Rabu, 25 September 2019

Bagaimana Cara Mempersiapkan Wawancara Kerja Baik Online Maupun Offline?


Nama               : Feby Anggun Nuralif
Kelas               : 4EB07
Mata Kuliah    : Manajemen Sumber Daya Manusia #


Studi Kasus : Bahasa dalam Wawancara Kerja


Istilah wawancara sering dikenal sebagai sebuah percakapan yang dilakukan oleh dua orang atau lebih yang berisi pertanyaan dari pihak pewawancara, pertanyaan yang diajukan pihak pewawancara merupakan apa yang tertera dalam surat lamaran atau pengalaman pekerja yang di tulis oleh pelamar, sehingga apa yang di tulis oleh pelamar merupakan tulisan yang jujur mengingat wawancara itu merupakan bentuk pembuktian atau klarifikasi dari apa yang tertulis dalam surat lamaran kerja.


  • Persiapan menghadapi wawancara kerja online
            Proses recuitment di era ini banyak perusahaan  melakukan wawancara jarak jauh melalui online dengan para kandidat yang berada di luar kota atau bahkan negara lain. Selain lebih menghemat waktu dan biaya, cara ini juga digunakan untuk menjaring lebih banyak kandidat dari berbagai daerah.
Tips yang persiapkan jika ingin melakukan wawancara kerja online:
1.      Kestabilan Koneksi Internet dan Peralatan Yang Memadai.
Pastikan bahwa jaringan memadai untuk mencegah ganguan teknis komunikasi, untuk kesan yang profesionalitas gunakan aplikasi pendukung video call dan peralatan pendukung seperti speaker ataupun headset.
2.      Lokasi yang Tepat.
Pilihlah tempat yang mendukung, memiliki background  untuk wawancara yang bagus dengan pencahayaan yang memadai dan hindari keramaian restoran atau kafe karena asumsinya akan ada banyak gangguan yang berpotensi mengalihkan perhatian dan menghambat proses wawancara.
3.      Busana yang Formal.
perhatikan penampilan dengan mengenakan busana formal yang mencerminkan seorang pekerja
4.      Melihat Kearah Kamera Bukan Monitor.
Saat wawancara berlangsung fokuslah ke kamera bukan monitor, posisikan kamera agar wajah nantinya dapat terlihat jelas, usahakan agar pihak pewawancara dapat melihat  setengah badan ataupun sebatas siku dan duduk dengan tenang dan tegak, tapi jangan sampai terlalu dekat.
5.      Buat Rencana Lain jika Koneksi Terputus.
Tidak bisa diprediksi kapan wawancara terputus, akan tetapi pelamar bisa membuat rencana lain saat koneksi terputus,  rencana lain yang bisa dilakukan adalah mencatat nomor telepon pewawancara baik nomor pribadi atau nomor kantor beserta alamat email dan bila yang berinisiatif seperti itu, mereka akan melihat bahwa pelamar sebagai pribadi yang kreatif dan juga pantang menyerah.
6.      Lakukan Persiapan dengan Matang.
interview bisa sukses adalah dengan berlatih terlebih dahulu, cara berlatih yang mudah bisa meminta bantuan teman untuk menjadi lawan bicara atau pihak yang akan mewancarai.
Biasanya interview online tersebut menggunakan aplikasi skype, pelajari hal-hal yang berkaitan dengan perusahaan dan posisi yang akan dilamar dan tunjukkan semangat dan sisi positif kepada pihak pewawancara.


  •        Persiapan menghadapi wawancara kerja offline.
            Wawancara ini biasanya dilakukan oleh pihak perusahaan untuk mengetahui seberapa besar potensi dan juga kemampuan dari pelamar pekerjaan atau calon karyawan, tujuan wawancara mencakup banyak hal, mulai dari untuk menggali keterampilan, mengetahui bagaimana motivasi kerja, dan juga untuk menyesuaikan etika kerja dengan standarisasi yang ada di perusahaan pewawancara, yang nantinya hasil dari wawancara akan menentukan hasil pelamar pekerjaan atau calon karyawan apakah bisa diterima atau tidak.

            Masalah yang biasanya terjadi adalah kurangnya percaya diri ataupun gugup, maka untuk menghindari masalah buruk seperti itu perlunya dilakukan persiapan sebelum memulai wawancara. 
Tips yang persiapkan jika ingin melakukan wawancara kerja offline:
1.      Berlatih Menjawab Pertanyaan.
Hal yang paling dasar dalam menghadapi wawancara, agar wawancara berjalan dengan baik maka buat daftar pertanyaan-pertanyaan umum yang cenderung diberikan pada saat wawancara kerja dapat membantu dalam  memberikan jawaban yang lebih tepat. Siapkan pertanyaan dan jawaban yang menurut anda (bayangkan diri sendiri sebagai direksi perusahaan) sesuai. Kematangan dan kesiapan dalam menghadapi pertanyaan interview ini tentu akan mempengaruhi segala aspek, mulai dari kepercayaan diri hingga keluwesan dalam menjawab.
2.      Berlatih Memperkenalkan Diri.
Point utama yang harus diperhatikan oleh semua orang yang akan melakukan wawancara kerja, apabila dalam memperkenalkan diri terlihat percaya diri dan tidak ragu, maka pewawancara akan tertarik untuk terus menggali lebih dalam tentang kemampuan dari  pelamar.  Namun, apabila pelamar memperkenalkan diri dengan ragu dan tidak percaya diri, maka sudah jelas, pihak pewawancara akan merasa bosan dan tidak tertarik lagi untuk menggali lebih dalam.
Oleh karena itu, melatih kemampuan untuk memperkenalkan diri sendiri tentu menjadi hal yang sangat penting untuk dilakukan.
Cara yang paling sederhana adalah dengan mempraktekannya di depan cermin, dengan melihat diri sendiri berbicara dan memperkenalkan diri dicermin, melihat dan mengoreksi gerak-gerik dan tatapan mata yang kurang.
3.      Pahami Posisi yang Hendak Dilamar.
Memahami posisi yang hendak di lamar sesuai tidak dengan apa yang pelamar kuasai, memahami posisi yang hendak di lamar berpengaruh pada ketertarikan pewawancara yang berpengaruh pada keberhasilan interview. Perusahaan sangat tertarik dengan  calon karyawan yang paham akan posisinya.  Secara otomatis, ini memahami posisi yang hendak dilamar tentu menjadi kunci utama yang harus dipersiapkan sebelum memulai interview.
4.      Penampilan yang Terbaik.
Sebelum melakukan wawancara, pilihlah pakaian yang bersih dan rapi. Selain itu, rapikan penampilan seperti memotong rambut, mencukur jenggot dan kumis, bagi perempuan dapat menata rambut dan menggunakan make up sederhana.
5.      Memperhatikan Waktu.
Hal terpenting yang harus diperhatikan dan dipersiapkan sebelum memulai interview tentu adalah waktu, jangan sekali-kali meremehkan waktu meskipun itu hanya satu menit.
Biasanya, interview kerja itu menerapkan kedisiplinan yang tinggi mengingat hal itu akan diterapkan di perusahaan nantinya.
6.    Terakhir, Jangan Lupa Berjabat Tangan dan Ucapkan Terima Kasih.
Setelah proses wawancara selesai, jangan langsung pergi begitu saja, untuk memberikan kesan yang baik pastikan berjabat tangan dengan pewawancara dan jangan lupa mengucapkan terima kasih.
Jika mempunyai kepercayaan diri lebih, dapat menambahkan mengucapkan harapan-harapan singkat sembari bersalaman. Misalnya, “Saya sangat berharap bisa bergabung di perusahaan ini”, atau kalimat lainnya.



REFERENSI :



Minggu, 16 Juni 2019

ANTECEDENTS OF PRONOUNS AND DANGLING CONSTRUCTION

Anggota kelompok :
1. Chintia Devi Gailea  21216138
2. Dina Agusti Astriani  22216069
3. Feby Anggun Nuralif  22216763
4. Ismayagita Cipta Rifinaya 23216616
5. Syahfita Nurulita Wael  27216229


ANTECEDENTS OF PRONOUNS
The word "antecedent" means something that precedes something else. In language, it is the word that a pronoun refers back to. Since the pronoun replaces the noun, it has to agree in number. So, if the antecedent, or word that comes before, is singular, then the pronoun that takes its place must also be singular. It can be confusing if there are several words between the pronoun and its antecedent. These words or clauses have no bearing on the words and they need to be ignored. Following are some special situations with examples of the correct way to have pronoun antecedent agreement.
  1. Compound subjects can be a problem. If the subjects are joined by an "and" then the pronoun needs to be plural, as in "Christina and Joey took their books. If the subjects are joined by "or" or "nor", then have the pronoun agree with the subject that is closer, or closest, to the pronoun. An example is "Either the actor or the singers messed up their performance.
  2. If the pronoun is referring to one thing or a unit, like a team or a jury, then the pronoun needs to be singular. An example is: "The jury has reached its verdict." Sometimes words sound plural and are not, like measles or the news. These would need a singular pronoun, as in: "Measles is not as widespread as it once was." This makes sense if you replace the word "measles" with "disease."

INDEFINITE PRONOUNS THAT ARE ANTECEDENTS
There are several rules concerning the use of indefinite pronouns as antecedents and the pronoun antecedent agreement. The following indefinite pronouns are singular and need a singular pronoun: one, no one, some one, everyone, anyone, nobody, anybody, somebody, everybody, nothing, anything, something, everything, each, either, neither. An example is "Everything here has its own box."
The plural indefinite pronouns: several, both, few, and many, need to have a plural pronoun, like in this sentence: "Several are there because of their looks."
Lastly, if there is an indefinite pronoun that is being modified by a prepositional phrase, then the object of the phrase will determine the agreement between the pronoun and its antecedent. These special indefinite pronouns are: some, most, all, any, or none. Look at these two sentences: "Most of the flour fell out of its canister" and "Many of the gems have lost their shine". If the object, like "flour" is uncountable, then the pronoun has to be singular (its). If the object is countable, like "gems", then the pronoun needs to be plural (their).

The examples of antecedents pronouns:
  1. A man who follow my account is my ex boyfriend (antecendent: A man, My ex boyfriend)
  2. I buy a new book and bring it to the campus (antecendent: A new book, It)
  3. I don’t like this song , it is so bad (antecendent: This song, It)


DANGLING CONSTRUCTION
Modifiers are words, phrases, or clauses that add description. In clear, logical sentences, It is often found right next to-either in front of or behind-the target words they logically describe.
Dangling modifiers are errors. Their poor construction confuses readers

Dangling construction example:
  • Hungry, the leftover pizza was devoured.
  • Hungry is a single-word adjective Notce that there s no one in the sentence for this modifier to describe. 
  • Fixing a dangling modifer will require more than raarrarging the words in the santence something nowis ofen noed to be addad so that the modiien inally has a target wcrd to describe. 
  • Hungry, we devoured the leftover pizza.

  • While running, my shoe lost its heel. (I couldn't slow that shoe down!) 
  • To avoid extinction, researchers hope to breed in captivity 
  • After taking a three-month bicycle trip through Montana, my dog was happy to see me.
  • After reading the book, the movie is going to be great.
  • Wrapped in wax paper, the picnickers couldn't see if the sandwiches were tuna or egg salad.
  • Rolling down the hill, Larry saw an avalance of rocks approaching


Minggu, 21 April 2019

Business Conversation


Kelompok :

1. Chintia Devi Gailea 21216138
2. Dina Agusti Astriani 22216069
3. Feby Anggun Nuralif 22216763
4. Ismayagita Cipta Rifinaya 23216616
5. Syahfita Nurulita Wael 27216229

Chintya : Good Morning Miss
Ita : Good morning. What can I do for you miss?
Chintya : I need to wash all of my clothes here.
Ita :  Ok miss. Here the cost washing clothes is Rp. 6.000 per kilos.
Chintya : How long that will finish?
Ita : It takes three days.
Chintya : Oh ok that’s good.
Ita : Can you give your clothes please, I will weight them.
Chintya :  Sure, here it is miss.
Ita : The total of your clothes are 2 kilos. So you have to pay Rp. 12.000
Chintya : Ok miss, here is the money.
Ita : Ok Thank you
Chintya : Is there any delivery service in this laundry?
Ita : Yes, there is also delivery service here. The cost is Rp. 10.000 if you live around Depok city and you only have to pay Rp. 5.000 if you live in Kelapa Dua.
Chintya : Oh that’s a good offer. I live in Kelapa Dua beside Lawson and this is Rp. 5.000 for the delivery payment.
Ita : Ok your clothes will be delivered at 4 pm. Thank you very much and have a nice day.
Chintya : Yeah, your welcome

(THREE DAYS LATER AT 5 PM)

Chintya : Excuse me.
Ita : Hello, what can I do for you miss?
Chintya : I washed my clothes here three days ago but some of my clothes were broken and my scarf was gone.
Ita : May I know the details of your broken clothesand the missing scraf?
Chintya : There is burned hole on the sleeve of my blouse and get faded on my white t-shirt. I also my mustard scarf.
Ita : Oh I am sorry to hear that. I will ask my staff about this first.
***
Ita : Hey come here please I need to talk to you guys.
Naya : Yes, what happened?
Ita : one of our customer complaining about our servicess some of her clothes was broken and her mustard scarf was gone. Did you guys make a mistake?
Feby : Yesterday, I was ironing her blouse then I got a call, when I came back I’m shocked because her blouse already got a burned hole. I didn’t realize If I hadn’t moved the iron. I’m very sorry for my negligence.
Naya : I did mistake yesterday, I’m not focus on my work until I don’t realize if I put a wrong t-shift color in washing machine. I’m so sorry because of my bad work.
Dina : I’m sorry miss I think I made a mistake by packing the scarfon another customer’s clothes.
Ita : Hmm… you guys made  a big mistakes. I will give you a chance but if you make a mistake again I might fire you. I hope you guys wont do the same mistakes anymore.
Feby, Naya 
& Dina :  Thank you miss
**
Ita : I’ve asked my staff about this problem and we sincerely apologize for our negligence.
Chintya : I don’t care whether all of you make a mistake or not. I just want you to be responsible for the losses that I get.
Ita : ok miss, what if I giving same money worth the priceof those clotes and I will return your laundry money ?
Chintya : hmm ok, I accept it. The price of an the clotehs is Rp 200.000
Ita : ok this is Rp 217.000 for your losses, laundry and delivery service.
Chintya : ok, thank you but sorry I have to go now.
Ita : ok miss, once again we apologize for the mistakes that we made. Have a nice day.
Chintya : its ok, have a nice day.

Commonly misused words:
1. Here
2. Hear
3. Then
4. Whether
5. Accept
Confusing related words 
1. Good
2. Hope
3. Might
4. May
Prepositions :
1. around
2. At
3. On
4. Of
5. To
6. About
7. Until
8. By
9. Beside

Minggu, 24 Maret 2019

SHORT BIOGRAPHY OF MERRY RIANA


"Million Dollar Dream" was an inspirational and motivational book titles written by Merry Riana a successful woman entrepreneur at a young age she also a Speaker, Trainer and Motivator Women become # 1 in Asia. Merry Riana who became one of her most successful Entrepreneur and motivators come from Indonesia, she was born on May 29, 1980 in Jakarta.
Her was the eldest of three brothers Merry journey begins in Singapore during riots in Jakarta in 1998. Ideals to lecture in the Department of Electrical Engineering from Trisakti University were dashed because of the incident.(1) Merry's father decided to send their children to study abroad and Singapore when it is an option that makes the most sense because it is relatively close, safe environment and a good education system.
Merry began studying in college with a major in Electrical and Electronics Engineering (EEE), Nanyang Technological University (NTU) in 1998.(2)
Her goal was probably because she wanted to help his father in running the business. Without adequate preparation for study road, Merry had failed the English test at the Nanyang Technological University.(3) Without adequate preparation of stock funds anyway, Merry borrow funds from the Government of Singapore. Her borrowed money from the Bank of Singapore Government scholarships of $ 40,000 and must be repaid after he graduated from college and work. Life is very alarming is encouraged to seek outside income. From start distributing pamphlets / flyers on the street, a flower shop keepers, and a waitress in the hotel Banquet.
When her realized his life did not change even after entering the second year of college, Merry began building a dream.
"I made a resolution when the 20th anniversary. I have to have the financial freedom before the age of 30. In other words, it should be a successful person. The Lowest point in my life makes me want to fulfill that dream, "said Merry.
Because no educational background and business experience, Merry gather information by attending various seminars and engage in student organizations related to the business world.(4)
Her tried a variety of business opportunities.  Marry tried luck with the thesis-making business, MLM business, try to play the stock(5), which all ended in failure. Merry also try to practice with a plunge into multi level marketing but ultimately lost 200 dollars.(6) Merry even once lost $ 10,000 when play money in the stock business. Merry started trying from the beginning to seriously study the ins and outs of the market. She had decided to pursue the financial planning industry.(7) Merry think that's the thing that will enable him to realize his dream in a relatively short time.
However, one reason that makes Merry unyielding was his young age and will single so he felt freer and more willing to take risks. Without feeling too overwhelmed by the possibility of failure or the need to succeed, Merry prefers to focus on the experiences and lessons that he could get during the early phases of his career.(8) Her worked 14 HOURS IN A DAY, standing near the MRT station and the bus stop to offer insurance, even he worked till midnight and come home at 2 in the morning, not to mention an uncertain income forced him back downsize to manage day-to-day needs.
Until finally he was successful as a Financial Consultant who sell financial products such as insurance and banking, kredit.deposito cards, savings, etc.. In the first six months of his career at Prudential, Merry managed to pay off his debts amounted to 40 thousand dollars in Singapore. He set up MRO (Merry Riana Organization). Together with his team at the MRO, Merry has a program to empower women and young children. A team at the institute even relatively young, aged 20-30 years.
In 2005, Her received the award in recognition of the Agency of The Year and Top Rookie Award Agency, until now marry has motivated and trained thousands of professionals and executives in the areas of sales, marketing and motivation.(9)
Merry Riana has a dream to provide positive impact of 1 million people in Asia, particularly in Indonesia. One of them by launching the book "Million Dollar Dream" is very inspiring and will be appointed to the big screen.
The book "Million Dollar Dream" itself has become a National Bestseller in just one month after its release. This book attracted public attention as Singapore and Southeast Asia to write about accomplishments Merry Riana generate S $ 1,000,000 at age 26 years.

Explanation:
1.      To Infinitive
2.      Gerund
3.      Past Perfect Tenses
4.      Gerund
5.      To Infinitive
6.      To Infinitive
7.      Past Perfect Tenses
8.      To Infinitive
9.      Present Perfect Tenses
Her : possesive pronoun





https://www.ib-article.com/2013/02/biography-of-merry-riana-as-succes.html
https://www.last.fm/music/Merry+Riana/+wiki
http://intisaribiografi.blogspot.com/2015/12/biography-of-merry-riana-most.html

Minggu, 08 Juli 2018

Tugas Vclass Statistika 2 2EB07 M13


Nama                           : Feby Anggun Nuralif
Npm                            : 22216763
Kelas                           : 2EB07
Matakuliah                  : Statistika 2
UJI ASUMSI KLASIK
TUGAS YG HARUS DIKERJAKAN DAN KUMPULKAN

1.      APAKAH  SEBAB-SEBAB AUTOKORELASI
1.      Kesalahan model (linier – non linier)
2.      Penggunaan Lag (inertia) è data observasi pada periode sebelumnya dan periode sekarang, kemungkinan besar akan saling ketergantungan (interdependence)
3.      fenomena cobweb è Munculnya fenomena sarang laba-laba terutama terjadi pada penawaran komoditi sektor pertanian è Misalnya, panen komoditi permulaan tahun dipengaruhi oleh harga yang terjadi pada tahun sebelumnya è ui tidak lagi bersifat acak (random), tetapi mengikuti suatu pola yaitu sarang laba-laba.
4.      Tidak memasukkan variabel yang penting
5.      Manipulasi data
2.      FAKTOR-FAKTOR YANG DAPAT MENYEBABKAN TIMBULNYA MASALAH AUTOKORELASI, ADALAH:
Terdapat banyak faktor-faktor yang dapat menyebabkan timbulnya masalah autokorelasi, beberapa faktor saja antara lain:
1.      Kesalahan dalam pembentukan model, artinya, model yang digunakan untuk menganalisis regresi tidak didukung oleh teori-teori yang relevan dan mendukung.
2.      Tidak    memasukkan   variabel    yang    penting. Variabel penting yang dimaksudkan di sini adalah variabel yang diperkirakan signifikan mempengaruhi  variabel  Y.  Sebagai  misal  kita ingin meneliti faktor apa saja yang mempengaruhi terjadinya inflasi. Secara teoritik, banyaknya Jumlah Uang Beredar (JUB) mempunyai kaitan kuat dengan terjadinya  inflasi. Alur berfikirnya seperti ini, semakin banyak JUB maka daya beli masyarakat  akan   meningkat  tentu   akan   pula diikuti dengan permintaan yang meningkat pula, Jika jumlah penawaran tidak mampu bertambah, tentu  harga  akan  meningkat,  ini  berarti  inflasi akan terjadi. Nah, tidak dimasukkannya JUB sebagai prediktor, sangat besar mengandung kecenderungan terjadinya autokorelasi.
3.      Manipulasi data. Misalnya dalam penelitian kita ingin  menggunakan  data  bulanan,  namun  data tersebut tidak tersedia. Kemudian kita mencoba menggunakan triwulanan yang tersedia, untuk dijadikan  data  bulanan  melalui  cara  interpolasi atau ekstrapolasi. Contohnya membagi tiga data triwulanan tadi (n/3). Apabila hal seperti ini dilakukan, maka sifat data dari bulan ke satu akan terbawa ke bulan kedua dan ketiga, dan ini besar kemungkinan untuk terjadi autokorelasi.
4.      Menggunakan data yang tidak empiris. Jika data semacam ini digunakan, terkesan bahwa data tersebut tidak didukung oleh realita. Misalnya pengaruh periklanan terhadap penjualan. Kalau dalam penelitian menggunakan data biaya periklanan bulan ke n dan data penjualan bulan ke n, besar kemungkinan akan terjadi autokorelasi. Secara empirik, upaya periklanan bulan ke n tidak akan secara langsung berdampak pada bulan yang sama, tetapi besar kemungkinan akan berdampak pada bulan berikutnya, jaraknya bisa 1 bulan, 2 bulan, atau lebih. Seharusnya data penjualan yang digunakan adalah  data  penjualan bulan ke  n+1 atau n+2 tergantung dampak empiris tadi. Penggunaan data pada bulan yang sama dengan mengabaikan empiris seperti ini disebut juga sebagai Cobweb Phenomenon.
3.      APAKAH YG DIMAKSUD DENGAN PENGUJIAN AUTOKORELASI
 Pengujian autokorelasi dimaksudkan untuk menguji ada tidaknya autokorelasi, yaitu masalah lain yang timbul bila kesalahan tidak sesuai dengan batasan yang disyaratkan oleh analisis regresi. Terdapat beberapa cara untuk mendeteksi ada tidaknya autokorelasi, antara lain melalui:
1.      Uji Durbin-Watson (DW Test).
2.       Menggunakan   metode   LaGrange   Multiplier (LM).
4.      DALAM  UJI DURBIN-WATSON (DW TEST). TERDAPAT BEBERAPA ASUMSI PENTING YANG HARUS DIPATUHI, APAKAH ITU :
Dalam DW test ini terdapat beberapa asumsi penting yang harus dipatuhi, yaitu:
·         Terdapat intercept dalam model regresi.
·         Variabel      penjelasnya      tidak      random
·         (nonstochastics).
·         Tidak ada unsur lag dari variabel dependen di dalam model.
·         Tidak ada data yang hilang.
·         υt= ρυt −1  + ε t
5.      COBA JELASKAN APA YANG DIMAKSUD DENGAN ASUMSI KLASIK!
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada.
6.      SEBUTKAN APA SAJA ASUMSI-ASUMSI YANG DITETAPKAN!
·         Asumsi 1: Linear regression Model. Model regresi merupakan hubungan linear dalam parameter.
·         Asumsi 2: Nilai X adalah tetap dalam sampling yang diulang-ulang (X fixed in repeated sampling). Tepatnya bahwa nilai X adalah nonstochastic (tidak random).
·         Asumsi 3: Variabel pengganggu e memiliki rata-rata nol (zero mean of disturbance). Artinya, garis regresi pada nilai X tertentu berada tepat di tengah. Bisa saja terdapat error yang berada di atas garis regresi atau di bawah garis regresi, tetapi setelah keduanya dirata-rata harus bernilai nol.
·         Asumsi 4: Homoskedastisitas, atau variabel pengganggu e memilikivariance yang sama sepanjang observasi dari berbagai nilai X. Ini berarti data Y pada setiap X memiliki rentangan yang sama. Jika rentangannya tidak sama, maka disebut heteroskedastisitas
·         Asumsi 5: Tidak ada otokorelasi antara variabel e pada setiap nilai xi dan ji (No autocorrelation between the disturbance).
·         Asumsi 6: Variabel X dandisturbance e tidak berkorelasi. Ini berarti kita dapat memisahkan pengaruh X atas Y dan pengaruh e atas Y. Jika X dan e berkorelasi maka pengaruh keduanya akan tumpang tindih (sulit dipisahkan pengaruh masing-masing atas Y). Asumsi ini pasti terpenuhi jika X adalah variabel non random ataunon stochastic.
·         Asumsi 7: Jumlah observasi atau besar sampel (n) harus lebih besar dari jumlah parameter yang diestimasi. Bahkan untuk memenuhi asumsi yang lain, sebaiknya jumlah n harus cukup besar. Jika jumlah parameter sama atau bahkan lebih besar dari jumlah observasi, maka persamaan regresi tidak akan bisa diestimasi.
·         Asumsi 8: Variabel X harus memiliki variabilitas. Jika nilai X selalu sama sepanjang observasi maka tidak bisa dilakukan regresi.
·         Asumsi 9: Model regresi secara benar telah terspesifikasi. Artinya, tidak ada spesifikasi yang bias, karena semuanya telah terekomendasi atau sesuai dengan teori.
·         Asumsi 10. Tidak ada multikolinearitas antara variabel penjelas. Jelasnya kolinear antara variabel penjelas tidak boleh sempurna atau tinggi.
7.      COBA JELASKAN MENGAPA TIDAK SEMUA ASUMSI PERLU LAKUKAN PENGUJIAN!
Tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, seperti: pengujian asumsi Multikolinearitas tidak harus dilakukan pada analisis regresi linear sederhana yang memiliki variabel respon dan prediktor hanya satu. Secara teoretis model OLS akan menghasilkan estimasi nilai parameter model penduga yang sahih bila dipenuhi asumsi Tidak ada Autokorelasi, Tidak Ada Multikolinearitas, dan Tidak ada Heteroskedastisitas. Apabila seluruh asumsi klasik tersebut telah terpenuhi maka akan menghasilkan hasil regresi yang best, linear, unbias, efficient of estimation (BLUE).
8.      JELASKAN APA YANG DIMAKSUD DENGAN AUTOKORELASI !
Autokorelasi adalah keadaan dimana variabel gangguan pada periode tertentu berkorelasi dengan variabel gangguan pada periode lain. Sifat autokorelasi muncul bila terdapat korelasi antara data yang diteliti, baik itu data jenis runtut waktu (time series) ataupun data kerat silang (cross section). Proses Autokorelasi terjadi ketika kovarian antara εi dengan εi tidak sama dengan nol dengan


JELASKAN KENAPA AUTOKORELASI TIMBUL !
Pada pengujian asumsi autokorelasi ini, diharapkan asumsi Autokorelasi tidak terpenuhi. Tetapi terkadang dalam suatu penelitian terjadi autokorelasi. Penyebab terjadinya autokorelasi ini adalah :
·         Kesalahan dalam pembentukan model, artinya, model yang digunakan untuk menganalisis regresi tidak didukung oleh teori-teori yang relevan dan mendukung.
·         Tidak memasukkan variabel yang penting. Variabel penting yang dimaksudkan di sini adalah variabel yang diperkirakan signifikan mempengaruhi variabel Y.
·         Manipulasi data penelitian
·         Menggunakan data yang tidak empiris. Jika data semacam ini digunakan, terkesan bahwa data tersebut tidak didukung oleh realita.
10.  BAGAIMANA CARA MENDETEKSI MASALAH AUTOKORELASI ?
Berikut ini merupakan cara-cara mengidentifikasi adanya kasus Autokorelasi :
1)      Pengujian Durbin-Watson yang menguji adanya autokorelasi pada lag-1. Pada Tabel Durbin-Watson[4]diperoleh Output Tabel, yaitu nilai Durbin-Watson batas bawah (dL) dan batas atas (dU). Kriteria pemeriksaan asumsi Autokorelasi residual menggunakan Nilai Durbin-Watson (d), yaitu:
·         Jika d < 2 dan d < dL , maka residual bersifat autokorelasi positif.
·         Jika d < 2 dan d > dU , maka residual tidak bersifat autokorelasi.
·         Jika d < 2 dan dL ≤ d ≤ dU , maka hasil pengujian tidak dapat disimpulkan.
·         Jika d > 2 dan 4 – d < dL , maka residual bersifat autokorelasi negatif.
·         Jika d > 2 dan 4 – d > dU , maka residual tidak bersifat autokorelasi.
·         Jika d > 2 dan dL ≤ 4 – d ≤ dU , maka hasil pengujian tidak dapat disimpulkan.

2)      Pengujian Autocorrelation Function (ACF) yang menguji adanya autokorelasi pada lag-1, lag-2, lag-3, dan seterusnya. Pada uji ACF, kasus autokorelasi terjadi ketika ada lag pada plot ACF yang keluar batas signifikansi (margin error).

3)      Pengujian Autokorelasi lainnya, seperti: Uji Breusch-Godfrey dan Uji Ljung-Box (gunakan software EVIEWS).
11.  APA KONSEKUENSI DARI ADANYA MASALAH AUTOKORELASI DALAM MODEL ?
Meskipun ada autokorelasi, nilai parameter estimator (b1, b2,…,bn) model regresi tetap linear dan tidak bias dalam memprediksi B (parameter sebenarnya). Akan tetapi nilai variance tidak minimum danstandard error (Sb1, Sb2) akan bias. Akibatnya adalah nilai t hitung akan menjadi bias pula, karena nilai t diperoleh dari hasil bagi Sb terhadap b (t = b/sb). Berhubung nilai Sb bias maka nilai t juga akan bias atau bersifat tidak pasti (misleading).
12.  JELASKAN APA YANG DIMAKSUD DENGAN HETEROSKEDASTISITAS !
Heteroskedatisitas adalah asumsi residual dari model regresi yang memiliki varian tidak konstan. Pada pemeriksaan ini, diharapkan asumsi Heteroskedatisitas tidak terpenuhi karena model regresi linier berganda memiliki asumsi varian residual yang konstan (Homoskedatisitas). Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya.
13.  JELASKAN KENAPA HETEROSKEDASTISITAS TIMBUL !
Penyebab terjadinya kasus heteroskedatisitas adalah:
·         Terdapat kesalahan input komponen/nilai variabel respon pada beberapa prediktor, sehingga pada komponen prediktor yang berbeda memiliki komponen variabel respon yang sama
·         Kasus Heteroskedatisitas terjadi secara alami pada variabel-variabel ekonomi
·         Terdapat pengaruh Heteroskedatisitas pada data time series yang umum terjadi pada variabel-variabel ekonomi yang memiliki volatilitas
·         Adanya Manipulasi Data yang menyebabkan residual data memiliki varian yang sistematik.
14.  BAGAIMANA CARA MENDETEKSI MASALAH HETEROSKEDASTISITAS ?
Berikut diberikan cara-cara mengidentifikasi adanya kasus Heteroskedatisitas:
1.      Dilakukan pemeriksaan denganmetode Grafik, seperti:
·         Pemeriksaan output scatter plot dari variabel respon (y) pada sumbu-Y dengan masing-masing variabel prediktornya (X) pada sumbu-X.
·         Pemeriksaan output scatter plot dari variabel residual (e) pada sumbu-Y dengan variabel prediksi respon (y-hat) pada sumbu-X.
·         Pemeriksaan output scatter plot dari variabel residual (e) pada sumbu-Y dengan masing-masing variabel prediktornya (X) pada sumbu-X.
2.      Dilakukan pengujian denganmetode Formal, meliputi: Uji Park, Uji Glejser, Uji Goldfeld-Quandt, Uji Breusch-Pagan/Godfrey, dan Uji White
15.  APA KONSEKUENSI DARI ADANYA MASALAH HETEROSKEDASTISITAS DALAM MODEL ?
Munculnya masalah heteroskedastisitas yang mengakibatkan nilai Sb menjadi bias, akan berdampak pada nilai t dan nilai F yang menjadi tidak dapat ditentukan. Karena nilai t dihasilkan dari hasil bagi antara b dengan Sb. Jika nilai Sb mengecil, maka nilai t cenderung membesar. Hal ini akan berakibat bahwa nilai t mungkin mestinya tidak signifikan, tetapi karena Sb nya bias, maka t menjadi signifikan. Sebaliknya, jika Sb membesar, maka nilai t akan mengecil. Nilai t yang seharusnya signifikan, bisa jadi ditunjukkan menjadi tidak signifikan. Ketidakmenentuan dari Sb ini dapat menjadikan hasil riset yang mengacaukan.
16.  JELASKAN APA YANG DIMAKSUD DENGAN MULTIKOLINEARITAS !
Multikolinearitas adalah asumsi yang menunjukkan adanya hubungan linear yang kuat diantara beberapa variabel prediktor dalam suatu model regresi linear berganda. Model regresi yang baik memiliki variabel-variabel prediktor yang independen atau tidak berkorelasi. Pada pengujian asumsi ini, diharapkan asumsi Multikolinieritas tidak terpenuhi.
17.  JELASKAN KENAPA MULTIKOLINEARITAS TIMBUL !
Penyebab terjadinya kasus Multikolinieritas adalah terdapat korelasi atau hubungan linear yang kuat diantara beberapa variabel prediktor yang dimasukkan kedalam model regresi, seperti: variabel-variabel ekonomi yang kebanyakan terkait satu dengan yang lain (intercorrelation).
18.  BAGAIMANA CARA MENDETEKSI MASALAH MULTIKOLINEARITAS?
·         Menghitung dan menguji koefisien korelasi diantara variabel-variabel prediktor. Terjadi kasus Multikolinieritas ketika terdapat korelasi yang kuat (atau signifikan) diantara variabel-variabel prediktor.
·         Mengecek nilai standard errordari masing-masing koefisien regresi [se(β)]. Kasus Multikolinieritas biasanya terjadi ketika nilai standard error dari koefisien regresi membesar, sehingga hasil ini akan cenderung menerima H0 (menyimpulkan bahwa koefisien regresi tidak signifikan) pada pengujian signifikansi parameter/koefisien regresi. Hal ini dapat terjadi, meskipun nilai koefisien regresinya tidak mendekati nol.
·         Menjumpai adanya output pengujian serentak koefisien regresi atau Uji ANOVA atau Uji F yang signifikan, tetapi output pengujian parsial koefisien regresi atau Uji t dari masing-masing variabel prediktor tidak ada yang signifikan.
·         Membandingkan output koefisien regresi dengan koefisien korelasiantara variabel respon dan prediktor. Pertama, kasus Multikolinieritas biasanya terjadi ketika terdapat perubahan hasil pengujian signifikansi pada koefisien regresi dan koefisien korelasi. Kedua, terjadi kasus Multikolinieritas ketika terdapat perubahan tanda koefisien (+/-) pada koefisien regresi dan koefisien korelasi.
·         Melakukan pemeriksaan nilaiVariance Inflation Factor (VIF) dari masing-masing variabel prediktor. Kasus Multikolinieritas terjadi ketika nilai VIFj > 10
19.  APA KONSEKUENSI DARI ADANYA MASALAH MULTIKOLINEARITAS DALAM MODEL?
Pengujian multikolinearitas merupakan tahapan penting yang harus dilakukan dalam suatu penelitian, karena apabila belum terbebas dari masalah multikolinearitas akan menyebabkan nilai koefisien regresi (b) masing-masing variabel bebas dan nilaistandar error-nya (Sb) cenderung bias, dalam arti tidak dapat ditentukan kepastian nilainya, sehingga akan berpengaruh pula terhadap nilai t. Hal itu akan berdampak pula pada standar error Sb akan menjadi sangat besar, yang tentu akan memperkecil nilai t. Logikanya adalah seperti ini, jika antara X1 dan X2 terjadi kolinearitas sempurna sehingga data menunjukkan bahwa X1=2X2, maka nilai b1 dan b2 akan tidak dapat ditentukan hasilnya
20.  JELASKAN APA YANG DIMAKSUD DENGAN NORMALITAS!
Asumsi Normalitas adalah asumsi residual yang berdistribusi Normal. Asumsi ini harus terpenuhi untuk model regresi linear yang baik. Uji Normalitas dilakukan pada nilai residual model regresi. Tujuan dilakukannya uji normalitas adalah untuk menguji apakah variabel penganggu (e) memiliki distribusi normal atau tidak. Pengujian normalitas data dapat dilakukan sebelum ataupun setelah tahapan analisis regresi.
21.  JELASKAN KENAPA NORMALITAS TIMBUL!
Penyebab terjadinya kasus Normalitas adalah:
·         Terdapat data residual dari model regresi yang memiliki nilai data yang berada jauh dari himpunan data atau data ekstrim (outliers), sehingga penyebaran datanya menjadi non-Normal.
·         Terdapat kondisi alami dari data yang pada dasarnya tidak berdistribusi Normal atau berdistribusi lain, seperti: distribusi binormal, multinormal, eksponensial, gamma, dll.
22.  BAGAIMANA CARA MENDETEKSI MASALAH NORMALITAS?
Berikut diberikan cara-cara mengidentifikasi adanya kasus Normalitas:
·         Dilakukan pemeriksaan denganmetode Grafik, yaitu pemeriksaan Normalitas dengan output normal P-P plot atau Q-Q plot. Asumsi Normalitas terpenuhi ketika pencaran data residual berada disekitar garis lurus melintang
·         Dilakukan pengujian denganmetode Formal, seperti: pengujian normalitas yang dilakukan melalui uji Kolmogorov-Smirnov, uji Anderson-Darling, uji Shapiro-Wilk, dan uji Jarque-Bera yang mana semua pengujian ini memiliki hipotesis interpretasi, yaitu:
H0 : Residual berdistribusi Normal
H1 : Residual tidak berdistribusi Normal
Asumsi Normalitas terpenuhi ketika pengujian normalitas menghasilkan P-value (Sign.) lebih besar dari α dengan nilai α ditentukan sebesar 1%, 5%, atau 10%.
23.  APA KONSEKUENSI DARI ADANYA MASALAH NORMALITAS DALAM MODEL?
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.  Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-Wilk.
24.  BAGAIMANA CARA MENANGANI JIKA DATA TERNYATA TIDAK NORMAL?
§  Melakukan transformasi variabelterhadap variabel respon (y) dan variabel prediktor (X). Transformasi yang digunakan adalah transformasi ln, akar kuadrat, dan Box-Cox.
§  Menggunakan transformasi pilihan untuk menstimulasi Normalitas[3], yaitu: transformasi ln-skewness (gunakan software STATA) yang dilakukan pada variabel respon (y), kemudian transformasi yang terbentuk diterapkan juga pada variabel prediktornya (X). Ketentuan transformasi ini dilakukan dengan mentransformasikan y dalam ln|y – k| secara iteratif sehingga ditemukan suatu nilai k yang menyebabkan nilai skewness-nya mendekati nol.
§  Menggunakan metode estimasi yang lebih advance, seperti: Regresi dengan pendekatan Bootstrapping, Regresi Nonparametrik, dan Regresi dengan pendekatan Bayessian.


Bagaimana Cara Mempersiapkan Wawancara Kerja Baik Online Maupun Offline?

Nama               : Feby Anggun Nuralif Kelas                : 4EB07 Mata Kuliah    : Manajemen Sumber Daya Manusia # ...