Tampilkan postingan dengan label Lain-lain. Tampilkan semua postingan
Tampilkan postingan dengan label Lain-lain. Tampilkan semua postingan

Daftar Isi Ringkas Basic Econometrics

Berikut ini kami akan memberikan daftar isi ringkas dari Buku Basic Econometrics yang ditulis oleh Damodar N. Gujarati dan Dawn C. Porter. Daftar isi ringkas ini berasal dari edisi yang ke-5.

Cover Basic Econometrics Edisi 5 Damodar N. Gujarati dan Dawn C. Porter

PART ONE: Single-Equation Regression Models

1. The Nature of Regression Analysis
2. Two-Variable Regression Analysis: Some Basic Ideas
3. Two-Variable Regression Model: The Problem Estimation
4. Classical Normal Linear Regression Model (CNLRM)
5. Two-Variable Regression: Interval Estimation and Hypothesis Testing
6. Extention of the Two-Variable Linear Regression Model
7. Multiple Regressin Analysis: The Problem Estimation
8. Multiple Regression Analysis: The Problem Inference
9. Dummy Variable, Regression Model


PART TWO: Relaxing the Assumptions of the Classical Model

10. Multicollinearity: What Happens If the Regressor are Correlated?

11. Heteroscedasticity: What Happens If The Error Variance is Nonconstant?

12. Autocorrelation: What Happens if the Error Terms Are Correlated?

13. Econometric Modeling: Model Specification and Diagnostic Testing


PART THREE: Topless in Econometrics

14. Nonlinear Regression Models

15. Qualitative Response Regression Models

16. Panel Data Regression Models

17. Dynamic Econometrics Models: Autoregressive and Distributed lag Models


PART FOUR:  Simultaneous-Equation Models and Time Series Econometrics

18. Simultaneous-Equation Models

19. The Identification Problem

20. Simultanesous-Equation Methods

21. Time Series Econometrics: Some Basic Concepts

22. Time Series Econometrics: Forecasting


APPENDICES

A. A Revies of Some Statistical Concepts

B. Rudiments of Matrix Algebra

C. The Matrix Approach to Linear Regression Model

D. Statistical Tables

E. Computer Output of Eviews, MINITAB, Excel and STATA

F. Economic Data on World Wide Web


SELECTED BIBLIOGRAPHY

Share:

Tutorial Cara Download File dari Google Drive

Dalam artikel sebelumnya telah kita sampaikan bahwa jika menginginkan file yang dipergunakan dalam simulasi di blog ini dapat di download di Google Drive secara gratis. Berbeda dengan layanan penyimpanan atau berbagi file yang lain yang biasanya menyertakan iklan, Google Drive sama sekali tidak memuat iklan di sana. Kita dapat melakukan download atau pun upload file secara gratis dan tidak ada iklan sama sekali. Kapasitasnya pun juga lumayan besar yaitu 15 GB per akun. Dan jika ingin lebih dapat menggunakan premium dan meng upgrade menjadi 100 GB dengan biaya tertentu. Akan tetapi sebenarnya 15 GB sudah cukup banyak. Dan jika diperlukan lagi, kita bisa membuat akun baru dan mendapatkan 15 GB lagi.

Untuk mendapatkan media penyimpanan tersebut sangat mudah. Bahkan jika kita punya akun G Mail, maka otomatis layanan Google Drive akan diberikan. Hanya mungkin dipergunakan atau tidak. Layanan ini juga dapat diakses dengan SmartPhone Anda, terutama yang berbasis Android. Anda dapat menyimpan foto atau video Anda di G Drive untuk menghemat kapasitas SmartPhone Anda. Selain itu, Anda juga bisa mempunyai beberapa akun G Drive dalam satu SmartPhone. Jadi sebenarnya kita tidak perlu menggunakan MMC atau media penyimpanan eksternal lain karena media G Drive jauh lebih memudahkan pekerjaan atau penyimpanan file kita.

Bagaimana cara mendownload file dari blog ini? Sangat mudah. Suatu saat bila Anda mendapati artikel dan ingin mendapatkan file yang dipergunakan untuk simulasi, maka bisa melihat keterangan yang ada di artikel, misalnya seperti ini:

Link file yang akan didownload

Anda tinggal meng klik link seperti pada gambar di atas, sehingga Anda akan diarahkan ke halaman utama G Drive yaitu seperti ini:

Halaman Utama Googel Drive

Anda tinggal mengklik untuk melakukan download. Tetapi pastikan bahwa Akun GMail Anda telah aktif dan tidak menggunakan akun orang lain. Untuk memastikan, lihat di tampilan Google Anda lalu klik pada kanan atas seperti gambar di bawah ini:

Melihat Akun Google yang aktif

Maka akan tampak akun google yang aktif. Pastikan bahwa itu akun Anda. Setelah di klik pada file yang akan di download, maka otomatis akan mendownload seperti biasa.

Progress download di kiri bawah

Progress download dapat Anda lihat di kiri bawah layar monitor Anda. Setelah itu tinggal klik seperti biasa untuk membuka file, atau melihatnya di folder untuk Anda copas atau pindah di folder lain. Jika Anda belum berhasil, kemungkinan Akun Anda belum aktif, misalnya Anda menggunakan komputer atau laptop bersamaan dengan orang lain, kadang akun G Mail yang aktif bukan milik Anda tetapi milik orang lain.

Share:

Apa itu Marketplace dan Bedanya dengan Toko Online

Pada dasarnya, marketplace merupakan pihak perantara yang mengakomodasi kepentingan pihak penjual dan pihak pembeli di dalam dunia maya. Website marketplace akan menjadi layaknya pihak ketiga dalam transaksi online dengan menyediakan fitur penjualan serta fasilitas pembayaran yang mudah dan aman. Marketplace sendiri bisa kita artikan sebagai suatu department store-nya online store. Kita bisa mendapatkan barang apa saja di marketplace, seperti layaknya kita berbelanja secara konvesional, atau datang ke department store.

Simulasi Gambar Marketplace


Daftar Isi

  1. Pendahuluan
  2. Apa itu Marketplace?
  3. Apa saja jenis-jenis Marketplace
  4. Apa bedanya Marketplace dengan Online Shop
  5. Apa saja contoh Marketplace
  6. Kesimpulan


Pendahuluan

Dalam beberapa tahun terakhir, transaksi perdagangan online atau e-commerce di Indonesia selalu mengalami peningkatan. Oleh karena itu, sistem perdagangan ini diramalkan memiliki masa depan yang cerah, dan marketplace merupakan salah satu pemain terbesar yang ada pada bisnis e-commerce di Indonesia.

Kegiataan jual beli online ini memang menjadi tren baru sejak beberapa tahun terakhir. Salah satu penggunanya mungkin adalah Anda. Tren ini semakin dipertajam dengan adanya pandemi Covid-19 di mana orang diharuskan membatasi aktivitas, bahkan interaksi sesama manusia juga menjadi semakin terbatas. Oleh karena itu, transaksi jual beli yang dulunya dilakukan secara langsung, didorong untuk menjadi tidak secara langsung atau melalui online.

Satu dari sekian banyaknya platform yang digunakan banyak orang untuk melakukan perdagangan online adalah marketplace. Mari kita bahas bersama apa itu marketplace.


Apa itu Marketplace?

Marketplace adalah pihak perantara yang mengakomodasi kepentingan pihak penjual dan pihak pembeli di dalam dunia maya. Website marketplace akan menjadi layaknya pihak ketiga dalam transaksi online dengan menyediakan fitur penjualan serta fasilitas pembayaran yang mudah dan aman. Marketplace sendiri bisa kita artikan sebagai suatu department store-nya online store. Kita bisa mendapatkan barang apa saja di marketplace, seperti layaknya kita berbelanja secara konvesional, atau datang ke department store.

Marketplace mirip dengan pasar (market) tradisional di mana ada transaksi jual beli di sana. Hanya perbedaan yang mencolok adalah tidak adanya pertemuan langsung antara penjual dengan pembeli. Komunikasi antara penjual dan pembeli dilakukan secara online atau dijembatani dengan teknologi, yaitu internet.


Apa Saja Jenis-jenis Marketplace itu?

Sebenarnya terdapat dua jenis bentuk kerja sama yang di lakukan marketplace, yaitu marketplace murni dan juga marketplace konsinyasi.


1. Marketplace Murni

Marketplace murni adalah marketplace yang menyedikan fitur penjualan untuk berjualan, lengkap dengan fasilitas pembayarannya. Penjual yang bekerjasama di dalamnya akan diberikan keleluasaan yang sangat banyak dibandingkan dengan marketplace konsinyasi. Di sini pembeli juga lebih leluasa untuk melakukan pembelian karena langsung ditangani oleh penjual secara langsung.

Setiap penjual diberi kewajiban untuk menyediakan deskripsi dan foto produknya sendiri. Selain itu, penjual juga bisa menerima penawaran harga yang dilakukan oleh pembeli. Jadi sebelum pembeli melakukan pembayaran, maka pihak pembeli bisa melakukan penawaran harga pada penjual. Tetapi layanan penawaran ini optional, di mana tidak setiap marketplace menyediakan menu ini dan juga tidak setiap penjual harus mengaktifkan menu penawaran ini.

Beberapa contoh marketplace yang terkenal dengan jenis kerjasama ini adalah Tokopedia, Shopee, BliBli, Bukalapak, Elevenia, Lazada, JD.id, Amazon dan lain-lain.


2. Marketplace Konsinyasi

Marketplace konsinyasi adalah lebih mirip seperti titip barang. Jadi, jika pihak penjual ingin melakukan kerjasama dengan situs marketplace ini, maka pihak penjual hanya perlu menyediakan produk dan detail informasi produknya ke pihak marketplace saja. Beberapa marketplace yang menyediakan jenis kerjasama konsinyasi adalah Zalora, Berrybenka dan lain-lain

Nantinya, pihak situs marketplace akan mengurus seluruh penjualan produk, dari mulai foto produk, gudang, pengiriman barang, serta fasilitas pembayaran. Jenis kerjasama ini sangat berbeda dengan kerjasama sebelumnya, karena pada jenis kerjasama ini pembeli tidak bisa melakukan penawaran karena seluruh harga dan alurnya sudah di atur dan ditangani oleh situs marketplace.

Pihak marketplace akan mengurus seluruh hal terkait penjualan dari mulai pengiriman barang foto, gudang, produk, hingga fasilitas pembayaran.

Dalam perkembangannya, saat ini marketplace murni juga memberikan fitur atau layanan di mana semua urusan ditangani oleh pihak marketplace. Misalnya Tokopedia dengan fitur cabang, di mana penjual hanya mengirim barang ke gudang, dan handling selanjutnya ditangani oleh Tokopedia. Atau Shopee dengan fitur export-nya.


Apa Bedanya Marketplace dengan Online shop?

Apakah keduanya adalah dua platform yang sama? Tentu saja jawabannya adalah tidak sama, keduanya adalah dua bentuk platform yang berbeda. Letak utama perbedaannya adalah perantara.

Marketplace merupakan pihak perantara yang menyatukan penjual dengan pembeli. Sedangkan online shop sama sekali tidak membutuhkan perantara. Penjual akan langsung menjual produknya pada platform miliknya sendiri, jadi tidak memerlukan perantara sama sekali.

Melakukan penjulan dengan platform online shop akan menuntut Anda untuk bisa lebih mandiri. Anda harus membuat website, mengelola pemasaran, misalnya dengan bantuan media sosial, dan harus berhubungan langsung dengan pelanggan.

Meskipun begitu, mengelola website online shop sendiri juga mempunyai banyak keuntungan tersendiri, terlebih lagi jika Anda sudah memiliki brand. Saat ini bahkan sudah banyak brand sukses yang membangun online shop-nya  sendiri.

Selain itu, keuntungan lain yang akan Anda rasakan ketika mengelola website online shop sendiri adalah: (a) Toko online shop Anda akan mendapatkan kepercayaan yang lebih banyak di mata pelanggan; (b) Online shop Anda akan lebih mudah ditampilkan di mesin pencarian google. Hal ini sangat penting karena pelanggan selalu melakukan riset dengan memanfaatkan mesin pencarian terlebih dahulu sebelum benar-benar membelinya; (c) Meminimalisir sifat ketergantungan dengan pihak lain, karena Anda akan dituntut untuk mempelajari dan mengelola website Anda sendiri, bukan website orang lain.

Jadi jika Anda sedang mengembangkan brand Anda, maka website adalah kebutuhan yang paling utama. Anda akan memiliki pusat toko yang seluruh kendalinya benar-benar Anda kuasai. Jadi, jika suatu waktu ada masalah tertentu di marketplace, maka Anda tidak akan kebingungan karena sudah memiliki online shop sendiri.  


Apa Saja Contoh Marketplace?

Saat ini, persaingan marketplace yang ada di Indonesia sangat ketat. Banyak sekali pemain baru dan pemain lama yang bersaing dalam mendapatkan konsumen di Indonesia. Marketplace di bawah ini merupakan contoh lima marketplace besar di Indonesia yang termasuk dalam jenis marketplace murni, alasannya adalah jangkauan pasarnya lebih banyak dan sangat beragam.


Tokopedia

Didirikan oleh William Tanuwijaya pada Februari 2009, Tokopedia merupakan salah satu marketplace yang sudah bergerak lama di Indonesia. Marketplace ini bahkan mendapat predikat sebagai marketplace terbesar dan telah melakukan merger dengan Gojek sehingga sekarang dikenal juga dengan istilah Go To.

Selain itu, tokopedia juga termasuk ke dalam kategori salah satu startup unicorn Indonesia, yang artinya nilai valuasi Tokopedia sudah menyentuh angka lebih dari $1 miliyar.

Marketplace Tokopedia


Bukalapak

Bukalapak juga sama-sama memiliki gelar startup unicorn layaknya Tokopedia. Bukalapak ini didirikan oleh Ahmad Zaky pada pada 2010 di Bandung, Jawa Barat. Selama ini, marketplace bukalapak sudah menjual sahamnya di Bursa Efek Indonesia dan mendapatkan respons yang positif di mata para investor.

Marketplace Bukalapak

Shopee

Shopee merupakan salah satu marketplace asal Singapura, marketplace ini sudah mengekspansi pasar Asia Tenggara sejak tahun 2015 lalu, termasuk ke Indonesia. Saat ini Shopee dinyatakan sebagai marketplace terbesar kedua di Indonesia setelah Go To meskipun beberapa waktu yang lalu sempat dikabarkan sebagai terbesar di Indonesia.

Marketplace Shopee


Lazada

Nampaknya Lazada mulai merasa kesulitan dalam menghadapi persaingan dengan marketplace lainnya. Walaupun pada tahun 2018 lalu marketplace ini mendapati banyak sekali pengunjung, namun pada tahun 2019 dan seterusnya mengalami penurunan.

Marketplace Lazada


Blibli

Bli-bli merupakan marketplace karya PT Global Digital Niaga, salah satu anak perusahaan Djarum. Marketplace ini yang dulunya mempunyai penjual terbatas, sekarang mulai meningkatkan jumlah penjual yang aktif di platformnya.

Marketplace Blibli


Kesimpulan

Jadi pada dasarnya, marketplace merupakan platform perantara yang bertugas menghubungkan pihak pembeli dan penjual. Sementara itu, online shop merupakan situs pribadi milik perusahaan yang didalamnya melakukan penjualan tanpa perantara.

Setiap penjual atau perusahaan bisa membuat online shopnya sendiri sebagai wujud platform yang digunakan untuk menjual produknya secara langsung pada para pembeli.

Jadi, perbedaan antar kedua platform ini adalah tersedia atau tidaknya peran perantara.

Share:

Apa itu Google Drive?

Kali ini kita akan membahas hal yang berbeda dengan topik utama blog ini. Tetapi sebenarnya ini masih sangat berkaitan erat dengan para pemerhati blog ini, jadi tetap kami posting. Google Drive adalah media penyimpanan berbasis cloud yang diberikan oleh Google Inc. baik berbayar maupun gratis. Iya memang ada versi berbayarnya, meskipun untuk versi yang gratis saja sudah tersedia 15 GB. Mengapa kami ulas di sini, karena semua file yang kami pergunakan untuk memberikan contoh atau simulasi kami simpan di Google Drive. Siapa saja yang berminat dapat mendownloadnya, tentu saja gratis, dengan menggunakan akun Gmail Anda. Jadi yang penting punya akun, maka bisa mendownloadnya. Tidak ada link iklan di Google Drive, dan linknya kami pasang di artikel tentang topik yang bersangkutan.

Tampilan Google Drive

Gambar di atas adalah tampilkan Google Drive. Jika Anda punya akun Gmail, maka otomatis Anda juga punya akun Google Drive karena diberikan kepada semua pengguna Google. Setiap akun akan mendapatkan gratis 15 GB. Tetapi bagi yang merasa kurang, dapat menambah kapasitas dengan membayar dan bisa mencapai 100 GB. Kami menggunakan versi yang gratis karena ukuran file yang kami upload relatif kecil, seperti tampak pada gambar di atas. 

Ketika Anda menemukan artikel di blog ini yang kira-kira informasi tentang link, silahkan klik dan Anda akan terhubung ke Google Drive kami, dengan catatan, Anda mempunyai akun Google dan aktif ketika membuka link tersebut.

Tampilan Download File dari Google Drive

Gambar di atas adalah tampilan ketika Anda mengklik link yang kami berikan dan Anda telah terhubung dengan akun Anda. Silahkan klik Download di tengah atau di kanan atas. Ketika Anda melakukan klik, tidak ada iklan yang muncul karena Google memang tidak memasang iklan di situ. Inilah yang membedakan dengan layanan penyimpanan file berbasis cloud yang lain. Silahkan download seperti biasa.

Share:

Duel Catur WGM Irene VS Dewa Kipas: Sebuah Uji Validitas - Sebuah catatan ringan

Pada 22 Maret 2021 kemarin dilakukan pertandingan catur kilat yang spektakuler di Indonesia yaitu antara WGM Irene Sukandar melawan Dewa Kipas atau bernama asli Pak Dadang. Disiarkan secara langsung oleh salah satu selebritis online terkemuka di Indonesia yaitu Deddy Corbuzier. Live streaming ini ternyata mencetak view terbanyak yang berarti sangat sukses. Bahkan Marketplace terkemuka di Indonesia, yaitu Tokopedia juga memberikan dukungan secara penuh.

Duel Catur Dewa Kipas VS WGM Irene Sukandar

Drama dibalik pertarungan tersebut memang sempat populer dan dalam artikel ini akan diuraikan sedikit karena ternyata berkaitan juga dengan topik statistik, yaitu uji validitas. Pada awalnya, Pak Dadang menginstal aplikasi catur online dan bermain di sana, dibantu anaknya. Awalnya biasa-biasa saja, tetapi hanya dalam waktu singkat mencapai rangking yang sangat tinggi, ELO di atas 2000 (Rating ELO di aplikasi saja, bukan ELO yang sebenarnya).

Anaknya berargumen, bahwa pada awalnya belum terbiasa, tetapi setelah terbiasa barulah bisa bermain dengan akurat. Bahkan akurasinya bisa mencapai 92% setara dengan juara dunia. Karena dicurigai melakukan cheat, maka akunnya di banned oleh pihak aplikasi. Ini membuat netizen di Indonesia marah dan menyerbu akun remsi dari aplikasi tersebut. Mirip kejadian netizen 62 menyerbu akun Microsoft yang mengunggah hasil survei yang menyatakan bahwa netizen 62 termasuk tidak sopan, bahkan paling tidak sopan di Asia Tenggara. Kalau sekarang sih, menyerbu akun BWF :)

Lebih lanjut Deddy Corbuzier menjembatani hal ini dan akhirnya bisa membuat pertarungan catur kilat 4 babak antara WGM Irene Sukandar melawan Dewa Kipas dan siarkan langsung. WGM Irene kabarnya memiliki rata-rata akurasi di bawah Dewa Kipas. Yang menang dapat 200 juta yang kalah dapat 100 juta. Dan akhirnya kita tahu semua, WGM Irene menang mutlak 3:0.

Skor Akhir 0:3 untuk WGM Irene

Apa hubungannya dengan uji validitas? Banyak terjadi perdebatan yang menyatakan bahwa Dewa Kipas adalah pemain catur gunung yang mempunyai skill kelas dewa yang tidak diketahui. Data inilah yang harus diverifikasi dengan jelas. Profesor Sugiyono dalam bukunya pernah menulis: Untuk melakukan validitas konstruksi, maka dapat dipergunakan pendapat dari ahli. Aspek-aspek yang akan diukur dikonsultasikan dengan ahli. Para ahli diminta pendapatnya tentang instrumen yang telah disusun. Mungkin para ahli bisa berpendapat bahwa istrumen itu bisa digunakan, direvisi atau dirombak total. Jumlah tenaga ahli minimal 3 dan bergelar doktor sesuai bidang kajian.

Dari kutipan di atas, kita bisa mengakomodasinya. Kita kesulitan untuk memvalidasi apakah kemampuan bermain catur Dewa Kipas memang canggih di dunia catur atau tidak. Maka kita minta pendapat ahli. Ahli menyatakan bahwa salah satu caranya adalah dengan menantang bertanding secara offline. Apakah syarat 3 ahli tercukupi, tentu saja. Gelar doktor adalah sama dengan expert, dan kita tahu setidaknya ada 3 expertise di balik pertarungan ini. Yaitu: 1) Deddy Corbuzier, seorang expertise dan sangat kompeten dalam dunia entertainment, podcast dan sejenisnya; 2) WGM Irene Sukandar, satu-satunya wanita Indonesia yang pernah peringkat 9 se ASIA dan 3) Tokopedia, jelaslah. Belum komentator yang juga sangat expert di bidang olah raga catur.

Dari sini kita bisa menyimpulkan bahwa data yang menyatakan bahwa Dewa Kipas adalah pemain catur yang hebat kurang tepat. Tidak valid. Dan kalau data tidak valid, maka kita tidak perlu repot-repot menguji reliabilitasnya.


Disclaimer

Hanya catatan ringan, bukan untuk dijadikan referensi.


Share:

Data Covid-19 di Indonesia Februari 2021 Menurun Drastis

Ketika artikel ini ditulis, 2 Maret 2021 tepat 1 tahun secara resmi pengumuman adanya kasus Covid-19 di Indonesia. Mungkin sebelumnya sudah ada, tetapi secara resmi pemerintah mengumumkan adanya kasus Covid-19 pertama di Indonesia tanggal 02 Maret 2020. Kasus pada bulan berikutnya cenderung meningkat dan puncak kasus Covid-19 di Indonesia adalah pada Bulan Januari 2021.

Dengan sambil menelan ludah dan tersenyum pahit, kita dapat berkata, ini ulang tahun pertama Covid-19 di Indonesia. Yah memang pahit. Tetapi coba kita lihat ini:

Grafik Bulanan Kasus Covid-19 di Indonesia Sampai dengan Februari 2021

Grafik di atas menunjukkan bahwa kasus positif di Bulan Februari 2021 MENURUN dibandingkan kasus di Bulan Januari 2021. Ini baru pertama kali terjadi di Indonesia bahwa kasus bulanan jumlahnya menurun. Mungkin karena kasus di Bulan Januari 2021 yang sangat tinggi. Akan tetapi ini tetap merupakan kabar baik bahwa kasus bulan Februari 2021 telah turun dibandingkan kasus di Bulan Januari 2021.

Kasus Harian Covid-19 di Indonesia dengan Moving Average 7 Hari

Kasus Harian Covid-19 di Indonesia sampai dengan 28 Februari 2021

Dari dua grafik di atas tampak bahwa kasus harian menunjukkan adanya penurunan pada Bulan Februari 2021. Apakah berarti ini sudah melewati masa puncak? Tentunya diharapkan demikian. Mungkin juga karena vaksin yang sudah mulai dilaksanakan secara gencar di Indonesia. Apapun itu, kita harus selalu optimis menghadapi pandemi ini.

Vaksin Lancar Rakyat Kuat

Disclaimer

#Bukan rujukan resmi Covid-19 di Indonesia

#Data diambil dari Covid19.go.id

Share:

Data Covid-19 di Indonesia Sampai Dengan 31 Januari 2021

Secara periodik bulanan, kami menampilkan data pertambahan jumlah kasus positif Covid-19 di Indonesia. Situs ini BUKAN SITUS RESMI, tetapi mengambil data dari situs resminya. Di artikel ini kami akan menampilkan data kasus positif Covid-19 di Indonesia sampai dengan Tanggal 31 Januari 2021. Untuk periode sebelumnya sudah kami tampilkan juga baik Bulan Oktober 2020, Bulan November 2020, dan Desember 2020. Berikut adalah perkembangan kasus harian sampai dengan 31 Januari 2021.

Statistik Kasus Harian Covid-19 di Indonesia sampai dengan 31 Januari 2021


Tampak bahwa pada Bulan Januari 2021, kasus harian semakin meningkat dengan rekor harian di atas 14 ribu kasus. Dua kali terjadi kasus di atas 14 ribu per hari dan minimal ada 6753 kasus per hari pada Bulan Januari 2021. Sedangkan berdasarkan Moving Average selama 7 harian, diperoleh hasil sebagai berikut:

Moving Average 7 harian Kasus Harian Covid-19 di Indonesia Sampai dengan Januari 2021


Tampak bahwa peningkatannya relatif tajam di Bulan Januari 2021 ini. Belum ada tanda-tanda bahwa kasus harian Covid-19 di Indonesia akan mereda atau setidaknya melandai. Sedangkan berdasarkan jumlah kasus bulanan, hasilnya adalah sebagai berikut:

Statistik Corona: Kasus Bulanan Covid-19 di Indonesia Sampai dengan Januari 2021


Di bulan Januari 2021 ini, kasus total di Indonesia sudah tembus 1 juta kasus, pada tanggal 26 Januari 2021. Total kasus per 31 Januari 2021 adalah sebanyak 1.077.944. Dan jika dilihat, pada Januari 2021 ada sebanyak 334.746 kasus tambahan, sehingga di Bulan Januari 2021 ini menyumbang sekitar 334.746 : 1.077.944 = 31,05%. Dari sekitar 10 bulan kasus Covid di Indonesia, 31% adalah terjadi pada bulan Januari 2021.

Vaksin Lancar Rakyat Kuat

Share:

Statistik Corona di Indonesia: Diagram Kasus Positif Harian dan Moving Average Sampai Desember 2020

Meskipun sudah hampir satu tahun, pandemi Covid 19 belum juga lenyap dari muka bumi ini, bahkan kian hari semakin bertambah.  Di blog ini, kami telah menampilkan diagram harian kasus positif Covid 19 di Indonesia pada Bulan Oktober 2020 dan kasus harian Covid 19 pada November 2020. Pada kedua periode itu tampak bahwa jumlah kasus harian tetap terus meningkat. Berikut adalah diagram kasus positif Covid 19 harian sampai dengan Bulan Desember 2020.

Statistik Kasus Harian Covid-19 di Indonesia sampai dengan 31 Desember 2020
Statistik Kasus Harian Covid-19 di Indonesia sampai dengan 31 Desember 2020

Tampak bahwa kasus harian relatif meningkat sampai dengan 31 Desember 2020. Nilai tertinggi sebanyak 8369 kasus per hari terjadi pada awal 3 Desember 2020, lalu menurun lagi tetapi meningkat secara bertahap hingga akhir tahun. Sedangkan jika menggunakan Moving Average selama 7 hari maka memberikan hasil sebagai berikut:
Moving Average 7 harian Kasus Covid-19 di Indonesia
Moving Average 7 harian Kasus Covid-19 di Indonesia 

Diagram menjadi lebih smooth dan terlihat bahwa pada periode setelah November 2020 meningkat drastis dengan kemiringan yang sangat curam. Untuk melihat kasus jumlah positif Covid 19 secara bulanan, maka ditampilkan sebagai berikut:
Statistik Corona: Kasus Bulanan Covid-19 di Indonesia
Statistik Corona: Kasus Bulanan Covid-19 di Indonesia

Terlihat jelas sekali bahwa kasus bulanan pada Desember 2020 sangat meningkat dibandingkan bulan-bulan sebelumnya. Terdapat 204.315 kasus di mana pada November 2020 hanya 128.795 atau meningkat hampir dua kali lipatnya. Mungkin ini efek dari adanya Pilkada, liburan sekolah dan liburan Natal. Tetapi untuk liburan tahun baru belum ada data.


Disclaimer:

Ini bukan rujukan resmi tentang pandemi yang terjadi. Silahkan menggunakan rujukan resmi untuk pengambilan keputusan.

Share:

Statistik Corona Kasus Positif Covid-19 di Indonesia sampai dengan November 2020

Kasus Covid-19 di Indonesia sampai saat ini masih terus bertambah. Belum ada tanda-tanda ada penurunan. Dalam artikel tentang Covid-19 sebelumnya, sudah disampaikan perkembangan kasus sampai dengan Oktober 2020. Berikut adalah perkembangan sampai dengan 30 November 2020.

Kasus Covid-19 di Indonesia sampai dengan 30 November 2020
Kasus Covid-19 di Indonesia sampai dengan 30 November 2020


Tampak bahwa meskipun di awal November ada penurunan kasus harian, akan tetapi di pertengahan dan akhir November 2020 terlihat sangat meningkat, bahkan memecahkan rekor. Enam ribuan kasus per hari telah terjadi di akhir November 2020 ini. Sedangkan jika digunakan Moving Average 7 harian, maka memberikan hasil sebagai berikut:

Moving Average 7 harian Kasus Covid-19 di Indonesia
Moving Average 7 harian Kasus Covid-19 di Indonesia


Tampak juga bahwa di awal November 2020 memang ada penurunan kasus, tetapi meningkat tajam di akhir November 2020. Di artikel ini, akan ditambahkan jumlah kasus per bulan selama masa pandemi ini yaitu sebagai berikut:

Kasus Bulanan Covid-19 di Indonesia
Kasus Bulanan Covid-19 di Indonesia


Tampak bahwa memang selalu terjadi peningkatan jumlah kasus bulanan di Indonesia dari Maret sampai dengan November 2020.

Disclaimer:

Ini bukan rujukan resmi tentang pandemi yang terjadi. Silahkan menggunakan rujukan resmi untuk pengambilan keputusan.

Share:

Moving Average Statistik Corona Kasus Covid -19 di Indonesia sampai dengan 31 Oktober 2020

Penting kami garis bawahi bahwa ini bukan sumber resmi atau rujukan resmi tentang Covid 19 di Indonesia. Ini adalah simulasi penggunaan metode Moving Average. Data yang digunakan adalah data resmi yang ada di rujukan resmi yaitu di sini

Data pertama yang diumumkan adalah pada tanggal 02 Maret 2020. Jadi sejak tanggal 02 Maret 2020 sampai dengan 31 Oktober 2020 rincian kasus positif di Indonesia adalah sebagai berikut:

Kasus Harian Covid-19 di Indnesia Maret 2020 sd November 2020
Kasus Harian Covid-19 di Indnesia Maret 2020 sd November 2020

Grafik di atas adalah jumlah kasus harian per hari periode 02 Maret 2020 sd 31 Oktober 2020. Tanggal terakhir di sumbu X tertera 02 November 2020 karena itu adalah hari di mana data ini ditampilkan. 

Dari grafik di atas tampak bahwa memang cenderung meningkat. Di sekitar Bulan Juli ada satu data yang sangat menonjol yaitu pada tanggal 09 Juli 2020 dengan adanya laporang kasus positif sebanyak 2657. Pada saat ini sangat tinggi lonjakannya karena sehari sebelumnya hanya 1853 kasus dan satu hari setelahnya 1611. 

Setelah itu relatif naik lagi secara perlahan bahkan di awal September 2020 terlihat agak tinggi kenaikannya. Sampai dengan awal Oktober relatif stabil dan akhirnya kelihatan menurun.

Jika kita ingin melihat lagi secara lebih merata maka kita bisa menggunakan metode Moving Average. Prinsipnya adalah dengan menggunakan data beberapa hari terakhir. Di sini kita ambil 7 hari terakhir (tidak ada rujukan yang pasti). Artinya data yang digunakan adalah jumlah kasus dalam 7 hari terakhir atau satu minggu terakhir. Misalnya data tanggal 18 Agustus 2020 yang dimasukkan dalah jumlah kasus positif adalah jumlah dari kasus tanggal 11 Agustus sd 17 Agustus. Demikian seterusnya. Hasilnya adalah sebagai berikut:

Kasus Covid-19 di Indonesia Moving Average 7 Hari
Kasus Covid-19 di Indonesia Moving Average 7 Hari

Grafik di atas tampak bahwa fluktuasi data menjadi lebih smooth. Tidak ada data yang ekstrim tinggi atau ekstrim rendah. Angka yang tinggi pada tanggal 09 Juli 2020 menjadi terlihat smooth karena yang dimasukkan adalah data tujuh hari ke belakang. Tapi memang tampak bahwa pada awal Juli ada peningkatan lalu relatif menurun sedikit dan kemudian meningkat lagi di bulan Agustus. Juga tampak bahwa pada akhir Oktober memang ada penurunan kasus positif harian yang cukup singnifikan. 

Jadi dengan menggunakan Moving Average, maka data terlihat lebih smooth dan pengambilan keputusan menjadi lebih bijak karena tidak terfokus pada satu atau dua data saja yang kebetulan ekstrim. Metode ini sering dipergunakan oleh marketing untuk pengambilan keputusan. Misalnya menggunakan data penjualan 3 bulan terakhir atau 6 bulan terakhir. Dengan metode ini, maka keputusan lebih tepat karena tidak terpengaruh oleh fluktuasu ekstrim dari satu data saja. 

Note: Pengambilan periode 7 hari tidak ada rujukan yang pasti. Anda bisa membuat sendiri, misalnya 14 hari atau periode waktu yang lain.

Simak perkembangan kasus Covid-19 di Indonesia Bulan November 2020

Silahkan visit versi video dari artikel ini:

Share:

Statistik adalah Seni (?)

Melihat dari judulnya saja, mungkin sudah kelihatan aneh. Statistik, biasanya sangat terkait dengan data yang relatif rumit dan seni, biasanya berkaitan dengan sesuatu yang indah. Agak bertolak belakang. Akan tetapi, bisa juga itu merupakan ungkapan yang latah, karena banyak juga ungkapan yang serupa, misalnya sepak bola adalah seni, atau bahkan, seni berperang!!

Setidaknya, berkaitan dengan normalitas, Wilfrid J. Dixon dan Frank J. Massey, Jr dalam bukunya Pengantar Analisis Statistik (1997) terjemahan oleh Sri Kustamini Samiyono dan Zanzawi Soejoeti, halaman 483 menulis: Pemilihan metode untuk …….., sampai saat ini tetap merupakan suatu seni.
Statistik Adalah Seni
Statistik Adalah Seni

Ungkapan itu memang tidak mewakili semua pendapat para pakar statistik, tapi setidaknya, ada yang menganggap bahwa statistik tetap merupakan sesuatu yang indah. Mungkin benar mungkin tidak, tapi Einstein juga pernah mengatakan bahwa ada hubungan antara matematika dengan musik. Atau mungkin ungkapan Pythagoras yang mengatakan bahwa harmoni dalam nada selaras dengan harmoni angka-angka dalam matematika.

Bagaimana dengan Anda?

Share:

Basic Econometrics by Damodar Gujarati

Banyak sekali referensi statistik yang ada, meskipun ada yang bagus dan juga (maaf) ada yang kurang bagus. Di sini kami menggunakan salah satu dari yang bagus yaitu Basic Econometrics yang ditulis oleh Damodar Gujarati. Dalam buku ini hampir semua topik statistik dibahas secara rinci sehingga menuntun pembacanya untuk memahami dan mengaplikasikannya dengan baik. Buku tersebut juga dilengkapi dengan CD sehingga memudahkan pembacanya.
Cover Buku Gujarati dan Porter
Cover Buku Gujarati dan Porter

Ketika pertama kalinya dipublikasikan pada Tahun 1978, buku ini menjadi acuan utama bagi para pemerhati statistik, khususnya statistik dasar hingga menengah. Jika Anda menjumpai perbedaan pengertian tentang statistik, misalnya tentang uji normalitas pada residual atau pada masing-masing variabel, penanggulangan berbagai masalah uji asumsi klasik, atau permasalahan yang lain, semua ada di sini secara lengkap dan terperinci.

Bahkan dalam buku ini juga dilengkapi dengan Apendix, yang berisi konsep-konsep dasar matematika yang diadopsi dalam statiatik, misalnya teori central limit dan berbagai teori mendasar yang lain.
Share:

Sejarah Singkat Regresi

Sebenarnya tidak terlalu penting untuk mengenal istilah regresi secara mendalam. Akan tetapi, artikel ini semata-mata untuk pengetahuan umum, sekaligus sebagai penghargaan kepada para ahli yang telah merumuskan regresi sehingga menjadi salah satu alat statistik yang sering digunakan dalam penelitian.
regresi secara harafiah berarti mundur
Ilustrasi Tinggi Badan
Gujarati dalam bukunya, menyatakan bahwa istilah regresi (regression) diperkenalkan oleh Francis Galton. Dalam sebuah makalahnya (paper), Galton menemukan bahwa terdapat kecenderungan bahwa orang tua yang tinggi mempunyai anak yang tinggi dan orang tua yang pendek mempunyai anak yang pendek, rata-rata tinggi anak-anak yang lahir mempunyai kecenderungan untuk bergerak mundur (regress) kepada rata-rata tinggi populasi secara keseluruhan (Francis Galton, “Family Likeness in Stature,” Proceedings of Royal Society, London, vol. 40, 1886, pp. 42–72). Atau dengan kata lain, tinggi anak-anak, baik tinggi maupun pendek, cenderung bergerak mundur kepada rata-rata tinggi populasi.

Hukum universal dari Galton ini kemudian dikonfirmasikan oleh temannya, yaitu Karl Pearson, yang mengumpulkan lebih dari seribu data tentang tinggi keluarga (K. Pearson and A. Lee, “On the Laws of Inheritance,’’ Biometrika, vol. 2, Nov. 1903, pp. 357–462). Pearson menemukan bahwa rata-rata tinggi anak dalam kelompok yang ayahnya tinggi, lebih rendah dari pada tinggi ayahnya, dan rata-rata tinggi anak dalam kelompok yang ayahnya pendek, lebih tinggi dibandingkan tinggi ayahnya. Oleh karena itu, regressing tinggi dan rendah anak menyerupai rata-rata tinggi keseluruhan. Dengan kata lain, Galton menyebutnya regression to mediocrity.

Interpretasi regresi secara modern relatif berbeda. Gujarati (2004:18) menyatakan bahwa:

Regression analysis is concerned with the study of the dependence of one variable, the dependent variable, on one or more other variables, the explanatory variables, with a view to estimating and/or predicting the (population) mean or average value of the former in terms of the known or fixed (in repeated sampling) values of the latter.


Jadi tampak bahwa sebenarnya regresi tidak semata-mata merujuk kepada regresi linear saja. Kita mengenal regresi linear sederhana jika terdapat satu variabel explanatory saja dan regresi linear berganda jika terdapat dua atau lebih variabel explanatory. Masih banyak lagi istilah regresi, misalnya regresi logistik, regresi ordinal, regresi multinomial dan masih banyak lagi.
Share:

SBY (Tidak) Dipilih oleh 60% Rakyat Indonesia ?

Kali ini postingannya agak sedikit berbau politik tapi tetap berkaitan dengan statistik. Ya….kerennya, statistik praktis lah…he he….. tapi ini hanya fakta kok, jadi gak perlu dianggap secara serius. Intinya apakah benar, pada pemilu 2009, pemenangnya didukung oleh 60% rakyat Indonesia?
Nah, berdasarkan data KPU, dari 121.504.481 pemilih yang sah, maka pasangan SBY-Boediono mendapatkan suara sah sebanyak 73.874.562 sehingga secara sederhana dapat kita hitung bahwa 73.874.562/121.504.481 = 0,6080 atau jika dinyatakan dalam persen adalah 60,80%. Pasangan Mega-Prabowo mendapatkan suara sah sebanyak 32,548,105 atau 26,79% dan pasangan Jk-Wiranto sebanyak 15,081,814 atau 12,41%. Nah dari hitungan itu tampak bahwa dukungan kepada pasangan SBY-Boediono adalah 60,80% sehingga sah terpilih menjadi presiden.
Quick count
Gambar Quick Count
Di sini persoalannya adalah apakah pasangan pemenang tersebut benar-benar didukung oleh 60,80% rakyat Indonesia? Kalau dari suara sah memang benar, tapi apakah suara sah tersebut benar-benar mewakili seluruh rakyat Indonesia? Topik di sini tidak terkait dengan tuduhan penggelembungan suara atau pun manipulasi DPT. Itu bukan wewenang kami. Tapi coba lihat logika berikut:
Dari sekitar 240 juta rakyat Indonesia, tidak semua mempunyai hak untuk memilih. Mengapa? Tentu saja, karena dari 240 juta rakyat Indonesia masih ada yang balita, anak-anak atau dianggap tidak mampu menggunakan haknya, misalnya karena sakit gila dan alasan lain yang sah. Dari 240 juga tersebut, dilakukan pendataan dan terpilih sebanyak 176.367.056. Jadi 240 juga rakyat Indonesia diwakili oleh sekitar 176 juta saja. Logis? Anda terima? Tentu saja!!! Karena sekitar 64 juta yang tidak mempunyai hak pilih masih berstatus balita, anak-anak atau mereka yang dianggap belum dewasa. Jadi ya…OK lah kalau begitu.
Coba kita perhatikan, dari sekitar 176 juta rakyat yang mempunyai hak pilih, ternyata hanya sekitar 121 juta saja yang menggunakan haknya dan dianggap sah. Lha sisanya? Jika dihitung rinci, maka terdapat 176.367.056 - 121.504.481 = 54,862,575 orang yang tidak menggunakan hak pilih, atau dianggap tidak sah suaranya. Bandingkan dengan 73 juta yang memilih peserta pemenang pemilu. Jumlah 54 juta suara ini tidak dapat diabaikan karena sekitar 31,11% dari total rakyat yang mempunyai hak suara. Jika dihitung 54,862,575/176.367.056 = 31,11%. Dalam teori statistik, jumlah ini tidak boleh diabaikan karena nilai yang lazim digunakan dalam statistik hanyalah sekitar 5%. Ke-54 juta orang yang tidak menggunakan hak pilih ini tentunya mempunyai alasan yang kuat karena jumlahnya sangat signifikan. Mungkin saja sudah skeptis dengan para calon, atau alasan lain yang tentunya tidak boleh dianggap bahwa mereka menyetujui apapun hasil pemilu.
Seandainya saya disuruh memilih makanan, sate, pecel atau bakso yang kebetulan saya tidak suka semua, maka saya memilih puasa. Tapi ternyata kebanyakan teman saya memilih bakso. Apakah saya juga dianggap suka bakso? Tentunya saya keberatan. Saya masuk kelompok yang tidak suka bakso, juga tidak suka sat dan pecel.
Jadi kalau suara sah sebanyak sekitar 121 juta mewakili seluruh rakyat Indonesia yang jumlahnya sekitar 240 juga kurang relevan. Yang dianggap mewakili seluruh rakyat Indonesia adalah 176 juta yang terdaftar di KPU. Jadi kalau kita hitung ulang, maka:

SBY-Boediono = 73.874.562/176.367.056 = 41,89%
Mega-Prabowo = 32,548,105/176.367.056 = 18,45%
JK-Wiranto = 15,081,814/176.367.056 = 8,55%
Golput = 54,862,575/176.367.056 = 31,11%.

Perhitungan di atas sepertinya lebih relevan. Jadi sebenarnya yang mendukung SBY-Boediono adalah sebanyak 41,89% dari seluruh rakyat Indonesia, dan tentunya yang tidak mendukung sebanyak 58,11%. Pasangan SBY-Boediono memang secara sah menjadi pemenang pemilu. Tapi untuk menyatakan bahwa didukung oleh 60% rakyat Indonesia??? Tunggu dulu. Data membuktikan bahwa sekitar 58,11% rakyat Indonesia tidak mendukung………dan secara kebetulan jumlahnya hampir mencapai 60%... he he……So……..

Sumber data: www.kpu.go.id
Share:

Analisis Diskriminan

Analisis diskriminan berguna pada situasi di mana kita ingin membentuk sebuah model prediktif dari beberapa kelompok (group) berdasarkan pada karakteristik pada masing-masing kasus. Prosedur pembentukan fungsi diskriminan (atau, pada lebih dari dua kelompok, serangkaian set dari fungsi diskriminan) berdasarkan pada kombinasi linear dari variabel-variabel prediktor yang memberikan pembeda terbaik dari kelompok-kelompok tersebut. Fungsi dibentuk dari sebuah sampel pada sebuah kasus di dalam sebuah group yang telah diketahui; fungsi lalu dapat diaplikasikan pada kasus baru dengan pengukuran pada variabel-variabel prediktor yang tidak diketahui masuk pada kelompok mana.

Catatan: Pengelompokan variabel dapat mempunyai lebih dari dua nilai. Kode untuk masing-masing pengelompokan variabel harus integer, akan tetapi, kita dapat menspesifikasikan nilai maksimum dan minimum. Kasus-kasus pada nilai di luar batas tidak termasuk pada analisis.

Sebagai contoh: Berdasarkan rata-rata, orang-orang pada daerah empat musim mengkonsumsi kalori per hari lebih banyak dibandingkan orang yang tinggal di daerah tropis. Peneliti ingin mengkombinasikan informasi ini pada sebuah fungsi untuk membedakan bagaimana seorang individu dapat dibedakan dalam dua daerah. Peneliti beranggapan bahwa informasi tentang ukuran populasi dan ekonomi juga penting. Analisis diskriminan memungkinkan kita mengestimasi koefisien dari fungsi linear diskriminan, yang merupakan bentuk lain dari persamaan regresi. Dengan demikian, dengan menggunakan koefisien a, b, c dan d, persamaannya adalah:

D= a * climate + b * urban + c * populasi + d * pdb

Jika variabel-variabel dapat membedakan dua iklim tersebut, maka nilai D akan berbeda antara daerah empat musim dan daerah tropis. Jika kita menggunakan metode stepwise, maka kita dapat menemukan varabel apa yang tidak masuk ke dalam fungsi. Asumsi pada analisis diskriminan:

  1. Prediktor tidak mempunyai korelasi yang tinggi satu dengan yang lain
  2. Rata-rata dan varians pada prediktor tidak berkorelasi
  3. Corelasi antara dua prediktor adalah konstan pada semua group
  4. Nilai masing-masing prediktor harus berdistribusi normal
Analisis diskriminan berguna pada situasi di mana kita ingin membentuk sebuah model prediktif dari beberapa kelompok (group) berdasarkan pada karakteristik pada masing-masing kasus
Contoh Kategorisasi dalam Analisis Diskriminan


Share:

Quick Count dan Signifikansi

Output statistik adalah sederetan angka yang tidak mempunyai makna apapun terhadap realitas, sebelum ada adjustment dari kita, manusia pengguna statistik

Quick Count sebenarnya sudah lama dikenal oleh publik, tetapi baru akhir-akhir ini menjadi bahan pembicaraan masyarakat Indonesia, terkait dengan maraknya pemilihan kepala daerah dan juga pemilihan presiden dan wakil presiden. Berdasarkan katanya, ‘quick count’ dapat diartikan sebagai penghitungan cepat, di mana dilakukan penghitungan hasil pemilihan umum secara cepat, lebih cepat dari pada penghitungan yang resmi dilakukan oleh Komite Pemilihan Umum (KPU). Keabsahan quick count telah diakui secara luas di dunia, dan sampai saat ini merupakan metode yang paling canggih dalam menentukan siapa pemenang dari suatu pemilu, tanpa harus menghitung semua suara yang masuk.
quick count adalah metode yang sudah sangat terpercaya jika dipergunakan secara benar dan ilmiah
Simulasi Gambar Quick Count
Pelaksana quick count biasanya adalah lembaga independen yang mempunyai kapasitas yang tinggi dalam dunia statistik. Hasil quick count di Indonesia yang dilakukan oleh lembaga independen di Indonesia, baik berafiliasi asing maupun tidak, selama ini selalu memberikan hasil yang akurat. Bahkan salah satu komandan lembaga survey tersebut menyatakan bahwa hasil perhitungannya selalu tepat, bahkan mendekati kenyataan hasil akhir. Akan tetapi, seperti disampaikan oleh Witjaksana (Suara Merdeka, 15 November 2008), quick count tetap merupakan teknik atau metode statistik yang memungkinkan adanya bias/kesalahan dari hasil yang ditunjukkan. Dalam dunia statistik, dikenal istilah signifikansi, yang berasal dari kata significance yang kurang lebih diterjemahkan sebagai tingkat kesalahan, atau seberapa besar tingkat kepercayaan yang dihasilkan. Berarti sebenarnya ketepatan hasil perhitungan statistik adalah dalam batas toleransi tersebut.

Pada penelitian ilmiah, tingkat kesalahan atau signifikansi biasanya ditentukan pada rancangan awal penelitian. Sebagai contoh, untuk penelitian tentang perilaku manusia dan responsnya terhadap suatu fenomena, ditentukan taraf signifikansi sebesar 5%. Secara umum, nilai tersebut diartikan bahwa hasil yang ditunjukkan masih mempunyai tingkat kesalahan sebesar 5% atau tingkat kebenaran sebesar 95%. Pengertian lain adalah bahwa jika dilakukan penelitian serupa, maka kemungkinan memberikan hasil yang sama adalah sebesar 95%. Penelitian terhadap objek yang mempunyai perilaku mendekati acak, dapat ditentukan taraf signifikansi yang lebih besar lagi, misalnya sebesar 10% pada penelitian tentang perilaku investor saham. Sebaliknya, pada rancangan penelitian, di mana peneliti bisa melakukan intervensi penuh terhadap fenomena penelitian, dapat ditetapkan taraf signifikansi yang lebih rendah lagi, misalnya 2% untuk penelitian yang dirancang di laboratorium, atau bahkan 1%.

Quick Count
Pelaksanaan quick count sebenarnya merupakan teknik sampling yang banyak dikenal dalam dunia statistik. Teknik sampling yang dipergunakan dalam metode quick count biasanya adalah proportionate sampling atau sampel yang ditentukan secara proporsional berdasarkan populasi yang ada. Sebagai ilustrasi, kita ambil contoh Propinsi Jawa Tengah yang terdiri dari 6 Karesidenan dengan jumlah pemilih yang bervariasi dan tentunya juga dengan jumlah Tempat Pemungutan Suara (TPS) yang berbeda-beda pula. Jika kita tentukan jumlah sampel adalah sebesar 5% dari populasi keseluruhan, maka sampel yang diambil pada masing-masing daerah juga sebesar 5% dari jumlah TPS pada masing-masing karesidenan, tentunya dengan pembulatan jika angkanya merupakan pecahan.

Langkah selanjutnya adalah menentukan jumlah TPS pada masing-masing Kabupaten dengan cara yang sama, dan akhirnya sampai pada Kecamatan pada masing-masing kabupaten. Setelah jumlah TPS yang akan dijadikan sampel ditentukan, langkah selanjutnya adalah menentukan TPS mana yang akan dijadikan sampel. Pertimbangan lokasi TPS yang dijadikan sampel dilakukan berdasarkan karakteristik pemilih, misalnya daerah tersebut merupakan kantong suara dari salah satu kontestan, dan melibatkan para ahli dan pengamat pemilu.

Pada hari pelaksanaan pemilu, lembaga survey quick count menempatkan suka relawan pada masing-masing TPS yang telah ditunjuk. Suka relawan tersebut bertugas memberikan hasil penghitungan suara ke lembaga penyelenggara quick count secepat mungkin. Pengiriman data tersebut bisa melalui Short Message Service (SMS), atau melalui email, atau melalui program lain yang canggih yang telah dimiliki oleh lembaga yang bersangkutan. Data hasil penghitungan suara pada masing-masing lokasi sampel TPS dianggap mewakili keseluruhan suara yang menjadi representasi dari TPS tersebut berdasarkan adjustment dari lembaga survey penyelenggara quick count.

Masih ada beberapa persyaratan statistik sebelum hasil penghitungan suara tersebut dihitung, misalnya asumsi normalitas. Secara sederhana data yang normal adalah data yang mempunyai distribusi di mana nilai rata-rata dekat dengan nilai median (nilai tengah) atau nilai modus (nilai yang paling sering muncul). Data yang normal diasumsikan dapat diberlakukan secara general terhadap populasi secara keseluruhan. Beberapa teknik statistik telah tersedia untuk menangani data yang tidak normal, sehingga memberikan hasil yang dapat dipercaya.

Tingkat Kesalahan
Berdasarkan uraian singkat di atas, maka dapat kita cermati bahwa masih terdapat kemungkinan adanya kesalahan di masing-masing tahapan pada pelaksanaan quick count. Kemungkinan kesalahan karena sukarelawan salah dalam mengirim data, atau kesalahan teknik statistik yang digunakan bisa kita abaikan, karena kita cukup yakin dengan kapabilitas pelaksana quick count. Kesalahan yang paling mungkin terjadi adalah penentuan lokasi TPS yang dijadikan sampel. Lokasi TPS tersebut bisa mewakili 10 atau bahkan 100 TPS lain yang dianggap mempunyai karakteristik yang sama. Dalam kenyataaanya, kita bisa menjumpai satu TPS yang mayoritas mendukung salah satu pasangan calon, dan TPS di sebelahnya mayoritas mendukung pasangan calon yang lain. Hal ini bisa memberikan bias pada hasil akhir, tetapi dapat dieliminir dengan teknik normalitas data.

Tingkat kesalahan yang biasa dipergunakan dalam quick count adalah sebesar 2%. Artinya, jika selisih antara satu calon dengan calon lain lebih kecil dari 2%, maka sangat mungkin terjadi kesalahan hasil quick count. Akan tetapi, jika selisih antara calon satu dengan calon yang lain lebih dari 2% maka hasilnya boleh dikatakan valid atau benar, sesuai dengan kaidah-kaidah statistik yang berlaku. Pada pemilihan Gubernur Jawa Tengah, pasangan pemenang pemilu mempunyai selisih yang jauh dengan pasangan dengan suara terbanyak kedua (lebih dari 2%). Dan kita bisa melihat, bahwa hasil quick count semua lembaga survey pemilihan gubernur di Jawa Tengah adalah sama dengan hasil akhir yang diumumkan KPU.

Fenomena terbaru yang muncul adalah adanya kesalahan dari berbagai lembaga survey pada pemilihan gubernur tahap kedua di Jawa Timur. Hasil akhir adalah 7.729.944 suara untuk Karsa dan 7.669.721 untuk pasangan Kaji. Atau dengan prosentase, maka suara untuk Karsa adalah sebesar 7.729.944/15.399.665 = 50,196% dan untuk pasangan Kaji adalah sebesar 7.669.721/15.399.665 = 49,804%. Selisih suara dari kedua pasangan tersebut adalah 50,196% - 49,804% = 0,392% atau jauh di bawah toleransi keakuratan quick count yaitu sebesar 2%. Terdapat beberapa lembaga survey pelaksanan quick count yang mengumumkan bahwa pemenangnya adalah Kaji, padahal hasil akhir dari KPUD pemenangnya adalah Karsa.

Hasil perhitungan di atas menunjukkan bahwa untuk pasangan yang mempunyai suara hampir sama, hasil quick count menjadi tidak akurat. Dalam hal ini, sebaiknya Lembaga Swadaya Masyarakat (LSM) penyelenggara quick count tidak mempublikasikan hasil perhitungan mereka dengan pertimbangan teknis. Hal ini dikarenakan masih banyak masyarakat yang (maaf) belum memahami quick count sehingga dianggap sebagai suatu hasil penghitungan yang bisa dijadikan dasar untuk melakukan tindakan hukum. Fenomena yang terkenal yang bisa dirujuk adalah ketika ilmuwan Inggris menguji teori Albert Einstein tentang pergeseran cahaya bintang ketika melewati suatu masa yang cukup masif, yaitu matahari. Pengukuran dilakukan di waktu gerhana matahari pada sekitar tahun 1919. Hasil pengukuran yang dihasilkan sesuai dengan teori yang ada, tetapi mempunyai tingkat kesalahan yang lebih besar dari pada hasil pengukuran tersebut. Ini merupakan cacat fatal yang harus diverifikasi oleh ilmuwan lain pada beberapa tahun berikutnya, meskipun hasil akhir verifikasi menunjukkan bahwa teori itu memang benar, pada taraf signifikansi yang masih diijinkan.

Output statistik, dalam hal ini adalah quick count adalah sederetan angka yang tidak mempunyai makna apapun terhadap realitas, sebelum ada adjustment dari kita, manusia pengguna statistik. Tidak selayaknya hasil quick count menjadi dasar untuk melakukan tindakan hukum karena suara yang resmi adalah penghitungan yang dilakukan oleh KPUD. Statistik adalah sarana yang dapat dipergunakan untuk mengambil keputusan secara tepat dan cepat, jika penggunanya adalah manusia cerdas, jujur dan bertakwa. Sebaliknya, di tangan manusia yang tidak cerdas dan tidak amanah, statistik bisa menjadi alat yang sangat mematikan. Manipulasi terhadap data statistik dapat digunakan untuk melakukan kebohongan publik yang bertujuan demi kepentingan pribadi atau kelompok.
Share:

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *