Quality Delivered On Time

Kami menerima jasa analisa dan pengolahan data dari berbagai kalangan, mulai dari pelajar, mahasiswa, pengajar, profesional, bisnis, institusi, sampai pemerintahan.

Kami sangat memperhatikan akurasi pada setiap detail analisa dan pengolahan data untuk menghasilkan hasil pengolahan data yang akurat. Dan disampaikan dengan tepat waktu.

Our experience

Years
Happy Clients
Cups of Coffee

Benefit

Berbekal pengalaman lebih dari 5 tahun, kami dapat menyelesaikan pengerjaan dalam tempo waktu sesingkat-singkatnya memenuhi deadline Anda. Jika pengolahan data yang kami berikan tidak akurat, maka Anda mendapat revisi.

Pertemuan dengan staff ahli kami untuk penjelasan dan pengajaran cara dan hasil olah data. Anda juga bisa appointment untuk sekedar konsultasi terlebih dahulu. Pertemuan hanya melayani Jabodetabek & Bandung. Selain kota tersebut, bisa melalui telepon atau online learning/support

Setelah penyerahan hasil pengolahan data, Anda mendapat akses ke Online Learning dan Online Support. Disitu Anda bisa konsultasi jika tidak dipahami; download dan instalasi software; download module; diskusi dengan klien lain; permintaan revisi; dll

Jaminan Privacy

Dengan menggunakan jasa kami, Anda mendapat jaminan privacy!

Kami merekam proses olah data Anda yang kami kerjakan sehingga jika Anda perlu tahu bagaimana cara olah datanya, Anda cukup mempelajari video tutorial yang kami berikan

Jasa Prima Adikara Mandiri

Jasa Kami

Pencarian Data

Anda kesulitan mendapatkan data yang dibutuhkan untuk penelitian Anda? Kami bisa carikan data yang Anda butuhkan. Data bisa dalam bentuk data primer (survey) atau data sekunder.

Pengolahan Data

Pengolahan data menggunakan metodologi statistika untuk menjawab tujuan atau hipotesis penelitian Anda.

Pembahasan Hasil Olah Data

Setelah mendapatkan hasil pengolahan data, kami juga bisa memberikan pembahasan hasil pengolahan data.

Subjek

Field atau subjek yang bisa kami bantu

Ekonomi dan Kebijakan Publik
Bisnis dan Keuangan
Akuntansi
Bisnis dan Marketing
Sosial
SDM dan Psikologi
Teknik
Kesehatan dan Kedokteran

Tools

Pengolahan data yang kami kuasai

Microsoft Excel
Analisa Input Output
Studi Kelayakan Bisnis/Proyek
Data Envelopment Analysis
Analythical Hierarchy Process
Lisrel

Tools

Technical tools yang kami kuasai

SPSS
Stata
EViews
Matlab
R Programming atau R Project
OxMetrics

Pengolahan Data Menggunakan SPSS

Manajemen Data

  • Membuat File Data Baru
  • Mendefinisikan Variabel
  • Menyimpan, menghapus, mengkopi, menyisipkan data
  • Transpose Data, Sort Cases, Split File, Select Cases.
  • dan lain-lain

Pengujian Instrument Penelitian

  • Uji Validitas
  • Uji Reliabilitas
  • Uji linieritas, bias kuesioner
  • Treatment data jika gagal uji kelayakan data (data tidak valid dan tidak reliable)
  • dan lain-lain

Pengujian Penyimpangan Asumsi Klasik dan Treatment Asumsi Klasik

  • Uji Multikolinearitas: Collinearity Diagnostic with Tolerance dan VIF
  • Uji Heterokedastisitas: Scatter Plot, SRESID dan ZPRED
  • Uji Autokorelasi: Durbin Watson.
  • dan lain-lain

Pengujian Statistik Deskriptif

  • Mean, Median, Maximum, Minimum, Standard Deviasi, OMS
  • Distribusi frekuensi Profil Responden (untuk data kuesioner).
  • dan lain-lain

Pengujian Hipotesis

  • Compare Mean (One Sample t test, Paired Sample t test, ANOVA)
  • Analisis Korelasi, Menjelaskan Hubungan antar Variabel. Meliputi : Uji Partial & Uji Bivariate Correlation Product Moment
  • Analisis Regresi, Simple regression (Uji t Parsial), Multiple Regression (Uji F Simultan), Uji R (Koefisien Korelasi), Uji R Square (Koefisien of Determinasi)
  • Analisis Regresi, Simple regression (Uji t Parsial), Multiple Regression (Uji F Simultan), Uji R (Koefisien Korelasi), Uji R Square (Koefisien of Determinasi)
  • Analisis Regresi Logistik (Logistic Regression Model)
  • Uji asumsi klasik
  • Treatment jika gagal lolos uji asumsi klasik
  • Treatment jika hasil regresi tidak signifikan dan dibuat supaya hasil regresi menjadi signifikan
  • dan lain-lain

Pengolahan Data Menggunakan Stata

Manajemen Data Survey Besar

  • Susenas
  • Sakernas
  • IFLS
  • Podes, etc
  • dan lain-lain

Manajemen Data Umum

  • Konversi data dari data low frequency (tahunan, kuartalan, bulanan) menjadi high frequency (kuartalan, bulanan, mingguan, harian). Dan sebaliknya, Konversi data dari data high frequency (kuartalan, bulanan, mingguan, harian) menjadi data low frequency (tahunan, kuartalan, bulanan).
  • Initial settings, Use Stata Do files, Saving a dataset
  • Tabulating categorical variables, Summarising quantitative data, Cross checking variables, Correcting data errors, Renaming variables, Generating and recoding/replacing values of variables, Labelling variables and categories within a variable, When to use replace and when to use recode, The egen command an extension to generate
  • Extracting key variables from each survey, Combining data with the same format, Combining data with different formats
  • Obtaining estimates of proportions, Obtaining estimates of means, Using svymean compared to svytab for a binary outcome.
  • Graphing categorical data, Graphing continuous data, Improving the presentation, Producing multiple line graphs, A stacked bar chart, Saving and retrieving a graph, Copying a Stata graph into Word or Excel.
  • Importing Data from Other Programs.
  • dan lain-lain

Univariate dan Multivariate

  • Uji Beda Rata-Rata (Parametric dan Non-Parametric)
  • Uji Korelasi
  • Persamaan Simultan
  • Uji Deskriptif (Analisa mean, median, standar deviasi, normalitas, kurtosis, skewness, Analisa frekuensi, Analisa tabulasi dan cross tabulasi, Analisa grafik).
  • dan lain-lain

Regresi Logistik/Logit, Probit, Ordinal Logistik/Logit, Panel Logistik/Logit, Variabel Instrumen

  • Estimasi model, mana saja variabel indipenden yang mempengaruhi dan mana saja yang meningkatkan/menurunkan kemungkinan variabel dependen adalah 1
  • Goodness of fit
  • Marginal fixed effect
  • Probability dan ekspektasi, berapa probabilita masing-masing jawaban dari sebuah variabel indipenden kategorikal akan meningkatkan/menurunkan variabel dependen adalah 1
  • Uji Kelayakan Model
  • Measures of Fit
  • dan lain-lain

Regresi Sederhana dan Berganda (Cross Section dan Time Series)

  • Estimasi model.
  • Asumsi klasik
  • Treatment jika tidak lolos uji asumsi klasik tanpa mengubah atau memanipulasi variabel atau data.
  • dan lain-lain

Regresi Cross Section dan/atau Panel data Menggunakan Variabel Kontrol atau Instrumen atau Intervening

  • Pengujian model menggunakan regresi yang memakai variabel kontrol atau instrumen atau intervening.
  • Uji Kelayakan Model atau Postestimation Test atau Uji Asumsi Klasik: Uji sargant, Uji hansen, Underidentification Test, Weak Identification Test, Overidentification Test, Uji Autokorelasi dan Heteroskedastisitas
  • Treatment jika model tidak layak tanpa mengubah data dan variabel.
  • dan lain-lain

Panel Data Statis

  • Pengujian model common effect (pooled least square), fixed effect, random effect
  • Pemilihan model menggunakan Chow, Hausman, LM Test
  • Uji asumsi klasik untuk panel data autokorelasi (Wooldridge test for autocorrelation in panel data), heteroskedastisitas (Modified Wald test for heteroskedasticity in panel data), multikolinieritas (pairwise correlation for panel data), normalitas (skewness and kurtosis test for panel data), cross sectional dependence (Pesaran’s test of cross sectional independence in panel data)
  • Treatment jika model tidak layak atau tidak lolos uji asumsi klasik tanpa harus mengubah atau memanipulasi data dan variabel.
  • dan lain-lain

Panel Data Dinamis

  • Panel data GMM (Generalized Method of Moment)
  • Panel data GMM Arrelano Bond 1
  • Panel data GMM Arrelano Bond 2
  • Uji kelayakan model atau postestimation test untuk panel data dinamis.
  • dan lain-lain

Regresi Cross Section dan/atau Panel data Menggunakan Variabel Kontrol atau Instrumen atau Intervening

  • Pengujian model menggunakan regresi yang memakai variabel kontrol atau instrumen atau intervening
  • Uji Kelayakan Model atau Postestimation Test atau Uji Asumsi Klasik: Uji sargant, Uji hansen, Underidentification Test, Weak Identification Test, Overidentification Test, Uji Autokorelasi dan Heteroskedastisitas
  • Treatment jika model tidak layak tanpa mengubah data dan variabel
  • dan lain-lain

Pengolahan Data Menggunakan EViews

Cross Section

  • Regresi Logistik dan Dummy
  • Regresi sederhana (Ordinari Least Square / OLS) dan berganda (Multiple Regression)
  • Persamaan Simultan
  • dan lain-lain

Time Series

  • ARCH, GARCH, TARCH, EGARCH
  • ARIMA, AR (Autoregressive), MA (Moving Average)
  • Error Correction Model (ECM)
  • Regresi Time Series
  • Structural Vector Auto Regression (SVAR)
  • Vector Auto Regression (VAR)
  • Vector Error Correction Model (VECM)
  • dan lain-lain

Panel Data

  • Pengujian model common effect (pooled least square), fixed effect, random effect
  • Pemilihan model menggunakan Chow, Hausman
  • dan lain-lain

Pengujian Statistik Deskriptif

  • Mean, Median, Maximum, Minimum, Standard Deviasi, OMS
  • Analisis Rasio (sesuai kebutuhan peneliti)
  • Distribusi frekuensi Profil Responden (untuk data kuesioner).
  • dan lain-lain

Pengujian Hipotesis

  • Compare Mean (One Sample t test, Paired Sample t test, ANOVA)
  • Analisis Korelasi, Menjelaskan Hubungan antar Variabel. Meliputi : Uji Partial & Uji Bivariate Correlation Product Moment
  • Analisis Regresi, Simple regression (Uji t Parsial), Multiple Regression (Uji F Simultan), Uji R (Koefisien Korelasi), Uji R Square (Koefisien of Determinasi)
  • Analisis Regresi, Simple regression (Uji t Parsial), Multiple Regression (Uji F Simultan), Uji R (Koefisien Korelasi), Uji R Square (Koefisien of Determinasi)
  • Analisis Regresi Logistik (Logistic Regression Model)
  • dan lain-lain

Pengolahan Data Menggunakan Analisa Input Output

Input Output

  • Pengolahan data Analisa Input Output (Output Multiplier, Input Multiplier, Income Multiplier, Employment Multiplier, Ghoshian Inverse, Analisa Dampak, Final Demand Scenarios, Key Sectors Analysis, Forward dan Backward Linkage, Leontief Inverse)
  • Inter Regional Input Output (IRIO)
  • Updating Input Output (mengupdate tabel IO yang tersedia menjadi tabel IO tahun yang diinginkan.
  • Agregasi dari banyak sektor atauregional ke sedikit sektor atauregional dan sebaliknya.
  • dan lain-lain

Sistem Neraca Sosial Ekonomi (SNSE) atau Social Accounting Matrix (SAM)

  • Updating Tabel SNSE dan Matriks Transaksi
  • Matriks Pengganda/Multiplier (Ma) = Analisa Dampak Total/Dampak Langsung dari kebijakan pemerintah atau shock eksternal mempengaruhi sektor produksi, faktor produksi, dan institusi. Siapa saja yang mendapat dampak paling besar dan seberapa besar
  • Analisa Dekomposisi merupakan analisa dampak spesifik dari kebijakan pemerintah atau shock eksternal mempengaruhi sektor produksi, faktor produksi, dan institusi. Siapa saja yang mendapat dampak paling besar dan seberapa besar: Dampak/Shock interblock (M1),Dampak/Shock open loop (M2), Dampak/Shock close loop (M3)
  • Structural Path Analysis (SPA) merupakan analisa untuk melihat bagaimana jalur pengaruh dari dampak shock eksternal atau kebijakan pemerintah mempengaruhi sektor ptroduksi, faktor produksi, dan iinstitusi: Pengaruh langsung, Pengaruh total, Pengaruh global
  • dan lain-lain

Pengolahan Data Valuasi

Valuasi Aset dan Nilai Perusahaan

  • Berapa nilai intrinsik dan aset perusahaan saat ini
  • Apakah nilai perusahaan undervalue atau overvalue
  • Saran dan rekomendasi bagi manajemen dan pemegang saham menyikapi hasil penelitian
  • Discounted Cash Flow Model
  • Present Value of Operating Free Cash Flow
  • Present Value of Free Cash Flow to Equity
  • Relative Valuation Techniques
  • Valuasi dengan Free Cash Flow to Firm (FCFF)
  • Valuasi dengan Free Cash Flow to Equity (FCFE)
  • Perbandingan Price/Book Value Ratio (P/BV) perusahaan, industri, dan sektor
  • Perbandingan Price/Earning Ratio (PE Ratio) perusahaan, industri, dan sektor
  • The Stable Growth of FCFF Model
  • Two-stage FCFF Model
  • Two-stage Devidend Discount Model

Valuasi Kelayakan Akuisisi Perusahaan

  • Apakah perusahaan target layak dibeli
  • Berapa harga yang layak untuk pengakuisisian perusahaan target
  • Berapa nilai perusahaan sebelum akuisisi (stand alone)
  • Berapa nilai perusahaan setelah akuisisi (gabungan)
  • Laporan keuangan perusahaan sebelum akuisisi (stand alone)
  • Laporan keuangan perusahaan setelah akuisisi (gabungan)
  • Analisa vertikal dan proyeksi produksi, pemasukan dan pengeluaran masa depan
  • Analisa terminal value
  • Analisa kelayakan akuisisi jika pembelian menggunakan saham
  • Analisa kelayakan akuisisi pembelian menggunakan cash
  • Simulasi kelayakan akuisisi berbagai skenario
  • Analisa sensitifitas

Pengolahan Data Studi Kelayakan Bisnis

Kelayakan Investasi (Bisnis, Usaha atau proyek)

  • Perhitungan kelayakan bisnis, usaha, dan proyek. Berapa nilai rupiah keuntungan bersih bagi owner dalam periode tertentu. Kapan balik modal. Seberapa besar returnnya. Apakah sebaiknya invest atau diinvestasikan ke alternatif lain. Termasuk network diagram dan Gantt Chart pengerjaan investasi

Real Option Analysis - Model Modified Black Scholes untuk Investasi (Bisnis, Usaha, Proyek)

  • Option to Delay. Valuasi pada umumnya mengasumsikan bahwa cashflow tidak berubah. Realitasnya cashflow berubah sepanjang waktu. Ketika nilai suatu investasi negatif (investasi tidak menguntungkan) saat ini, belum tentu di masa depan. Real option dapat memprediksi nilai investasi di masa depan. Jika nilainya positif (investasi menguntungkan) di masa depan maka investasi seharusnya ditunda untuk dikerjakan di masa depan
  • Option to Expand. Investasi yang dilakukan saat ini yang ditujukan untuk ekspansi ke pasar baru di masa depan merupakan opsi untuk ekspansi. Nilai investasi tersebut di saat ini kemungkinan besar negatif (investasi tidak menguntungkan), tapi investasi tersebut tetap harus dikerjakan jika nilai di masa depan positif (investasi menguntungkan)
  • Option to Abandon Project. Realita di lapangan, tidak semua investasi sukses sesuai dengan apa yang dihitung diatas kertas. Apakah kita harus meninggalkan atau melikuidasi investasi tersebut. Sebaiknya hitung terlebih dahulu opsi untuk meninggalkan atau melikuidasi investasi tersebut
  • Binomial Option Pricing. Menggunakan model advance dari Black-Scholes untuk mengambil keputusan kompleks dalam bentuk decesion tree analysis
  • Game Theory Analysis. Menghitung nilai suatu strategi suatu investasi dari 2 perusahaan yang saling berkompetisi. Analisa ini penting dipergunakan untuk mengevaluasi investasi di lingkungan yang kompetitif

Scenario Analysis

  • Perhitungan keuangan dalam perencanaan atau pengembangan bisnis melalui berbagai skenario sehingga bisa dilihat skenario mana yang paling baik untuk diimplementasikan
  • dan lain-lain

Sensitivity Analysis

  • Menghitung sensitifitas masing-masing asumsi bisnis sehingga bisa diketahui sensitifitas dari masing-masing asumsi, seperti berapa harga jual produk agar profit sebesar nominal tertentu, berapa kamar hotel yang harus dibangun agar balik modal dalam tiga tahun, berapa penjualan agar return sebesar 200%, dll
  • dan lain-lain

Akuntansi Aktiva

  • Menentukan opsi yang paling memaksimumkan keuntungan diantara pilihan apakah membeli aktiva atau leasing aktiva melalui metode operating leasing atau leasing aktiva melalui metode capital leasing
  • Menentukan opsi terbaik apakah mengganti aktiva lama atau menunda penggantian aktiva lama
  • Menentukan aktiva yang akan dibeli dari beberapa alternatif aktiva dimana aktiva yang dipilih adalah aktiva yang memaksimumkan keuntungan

Pengolahan Data Menggunakan OxMetrics

Univariate ARCH GARCH Model

  • The random walk hypothesis (RWH), The Variance-ratio test, Runs test, Rescaled Range Tests
  • GARCH Model, EGARCH Model, GJR Model, APARCH Model, IGARCH Model, RiskMetricsTM, Fractionally Integrated Models, Forecasting the Conditional Variance of GARCH-type models
  • Constrained Maximum Likelihood and Simulated Annealing, Accuracy of G@RCH, Simulations

Value-at-Risk (VaR) estimation using GARCH

  • VaR Models, RiskMetrics, Normal APARCH, Student APARCH, Skewed-Student APARCH
  • Model for VaR assessment, In-sample VaR, Out-of-sample VaR, Realized Volatility and Intraday Seasonality
  • Introduction to diffusion models, Integrated Volatility, Realized Volatility, Realized Volatility and Jumps, Lee-Myklands Statistics for Detecting Jumps at Ultrahigh-Frequency, Intraday Seasonality, Evidence of intraday seasonality, Modelling simultaneously the systematic components of volatility
  • dan lain-lain

Multivariate GARCH Models

  • Uji Multikolinearitas: Collinearity Diagnostic with Tolerance dan VIF
  • Uji Heterokedastisitas: Scatter Plot, SRESID dan ZPRED
  • Uji Autokorelasi: Durbin Watson.
  • dan lain-lain

Pengujian Statistik Deskriptif

  • Estimating MGARCH Models, Conditional mean specification, Generalizations of the univariate standard GARCH model
  • RiskMetrics and BEKK models (Scalar BEKK dan Diagonal BEKK), Linear combinations of univariate GARCH models, Conditional correlation models, Dynamic Conditional Correlation GARCH (Engle, Tse and Tsui, DECO), OGARCH, GOGARCH MLGOGARCH NLS
  • Maximum Likelihood, Two-step estimation, Variance Targeting, Diagnostic Checking, Portmanteau Statistics, CCC Tests.
  • dan lain-lain

Discrete choice models

  • Binary discrete choice, The binary logit and probit model
  • Multinomial discrete choice, The multinomial logit model, Weighted estimation, Estimated probabilities, Likelihood ratio tests, Derivatives of probabilities, Histograms, Norm observations, Observed versus predicted, Outlier analysis
  • Marginal fixed effect
  • dan lain-lain

Panel Data Implementation Details

  • Static panel-data estimation
  • Dynamic panel data estimation, Dynamic panel data, GMM, GMM Arrelano Bond, GMM Hoven Bond
  • Combined estimation
  • dan lain-lain

ARFIMA Implementation Details

  • The Arfima model, Autocovariance function, Estimation.
  • Regressors in mean, Exact maximum likelihood (EML), Modified profile likelihood (MPL), Non-linear least squares (NLS), Variance-covariance matrix estimates, Sample mean versus known mean, Fixing parameters, Weighted estimation, Z variables, Forecasting
  • dan lain-lain

Pengolahan Data Menggunakan Data Envelopment Analysis

Software Data Envelopment Analysis

  • DEAP (Data Envelopment Analysis Program)
  • DPIN (Decomposing Productivity Index Numbers)
  • FRONTIER 4.1
  • TFPIP (Total Factor Productivity Index Program)
  • dan lain-lain

Konsep Data Envelopment Analysis

  • Pendahuluan : Konsep efisiensi, jenis efisiensi, metode pengukuran efisiensi, pengukuran efisiensi di institusi
  • Data Envelopment Analysis: Single input dan single output, single output dan dua input
  • Formula Matematis: Fractional DEA Programs, Input Minimization DEA Program, Output Maximization DEA Program, General Forms Primal-Dual DEA Models, Input-Output Oriented DEA
  • Economies of Scale: Increasing Return to Scale, Decreasing Return to Scale, Variable Return to Scale, Constant Return to Scale
  • dan lain-lain

Univariate dan Multivariate

  • Uji Beda Rata-Rata (Parametric dan Non-Parametric)
  • Uji Korelasi
  • Uji Deskriptif (Analisa mean, median, standar deviasi, normalitas, kurtosis, skewness, Analisa frekuensi, Analisa tabulasi dan cross tabulasi, Analisa grafik).
  • dan lain-lain

Aplikasi Data Envelopment Analysis

  • Langkah-langkah penelitian efisiensi menggunakan DEA
  • Menentukan DMU penelitian
  • Menentukan pendekatan set of operational goals penelitian
  • Menentukan input-output variabel penelitian
  • Bagaimana setting data colletion penelitian
  • Menentukan model DEA yang akan dipergunakan dalam penelitian
  • Penjelasan teknis engolahan data beberapa menggunakan software DEA
  • Mempersiapkan data untuk diolah
  • Mengolah data yang sudah siap diolah menggunakan software DEA
  • dan lain-lain

Pengolahan Data Menggunakan Matlab

Macroeconomic Measures

  • Costly Asset-Price Boom/Bust Cycles
  • Property-Price, Equity-Price, and Credit-Gap Indicators
  • Macroprudential Regulation
  • dan lain-lain

Granular Foundations and Network Measures

  • The Default Intensity Model
  • Network Analysis and Systemic Financial Linkages
  • Simulating a Credit Scenario
  • Simulating a Credit-and-Funding-Shock Scenario
  • Granger-Causality Networks
  • Bank Funding Risk and Shock Transmission
  • Mark-to-Market Accounting and Liquidity Pricing
  • dan lain-lain

Forward-Looking Risk Measurement

  • Contingent Claims Analysis
  • Mahalanobis Distance
  • The Option iPoD
  • Multivariate Density Estimators
  • Simulating the Housing Sector
  • Consumer Credit
  • Principal Components Analysis
  • dan lain-lain

Principal Components Analysis

  • GDP Stress Tests
  • Lessons from the SCAP
  • A 10-by-10-by-10 Approach
  • dan lain-lain

Cross-Sectional Measures

  • CoVaR
  • Distressed Insurance Premium
  • Co-Risk
  • Marginal and Systemic Expected Shortfall
  • dan lain-lain

Principal Components Analysis

  • GDP Stress Tests
  • Lessons from the SCAP
  • A 10-by-10-by-10 Approach
  • dan lain-lain

Measures of Illiquidity and Insolvency

  • CoVaR
  • Risk Topography
  • The Leverage Cycle
  • Noise as Information for Illiquidity
  • Crowded Trades in Currency Funds
  • Equity Market Illiquidity
  • Serial Correlation and Illiquidity in Hedge Fund Returns
  • Broader Hedge-Fund-Based Systemic Risk Measures
  • dan lain-lain

Pengolahan Data Menggunakan Analythical Hierarchy Process

Analisa SWOT

  • Identifikasi Visi dan Misi
  • Penentuan Strategi Perusahaan melalui Analisa SWOT
  • Internal Factor Evaluation
  • Pembobotan Strength dan Weakness
  • External Factor Evaluation
  • Pembobotan Opportunity dan Threat
  • Kuadran Matrix

Penentuan Tujuan Strategis (Goals) dan Indikator Penilaian (Alternatif)

  • Penentuan Tujuan Strategis (Goals) Masing-Masing Perspektif melalui Penerjemahan Visi, Misi, dan Strategi
  • Penentuan Alternatif atau Indikator Penilaian (Lag Indicator dan Lead Indicator) dari Tujuan Strategis Masing-Masing Perspektif melalui Analisa Hubungan Sebab Akibat antara Indikator Penilalian dan Tujuan Strategis
  • Membuat Strategy Map

Pengumpulan Data untuk Penilaian AHP

  • Menentukan Range Penilaian dan Target Penilaian untuk Penilaian Indikator Penilaian (Alternatif) dari Masing-Masing Tujuan Strategis dengan lag indicator
  • Membuat Kuesioner untuk Pembobotan Indikator Penilaian (Alternatif) Masing-Masing Tujuan Strategis
  • Tips Penyebaran Kuesioner

Penilaian AHP

  • Penilaian Indikator Penilaian (Alternatif) Masing-Masing Tujuan Strategis
  • Pembobotan Indikator Penilaian (Alternatif) Masing-Masing Tujuan Strategis
  • Pembuatan Matriks Perbandingan Berpasangan
  • Perhitungan Sintesis
  • Perhitungan Konsistensi Logis
  • Pembobotan KPI dan Perhitungan Konsistensi Logis (CR) Masing-Masing Tujuan Strategis
  • Perhitungan Indeks Konsistensi (CI)
  • Penilaian Masing-Masing Perspektif
  • Penilaian Keseluruhan
  • dan lain-lain

Pengolahan Data Menggunakan R Project

Penggunaan Grafik

  • Membuat grafik bar untuk variabel kategorikal
  • Bagaimana menyimpan grafik, tabel dan image yang telah dibuat
  • Membuat grafik histogram untuk variabel kuantitatif
  • Membuat box plots untuk variabel kuantitatif
  • menggunakan Overlying Plots dan Layering Plots untuk mengkostumisasi plot dengan kostumisasi tanpa batas

Pengujian Statistik

  • Aplikasi pengujian dan perhitungan frekuensi dan statistik deskriptif
  • pengujian hipotesis dan confidence interval
  • pengujian hipotesis dan confidence interval: pengujian rata-rata
  • pengujian one sample chi-square test
  • pengujian robust statistics dan analisa univariate.
  • dan lain-lain

Memodifikasi dan Memanipulasi Data

  • mentransformasi data
  • menguji variabel composite
  • mengatasi data missing.
  • mengatasi data outliers

Memodifikasi dan Memanipulasi Data File

  • menggunakan case data tertentu (selecting case)
  • menganalisa berdasarkan data subgroup tertentu
  • menggabungkan (merging) data
  • dan lain-lain

Mengkonfigurasi Grafik Berdasarkan Asosiasi Tertentu

  • membuat chart (grafik) bar untuk group tertentu
  • membuat chart (grafik) box plot untuk group tertentu
  • membuat chart (grafik) scatter plot untuk group tertentu.
  • dan lain-lain

Pengujian Statistik Berdasarkan Asosiasi Tertentu

  • menguji korelasi
  • menguji rata-rata paired simple t-test
  • menguji rata-rata One-Factor Analysis of Variance (ANOVA)
  • menguji comparing proportion
  • membuat cross tabulasi untuk variabel kategorikal
  • menguji robust statistics untuk asosiasi bivariate associations.
  • menguji regresi bivariate
  • menguji rata-rata dengan t-test
  • dan lain-lain

Membuat Grafik Dengan 3 atau Lebih Variabel

  • membuat clustered bar charts berdasarkan rata-rata
  • membuat scatter plots berdasarkan data group tertentu
  • membuat matriks scatter plot matrices
  • membuat 3D scatter plots.
  • dan lain-lain

Pengujian Statistik Untuk 3 Atau Lebih Variabel

  • membuat pengujian multiple regression
  • membuat pengujian means with a two-factor ANOVA
  • membuat pengujian analisa kluster (cluster analysis)
  • membuat pengujian analisa faktor (principal components/factor analysis)
  • dan lain-lain

Lain-Lain

Pengolahan Data Menggunakan Lisrel



LISREL merupakan software pintar yang dikembangkan oleh Karl Joreskorgdan Dag Sorbom dari Uppsala University. LISREL sendiri adalah singkatan dari Linear Sructural Relationship.

Pengolahan Data Menggunakan Classification and Regression Tree (CART)



CART adalah suatu metode nonparametrik dimana setelah didapatkan model klasifikasinya, maka struktur data dapat dilihat secara visual, sehingga memudahkan dalam eksplorasi dan pengambilan keputusan, selain itu CART dapat mengekplorasi struktur data yang komplek dengan banyak variabel

CART adalah salah satu metode nonparametrik dari salah satu teknik eksplorasi data yaitu suatu teknik pohon keputusan (decisions tree). Jika variabel responnya berupa variabel kontinu maka disebut regresi pohon (regression trees), jika variabel responnya kategorik maka metode CART menghasilkan classification trees (pohon klasifikasi) (Breiman, Friedman, Olshen dan Stone, 1984). Klasifikasi pohon merupakan metode alternatif untuk memodelkan dan memprediksi nilai variabel respon berjenis kategorik yang dipengaruhi variabel-variabel bebas berjenis kategorik, kontinyu ataupun kombinasi keduanya