Pertanyaan sebagaimana dalam judul tulisan ini sering dialami Mahasiswa dalam menyelesaikan tugas akhir. Perlu saya sampaikan terlebih dahulu bahwa saya bukan Dosen statistik, tetapi dalam penelitian, statistic dapat menjadi alat bantu bagi peneliti dalam melakukan anlisis (deskriptif maupun inference), agar interpretasi hasil penelitian relative lebih obyektif.
Dalam proses bimbingan tugas akhir, beberapa Mahasiswa sudah melakukan analisis sesuai dengan prosedur yang perlu dipenuhi dalam pemodelan yang digunakan, missal regresi berganda, regresi dengan variabel dummy maupun regresi logistic. Meskipun hasil analisis sudah berdistribusi normal (kecuali untuk yang berskala nominal), tetapi masih terdapat hasil yang tidak signifikan. Apakah kita akan menyerah begitu saja?
Seyogyanya perlu digali informasi lebih lanjut, karena statististik juga menfasilitasi jalan keluar untuk mengatasi hal tersebut.
Contoh:
Penelitian tentang Audit Switching pada perusahaan yang terdaftar di BEI yang melakukan Take Over (Ari Mulyono & Majidah, 2015). Dimana variabel penelitian terdiri atas:
Perbedaan Aktivitas, auditor pangsa pasar, profitabilitas, leverage (variabel independen) dan audit switching (variabel dependen). Penelitian menggunakan regresi logistic, karena dependen variabelnya data kategorial atau berskala nominal.
Berdasarkan uji pemodelan memenuhi kriteria, tetapi yang signifikan hanya auditor pangsa pasar dan profitabilitas. Jika demikian peneliti disarankan untuk tidak langsung puas dengan hasil tersebut. Perlu diuji lebih lanjut untuk mendeteksi outlier (pencilan data) yang mengganggu. Dalam analisis regresi logistik dengan menggunakan SPSS, difasilitasi pula untuk deteksi outlier dengan cara klick linear regression–>save–>studentized residual dan cook’s–> continue. Kemudian lihat Sheets lagi dalam sheets tersebut akan muncul tambahan data dalam 2 kolom salah satunya adalah kolom SRE, perhatikan pada kolom tersebut jika ada nilai ≥ 2 (tergantung dari jumlah sampel), maka sebaris data tersebut dihilangkan dengan cara –>clear, sehingga jumlah data penelitian akan berkurang sebanyak data yang harus dihapus. Setelah itu dilakukan analisis regresi kembali dengan jumlah data yang telah dikurangi outlier, tetapi dalam menganalisis tidak perlu mengklick studentised dan cook’s lagi. Hasil setelah menghilangkan outlier, mengakibatkan secara parsial ketiga variabel independe (pangsa pasar auditor, profitabilitas dan leverage) berpengaruh signifikan terhadap audit switching dan Koefisien Diterminasi (R2) meningkat. (Bandung, 21:24; 23Mei 2015)