Metode Analisis Kuantitatif oleh Lisna rahayu (15407053)

Metoda Analisis Kuantitatif
Oleh: Lisna Rahayu

A. Analisis Descriptive analysis
With descriptive analysis, the raw data is transformed into a form that will make them easy to understand and interpret (Zikmund, 1994). In general, describing responses is the first stage of analysis, involving calculation of averages, frequency distributions and percentages. The type of measurement, and the level of scale measurement, both influence the form of statistical analysis. Figure 9 summarises the type of descriptive statistics and their use. \

1. Factor Analysis
Factor Analysis, as stated above, is a technique involving the analysis of interdependence among variables. The term Factor Analysis covers a range of techniques that are related in that they examine the interdependence of a set of variables and redescribe them in terms of new variables that are linear combinations of the old. These new variables may be interpreted as underlying fundamental factors that contribute differentially to the original measured variables, though this is not a statistical technique but a matter of qualitative inference and ultimately of verification by other research.
Analisis factor dapat diartikan juga sebagai teknik untuk mereduksi variabel menjadi factor yang merupakan kumpulan variabel
2. Cluster analysis (analisis rumpun)
Analisis Rumpun merupakan teknik untuk mereduksi data sehingga menjadi kelompok yang lebih kecil sedemikian rupa sehingga elemen yang berada di dalam satu rumpun mempunyai kemiripan yang tinggi dibandingkan dengan elemen lain yang berada di dalam rumpun lain. Penggunaannya sering dikacaukan dengan analisis diskriminan. Pada analisis diskriminan penentuan jumlah kelompok (dua atau lebih) dilakukan dari awal, sedangkan pada analisis rumpun pada akhir alanisis diperoleh sejumlah rumpun atas dasar kemiripan (similarity).

3. Hierarchical Analysis (Analisis Hirarki)
Teknik ini dipakai untu menganalisis sebab-sebab yang mungkin dalam sistem permasalahan. Terdapat tiga macam sebab yang perlu diperhatikan dalam analisi hirarki:
(1) Sebab yang mungkin (possible cause).
(2) Sebab yang masuk akal (plausible cause). Sebab ini didasari penelitian ilmiah atau pengalaman langsung.
(3) Sebab yang dapat dirubah (actionable cause) atau disebut pula sebab yang dapat dikontrol dan dimanipulasi.


B. Model Analisis Peramalan (forecasting): Analisis Trend
Analisis Trend merupakan metode analisis yang dapat digunakan untuk melihat kecenderungan suatu data. Model yang digunakan biasanya regresi linier sederhana, regresi kuadratik atau yang yang lainnya, tergantung dari sebaran datanya (diagram plot). Analisis trend ini dapat digunakan untuk meramalkan data untuk waktu yang akan datang

1. Time Series Analysis
Analisis Time Series merupakan metode analisis yang digunakan untuk mempelajari pola dari data yang dibuat dalam bentuk deret waktu. Pola yang ditemukan dalam sebaran data ini dapat digunakan untuk meramalkan keadaan data untuk waktu yang akan dating
Analisis data deret waktu pada dasarnya digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodic berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun, bisa dilakukan analisis menggunakan metode analisis data deret waktu. Analisis data deret waktu tidak hanya bisa dilakukan untuk satu variabel (Univariate) tetapi juga bisa untuk banyak variabel (Multivariate). Selain itu pada analisis data deret waktu bisa dilakukan peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan.

2.causality Analysis (Analisis Kausalitas)
Dalam ontologi analisis kausal, sistem dipandang dalam terminologi world of objects: sistem mengandung obyek-obyek yang beraksi (engage) dengan perilaku (behaviour) masing-masing dan berinteraksi satu sama lain. Di luar sistem terdapat obyek lain yang dapat mempengaruhi sistem. Obyek-obyek tersebut membentuk lingkungan (environment) dimana sistem tersebut bekerja. Obyek-obyek lainnya yang tidak mempengaruhi sistem dikatakan berada di dalam dunia (world) [3].
Untuk membedakan dan merepresentasikan setiap faktor yang signifikan dalam sebuah kejadian, ada beberapa jenis faktor kausal dalam WBA :


Figure 1: The world of Objects
1. State merupakan suatu keadaan dalam sistem yang dibentuk oleh struktur dan perilakunya dalam suatu durasi waktu.
2. Event merupakan sesuatu yang menyebabkan terjadinya perubahan dalam state.
3. Proses merupakan gabungan antara state dengan event yang terikat dalam durasi waktu tertentu dan menjelaskan suatu tindakan.
4. Non-Events merupakan event yang tidak terjadi tetapi yang sepatutnya terjadi.
Faktor-faktor kausal ini disebut sebagai simpul (node) dan terhubung satu sama lain dengan relasi kausalitas.
Relasi kausalitas
Dalam WBA, Eksplanatory Logic (EL) digunakan untuk memformulasikan penjelasan suatu kejadian. Dengan menggunakan relasi kausalitas dibentuklah sebuah rantai paparan fakta yang berisi event dan state sebagai simpul-simpul yang terkait satu sama lain.
Untuk menyusun fakta tersebut, urutan waktu (temporal order) merupakan hal yang sangat penting, karena kausalitas mempunyai konsistensi dengan urutan waktu:

(1)


Jika A kausalitas dari B, maka A terjadi sebelum B terjadi.
Relasi kausal dalam WBA didasarkan pada formal semantik kausalitas oleh David Lewis [4,5]. Lewis mendefinisikan faktor kausal sebagai counterfactuals:

(2)


A faktor kausal dari B, jika dan hanya jika :
A terjadi maka B terjadi DAN jika A tidak terjadi maka B tidak terjadi.
Semantik dari adalah semantik possible-worlds, sehingga A merupakan possible-worlds dari B. Possible-worlds diartikan sebagai kemungkinan alternatif yang menyebabkan suatu situasi. Hal ini memudahkan kita untuk mengembangkan fakta-fakta dalam menganalisis atau memprediksi suatu kejadian.
Relasi ``kausalitas'' merupakan klosur transitif dari relasi ``faktor kausal dari''. Dalam [3] dibuktikan bahwa relasi dari kausalitas bersifat transitif:

(3)


Jika A kausalitas dari B dan B kausalitas dari C,
maka A juga kausalitas dari C.


C. Metoda Analisis Optimasi dan Pengambilan Keputusan

1. Decision Theory (Teori Keputusan)
Decision theory terutama berhubungan dengan pengambilan keputusan dalam keadaan risk dan uncertainty
Suatu keadaan certainty terjadi jika semua informasi yang diperlukan untuk membuat suatu keputusan diketahui dan tersedia (sering dinamakan perfect information). Dalam LP, model diformulasikan dan dipecahkan dalam keadaan yang diasumsikan certainty. Misalnya tentang jumlah yang pasti akan sumber daya yang diperlukan untuk menghasilkan suatu barang, sumber daya yang tersedia, dan keuntungan per unit semuanya diasumsikan diketahui dengan certainty. Kondisi certainty juga ditemui dalam masalah transportasi, non linear programming, dan deterministic dynamic programming. Asumsi certainty untuk suatu masalah di mana informasi tak diketahui dengan certainty sering memberikan suatu pendekatan solusi optimum yang beralasan.
Keadaan risk terdapat jika informasi sempurna tak tersedia tetapi probabilitas bahwa hasil (outcomes) tertentu akan terjadi dapat diperkirakan. Sehingga, untuk masalah keputusan dalam suasana risk, teori probabilitas merupakan komponen penting.
Keadaan uncertainty menunjukkan suatu keadaan di mana probabilitas kejadian dalam suatu situasi keputusan tak diketahui. Dalam suasana risk, outcomes dari suatu situasi keputusan didefinisikan melalu suatu distribusi probabilitas. Sementara dalam uncertainty fungsi probabilitas tidak dapat ditentukan. Sehingga suasana certainty dan uncertainty menunjukkan dua ekstrim yang mewakili tersedianya informasi sementara suasana resiko adalah titik antaranya.
Kondisi conflict ada jika kepentingan dua atau lebih pengambil keputusan berada dalam persaingan. Pengambil keputusan tidak hanya tertarik pada tindakan mereka, tetapi juga pada tindakan pengambil keputusan yang lain.

2. Pengambilan Keputusan dalam Kondisi Pasti dan Ketidakpastian
Untuk dapat mengambil keputusan, seseorang hendaknya memiliki informasi tentang:
1. Semua alternatif tindakan yang mungkin dilakukan.
2. Semua kejadian alam sekeliling (k.a.s.) untuk setiap tindakan.
3. Konsekuensi (diukur dengan uang) dari setiap tindakan dengan k.a.s. yang menyertai.
4. Sikap pengambil keputusan terhadap keuntungan (kerugian), sikap tersebut mempengaruhi tindakan yang diambil (keputusan).
3. Pengambilan Keputusan dalam Kondisi Berisiko
Dalam situasi berisiko, pengambil keputusan hendaknya memiliki:
1. Informasi tentang semua tindakan alternatif yang tersedia.
2. Informasi tentang distribusi probabilita kejadian alam sekeliling (state of nature).
3. Informasi tentang nilai konsekuensi tindakan yang mungkin (bisa berupa keuntungan atau kerugian).
Guna menyusun tabel total expected return (losess) yang diperlukan untuk membuat keputusan.
Untuk mengambil keputusan beli informasi atau tidak diperlukan informasi tentang EVPI.
Guna memasukkan sifat pengambil keputusaan dalam proses pengambilan keputusan, dipakai konsep utilitas uang.
Pada masalah pengambilan keputusan yang beruntun tersedianya diagram (pohon) keputusan lebih memudahkan proses pengambilan keputusan.