Rabu, 12 Desember 2018

Menjaga Harga Kopra

kopra
Harga Kopra Anjlok

Baru-baru ini, fenomena turunnya harga kopra terjadi di seluruh wilayah, terutama Indonesia Timur. Ironinya, pemerintah belum mengetahui akar permasalahan yang terjadi di pasar kopra. Tentu hal ini memiriskan mengingat kopra menjadi salah satu komoditas andalan Indonesia, terlebih bagi masyarakat Maluku Utara (Malut).

Data Badan Pusat Statistik (2018) menunjukkan, Nilai Tukar Petani (NTP) nasional per Oktober adalah 103,02. NTP nasional ini bila dibandingkan bulan September 2018 turun sebesar 0,14 persen. BPS Malut mencatat, Indeks Harga yang Diterima Petani (It) naik sebesar 0,20 persen, sedangkan Indeks Harga yang Dibayarkan Petani (Ib) juga naik sebesar 0,34 persen. Berdasarkan data tersebut, kenaikan Ib lebih besar daripada kenaikan It. Artinya, kenaikan pengeluaran sehari-hari petani melebihi kenaikan pendapatan dari lapangan usaha pertanian. Ongkos untuk mengolah lahan sampai menghasilkan komoditas pertanian rupanya melebihi biaya makan sehari-hari, biaya menyekolahkan anak, serta biaya perumahan.

Penurunan NTP nasional ini ternyata juga diikuti oleh Nilai Tukar Petani Subsektor Tanaman Perkebunan Rakyat (NTPR) di beberapa wilayah. Di Maluku Utara sendiri, NTPR Oktober 2018 turun sebesar 1,15 persen. Ditengarai, penurunan NTPR ini salah satunya diakibatkan turunnya rata-rata kelompok tanaman perkebunan rakyat, terutama kelapa. Mengingat kopra sebagai salah satu produk dari kelapa, harga kopra akan terpengaruh.
Stabilisasi harga

Harga kopra sempat terpuruk hingga Rp. 2.000 per kilogram, ada baiknya pemerintah melakukan langkah pengendalian harga. Riwayat harga kopra yang mulanya bergerak di kisaran Rp. 14.000 per kilogram itu kian memprihatinkan. Jikalau persoalan ini belum bisa diatasi sampai 2019, bisa jadi memberi efek negatif bagi kesejahteraan petani.

Beberapa pemerintah daerah saat ini tengah melakukan upaya mengatasi harga kopra. Di Tidore Kepulauan, misalnya, pemerintah berencana memberikan penyertaan modal bagi pengusaha agar dapat membeli kopra dengan harga layak. Pemerintah provinsi Maluku Utara juga akan menggelontorkan dana sekitar 5 miliar untuk mendongkrak harga kopra. Meski demikian, pengendalian harga kopra tak cukup dengan sejumlah dana. Keberanian dan kejelian pemerintah dalam memerangi spekulan harga serta memutus rantai pemasaran kopra sangat dibutuhkan.

Selain itu, perlindungan hukum perdagangan kopra secara nasional perlu diterapkan lagi. Era orde lama, Presiden Soekarno pernah mengeluarkan Peraturan Presiden (Perpres) Nomor 11 Tahun 1963 Tentang Kopra. Mandat peraturan itu tertuang dengan dibentuknya Badan Usaha Kopra (BUKOPRA) yang salah satu tugasnya adalah menjamin stabilitas harga kopra. Ironinya Perpres itu tidak lagi dijalankan sampai saat ini.

Ancaman kemiskinan

Kemiskinan masih menjadi persoalan sampai saat ini. Harga kopra yang terjun bebas di tingkat petani setidaknya memberi tanda, bahwa negara diminta hadir untuk menstabilkannya. Terlebih, kebanyakan petani  belum memiliki wadah untuk berkontribusi dalam tarik-ulur harga kopra.

Data BPS menyebutkan bahwa angka kemiskinan nasional per Maret 2018 menyentuh satu digit (9,82 persen). Kendati demikian, angka kemiskinan Maluku Utara per Maret malah naik, BPS Malut mengungkap jumlah penduduk miskin di Malut per Maret 2018 sebesar 6,64 persen. Kondisi tersebut naik dibandingkan kondisi September 2017. Terjadi kenaikan 3,2 ribu penduduk miskin. Masyarakat yang bergerak di sektor pertanian dinyakini berisiko tinggi terjerumus dalam kemiskinan. Saat harga komoditas penyumbang turbulensi ekonomi mengalami penurunan, sedangkan harga kebutuhan pokok sehari-harinya lebih tinggi, daya beli petani makin lama makin tergerus. Sebab apa yang mereka bayarkan tak sebanding dengan apa yang mereka peroleh.

Kita belum bisa puas dengan kemiskinan satu digit. Upaya untuk lebih meminimalkannya justru lebih berat. Kita menghadapi permasalahan fundamental di mana angka kemiskinan lebih dikarenakan adanya Indeks Kedalaman Kemiskinan (P1) dan Indeks Keparahan Kemiskinan (P2) yang cenderung meningkat. BPS Malut mencatat, nilai P1 dan P2 Malut sejak 2015 sampai 2017 cenderung meningkat. P1 tahun 2015 sebesar 0,7, 2016 sebesar 0,73, dan meningkat di tahun 2017 menjadi 0,81. Sedangkan P2 di tahun 2015 adalah 0,13, lalu di tahun 2016 0,18 kemudian meningkat menjadi 0,20 di tahun 2017.

Penurunan harga kopra yang tendensi melambat berpotensi memperdalam jurang pendapatan antara penduduk ekonomi terbawah dan ekonomi teratas. Perbedaan pendapatan di antara penduduk miskin juga semakin parah. Petani kopra tampaknya menunggu-nunggu kebijakan pemerintah. Sebagai solusi jangka pendek, jaminan harga kopra diberikan untuk agar mereka tidak memperbesar peluang petani kopra terjungkal dalam kemiskinan. Tetapi, dalam jangka panjang, intervensi harga ditengarai belum cukup efektif untuk menjamin kesejahteraan petani.

Proses hilirisasi produk turunan kelapa yang ada, rupanya belum diterapkan. Selama ini, produk turunan kelapa mayoritas diolah menjadi kopra. Petani belum mendapatkan sentuhan khusus bagaimana cara mengubah kelapa menjadi beberapa produk olahan yang lebih menguntungkan. Ketergantungan petani kopra pada satu jenis produk turunan kelapa menjadikan risiko mengalami kerugian amat besar. Lebih-lebih saat harga kopra sedang anjlok seperti sekarang. Persaingan dagang antara produk minyak kelapa sawit dan produk minyak olahan kopra menjadi salah satu penentu pembentukan harga kopra.

Penyediaan wadah seperti organisasi perkopraan dinyakini dapat meningkatkan daya tawar petani dalam pembentukan harga. Regulasi sebagai bentuk payung hukum perdagangan hasil perkebunan kelapa turut menjaga minat petani kopra. Tak hanya itu, masalah harga kopra juga dikarenakan belum tersedianya pasar untuk menyerap kopra dari petani. Volume kopra yang membeludak, tentu akan merugikan petani tanpa adanya kepastian pangsa pasarnya.

Sentuhan teknologi bagi para petani menjadi urgen apabila terjadi variasi harga di beberapa wilayah. Ketidaktahuan petani kopra terhadap perbedaan harga inilah yang memberi “angin segar” para tengkulak memainkan harga. Pemanfaatan grup daring sebagai wadah bagi para petani kopra untuk mendapatkan informasi harga pasar kopra merupakan sebuah keharusan. Dengan begitu, ke depan petani sendiri bisa memperkirakan harga jual kopra. Selain itu, mereka dapat menyiapkan strategi pemasaran apabila terdapat persaingan harga yang tidak sehat.

Harga kopra tidak semestinya dibiarkan begitu saja, apalagi menyelepekannya. Sebab, kondisi itu dalam jangka panjang berdampak menambah kemiskinan. Di tengah berjuang menyabung nasib, petani kopra terancam bergeming. Kalau aktivis dan mahasiswa ribut dengan berdemo sana-sini, bahkan menelan korban berjatuhan, petani kopra tetap bergeming. Bergeming akibat sebegitu sengsara mengusahakan kopra.(*)

Selasa, 20 November 2018

Cepat Paham Logaritma

Loagritma
Cepat paham Logaritma
Hai teman-teman, kali ini kita kembali out of the box dari genre blog ini, kita akan ulas tentang logaritma. Bahasan tentang logaritma ini merupakan bagian dari subbahasan matematika dasar.

Kemampuan dalam memahami logaritma sangat diperlukan, terlebih bagi mereka yang sedang berada di level sekolah menengah atu kejuruan. Logaritma juga menjadi salah satu bab standar kelulusan baik dalam Ujian Nasional (UN), UNBK, SBMPTN atau SNMPTN serta USM Polstat STIS.

Untuk USM Polstat STIS sendiri, hampir setiap tahun ada soal logaritma ini. Paling tidak 2 sampai 4 butir keluar dalam USM Polstat STIS.

Pada tahun 2019 mendatang, soal logaritma kemungkinan akan keluar lagi. Oleh karena itulah maka amat penting kita membahas mengenai logaritma, mulai dari beberapa konsep dasar, bedanyan dengan logaritma natural, sifat-sifat dan operasi logaritma, sampai pertidaksamaan logaritma.

Mungkin demikian sedikit pengantar dari saya. Berikutnya saya akan berbagi dengan teman-teman mengenai logaritma serta beberapa contoh soal dan pembahasannya yang barangkali merupakan pola soal yang umumnya diujikan, khususnya USM Polstat STIS 2019.




Kamis, 15 November 2018

Cepat Paham Persamaan dan Pertidaksamaan Mutlak


bilangan mutlak
Cepat paham persamaan dan pertidaksamaan mutlak
Persamaan dan pertidaksamaan mutlak merupakan salah satu bahasan bab matematika. Konsep bilangan mutlak yang memiliki syarat dan ketentuan terkadang membuat kita bingung. Terlebih bila ingin mencari penyelesaian sebuah persamaan atau pertidaksamaan.

Dalam kesempatan ini, saya kembali akan berbagi mengenai konsep bilangan mutlak berikut dengan beberapa macam contoh soal yang biasa diujikan atau ada di dalam buku-buku matematika secara umum. Kita tak perlu takut dalam mengerjakan persamaan dan pertidaksamaan bilangan mutlak, sebab jikalau konsep dasarnya kita paham dan kita pegang, kemungkinan besar kalau mendapatkan sebuah soal, kita akan mampu mengerjakannya.

Unggahan kali ini juga sekaligus menjawab berbagai macam keluhan siswa, baik siswa SMP atau SMA sederajat yang merasa kurang paham. Mereka yang belum paham acapkali hanya diberikan sekilas materi tentang bilangan mutlak, namun minim contoh soal dan variasinya. Oleh karena itulah, saya kembali berbagi pada teman-teman sekiranya sedikit banyak bisa membangkitkan pemahaman teman-teman terhadap materi persamaan dan pertidaksamaan mutlak ini. Selamat menyimak dan semangat menuju USM Polstat STIS 2019, UN 2019, dan SBMPTN 2019. Sukses buat kalian semua!




Sabtu, 03 November 2018

Peraturan USM Polstat STIS Tahap I Tahun 2018/2019

USM STIS 2019
Peraturan USM Polstat STIS Tahap I 2018/2019
Ujian Masuk Berbasis Komputer (UMBK) Polstat STIS baru dilaksanakan tahun 2018. Tahun-tahun sebelumnya, USM STIS masih menggunakan lembar jawaban manual untuk tes Tahap I. Setiap tahunnya, tes tahap I USM STIS masih menjadi tahapan paling susah karena banyak menggugurkan peserta

Adapun aturan secara umum dalam menghadapi UMBK Polstat STIS tahun 2018 diberikan dalam beberapa poin utama dan tambahan berikut. Aturan ini meski bersifat tentatif, namun ada kebolehjadian pada USM Polstat STIS 2019 nanti gambarannya kurang-lebih seperti tahun 2018. Mengingat pula, pada tahun 2018 sistem seleksi juga mulai berubah sepenuhnya.

Baik, teman-teman, demikian sedikit pengantar dari saya, berikut ini adalah gambaran umum aturan pelaksanaan UMBK USM Polstat STIS yang setidaknya bisa kalian pelajari dan pahami agar nanti pada USM Polstat STIS 2019, kalian akan lebih siap baik kemampuan maupun mental.

Aturan umum:

1. Pastikan KTPUM sesuai dengan kartu identitas pada waktu pendaftaran panselnas

2. Apabila ada perbedaan antara KTPUM dan kartu identitas silakan komunikasi ke pansel menjelang tes, karena ada verifikasi terkait hal itu.

3. Selama peserta melakukan ujian, dilarang keluar sampai ujian dinyatakan selesai.

4. Panitia akan menyediakan kertas oretan untuk hitungan peserta dan pada waktu ujian usai, semua kertas oretan diberi nomor bangku peserta dan dikumpulkan ke panitia.

5. Peserta yang telat langsung gugur dan tidak dapat mengikuti ujian. Termasuk telat karena salah ruangan.

6. Ujian akan dilaksanakan berbasis komputer dan dilarang meminjam alat tulis ke teman peserta lain selama ujian berlangsung.

7. Pastikan kembali semua peralatan serta identitas dan KTPUM sebelum mengikuti USM.

8. Aturan pakaian bebas rapi, no jeans, no sendal. Sopan.

9. Mematuhi tata tertib pelaksanaan USM yang akan dibacakan oleh panitia.

10. Panitia menyediakan ruang isolasi (ruang tunggu) untuk pelaksanaan verifikasi berkas peserta (KTPUM dan kartu identitas saat daftar di panselnas).

Aturan Tambahan

1. Nanti peserta akan diberi lembar oretan untuk hitungan, dan tidak boleh nambah kertas lagi, maksimalkan kertas yang telah diberikan.

2. Mungkin dr teman-teman ada yang punya gejala nervous atau gerogi saat ujian yang efeknya mau buang air, maka sebelum 7.45 waktu setempat, silakan buang air bagi yang ingin. Karena selama umbk berlangsung, dilarang keluar-masuk ruangan.

3. Peserta masuk ruangan umbk berbarengan dipandu pengawas, dan keluar berbarengan juga. Jadi, bagi teman2 yang sudah selesai dulu, tetap duduk di bangku sampai tanda umbk berakhir diumumkan pengawas.

4. Semua tas, buku, catatan, hp, tablet, ditaruh di tempat khusus dan disediakan oleh pengawas. Yang bisa dibawa ke dalam ruangan adalah, KTPUM dan identitas diri (KTP/SIM/KK/bukti lain) yang sudah terdaftar saat pendaftaran ke STIS.

5. Bagi peserta yang nama di KTPUM beda sama nama di Ijazah, jgn khawatir, kalian bisa membuktikan kevalidan nama kalian dengan membawa bukti atau identitas lain yang sah secara hukum. STIS mentolerirnya selama orangnya sama. Bukan beda orang.

6. Verifikasi dilakukan dengan mencocokkan nama kalian, nama KTPUM, nama di kartu identitas (KTP/SIM/lainnya yang sah secara hukum), nama ibu kandung, dan wajah kalian apakah sama dengan di foto, baik foto di KTPUM, identitas diri dan foto di Komputer tempat kalian.

7. Ikuti aturan pengawas dan disiplin waktu.

Saran

1. Pensil silakan diruncingkan dr sekarang

2. Bolpen juga disiapkan, dicek apakah tinta masih ada atau udah habis.

3. Penghapus tinggal pakai, jgn masih terbungkus

4. Berangkat lebih awal, sebab bila kalian telat, maka otomatis gugur, jangan terlalu mepet waktu menjelang umbk sebab pikiran kalian bakal blank, juga karena tergesah-gesah. Menjelang tes, kurangi intensitas membuka buku, tapi ingat-ingat saja materi, rumus dan taktik yang telah kalian pelajari selama ini.

Ok teman-teman , begitu tambahan dari saya, semoga kalian makin siap berkompetisi, tunjukkan bahwa kalian PANTAS menjadi Mahasiswa Polstat STIS 2019 angkatan 61, semoga kalian LOLOS semua.

Sabtu, 20 Oktober 2018

Kekontinuan Fungsi Berkaitan dengan Limit Fungsi

Limit
Kekontinuan Fungsi pada f(x) = c
Salam teman-teman, apa kabar kalian di sana? Semoga masih sehat-sehat saja, ya. Kali ini kita akan mengulas terusan dari pembahasan limit fungsi yang kemarin telah disampaikan cara menggambar grafik limit fungsi. Bagi kalian yang ketinggalan pembahasannya, silakan cari artikel sebelum unggahan artikel ini. Mengapa harus teman-teman cari? Sebab, antara limit dan kekontinuan terdapat saling keterkaitan.

Ada sedikit perbedaan mendasar yang perlu teman-teman ketahui antara limit sebuah fungsi dan kekontinuannya. Operasi limit fungsi yang dikatakan ada limit atau exist belum tentu fungsi tersebut kontinu pada f(c) dengan c adalah nilai tertentu. Sebaliknya, apabila suatu fungsi kontinu pada f(c) dengan c bernilai tertentu, maka pastinya f(x) memiliki limit mendekati c.

Konsep itulah yang harus teman-teman pegang, apalagi bagi kalian yang saat ini sedang kuliah. Pemahaman tentang perbedaan syarat kontinuitas dan limit fungsi patut diperlukan agar pemahamannya benar. Untuk lebih jelas mengenai kekontinuan fungsi dan hubungannya dengan limit fungsi, berikut saya unggah sebanyak 3 contoh saja, semoga dengan 3 contoh ini dalam sekejap dapat teman-teman pahami dan bisa diterapkan dalam dunia akademik kalian. Terima kasih.




Kamis, 18 Oktober 2018

Konsekuensi Pelanggaran Uji Asumsi Klasik dan Cara Mendeteksinya

statistik
Konsekuensi Pelanggaran Uji Asumsi Klasik dan Cara Mendeteksinya

Salam Statistika !
Setelah kemarin kita membahas beberapa hal menyangkut eksplorasi data, kali ini kita akan sedikit menyinggung ke dalam tentang pelanggaran uji asumsi. Kira-kira konseuensi apa sih yang akan timbul apabila uji asumsi model tidak terpenuhi atau terlanggar? Perlu kita ketahui, urutan uji asumsi model statistik, yaitu uji Normalitas, uji Homoskedastisitas, uji Non-Autocorrelation, dan uji Non-Multikolinearitas.

Ingat !, yang diuji adalah error model, ya…bukan variabelnya. Tetapi, di awal melihat perilaku data variabelnya juga perlu sih, untuk melihat gambaran umum saja, misalnya melihat apakah data kita terdapat data pencilan atau outlier atau tidak.

Uji Normalitas Terlanggar

Telah kita ketahui bersama, bahwa segala bentuk distribusi statistik yang ada awalnya diturunkan dari distribusi normal dengan rata-rata 0 (nol) dan varians (keragaman) sebesar sigma kuadrat. Sehingga jika error dari model yang dihasilkan dari penelitian tidak mengikuti distribusi normal, maka kurang mampu dijadikan instrumen analisis lebih lanjut. Varians yang tidak mengikuti distribusi normal berarti ia inkonsisten untuk setiap amatan atau setiap waktunya. Sebenarnya pelanggaran ini sangat erat kaitannya dengan ada tidaknya pelanggaran uji Homoskedastisitas nantinya. Akibatnya, model yang terbentuk kurang mampu menaksir parameter dari populasi sebenarnya. Oleh karena itu, untuk menghindari terlanggarnya uji asumsi ini adalah dengan metode eksplorasi data atau dengan transformasi variabel.

Eksplorasi data, seperti ulasan sebelumnya kita akan mampu melihat data awal yang kita gunakan sebagai bahan baku pembentuk model penelitian. Kita akan mampu menemukan perilaku data kita sekaligus keganjalan yang terkandung dalam data kita. Apakah terdapat pencilan ? apakag terdapat angka yang inkonsisten akibat kesalahan input data ? atau apakah terdapat angka yang salah image ketika proses pengambilannya di lapangan ?, misal seharusnya 67 menjadi 97 atau 87 atau di data lapangan 167 pada saat input menjadi 67 saja. Selain itu, kita juga mampu melihat apakah data menyebar merata atau tidak, apakah rentang atau range data terlalu besar atau tidak. Ini semua dapat kita cakup dalam proses eksplorasi data.

Transformasi Data
Transformasi data, hal inilah yang biasanya banyak menjadi pertanyaan dalam penelitian, terutama bagi peneliti pemula. Sebenarnya transformasi hanyalah akal-akalan saja supaya asumi kenormalan terpenuhi, namun metode ini sangat jitu dan sering digunakan dalam penelitian. Transformasi banyak macamnya, namun pada ulasan kali ini beberapa bentuk bisa menjadi alternatif pilihan.

Transformasi ln (baca: len). Transformasi ini banyak digunakan dalam penelitian di bidang ekonomi untuk mencapai asumsi kenormalan. Perlu diketahui bahwa transformasi ln berbeda dengan transformasi log, transformasi ln adalah transformasi berbasis logaritma natural dengan e = 2,71828… sekian itu. Kalau transformasi log itu basisnya adalah 10. Jadi perlu kita bedakan antara ln 2 dan log 2. Sebab nilai ln 2 jauh lebih kecil daripada log 2. Namun, beberapa literatur penelitian biasanya menulis ln itu dalam bentuk log, ada dalam beberapa buku. 

Bisa juga dengan menggunakan transformasi bentuk yang lainnya seperti transformasi normal Z atau bisa juga dengan transformasi Box-Cox yang dapat dicari dengan menggunakan paket program (software). Semua bentuk tersebut bisa digunakan tetapi dengan catatan pada saat model yang berhasil Anda pilih (model terbaik), Anda harus mengembalikan model Anda ke bentuk semula untuk mendapatkan nilai yang sebenarnya sebagai bahan intepretasi hasil.

Bagaimana cara melihat adanya pelanggaran asumsi kenormalan ?

Untuk melihatnya, Anda bisa menggunakan uji-uji statistik yang telah tersedia atau bisa juga Anda melihat deskripsi dari Normal Probability Plot (NPP) dalam software SPSS, yaitu dengan memplot antara error yang sudah diurutkan dengan nilai harapan dari error setiap amatan. Jika titik-titiknya berada tak jauh dari garis linier maka asumsi kenormalan model telah terpenuhi.

Catatan: Box-Cox adalah bentuk transformasi yang sangat terkenal sebab tujuannya untuk menghomogenkan varians.

Uji Homoskedastisitas Terlanggar

Uji Homoskedastistas adalah salah satu uji yang utama dalam pemodelan statistik, terlebih pada pemodelan regresi linier, entah sederhana entah berganda. Perlu diketahui dahulu bahwa regresi linier sederhana hanya memasukkan satu variabel bebas dalam model, sementara regresi linier berganda memasukkan lebih dari satu variabel bebas dalam model.

Oh, iya…perlu diketahui juga bahwa pelanggaran asumsi homoskedastisitas banyak terjadi pada tipe data cross section (data yang diambil/diperoleh pada satu waktu saja). Misalnya penelitian mengenai Faktor-Faktor yang Memengaruhi Produktivitas Industri Kasur di Sidoarjo tahun 2014. Namun, Anda tidak perlu pusing jika error model Anda terganggu heteroskedastisitas ini, sebab Anda bisa menghindarnya selain dengan transformasi variabel, jika penelitian Anda menggunakan data primer (hasil mencacah di lapangan, mandiri), maka Anda dapat menambah jumlah sampel Anda sehingga menjadi lebih besar.

Jika asumsi homoskedastisitas terlanggar maka secara otomatis akan menyebabkan hal-hal berikut:
Penaksir Ordinary Least Square (OLS) tidak efisien baik dalam sampel kecil maupun sampel besar. Jika tetap Anda gunakan, maka akan berdampak pada varians penaksir parameter koefisien regresi akan underestimate (terlampau kurang dari parameter) atau overestimate (terlampau lebih besar daripada parameter).

Adanya heteroskedastisitas menyebabkan estimator yang Anda peroleh dari model memang tidak bias, tetapi karena standar errordari parameter Anda yang bias (variansnya bisa lebih kecil sekali atau sangat besar). Oleh karena itulah, terlanggarnya asumsi homoskedasitisitas mengakibatkan uji F signifikan tetapi pada saat Anda periksa uji t model Anda, tidak ada variabel Anda yang signifikan(uji t tidak menentu). Jadi jangan kaget jika model Anda uji F nya signifikan tetapi tidak ada satupun variabel Anda yang signifikan.

Menurut Greene (2004), cara yang juga bisa digunakan untuk mengatasi adanya heteroskedastisitas adalah memakai metode Weighted Least Square (WLS) yang penaksirannya memberikan pembobot bersifat Least Square atau disebut juga Generalized Least Square (GLS).

Tidak hanya dengan uji-uji statistik, dalam mendeteksi adanya gangguan heteroskadastisitas, Anda bisa juga menggunakan deskriptif dengan cara memplotkan antara error setiap amatan dengan nilai variabel tententu yang bersesuaian dengan error setiap amatan tersebut. Jika hasilnya tidak membentuk pola atau acak (menyebar)[plot antara unstandardized residual dan unstandardized predicted residual], maka asumsi homoskedastisitas telah terpenuhi.

Uji Non-Autocorrelation Terlanggar

Perlu diketahui gejala terlanggarnya asumsi non-autocorrelation biasanya terdapat dalam model-model penelitian Anda yang memakai data runtun waktu atau time series sebab kondisi saat ini bisa dipengaruhi oleh kondisi waktu yang lalu (lampau), misalnya jika Anda ingin mengamati inflasi bulan Juli 2014 ini kira-kira berapa, tentu inflasi ini terkait erat dengan Fisher effect yang mengaitkan adanya spekulasi masyarakat atau produsen terhadap naiknya harga bahan pokok saat Ramadhan dan menjelang Hari Raya Idul Fitri, atau mengenai tinggi badan siswa yang dicatat dari waktu ke waktu.

Dampak yang diakibatkan jika error model Anda terjangkit autocorrelation adalah:


  • Estimator masih tidak bias dan masih konsisten, dan masih mengikuti sebaran normal asimtotik, tetapi estimator tersebut sudah tidak lagi efisien sebab variansnya tidak minimum lagi, dengan kata lain tidak memenuhi kaidah Best Linear Unbiased Estimator (BLUE). Hasil estimasi variansnya biasanya underestimate daripada varians sebenarnya.
  • Adanya gangguan asumsi ini, nilai R square tidak lagi memiliki makna yang berarti dalam menjelaskan proporsi keragaman dari variabel terikat (dependen)nya. Selain itu, karena estimator varians sampelnya (Mean Square Error)sudah tidak lagi BLUE maka varians dan standar error hasil peramalan juga tidak efisien.
Sebagai langkah awal mendeteksi adanya gejala autocorrelation sebelum Anda memastikan dengan uji statistik (uji Durbin-Watson), Anda bisa mengamati terlebih dahulu dengan cara memplotkan antara error setiap waktunya dengan waktu itu sendiri. Jika membentuk pola yang teratur, maka asumsi non-autocorrelation model Anda tidak terpenuhi.

Catatan: Salah satu cara untuk menghindar dari ancaman autocorrelation adalah dengan mendifference-kan data runtun waktu.

Uji Non-Multikolinearitas Terlanggar

Yang terakhir adalah gejala Multikolinearitas. Untuk pengertiannya bisa dibaca pada artikel sebelumnya. Lalu bagaimana jika asumsi ini tidak terpenuhi atau terlanggar ? Nah, beberapa hal yang menjadi konsekuensi bila error model Anda tidak memenuhi asumsi ini adalah:

  • Penaksir OLS (estimator) bisa didapatkan namun standar error (SE) tendensi semakin membesar seiring dengan meningkatkan korelasi antar variabel bebas (yang seharusnya independen).
  • Karena SE nya semakin membesar maka mengakibatkan selang kepercayaan akan semakin melebar.
  • Kesalahan tipe II meningkat (apa itu kesalahan tipe II ? tunggu artikel episode selanjutnya).
  • Jika terjadi multikolinearitas yang tidak sempurna maka estimator dan SE akan sangat sensitif terhadap perubahan data. Oleh karena itu, sedikit saja ada data yang berubah nilainya maka estimator dan SE nya juga berubah.
  • Jika terjadi multikolinearitas yang kurang sempurna juga mengakibatkan nilai R square (koefisien determinasi) yang tinggi namun semua variabel bebas tidak signifikan secara statistik.
  • Jika error model Anda terjangkit multikolinearitas, maka akan terdapat adanya kesalahan tanda pada koefisien regresi sehingga model statistik yang Anda bangun cenderung berlawanan dengan teori-teori yang ada (hasil penelitian pada umumnya, inkonsisten).
Cara untuk mendeteksi adanya gejala multikolinearitas adalah:

  • Melihat pada matriks korelasi antar variabel bebas, apakah terdapat nilai korelasi yang tinggi atau tidak.
  • Mengamati kesesuaian tanda koefisien model dengan teori hasil penelitian empiris yang telah dilakukan.
  • Melihat nilai VIF (sudah diulas pada artikel sebelumnya).
  • Nilai R square tinggi tetapi semua variabel bebas tidak signifikan secara statistik.
  • Koefisien model parsial tetap konsisten (apakah pada saat ditambah atau dikurangi variabel bebar yang lain, tandanya masih sama atai tidak ? jika tidak, maka bisa saja ini gejala multikolinearitas).
Cara yang biasa digunakan untuk mengatasi adanya gejala multikolinearitas adalah:

  • Mengubah variabel bebas tersebut menjadi Dummy variable (penjelasannya tunggu saja artikel berikutnya).
  • Menggunakan regresi ridge.
  • Menggunakan informasi yang apriori, tetapi tetap berdasarkan teori yang ada.
  • Menggunakan data panel (gabungan data runtun waktu dan cross section).
  • Mengeliminasi salah satu variabel bebas yang saling berkorelasi tinggi atau menggabungkan dua atau lebih variabel bebas menjadi satu kelompok dengan beberapa metode, yaitu Analisis Komponen Utama (AKU), Analisis Faktor (AF), Stepwise Regression (regresi transformasi variabel), atau Analisis Klaster (AK).
Catatan: pembahasan megenai Analisis Komponen Utama (AKU), Analisis Faktor (AF), Stepwise Regression (regresi transformasi variabel), atau Analisis Klaster (AK) akan dibahas pada artikel selanjutnya.

Sebenarnya ada satu lagi uji asumsi error, tetapi pada beberapa karya ilmiah yang saya temui, uji ini jarang dipakai. Ada kemungkinan besar bahwa uji ini sebenarnya sudah tercakup dalam keempat uji asumsi yang telah kita ulas bersama, yaitu uji Linieritas.

Beberapa karya ilmiah ada yang memakai uji ini (model linier), ada juga yang tidak membubuhkan uji ini. Esensi dari uji linieritas adalah apakah terdapat hubungan linier antara error setiap amatan dalam model dan nilai setiap amatan dalam variabel atau tidak. Jika tidak berpola atau acak, maka asumsi ini telah terpenuhi.

Perlu diingat !, bahwa yang diplotkan itu antara unstandardized residual dengan variabel bebas.
Demikian sekelumit ulasan mengenai pelanggaran terhadap uji asumsi. Salam Statistika !

Kamis, 11 Oktober 2018

Mengenal Koefisien Variasi Data

Populasi
Belajar Koefisien Variasi (KV)
Dua buah data atau lebih baik data sampel atau populasi, masing-masing mempunyai karakteristik. Karakteristik itu bisa kita lihat dari nilai statistik atau parameternya. Kali ini kita akan sedikit mengulas mengenai cara membandingkan karakteristik dua atau lebih data. Perbandingan ini dipandang perlu agar kita bisa menentukan teknik pengambilan sampel maupun untuk tujuan sensus terhadap populasi. Dalam hal ini, aspek keterbandingan yang bisa kita gunakan adalah tingkat kehomogenan data.

Secara mendasar, ukuran yang bisa kita gunakan dalam membandingkan tingkat kehomogenan dua data atau lebih adalah koefisien variasi (KV). Dua atau lebih data, yang satu mempunyai nilai rata-rata lebih kecil daripada data yang lain, atau bahkan paling kecil, belum mampu menunjukkan satu ukuran pasti bahwa data tersebut homogen atau heterogen. Data dengan rata-rata paling kecil, bisa jadi memiliki sebaran data yang timpang atau melebar. Sebaliknya, data dengan rata-rata yang besar juga belum menjamin ia relatif lebih homogen karena sebaran data relatif mengumpul di sektiar rata-ratanya.

Para ahli statistika menggunakan KV ini bertujuan untuk melihat relativitas tingkat kehomogenan data apabila dibandingkan terhadap data yang lainnya. Untuk itu, dalam perhitungannya, KV dinyatakan sebagai nilai persentase rasio antara standar baku (deviasi) terhadap rata-rata data. Secara matematis, KV dapat dituliskan sebagai berikut:

Statistik
Rumus Koefisien Variasi (KV)
Keterangan:
s adalah standar baku untuk sampel, kalau sigma adalah standar baku untuk populasi
x bar adalah rata-rata sampel, kalau miu adalah rata-rata untuk populasi
 
Contoh
Data A mempunyai rata-rata sebesar 5 dengan standar baku sebesar 4, sedangkan data B memiliki rata-rata 8 dan standar bakunya sebesar 6. Mana data yang relatif lebih homogen?...

Solusi:
KV-Data A = (4 / 5) x 100% = 80%

KV-Data B = (6 / 8) x 100% = 75%

Interpretasi: Data B relatif lebih homogen daripada Data A.

Rabu, 10 Oktober 2018

Standar Baku atau Rata-rata Simpangan?

Statistika
Standar Baku atau Rata-Rata Simpangan?
Pembahasan statistika kian menarik bila kita diskusi bagian dasarnya. Hal ini penting supaya fondasi kita lebih kuat lagi tentang statistika. Seringkali kita terpaku pada pembahasan yang serius tentang statistika, misalnya penurunan rumus, uji-uji statistik, dan perhitungan data untuk mendapatkan nilai statistik. Padahal, pemahaman dasar statistika juga tak kalah menarik untuk diulas.

Beberapa hari yang lalu, tiba-tiba saya mendapatkan pesan singkat melalui Whatsapps. Isinya sebuah pertanyaan. Pertanyaannya sederhana, tapi sebetulnya filosofis statistikanya dalam. Pertanyaan itu menurut saya sangat bagus untuk menjadi bahan kajian juga bisa menjadi tema debat soal statistika.

Saya mengatakan begitu sebab, setelah mencari beberapa referensi daring, pertanyaan yang saya dapatkan itu menjadi bahan diskusi panjang para ahli statistika.

Penasaran kan pertanyaannya? Baiklah, jadi pengirim pertanyaan ke saya adalah: lebih efektif mana standar baku (deviasi) dibandingkan dengan rata-rata simpangan mutlak?

Mana yang Lebih Efektif?

Menurut Kamus Besar Bahasa Indonesia, arti kata efektif adalah ada efeknya, manjur, dapat membawa hasil, dan mangkus. Ini berarti sesuatu dikatakan efektif apabila ia bisa menghasilkan efek atau dampak (akibat).

Dalam pendekatan sehari-hari kita, efektif berkaitan erat dengan sasaran atau tujuan. Tepat atau tidaknya terhadap sasaran atau tujuan diukur dari seberapa efektifkah langkah, teknik, metode, atau proses kita.

Lantas, apa kaitannya dengan bahasan soal pilihan penggunaan standar baku atau rata-rata simpangan dalam konteks mengukur sebaran data?

Standar baku adalah nilai akar dari rata-rata kuadrat simpangan amatan terhadap parameter. Rata-rata kuadrat yang digunakan dalam perhutungan standar baku mempunyai kemampuan untuk menunjukkan tingkat kehomogenan sebaran data. Operan akar di dalamnya juga dapat mengurangi efek mengurangi pengaruh besarnya pencilan (outlier) data. Inilah mengapa standar baku merupakan ukuran sebaran data yang tidak robust. Sebab, ia masih dipengaruhi oleh seberapa besar pencilan data.

Sebaliknya, rata-rata simpangan dapat dikatakan relatif lebih punya kelemahan karena tidak adanya penimb ang dalam perhitungannya berakibat kekuatan menjelaskan keragaman atau sebara data berkurang. Dengan data yang sebarannya berbeda bahkan menghasilkan nilai rata-rata simpangan yang sama. Sebab, jumlah simpangan amatan terhadap parameter bisa jadi bernilai nol atau saling menghilangkan efek.

Pembahasan simulasi singkat soal penimbang standar baku dan rata-rata simpangan bisa teman-teman dapatkan pada link berikut.

Inilah mengapa, dalam pembahasan singkat kita kali ini, standar baku bisa dikatakan relatif lebih efektif digunakan daripada rata-rata simpangan. Sebab, ia mampu menggambarkan sebaran data, apakah suatu data relatif homogen, entah relatif heterogen.(*)

Jumat, 28 September 2018

4 Kementerian Ini Membuka Lowongan CPNS Lulusan SMA dan SMK atau Sederajat

SKD SKB CPNS
Lowongan CPNS 2018 untuk lulusan SMA/SMK/Sederajat

Lowongan Calon Pegawai Negeri Sipil (CPNS) sampai saat ini masih menarik bagi sebagian besar pencari kerja. Buktinya, begitu banyaknya peserta yang mendaftarkan dirinya untuk mengikuti tes CPNS yang nanti diselenggarkan oleh Badan Kepagawaian Negara (BKN). Data Badan Pusat Statistik (BPS) menunjukkan bahwa tingkat pengangguran di Indonesia sampai saat ini masih didominasi oleh lulusan Sekolah Menegah Atas (SMA) dan Sekolah Menengah Kejuruan (SMK). Hal ini sekilas menunjukkan bahwa daya serap lowongan CPNS sebagai lapangan kerja tersebsar yang terikat dan diselenggarakan langsung oleh pemerintah masih kurang maksimal.

Suatu ketika saya bertemu beberapa teman yang kebetulan mempunyai ijazah tertinggi SMA dan SMK. Saya mencoba sedikit mewawancarai mereka termasuk di dalamnya, saya juga menanyai apa saja kemampuan atau soft skill yang mereka miliki.

Dari wawancara singkat itu, saya berpikir bahwa lulusan SMA dan SMK juga tak perlu diragukan sebagai calon-calon Aparatur Sipil Negara (ASN) kelak. Tidak adanya pemetaan SDM di negara ini terhadap lulusan SMA dan SMK menjadikan pemerintah hingga kini belum mengetahui secara nyata soal potensi lulusan SMA dan SMK jikalau bekerja. Pemerintah terkesan masih meremehkan lulusan SMA dan SMK, padahal dana sebesar 20 persen dari APBN juga digelontorkan negara untuk kemajuan pendidikan nasional.

Saat ini, sepertinya pemerintah mulai melirik lulusan SMA dan SMK ini. Ada sebanyak 4 kementerian ini membuka kran lowongan CPNS bagi lulusan SMA dan SMK atau sederajat. Ini merupakan sebuah terobosan masif mengingat data pengangguran kita masih dialami oleh lulusan SMA, SMK atau sederajat.

Sejak tanggal 26 September 2018 lalu, BKN telah resmi membuka pendaftaran CPNS 2018. Adapun alur pendaftarannya adalah sebagai berikut:
Alur pendaftaran CPNS 2018

Secara ringkas, 4 kementerian apa saja yang membuka lowongan CPNS? Berapakah jumlah formasi ASN yang dibutuhkan dan melalui link apa saja? Selengkapnya dapat kita lihat dan cermati pada infografis berikut:
Pengumuman
Kemenkumham
Informasi Kemenkumham klik di sini
Surat Lamaran Kemenkumham klik di sini

Kejaksaan
Informasi Formasi Kejaksaan klik di sini
Surat Pernyataan klik di sini
Surat Siap Menerima Sanksi Hukum klik di sini

Basarnas
Pengumuman Seleksi CPNS klik di sini
Surat Pernyataan Bebas Narkoba klik di sini
Surat Pernyataan Kebenaran Dokumen klik di sini

Kemensos
Informasi CPNS klik di sini
Lokasi Ujian klik di sini