat.
 Tingkat persetujuan yang dimaksud dalam skala Likert ini terdiri dari 5 pilihan skala yang
mempunyai gradasi dari Sangat Setuju (SS) hingga Sangat Tidak Setuju (STS).
 5 pilihan tersebut diantaranya adalah :
1) Sangat Setuju (SS)
2) Setuju (S)
3) Ragu-ragu (RG)
4) Tidak Setuju (TS)
5) Sangat Tidak Setu (STS)

66. Skala Likert (Likert Scale)
Selain gradasi Persetujuan, dapat juga digunakan pada beberapa jenis gradasi
tentang sikap dan pendapat. Seperti :
1) Sangat Suka
2) Suka
3) Netral
4) Tidak Suka
5) Sangat Tidak Suka

68. Transformasi Data Ordinal Menjadi Interval Pada Skala Likert
Sebelum melanjutkan pembahasan tentang bagaimana transformasi data ordinal dilakukan, tulisan
ini sedikit membahas tentang dua perbedaan pendapat tentang bagimana skor-skor yang diberikan
terhadap alternatif jawaban pada skala pengukuran Likert yang sudah kita kenal. Pendapat
pertama mengatakan bahwa skor 1, 2, 3, 4, dan 5 adalah data interval.
Sedangkan pendapat yang kedua, menyatakan bahwa jenis skala pengukuran Likert adalah
ordinal. Alasannya skala Likert merupakan Skala Interval adalah karena skala sikap merupakan
dan menempatkan kedudukan sikap seseorang pada kesatuan perasaan kontinum yang berkisar
dari sikap “sangat positif”, artinya mendukung terhadap suatu objek psikologis terhadap objek
penelitian, dan sikap “sangat negatif”, yang tidak mendukung sama sekali terhadap objek
psikologis terhadap objek penelitian.
TRANSFORMASI DATA ORDINAL MENJADI INTERVAL - Uji Statistik
https://www.statistikian.com/.../transformasi-data-ordinal-menjadi-interval. html
31 Ags 2012 ... 1.3.1 Transformasi Data Ordinal Menjadi Interval Pada Skala Likert; 1.3.2 Ciri ... 1.4.1.1 Metode Ilmiah Yang Mendasari
Transformasi Data Ordinal ... Data Ordinal Menjadi Interval; 1.5.1.4 Data Kualitatif menjadi Kuantitatif.
 TRANSFORMASI DATA ORDINAL MENJADI INTERVAL_ (skala Likert: Transformasi
data kualitatif menjadi data kuantitatif) =1.5.1.4 Data Kualitatif menjadi Kuantitatif

69. Ciri Skala Likert
Berkenaan dengan perbedaan pendapat terhadap skor-skor yang diberikan dalam alternatif
jawaban dalam skala Likert itu, apakah termasuk dalam skala pengukuran ordinal atau data
interval, berikut ini kami menyampaikan pemikiran yang bisa dijadikan pertimbangan: Ciri
spesifik yang dimiliki oleh data yang diperoleh dengan skala pengukuran ordinal, adalah
bahwa, data ordinal merupakan jenis data kualitatif, bukan numerik, berupa kata-kata atau
kalimat, seperti misalnya sangat setuju, kurang setuju, dan tidak setuju, jika pertanyaannya
ditujukan terhadap persetujuan tentang suatu event.
Atau bisa juga respon terhadap keberadaan suatu Bank “PQR” dalam suatu daerah yang
bisa dimulai dari sangat tidak setuju, tidak setuju, ragu-ragu, Setuju, dan sangat setuju.

70. Data Interval Vs Data Ordinal
Sementara data interval adalah termasuk data kuantitatif, berbentuk numerik, berupa angka, bukan terdiri
dari kata-kata, atau kalimat. Mahasiswa yang melakukan penelitian dengan menggunakan pendekatan
kuantitatif, termasuk di dalamnya adalah data interval, data yang diperoleh dari hasil pengumpulan data
bisa langsung diolah dengan menggunakan model statistika.
Akan tetapi data yang diperoleh dengan pengukuran skala ordinal, berbentuk kata-kata, kalimat,
penyataan, sebelum diolah, perlu memberikan kode numerik, atau simbol berupa angka dalam setiap
jawaban.
Misalnya saja alternatif jawaban pada skala Likert, alternatif jawaban “sangat tidak setuju” diberi skor 1;
“ tidak setuju diberi skor 2; “ragu-ragu” diberi skor 3; “setuju” diberi kode 4; dan “sangat setuju” diberi
skor 5. Angka-angka (numerik) inilah yang kemudian diolah, sehingga menghasilkan skor tertentu.
Tetapi, sesuai dengan sifat dan cirinya, angka 1, 2, 3, 4, dan 5 atau skor yang sudah diperoleh tidak
memberikan arti apa-apa terhadap objek yang diukur. Dengan kata lain, skor yang lebih tinggi lebih tidak
berarti lebih baik dari skor yang lebih rendah. Skor 1 hanya menunjukkan sikap “sangat tidak setuju”,
skor 2 menunjukkan sikap “tidak setuju, skor 3 menunjukkan sikap “ragu-ragu’, skor 4 menunjukkan
sikap “setuju”, dan skor 5 menunjukkan sikap “sangat setuju”. Kita tidak bisa mengatakan bahwa skor 4
atau “setuju” dua kali lebih baik dari skor 2 atau “tidak setuju”.

71. Ciri Data Interval
Fenomena ini berbeda sekali dengan sifat/ciri yang dimiliki oleh data interval, dimana angka-angka
atau skor-skor numerik yang diperoleh dari hasil pengukuran data langsung dapat dibandingkan antara
satu dengan lainnya, dikurangkan, dijumlahkan, dibagi dan dikalikan. Misalnya saja penelitian yang
dilakukan mahasiswa tentang suhu udara beberapa kelas, dan diperoleh data misalnya suhu ruangan
kelas A 15 derajat Cls, suhu ruang kelas B 20 derajat Cls, dan suhu ruang kelas C 25 derajat Cls.
Berarti bahwa suhu ruang kelas A adalah 75 % lebih dingin dari suhu ruang kelas B. Suhu ruang kelas
A 60 % lebih dingin dari suhu ruang kelas C. Suhu ruang kelas A lebih dingin dari suhu ruang kelas B
dan C. Atau suhu ruangan kelas B lebih panas dari suhu ruang kelas A, tetapi lebih dingin dibandingkan
dengan suhu ruangan kelas C. Contoh lain misalnya prestasi mahasiswa yang diukur dengan skala
indek prestasi mahasiswa.

72. Model Analisis
• Pengumpulan data terkait dengan macam-macam metode analisis data,
serta teknik hingga alat yang dapat digunakan untuk meningkatkan riset
data.
• Metode analisis data bermacam-macam, namun tidak bisa digunakan
sembarangan.
• Metode analisis data yang digunakan harus berdasarkan dengan tipe data
yang telah dikumpulkan.
• Tipe data sendiri umumnya dibagi menjadi dua jenis yaitu data kuantitatif
dan data kualitatif.
• Data kuantitatif biasanya berupa data yang berhubungan dengan angka
atau kuantitas,
• Data kualitatif berupa data yang lebih subyektif karena berasal dari
jawaban informasi survei atau wawancara.

73. Contoh 1: Definisi dan Pengukuran Variabel

74. Contoh 2: Definisi dan Pengukuran Variabel

76. Metode analisis data kuantitatif
Metode analisis data kuantitatif bergantung pada kemampuan untuk dapat menghitung
secara akurat. Tidak hanya itu, metode ini juga memerlukan kemampuan untuk
menginterpretasikan data yang sulit.
Beberapa metode analisis data yang dapat digunakan untuk jenis data ini adalah sebagai
berikut.
1. Analisis deskriptif
Analisis deskriptif dapat digunakan untuk mengolah data kuantitatif. Cara ini dulakukan
untuk melihat performa data di masa lalu agar dapat mengambil kesimpulan dari hal
tersebut. Metode ini mengedepankan deskripsi yag memungkinkan kamu untuk belajar dari
hal lalu.
Biasanya, metode analisis jenis ini diaplikasikan pada data dengan volume yang sangat
besar seperti data sensus misalnya. Analisis deskriptif memiliki dua proses yang berbeda di
dalamnya berupa deskripsi dan interpretasi. Jenis metode ini biasa digunakan dalam
menyajikan data statistik.

77. Metode analisis data kuantitatif
2. Analisis regresi
Metode regresi adalah cara yang tepat untuk digunakan dalam membuat data prediksi dari tren masa
depan. Metode ini dapat mengukur hubungan antara variabel dependen yang ingin kamu ukur dengan
variabel independen.
Meskipun cara ini membatasi kamu karena hanya dapat memuat satu variabel dependen, tetapi kamu
dapat memiliki variabel independen yang tidak terbatas. Metode ini baik dalam membantumu melihat
hal yang dapat dioptimasi dengan menyoroti tren dan hubungan antar data faktor.
3. Analisis faktor
Analisis faktor merupakan teknik analisis yang berdasarkan dari data analisis regresi. Metode ini
digunakan untuk menemukan struktur pokok dari kumpulan variabel-variabel.
Metode ini berjalan dengan mencari faktor independen dari variabel yang dapat mendeskripsikan
pola dan metode dari variabel dependen orisinil. Analisis faktor menjadi metode yang cukup puler
untuk mengola topik kompleks seperti skala psikologis dan status sosio-ekonomi.

78. Metode analisis data kualitatif
Tidak seperti data kuantitatif, data kualitatif memerlukan pendekatan dari data yang sifatnya lebih subyektif.
Namun, kamu tetap dapat melakukan ekstraksi data berguna dengan teknik analisis data yang berbeda-beda
tergantung kebutuhan.
Beberapa metode analisis yang dapat memenuhi kebutuhan data kualitatif adalah sebagai berikut.
1. Analisis konten
Metode ini membantu untuk memahami keseluruhan tema yang ada di dalam data kualitatif yang dimiliki.
Metode ini menggunakan teknik seperti penggunaan kode warna tema dan ide tertentu untuk membantu
mengurai data tekstual yang ada agar dapat menemukan rangkaian data yang paling umum.
2. Analisis naratif
Jenis analisis satu ini berfokus pada cara bagaimana sebuah cerita dan ide dikomunikasikan ke seluruh bagian
terkait. Metode ini juga membantumu untuk dapat lebih memahami kultur dari sebuah organisasi. Analisis jenis
ini dapat digunakan untuk menginterpretassi bagaimana perasaan karyawan terhadap pekerjaannya,
bagaimana pelanggan menilai perusahaan kamu, dan bagaimana proses operasional dikerjakan. Metode ini
sangat berguna dalam mengembangkan kultur perusahaan ataupun membantu merencanakan strategi pemasaran

79. Contoh : Model Regresi
Analisis Data
Untuk menguji hipotesis, penelitian ini menggunakan model analisis sebagaimana
persamaan regresi Model 1 sampai dengan Model 3 berikut ini.
Model 1: Menguji hipotesis variabel yang mempengaruhi cash flow from operating (H1
sampai dengan H9), dengan model persamaan berikut ini.
ZΔCFOt = β0 + β1 X1ΔCAPEXt + β2 X2ΔWCt + β3 X3ΔREt + β4 X4ΔEBITt +
β5 X5ΔCMt + β6 X6ΔEQt + β7 X7EFSOt + β8 X8RAEMt +
β9 X9ACEMt + β10 X10SIZEt + β11 X11LEVt + et …………….……(1)
Model 2: Menguji hipotesis variabel yang mempengaruhi financial distress (H10 sampai
dengan H18), dengan model persamaan berikut ini.
YFINDISt = β0 + β1 GSAEt + β2 ZΔCFOt + β3 X1ΔCAPEXt + β4 X2ΔWCt +
β5 X3ΔREt + β6 X4ΔEBITt + β7 X5ΔCMt + β8 X6ΔEQt + β9 X7EFSOt +
β10 X8RAEMt + β11 X9 ACEMt + β12 X10SIZEt + β13 X11LEVt +
β14 (ZΔCFOt x GSAEt) + et ……..,… ………………………….….(2)
Model 3: Menguji hipotesis pengaruh cash flow from operating dan government subsidy

80. Contoh : Model Regresi
t 0 1 t 2 t 3 t 4 2 t
β5 X3ΔREt + β6 X4ΔEBITt + β7 X5ΔCMt + β8 X6ΔEQt + β9 X7EFSOt +
β10 X8RAEMt + β11 X9 ACEMt + β12 X10SIZEt + β13 X11LEVt +
β14 (ZΔCFOt x GSAEt) + et ……..,… ………………………….….(2)
Model 3: Menguji hipotesis pengaruh cash flow from operating dan government subsidy
terhadap financial distress (H19 dan H20) , dengan model persamaan berikut ini.
YFINDISt = β0 + β1 GSAEt + β2 ZΔCFOt + β3 (ZΔCFOt x GSAEt) + β4 X10SIZEt +
β5 X11LEVt + et ………..(3)
Dimana: YFINDISt = financial distress berdasarkan score marginal (SMg) periode t, GSAEt = government
subsidy pada periode t, ZΔCFOt = pertumbuhan cash flow from operating pada periode t, GSAEt x ZΔCFOt
= interaksi variabel GSAEt dengan variabel ZΔCFOt periode t, X1ΔCAPEXt = pertumbuhan capital
expenditure pada periode t, X2ΔWCt = pertumbuhan working capital pada periode t, X3 ΔREt = pertumbuhan
retained earning pada periode t, X4ΔEBITt = pertumbuhan earning before interest and tax paada periode t,
X5ΔCMt = pertumbuhan contribution margin periode t, X6ΔEQt = pertumbuhan equity pada periode t,
X7EFSOt = tingkat efisiensi atau produktivitas operasi pada periode t, X8RAEMt = real activities earning
management pada periode t, X9ACEMt = accruals earning management pada periode t, X10SIZEt = ukuran
perusahaan atau firm size pada periode t, X11LEVt = tingkat leverage pada periode t, β0 : konstanta, β1 … β14
: koefisien regresi, et = error periode t.

82. Analisis Statistik Deskriptif & Regresi
• Statistik deskriptif
• Analisis Korelasi
• Uji asumsi klasik (regresi linear berganda)
• Analisis Determinasi (R2)
• Uji Koefisien Regresi Secara Bersama-sama (Uji F)
• Uji Koefisien Regresi Secara Parsial (Uji t)

83. Uji asumsi klasik (regresi linear berganda)
 Uji Asumsi klasik terdiri dari :
1. Uji Multicollinearity
2. Uji Autocorrelation
3. Uji Heteroscedasticity
4. Uji Normality
5. Uji Linearity
 Contoh perhitungan dengan SPSS terlampir

84. UJI MULTICOLLINEARITY
• Multikolinearitas, adalah terjadinya korelasi linear yang tinggi atau
mendekati sempurna antara variable bebas. Konsekuensi atau akibat
terjadinya multikolineariti, yaitu penaksir kuadrat terkecil tidak bisa
ditentukan (indeterminate).
• Beberapa metode yang digunakan untuk mendeteksi multikolinearitas
dalam model regresi.
a. Melihat nilai R2 dan nilai t statistic
b. Uji multikolinearitas menggunakan Pair-Wise Correlation antara variable bebas
c. Uji multikolieritas berdasarkan EIGENVALUE dan Condition Index
d. Uji multikolieritas dengan korelasi parsial
e. Uji multikolinearitas dengan Tolerance (TOL) dan Vriance Inflation Factor (VIF)

85. UJI AUTOCORRELATION
• Autokorelasi, adalah keadaan dimana terjadinya korelasi dari residual
untuk pemgamatan satu dengan pengamatan yang lain yg disusun menurut
urutan waktu. Uji autokorelasi dimaksudkan untuk menge-tahui apakah
ada korelasi antara anggota serangkaian data observasi yang diuraikan
menurut waktu (time-series) dan ruang (cross-saction). Konsekuensi bila
terdapat masalah autokorelasi, yaitu nilai t-statistik dan nilai F-statistik
tidak dapat dipercaya, karena hal itu akan menye-satkan.
• Beberapa metode yang dapat digunakan untuk mendeteksi terjadinya
autokorelasi (Gujaratai, 1995):
a. Metode Durbin Watson (Durbin Watson Test)
b. Metode Lagrange Multiplier (LM Test)
c. Metode Breusch-Godfrey (B-G Test)
d. Metode Run Test

86. UJI HETEROSCEDASTICITY
• Heteroskedastisitas, adalah keadaan dimana terjadinya ketidaksa-
maan varian dari residual pada model regresi. Heteroskedastisitas
berarti ada varian variable pada model regresi yang tidak sama atau
konstan. Sebaliknya Homoskedastisitas berarti varian variable pada
model regresi memiliki nilai yang sama atau konstan.
• Masalah heteroskedastisitas sering terjadi pada data cross-saction.
Konse-kuensi heteroskedastisitas adalah uji hipotesis yang
didasadrkan pada uji t dan dsitribusi F tidak dapat dipercaya.

87. UJI HETEROSCEDASTICITY
Beberapa metode yang dapat digunakan menguji heteroskedas -
tisitas :
1. Metode grafik
2. Metode Glejser
3. Metode Park
4. Metode White
5. Metode Rank Spearman
6. Metode Bresh-Pagan-Godfrey (BPG)

88. UJI NORMALITY
• Uji normalitas bertujuan untuk mengetahui apakah nilai residual yang telah
distandarisasi pada model regresi tsb berdistribusi normal atau tidak.
• Nilai residual dikatakan berdistribusi normal jika nilai residual
terstandarisasi sebagian besar mendekati nilai rata-ratanya.
• Nilai residual terstandarisasi yang berdistribusi normal jika digambarkan
dalam bentuk kurva akan membentuk gambar lonceng (bell-shaped curve).
• Berdasarkan pengertian uji normalitas tersebut maka uji normalitas disini
tidak dilakukan pervariabel (univariate) tetapi hanya terhadap nilai residual
terstandarisasinya (multivariate).
• Tidak terpe-nuhinya normalitas pada umumnya karena distribusi data yang
dianalisis tidak normal, karena nilai ekstrim pada data yang diambil yang
dapat terjadi karena (a) kesalahan pengambilan sampel, (b) pengetikan
input data, (c) atau memang karakter data tersebut jauh dari rata-ratanya
atau benar-benar berbeda dibanding dengan lain.

89. UJI NORMALITY
• Untuk mendeteksi nilai residual terstandarisasi berdistribusi normal
atau tidak, maka digunakan beberapa metode.
a) Uji normalitas dengan Grafik
b) Uji normalitas denga metode signifikansi Skewness dan Kurtosis
c) Uji normalitas dengan Jarque-Bera (JB-Test)
d) Uji normalitas dengan Kolmogorov-Smirnow
e) Uji normalitas lainnya

90. UJI NORMALITY
Uji normalitas dengan Kolmogorov-Smirnow
• Langkahnya (SPSS):
a) Meregressikan variable bebas terhadap variable terikat: Analyse →
Regrsion → Linier → Dependent → Indepen-denave → Save → Pada
Residual klik Standardized → Continue → OK
b) Lanjutkan dengan perhitungan Standard ResidualHitung: Analyze →
Nonparametrics Test → Legacy Dialog → 1 Sample K-S → pada Variables
isi Standardized Residu → OK
• Berdasarkan ouput SPSS diperoleh nilai Asymp Sig (2-tailed) sebesar
0,343> table 0,05 atau 5% atau H0 diterima yang berarti bahwa nilai
residu terstandarisasi dinyatakan menyebar secara normal.

91. UJI NORMALITY

92. UJI LINEARITY
Uji Linieritas
Pengujian perlu dilakukan untuk membuktikan apakah model yang
digunakan linear atau tidak. Untuk mendeteksi apakah model sebaik-nya
menggunakan linear atau tidak, maka digunakan beberapa metode.
a) Uji linieritas dengan Metode Analisis Grafik
b) Uji linieritas dengan Metode Durbin-Watson d Statistik (The Durbin-Watson d
Statistic Test)
c) Uji linieritas dengan Metode Uji MWD (Mac Kinnon, White dan Davidson)
d) Uji linieritas dengan Metode Ramsey
e) Uji linieritas dengan Metode Lagrange Multiplier (LM-Test)
f) Uji linieritas lainnya, untuk mengetahui apakah dua variable yang dikenai prosedur
analisis statistik korelasional menunjukkan hu-bungan yang linear atau tidak.

93. STATISTIKA DESKRIPTIF
 Statistik adalah sekumpulan prosedur untuk mengumpulkan, mengukur, mengklasifikasi,
menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data kuantitatif
yang diperoleh secara sistematis.
 Secara garis besar, statistik dibagi menjadi dua komponen utama, yaitu Statistik
Deskriptif dan Statistik inferensial.
 Statistik deskriptif menggunakan prosedur numerik dan grafis dalam meringkas gugus
data dengan cara yang jelas dan dapat dimengerti.
 Statistik inferensial menyediakan prosedur untuk menarik kesimpulan tentang populasi
berdasarkan sampel yang kita amati.
 Statistik Deskriptif membantu kita untuk menyederhanakan data dalam jumlah besar
dengan cara yang logis. Data yang banyak direduksi dan diringkas sehingga lebih
sederhana dan lebih mudah diinterpretasi.

94. Pengujian Validitas dan Reliabilitas
Skor Kuesioner (Skala Likert/Skala ordinal)
Analisis dalam bidang ekonomi, khususnya jurusan manajemen dalam melakukan penelitiaannya
menggunakan variabel/konstruk tertentu yang disebut variabel latern atau faktor, di mana variabel
tersebut tidak diukur secara langsung, akan tetapi melalui indikator atau dimensi untuk diteliti, secara
umum berupa butir pertanyaan/kuesioner yang terdapat alternatif jawaban yang tersedia dengan skala
ordinal (skala Likert) dengan menggunakan lima tingkat skala alternatif jawaban. Contohnya
1 : Sangat tidak setuju (bobot 1).
2 : Tidak setuju (bobot 2)
3 : Ragu/Netral (bobot 3)
4 : Setuju (bobot 4)
5 : Sangat setuju (bobot 5)
Skala Likert disebut ordinal karena pernyataan sangat setuju mempunyai tingkat yang lebih tinggi
terhadap setuju dan setuju lebih tinggi terhadap ragu/netral, dan seterusnya.

95. Validitas dan Reliabilitas Instrumen Penelitian
• Validitas dan Reliabilitas Instrumen Penelitian - Salah satu tahap
melakukan suatu penelitian yaitu tahap pengambilan data.
• Data yang diharapkan tentunya adalah yang baik. Data yang baik yaitu data
yang sesuai dengan kenyataan yang sebenarnya dan data tersebut bersifat
ajeg, tetap atau dapat dipercaya.
• Data yang sesuai dengan keadaan yang sebebarnya inilah yang disebut
dengan data yang valid.
• Sedangkan data yang dapat dipercaya disebut dengan data yang reliabel.
• Supaya diperoleh data yang valid dan reliabel, maka instrumen yang
digunakan dalam pengumpulan data baik tes maupun non tes harus
mempunyai bukti validitas dan reliabilitas.

96. Uji Validitas (Validitas instrument)
 Suatu instrumen dikatakan valid bila instrumen terebut dapat dengan tepat mengukur apa yang
hendak di ukur. Sehingga dapat dikatakan bahwa validitas berhubungan dengan “ketepatan”
dengan alat ukur. Dengan istrumen yang valid akan menghasilkan data yang valid pula.
 Istilah valid sukar untuk dicari penggantinya, sebagian peneliti ada yang menyebutknya dengan
“sahih”, “tepat”, dan juga “cermat”.
 Untuk melakukan uji validitas ini menggunakan program SPSS (contoh terlapir). Teknik pengujian
yang sering digunakan para peneliti untuk uji validitas adalah menggunakan korelasi Bivariate
Pearson (Produk Momen Pearson).
 Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total.
 Skor total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang berkorelasi
signifikan dengan skor total menunjukkan item-item tersebut mampu memberikan dukungan
dalam mengungkap apa yang ingin diungkap à Valid.
 Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan
berkorelasi signifikan terhadap skor total (dinyatakan valid).

97. Uji Reliabilitas (Reliabilitas instrument)
 Pengertian Reliabilitas adalah untuk mengukur suatu kuesioner yang merupakan indikator
dari variabel atau konstruk. Kata reliabilitas dalam Bahasa Indonesia berasal dari Bahasa
Inggris yaitu reliability, yang mana asalnya dari kata reliable yang mempunyai arti dapat
dipercaya. Suatu instrumen tes dikatakan dapat dipercaya (reliable) bila memberikan hasil
yang tetap atau ajeg (konsisten) bila diteskan berkali-kali. Misalnya suatu tes yang sama
diberikan kepada siswa dalam satu kelas pada waktu yang berlainan, maka setiap siswa
akan tetap berada dalam urutan (rangking) yang sama atau ajeg dalam satu kelas tersebut.
 Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena
instrumen penelitian ini berbentuk angket dan skala bertingkat.
 Rumus Alpha Cronbach : Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient
reliability), sementara jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh
tes secara konsisten memiliki reliabilitas yang kuat.
 Contoh perhitungan dengan SPSS terlampir

99. HASIL DAN PEMBAHASAN (RESULTS AND DISCUSSION)
Hasil penelitian dan Pembahasan, menguji hipotesis: hasil perhitungan
statistik, dijelaskan dalam format “hasil dan pembahasan”.
 Dikemukakan secara terpisah antara hasil dan pembahasan
 Dekemukakan secara terintegrasi hasi sekaligus pembahasan hasil

100. HASIL DAN PEMBAHASAN : MENGUJI HIPOTES
• Uji Validitas
• Uji Reliabilitas
• Statistik deskriptif
• Analisis korelasi
• Uji asumsi klasik (regresi linear berganda)
• Analisis Determinasi (R2)
• Uji Koefisien Regresi Secara Bersama-sama (Uji F)
• Uji Koefisien Regresi Secara Parsial (Uji t)

101. HASIL PENELITIAN
Hasil penelitian berisi:
 Paparan hasil-hasil atau data-data olahan dari aktivitas penelitian yang telah kita lakukan.
 Di sini, hasil atau data olahan dapat dan boleh disajikan dalam bentuk angka, grafik,
gambar maupun tabel.
 Pada bagian ini, seyogyanya kita tidak berkomentar dulu atas data-data tersebut. Cukup
kita sampaikan, bahwa Gambar xxx adalah grafik hubungan antara variabel ini dan
variabel itu yang diperoleh dari pengujian A; atau, tabel xxx menyajikan data tentang
korelasi antara ini dan itu; dan sebagainya.
 Di bagian ini, kita seolah bercerita tentang apa yang kita lihat dari data-data yang
diperoleh.
 Bersabarlah dulu untuk tidak memberikan komentar atas data-data kita peroleh tadi,
sekalipun di kepala kita sudah berkecamuk berbagai opini berdasar hasil analisis dari
data-data tersebut.
 Satu hal yang penting, dan mungkin akan membuat penyajian hasil penelitian kita
menarik, adalah cara kita yang runtut dalam menyajikan data-data hasil penelitian kita di

102. HASIL PENELITIAN…….
• Sewajarnya, dalam melakukan penelitian, kita melakukan serangkaian
pengujian dengan urutan tertentu.
• Bila urutan tersebut dilanggar, bisa jadi penelitian kita menjadi berantakan,
data-data yang diperoleh menjadi sulit untuk dianalisis, hingga hasil
penelitian kita menjadi bias.
• Oleh karenanya, urutan penyampaian data pun menjadi penting, sepenting
urutan kita mengerjakan eksperimen atau aktivitas-aktivitas pengambilan
data dalam penelitian.
• Bagian hasil penelitian yang kita tulis akan tampak anggun, menarik untuk
dibaca, dan mudah dipahami apabila disampaikan secara runtut.
• Barangkali, hal ini merupakan cerminan sifat alamiah otak manusia; yang
akan lebih mudah mencerna sesuatu bila tersusun berdasarkan logika dan
urutan yang benar serta jelas.

103. BAGIAN PEMBAHASAN
• Boleh dibilang, pembahasan adalah bagian yang paling tidak mudah
untuk dikerjakan dalam naskah untuk publikasi di jurnal ilmiah atau
skripsi dan tesis.
• Di bagian ini, kita ditantang untuk menuliskan hasil analisis kita
berdasarkan data-data yang telah diperoleh.
• Di bagian inilah, kita diizinkan, bahkan harus, berkomentar atas data-
data yang telah kita sajikan pada bagian hasil penelitian.
• Ada empat kata kunci yang bisa kita pegang dalam menyusun bagian
pembahasan hasil penelitian, yakni (1) mengaitkan, (2) menjelaskan,
(3) mengonfirmasi dan (4) menyintesis

104. 1) MENGAITKAN
MENGAITKAN:
 Pada bagian ini kita dituntut untuk bisa mengaitkan data-data kita satu dengan yang lainnya;
baik yang berupa angka, grafik, gambar maupun tabel.
 Pastilah di antara data-data tersebut ada yang bersifat komplementer, saling melengkapi satu
dengan yang lainnya. Misalnya saja, Gambar yyy yang diperoleh dari eksperimen dengan alat B
mendukung grafik pada Gambar xxx yang diperoleh dengan alat A.
 Kaitkan keduanya, sehingga kita memperoleh alasan yang kuat untuk berargumen dan
memberikan komentar atas fenomena yang ditemui berangkat dari data-data kita tadi.
 Bila tidak saling mendukung, mungkin saja ada bagian-bagian dari data yang merupakan
pengecualian atau salah.
 Hal yang terakhir kadangkala menuntut kita untuk meninjau atau mengulang kembali
eksperimen atau penelitian kita, agar lebih jelas dimana letak kesalahan metode penelitian yang
dipakai.

105. 2) MENJELASKAN
MENJELASKAN:
 Pada bagian ini pula kita dituntut untuk menjelaskan fenomena yang terjadi berdasarkan data-data
atau hasil-hasil yang telah diperoleh selama penelitian berlangsung.
 Kita diwajibkan untuk menjelaskan apa dan bagaimana keterkaitan antar data tersebut, mekanisme
apa yang melatarbelakangi kejadian yang kita temui dalam eksperimen berdasarkan data-data yang
diperoleh.
 Sangat boleh bila kita menjelaskan sesuatu atau mekanisme tertentu berdasarkan teori yang telah
dikemukakan peneliti lain di literatur, bila di antaranya terdapat kesamaan fenomena.
 Oleh karenanya, kemampuan kita memahami dan menelaah literatur, baik berupa buku teks maupun
artikel ilmiah, diuji di bagian ini.
 Bila kita paham dengan kandungan beberapa artikel yang telah kita baca untuk melandasi penelitian
ini, maka menuliskan bagian pembahasan menjadi lebih mudah.

106. 3) MENGONFIRMASI
MENGONFIRMASI:
 Pada bagian ini kita juga diwajibkan mengonfirmasi hasil-hasil atau temuan
kita dalam penelitian dengan hasil-hasil yang telah diperoleh dan dilaporkan
dalam literatur oleh peneliti lain.
 Konfirmasi semacam ini akan memberikan gambaran kepada audens
pembaca tulisan kita, bahwa penelitian yang kita lakukan itu tidak mengada-
ada, tetapi berada dalam alur penelitian yang telah dibangun bersama-sama,
bahkan oleh para peneliti di seluruh dunia.
 Konfirmasi inilah yang akan memberikan impresi bahwa penelitian yang kita
lakukan juga memberikan kontribusi nyata dalam pengembangan bidang ilmu
yang kita teliti.

107. 4) MENSYINTESIS
MENYINTESIS:
 Pada bagian pembahasan ini, adalah menyintesis data-data atau hasil-
hasil penelitian yang kita peroleh, kaitkan, jelaskan serta konfirmasi
dengan penelitian lain, menjadi sebuah teori atau gagasan-gagasan
baru.
 Teori atau gagasan baru ini pada akhirnya akan menjadi tonggak kecil
yang menandai bahwa penelitian di bidang yang yang kita tekuni sudah
sampai di sini, sampai di tulisan kita ini.
 Di sinilah kemampuan kita membuat men-generalisasi temuan kita
menjadi penting.

109. Perbedaan Analisis Univariat dan Multivariat
 Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data
tersebut dikategorikan analisis multivariat, bisa saja analisis data tersebut hanya analisis univariat.
 Jika kita didefinisikan, analisis univariat adalah analisis data secara serentak dimana data yang
diamati hanya memiliki satu variabel dependen (variabel tidak bebas) pada setiap objek yang
diamati.
 Sedangkan analisis multivariat adalah analisis data secara serentak dimana pada data tersebut
terdapat lebih dari satu variabel dependen pada setiap objek yang diamati. Jadi perbedaan analisis
univariat dan multivariat terdapat pada jumlah variabel dependen yang diamati.

110. Perbedaan Analisis Univariat dan Multivariat
 Perbedaan analisis univariat dan multivariat bisa dimisalkan pada analisis regresi berganda.
Analisis regresi berganda merupakan metode analisis yang dikategorikan ke dalam analisis
univariat.
 Sebab jika kita lihat persamaan analisis regresi berganda y = bo + b1x1 + b2x2 + ..., yang
"berganda" adalah variabel independennya, yaitu xp, sedangkan variabel dependennya hanya
satu yaitu y.
 Jika analisis regresi mempunyai lebih dari satu variabel dependen, maka analisis regresi
tersebut menjadi analisis regresi multivariat.
 Jika variabel independennya hanya satu variabel namun variabel dependennya lebih dari satu,
maka analisis regresi tersebut tetap dikatakan analisis regresi multivariat. Hal ini juga berlaku
untuk jenis analisis lain, misalnya ANOVA yang hanya memiliki satu variabel dependen
(variabel respon), ketika variabel dependennya lebih dari satu, maka dinamakan MANOVA.

111. Part A Scientific Method in Management Research
 Chapter 1 Scientific Method 2
 Chapter 2 Overview of Research in Management 18
Part B Research Problem
 Chapter 3 Problem Solving 44
 Chapter 4 Formulation of Research Problems 68
 Chapter 5 Research Proposal 108
Part C Research Design—Types of Research
 Chapter 6 Experimental Research 122
 Chapter 7 Ex Post Facto Research 158
 Chapter 8 Modelling Research I—Mathematical Modelling 190
 Chapter 9 Modelling Research II—Heuristics and Simulation 218
Part D Research Design for Data Acquisition
 Chapter 10 Measurement Design 260
 Chapter 11 Sample Design 280

112. 1- Scientific Method

113. 2- Overview of Research in Management

114. 3- Problem Solving

115. 4- Formulation of Research Problems

116. 5- Research Proposal

117. 6- Experimental Research

118. 7- Ex Post Facto Research

119. 8- Modelling Research I—Mathematical Modelling

120. 9- Modelling Research II—Heuristics and Simulation

121. 10- Measurement Design

122. 11- Sample Design

127. 1- Scientific Method

139. 2- Overview of Research in Management

150. Klasifikasi Data Penelitian
Data Penelitian dapat diklasifikasikan berdasarkan sifat, sumber, dan juga skala pengukurannya.
Berikut di bawah ini akan kami jelaskan satu persatu tentang klasifikasi data penelitian:
Berdasarkan sifatnya:
1) Data kuantitatif: data yang berupa angka-angka. Misalnya berat badan, luas rumah, tinggi
badan, nilai IQ, dll.
2) Data kualitatif: data yang berupa kata-kata atau pernyataan- pernyataan. Dapat pula diartikan
sebagai data kategorik, karena memang biasanya berupa kategori atau pengelompokan-
pengelompokan berdasarkan nama atau inisial tertentu. Misalkan: Kelompok PNS, Petani, Buruh,
Wiraswasta, dll.

151. Data Berdasarkan sumbernya
Berdasarkan sumbernya, data diklasifikasikan antara lain:
Data primer
Data primer adalah data yang diperoleh langsung pihak yang diperlukan datanya.
Data sekunder
Data Sekunder adalah data yang tidak diperoleh langsung dari pihak yang diperlukan
datanya.

152. Data Berdasarkan Skala Pengukurannya
Berdasarkan skala pengukuruannya, data diklasifikasikan antara lain:
Data yang merupakan hasil pengukuran variabel penelitian, memiliki jenis skala pengukuran sebagaimana
yang terdapat pada variabel penelitian. Dengan demikian berdasarkan tinjauan ini, data dapat dibedakan
menjadi antara lain:
1. Data Nominal
Data nominal adalah salah satu jenis data kualitatif, dimana berupa kategori yang diantara kategori tersebut
tidak ada perbedaan derajat yang lebih tinggi dan yang lebih rendah. Misalkan: Jenis kelamin perempuan dan
laki-laki, dimana laki-laki belum tentu lebih tinggi dari pada perempuan, begitu pula sebaliknya.
2. Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja ada perbedaan derajat lebih tinggi dan lebih rendah.
Misalnya: Pendidikan, dimana pendidikan perguruan tinggi lebih tinggi dari pada SMA, dan sebaliknya
pedidikan SMA lebih rendah dari pada perguruan tinggi.

153. Data Berdasarkan Skala Pengukurannya
3. Data Interval
Data interval adalah data yang termasuk kelompok data kuantitatif, dimana berupa angka-angka yang
didalamnya dapat dilakukan operasi matematika serta urutan antara satu data dengan data lainnya mempunyai
rentang yang sama. Misalnya: Nilai ujian, dimana dikatakan berurutan dengan rentang yang sama yaitu setelah
angka 1 kemudian 2 kemudian 3 dst. Serta dikatakan dapat dilakukan operasi matematika, adalah misalkan:
angka 1 dapat dikalikan dengan angka 2 dan hasilnya adalah 2.
Ciri khas penting lainnya adalah, data interval tidak mempunyai angka 0 absolut dan 100 absolut secara
bersamaan atau dalam arti lain tidak bisa dipastikan peresentase antara satu data dengan keseluruhan data.
maksudnya 0 absolut misalkan nilai ujian. Secara akal sehat, tidak mungkin ada nilai ujian kurang dari 0.
Sedangkan 100 absolut misalkan juga nilai ujian, secara akal sehat tidak mungkin ada nilai ujian lebih dari 100.
jadi data interval contohnya adalah berat badan, dimana tidak bisa dipastikan berapa sebenarnya nilai tertinggi
berat badan. Bisa jadi orang punya berat bada puluhan kilo, ratusan atau bahkan ribuan kilo.
4. Data Rasio
Data rasio adalah data yang sebenarnya sama dengan data iterval, namun bedanya adalah data rasio dapat dibuat
persentase karena ada nilai 0 dan 100 absolut. Seperti yang sudah dibahas di atas, yaitu misalnya nilai ujian
yang mempunyai batasan nilai 0 sampai 100. Jika seorang siswa mendapatkan nilai 25, dapat diartikan nilai
tersebut adalah 25% dari nilai maksimal 100.

156. Jika data kuantitatif yang dikelompokkan berdasarkan pada tipe skala pengukuran yang
digunakan maka terbagi atas empat jenis yaitu:

172. Analisis

177. VARIABEL PENELITIAN

185. PERKEMBANGAN TEORI

186. TEORI
1. Agency Theory
Landasan teori yang digunakan pada penelitian ini adalah agency theory yang
kembangkan oleh Jensen dan Meckling (1976), dengan alasan bahwa teori ini menjelaskan
tentang dua pihak yang memiliki kepentingan berbeda, yaitu pemegang saham atau principal
yang ingin memaksimalkan penerimaan dividen perlembar saham atau earning pershare,
sedangkan manajer perusahaan yang ingin memaksimalkan penerimaan kompensasi. Manajer
dapat mengelola perusahaan tersebur untuk mencapai tujuan yang diinginkan pemegang
saham, dan manajer akan dibayarkan sejumlah kompensasi yang layak agar termotivasi dalam
melaksanakan tugas dan kewajibannya.

187. Gambar 1: Agency theory dan financial distress

188. Daftar: Hasil penelitian sebelumnya

189. Istilah Yang Berkaitan
• Theory construction
• Theory development
• Theory building
• Theory generation

190. Perkembangan Teori
• Menggambarkan langkah akhir perkembangan teori dimana
komponen teori tergabung dan berkaitan
• Hal yang komplek, proses melibatkan waktu yang melingkupi
beberapa tahap atau fase lahirnya konsep yang diuji melalui
penelitian

191. Kategori Teori Berdasarkan Abstraksi
• Falsafah, pandangan, metateori
• Grand theories
• Middle range theories
• Practice theories atau Applied Theory
Teori Umum (General Theory), Middle Range Theory, dan Applied Theory.

192. Falsafah, pandangan, metateori
• Ditujukan pada filosofi dan pertanyaan metodologi yang
berhubungan dengan perkembangan teori yang mendasari
keperawatan
• Walker & Avant  proses membentuk pengetahuan dan
mengungkapkan permasalahan yang berhubungan dengan sifat
teori, jenis teori, dan kriteria yang tepat dalam mengevaluasi
teori

193. Grand Theories
• Terdiri dari hubungan konsep-konsep abstrak yang tidak didefinisikan secara
operasional dan mencoba menjelaskan aspek pengalaman dan respon manusia
secara komprehensif
• Level abstrak  sulit diuji
• Fokus awal  hubungan perawat pasien dan peran perawat
• Perkembangan  seluruh konsep (pandangan menyeluruh, hubungan
interpersonal, sistem sosial, kesehatan)
• Terbaru  fenomena aspek nursing (caring, issu transkultural.

194. Middle Range Theories
• Menjawab gap antara grand teori dan practice
• Terbatas pada konsep dan situasi tertentu
• Meliputi konsep-konsep seperti nyeri, manajemen simptom, issu
budaya, promosi kesehatan

195. Practice Theories
• =microtheories, situasi khusus, teori yang ditunjuk
• Menjelaskan petunjuk atau modalitas untuk praktik
• Manfaat  menemukan atau mengidentifikasi tujuan dan intervensi atau
aktivitas dalam mencapai tujuan
• Meliputi bagian-bagian khusus keperawatan seperti keperawatan onkologi,
obstetric, atau keperawatan kamar operasi, berhubungan dengan pendidikan
keperawatan tertentu
• Diturunkan dari middle range teori

196. Kategori Teori Berdasarkan Tujuan
• Descriptive theories
• Explanatory theories
• Predictive theories
• Prescriptive theories

197. Descriptive Theories
• Factor-isolating theories
• Gambaran, observasi, penamaan konsep, properti, dimensi
• Tidak menjelaskan hubungan diantara konsep
• Antara konsep tidak mempengaruhi

198. Explanatory Theories
• Level kedua dalam perkembangan teori
• Sekali fenomena diidentifikasi dan diberi nama, teori dapat dipandang dari
fenomena lain
• Terdapat korelasi antara konsep
• Kausalitas, korelasi, atutan interaksi regulasi

199. Predictive Theories
• Level ketiga perkembangan teori
• Menggambarkan ketentuan hubungan antara konsep
• Menungukkan adanya keberadaan teori sebelumnya dan banyak
elemen jenis teori
• Dihasilkan setelah konsep didefinisikan dan pernyataan relasional
dibuat dan memungkinkan menggambarkan hasil berikutnya secara
konsisten

200. Prescriptive Theories
• Level tertinggi perkembangan teori
• Menunjukkan kegiatan yang penting dalam mencapai tujuan
• Komponen: tujuan khusus, kegiatan tertentu dalam mencapai
tujuan, daftar survey yang menunjukkan teori konseptual dasar
• Survey list: siapa yang melakukan tindakan? (agen), siapa yang
menerima tindakan? (pasien) dalam kondisi apa tindakan
diberikan? (ruang lingkup), apakah panduan prosedur, tehnik atau
protokol tindakan? (SOP). Apakah sumber untuk kegiatan>
(dinamika)

201. Contoh Theory

202. CONTOH “KERANGKA KONSEPTUAL”

205. Contoh Kerangka konseptual

207. Contoh hipotesis
Hipotesis pengaruh pertumbuhan profitabilitas yang diproxy dengan return on assets (ROA)
terhadap cost leadership adalah relevan dengan penelitian Wu et al., (2015) tabel 12, yaitu korelasi
antara return on assets dengan cost leadership sebesar 0.200*** pada level signifikan 0.01 atau 1%.
Sedangkan penelitian Banker et al., (2014) tabel 13, melaporkan bahwa korelasi antara return on
assets dengan costs leadership adalah o.o17* pada level signifikan 0.10 atau 10%. Selanjutnya,
penelitian Agustia et al., (2020) tabel 14, menemukan bahwa korelasi profit margin dengan cost
leadership adalah -0.033 pada level signifikan 0.287 atau 28.7%.
Berdasarkan pentingnya peranan pertumbuhan earning before interest and taxes tersebut dalam
mempengaruhi cost leadership atau perbandingan revenue terhadap cost, maka peneliti mengajukan
hipotesis H3 berikut ini.
H3: Profitabilitas (GROWTH) berpengaruh positif terhadap cost leadership Badan Usaha Milik
Negara.
Pertumbuhan Earning Before Interest and Taxes (GROWTH) terhadap cost leadership

209. PROPOSAL