Info Lengkap: Stata Tutorial: Contoh Analisa Data Susenas dan Survey Industri
http://www.ipromart.co.id/tutor/wp-content/uploads/2015/03/analisa-data-stata-menggunakan-data-susenas.png
Apa Saja Yang Anda Dapatkan?
Modul Lengkap dan Sistematis
Materi yang lengkap dan sistematis memudahkan Anda mendapatkan pemahaman yang holistik dan menyeluruh
Download Bahan Kursus
Semua bahan kursus (materi, data, studi kasus, software, dan video tutorial bisa Anda download untuk dipelajari secara offline. Sebagian besar file dalam format microsoft word agar memudahkan untuk copy-paste atau modifikasi lainnya
Video Tutorial
Langkah-langkah pengolahan data menggunakan video tutorial yang memudahkan Anda memahami setiap langkah dengan cepat dan sistematis
Support Penelitian
Jika Anda sedang melakuan penelitian, maka Anda mendapat support penelitian berupa bimbingan, arahan, dan evaluasi.
Support dilakukan secara online. Anda bisa memanfaatkan Notes & Discussion (Diskusi privat dengan instruktur); Forum (Diskusi publik dengan instruktur dan member lain); dan Private Message.
Support offline dilakukan melalui telepon, email, whatsapp, bbm, dan pertemuan by schedule (hanya bisa di kampus UI, Depok)
Sertifikat
Anda bisa memanfaatkan penelitian Anda sebagai pengganti tugas dan ujian untuk mendapatkan sertifikat. Nilai pada sertifikat didasarkan atas evaluasi kami terhadap pengerjaan penelitian Anda. Dengan demikian, Anda mendapat 2 hal: sertifikat dan penelitian yang terselesaikan. Jika Anda sedang tidak mengerjakan penelitian, untuk mendapatkan sertifikat, Anda bisa menyelesaikan tugas dan ujian online yang telah kami buat
Contoh atau Studi Kasus
Kami memberikan contoh atau studi kasus untuk memperdalam pemahaman materi dalam lingkup praktis pengolahan data
Software Included
Include software yang bisa Anda download serta step-by-step bagaimana proses instalasinya. Software terdiri dari 2 versi OS bisa dipergunakan pada Windows dan Mac.
Download EBook Bahan Perkuliahan
Download berbagai ebook yang sering menjadi rujukan utama buku perkuliahan ekonomi, manajemen, dan keuangan seperti Gujarati, Brooks, Wooldridge, dll. Untuk men-support penulis, kami rekomendasikan untuk membeli langsung di Amazon
Download Jurnal Lokal Maupun Internasional
Tersedia kumpulan berbagai jurnal lokal maupun internasional sebagai rujukan penelitian Anda yang bisa Anda download. Sebagian besar adalah jurnal-jurnal berbayar. Untuk men-support penulis, kami rekomendasikan untuk membeli langsung ke sumbernya
Preview Materi Yang Akan Anda Pelajari
Manajemen Data Stata Dasar 1
Getting Started Stata
- Download dan instal Stata 13 di Windows atau Mac
- Membuat tampilan Stata menjadi lebih enak dilihat
- Cara mengoperasikan Stata
- Cara membuat direktori kerja
- Setting agar result stata tidak terpotong secara otomatis
- Cara membersihkan tampilan output/result dan data
Memasukan Data ke Stata
- Input data ASCII seperti spreadsheet
- Input data ASCII Unformatted seperti text file
- Membuka data file Stata
- Input data menggunakan menu Stata
- Save data yang telah diinput
- Lihat data yang telah diinput
- Edit data yang telah diinput
Dasar Statistik Deskriptif di Stata
- Cara menampilkan statistik deskriptif dasar di Output Stata
- Cara menampilkan statistik deskriptif yang spesifik di Output Stata
- Cara menampilkan tabel di Output Stata
- Cara menampilkan tabulasi data dan cross tabulasi data secara one-way atau two-way di Output Stata
Manajemen Data Stata Dasar 2
Getting Started Stata
- Mempertahankan banyak variabel
- Membuang banyak variabel
- Mempertahankan observasi tertentu
- Membuang observasi tertentu
Do-file Stata
- Apa itu do-file
- Mengapa dan kapan harus menggunakan do-file
- Membuat do-file
- Me-running do-file
- Tips do-file
- Membuat note pada do-file
Grafik Dasar di Stata
- Membuat grafik scatter plot
- Membuat grafik Histogram
- Membuat grafik Box plot
- Menampilkan judul, label, caption, dan legend pada grafik
- Menyimpan grafik
Word dan Excel
- Menampilkan output stata di microsoft word
- Menampilkan output stata di microsoft excel
Manajemen Data Stata Menengah
Fungsi Matematika dan Logika dalam Stata
- Fungsi matematika dalam stata
- Fungsi density dan probability distribution
- Fungsi string
- Memodifikasi dan memanipulasi variabel string
Manajemen Variabel Stata
- Membuat variabel
- Membuat variabel menggunakan fungsi matematika dan logika
- Menemukan observasi maksimum dan minimum dalam berbagai variabel
- Memberikan label dan value pada setiap variabel
- Mengganti value pada variabel numeric
- Me-recode value pada variabel numeric
- Mengganti value pada variabel kategorikal
- Me-encode dan decode value pada variabel kategorikal
- Mengganti value dari string menjadi numeric
- Mengganti value dari numeric menjadi string
- tostring dan destring
- Memverfikasi dan mengganti missing observation yang sering memiliki value yang tidak tepat
- Mengubah continuous variable menjadi categorical variable
- Membuat variabel indikator dari variabel kategorikal
- Menyusun berbagai variabel dalam dataset sesuai dengan kebutuhan
- order, move and placevar
Manajemen Data Stata Menengah 2
Manajemen Variabel Stata
- Menggabungkan 2 variabel atau lebih
- Membuat variabel kategorikal baru dari variabel kategorikal yang ada melalui value, group atau cutpoint tertentu
- Membuat group value dan tag value berdasarkan value tertentu
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas value minimal dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas value maksimal dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas rata-rata dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas median dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi value tertentu dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas jumlah observasi non-missing dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi difference dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi interquartile range dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi kurtosis dan skewness dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi modus dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi percentile dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas baris dan kolom dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi standar deviasi dari variabel tersebut
- Membuat variabel baru dari variabel yang sudah ada didasarkan atas fungsi jumlah dari variabel tersebut
Analisa Survival Menggunakan Stata
- Melakukan analisa survival dari risiko suatu event
- Menggunakan situasi kompleks seperti stset, timevar, failvar, people entering/exiting study, time dependent covariates, left censoring, dll
- Memahami berbagai fungsi survival dalam stata
- Estimasi Kaplan-Meier
- Fungsi persentile Kaplan-Meier
- Mengestimasi dan mengkomparasi fungsi survival dari subset data
- Membuat grafik Kaplan-Meier
- Pengujian statistik inferensi dari analisa survival
Manajemen Data Stata Lanjutan
Reshaping Datasets
- Teknik yang harus dilakukan jika ada banyak observasi dalam 1 individu
- Cara menggunakan wide format
- Cara menggunakan long format
- Tips melakukan Reshaping Datasets
Menggabungkan File atau Dataset
- Cara menggabungkan berbagai variabel di dataset yang berbeda
- Tips menggabungkan berbagai variabel di dataset yang berbeda
- Cara menggabungkan observasi dari berbagai variabel di dataset yang berbeda
- Tips menggabungkan observasi dari berbagai variabel di dataset yang berbeda
Stratified and Adjusted Analysis
- Manajemen data epidemologi (epitab)
- Menghitung sample size dan power calculations untuk biostats
- Membuat analisa stratifikasi
- Command tabodds, mhodds, cc, cs
Stata Programming
- Melakukan looping dari berbagai list variabel
- Melakukan pengulangan dari berbagai list variabel
- Programming “if” dengan “inlist” dan “inrange”
- Foreach command
- While command
Regresi Logistik
Pengenalan, Konsep, dan Teori dari Regresi Logistik
- Pengertian, konsep dan teori mengenai Linear Probability Model
- Pengertian, konsep dan teori mengenai Logit Model
- Pengertian, konsep dan teori mengenai Probit Model (Normit Model)
- Perbedaan dari Linear Probability Model, Logit Model, dan Probit Model (Normit Model)
Aplikasi Linear Probability Model di Stata
- Perhitungan dan pemodelan Linear Probability Model di Stata
- Melihat nilai prediksi dan error dari estimasi menggunakan Linear Probability Model di Stata
- Membuat Scatter Plot berdasarkan Fitted Values menggunakan Linear Probability Model di Stata
- Membuat Scatter Plot berdasarkan nilai Estimasi menggunakan Linear Probability Model di Stata
Membuat Scatter Plot nilai predicted berdasarkan nilai residual
Aplikasi Model Logit di Stata
- Perhitungan dan pemodelan Model Logit di Stata
- Melihat nilai prediksi dan error dari estimasi menggunakan Model Logit di Stata
- Menghitung dan memprediksi odds ratio Model Logit di Stata
- Memprediksi probabilitas pada different levels di setiap variable
- Efek marginal rata-rata dari setiap variabel perubah (multiplier)
- Pengujian Goodness of Fit Model Logit di Stata
- Pengujian Goodness of Fit Hosmer-Lemeshow Model Logit di Stata
- Pengujian Sensitivity dan Specitivity Model Logit di Stata
- Membuat Scatter Plot berdasarkan Fitted Values menggunakan Model Logit di Stata
- Membuat Scatter Plot berdasarkan nilai Estimasi menggunakan Model Logit di Stata
- Membuat Scatter Plot nilai predicted berdasarkan nilai residual
Aplikasi Model Probit di Stata
- Perhitungan dan pemodelan Model Probit di Stata
- Melihat nilai prediksi dan error dari estimasi menggunakan Model Probit di Stata
- Menghitung dan memprediksi odds ratio Model Probit di Stata
- Memprediksi probabilitas pada different levels di setiap variable
- Efek marginal rata-rata dari setiap variabel perubah (multiplier)
- Pengujian Goodness of Fit Model Probit di Stata
- Pengujian Goodness of Fit Hosmer-Lemeshow Model Probit di Stata
- Pengujian Sensitivity dan Specitivity Model Probit di Stata
- Membuat Scatter Plot berdasarkan Fitted Values menggunakan Model Probit di Stata
- Membuat Scatter Plot berdasarkan nilai Estimasi menggunakan Model Probit di Stata
- Membuat Scatter Plot nilai predicted berdasarkan nilai residual
Perbandingan Hasil Linear Probability Model, Logit Model, dan Probit Model (Normit Model) di Stata
- Perbandingan Hasil Linear Probability Model, Logit Model, dan Probit Model (Normit Model) di Stata melalui pengujian Goodness of Fit
- Perbandingan Hasil Linear Probability Model, Logit Model, dan Probit Model (Normit Model) di Stata menggunakan grafik scatter plot
Preview Studi Kasus Yang Akan Anda Pelajari
Studi Kasus 1: Dampak Bantuan Khusus Murid Miskin dan Bantuan Operasional Sekolah terhadap Angka Putus Sekolah Menggunakan Data Susenas
Tujuan Penelitian
- Mengetahui kemungkinan siswa tidak putus sekolah dan kemungkinan siswa putus sekolah jika mendapatkan Bantuan Khusus Murid Miskin (BKMM) dan jika tidak mendapatkan Bantuan Khusus Murid Miskin (BKMM)
- Mengetahui kemungkinan siswa tidak putus sekolah dan kemungkinan siswa putus sekolah jika mendapatkan Bantuan Operasional Sekolah (BOS) dan jika tidak mendapatkan Bantuan Operasional Sekolah (BOS)
Data Penelitian
Data Survey Sosial Ekonomi Nasional (SUSENAS) dari BPS.
Metode Penelitian
- Regresi logistik dengan success tidak putus sekolah dan failure putus sekolah. Variabel yang diujikan antara lain: banyaknya anggota rumah tangga, jenis kelamin, umur siswa, pendidikan siswa, pendidikan orang tua, dan pekerjaan orang tua. Perangkat yang digunakan adalah Stata
- Marginal effects after logit, cross tabulasi, tabulasi grafik. Perangkat yang digunakan adalah Stata
Studi Kasus 2: Apa Saja dan Bagaimana Karakteristik Penerima JPS dan Karakteristik Siswa yang Putus Sekolah Menggunakan Data IFLS
Tujuan Penelitian
Apa Saja dan Bagaimana Karakteristik Penerima JPS dan Karakteristik Siswa yang Putus Sekolah Menurut Data IFLS
Data Penelitian
Data Indonesia Family Life Survey (IFLS).
Metode Penelitian
- Regresi logit; regresi logit instrumental variabel
- Regresi probit; regresi probit instrumental variabel
- Untuk menguji apa saja dan bagaimana karakteristik penerima JPS digunakan uji regresi probit dengan karakteristik penerima JPS antara lain: Pengeluaran per kapita keluarga siswa SD, Pengeluaran per kapita keluarga siswa SMP, Pengeluaran per kapita keluarga siswa SMA, Pendapatan keluarga 1 tahun terakhir, Pendidikan tertinggi kepala keluarga adalah SD, Pendidikan tertinggi kepala keluarga adalah SMP, Pendidikan tertinggi kepala keluarga adalah SMA, Keluarga adalah anggota komunitas, Salah satu anggota keluarga bekerja di sektor jasa, Keluarga petani, Kepala keluarga wanita yang memproduksi sendiri makanan, Kepala keluarga tidak bekerja, Siswa SD tempat tinggal di desa , Siswa SMP tempat tinggal di desa, Siswa SMA tempat tinggal di desa, BKKBN Status: Pre-Prosperous, BKKBN Status: Prosperous I, BKKBN Status: Prosperous II, BKKBN Status: Prosperous III or IV, Makan paling tidak sehari dua kali, Punya pakaian ganti, Lantai rumah beralaskan tanah, Kegiatan keagamaan, Membeli obat bila membutuhkan, Usia anak 7 tahun, Usia anak 8 tahun, Usia anak 9 tahun, Usia anak 10 tahun, Usia anak 11 tahun, Usia anak 12 tahun, Usia anak 13 tahun, Usia anak 14 tahun, Usia anak 15 tahun, Usia anak 16 tahun, Usia anak 17 tahun, Usia anak 18 tahun, 1998/99 School Level: Lower Secondary, 1998/99 School Level: Upper secondary, Siswa SD wanita, Siswa SMP wanita, Siswa SMA wanita, Siswa SD sekolah swasta, Siswa SMP sekolah swasta, Siswa SMA sekolah swasta, Banyak anak usia sekolah di keluarga
- Untuk menguji apa saja dan bagaimana karakteristik siswa yang putus sekolah digunakan uji regresi probit dengan karakteristik siswa yang putus sekolah antara lain: Keluarga penerima JPS, Change in Exp per cap., Dec’98 -Aug’98 (‘00000 Rp) , August 1998 Expenditure per Capita (‘00000 Rp), Pendapatan turun selama 1 tahun terakhir, Pendidikan tertinggi kepala keluarga adalah SD, Pendidikan tertinggi kepala keluarga adalah SMP, Pendidikan tertinggi kepala keluarga adalah SMA atau lebih atas, Usia anak 7 tahun, Usia anak 9 tahun, Usia anak 10 tahun, Usia anak 11 tahun keatas, Usia anak 14 tahun, Usia anak 15 tahun, Usia anak 16 tahun keatas, Usia anak 17 tahun, Usia anak 18 tahun, Tinggal di desa, Wanita, Sekolah swasta, Banyak anak usia sekolah di keluarga, Keluarga petani, Kepala keluarga wanita, Memproduksi makanan sendiri
Cek Kursus Kami Yang Lain
belajar online
Ada Yang Ingin Ditanyakan?
Note: Ini adalah fitur baru di iTutor yang ditujukan bagi calon pendaftar yang ingin bertanya terlebih dahulu sebelum daftar. Selain menggunakan disqus, kamu juga bisa bertanya melalui private message dan chat. Jika kamu baru di iTutor baiknya Pelajari Slide Cara Kerja iTutor.
Info Lengkap: Stata Tutorial: Contoh Analisa Data Susenas dan Survey Industri
Stats Institute
No comments:
Post a Comment