Diskusi Buku 1: Belajar Teknik Evaluasi Program Dengan Mudah dari Buku Ini

Bapak ibu peneliti tentu sudah akrab dengan Analisa Kerangka Logis (Logical Framework Analysis). Kurang lebih kerangka ini akan membedah suatu program atau proyek berdasarkan fase-fase kerjanya: mulai dari Input, Output, Outcome, dan Impact. Indikator-indikator ini nantinya akan dibandingkan dengan target yang telah ditetapkan di awal program, untuk menyimpulkan apakah kerja program/proyek tersebut sesuai rencana di awal atau tidak. Materi tentang LFA ini biasanya disampaikan pada pelatihan monitoring dan evaluasi baik di ruang kuliah, maupun pelatihan-pelatihan di tempat kerja lainnya.

Tutorial Ordered Logit-Probit: Mengukur Tingkat Kepuasan Konsumen Transportasi

Di suatu Kota di Planet Namek, Gubernur Brownis sudah tiga tahun meresmikan Em­-ar-ti. Sebuah moda transportasi seperti kereta listrik, untuk pelayanan dalam kota. Untuk mengevaluasi performa infrastruktur ini, ia meminta suatu tim untuk melakukan studi tentang kepuasan konsumennya.

Tutorial Conditional Logit-Probit: Persepsi Pemilih, dan Pemenangan Calon Kepala Daerah

Pada penelitian tertentu, kita ingin mengetahui secara langsung persepsi responden terhadap suatu outcome. Misalnya, persepsi pemilih pada beberapa aspek, terhadap para calon kepala daerah di suatu kabupaten/kota. Persepsi ini tentu sangat membantu untuk menentukan strategi marketing bagi para calon untuk mendongkrak suara. Tak hanya pilkada, simulasi ini bahkan bisa dijadikan alat antisipasi berkenaan hal-hal yang belum terjadi, seperti bencana misalnya.

Tutorial Multinomial Logit-Probit-2: Melihat Kecenderungan Pemilihan Produk

Ketika anda berbelanja bulanan pada sebuah minimarket, sebut saja BetaMart, tibalah saatnya anda menyambangi kompartemen khusus sabun. Di Kompartement tersebut, anda akan dihadapkan pada berbagai merk sabun, dengan berbagai ukuran, aroma, peruntukan jenis kulit, cair/padat, dan lainnya. Setelah melihat-lihat sebentar anda mengambil satu bungkus sabun cair dari merk MasBuoy, dan selanjutnya pergi ke kasir untuk membayar barang-barang yang sudah anda pilih. Termasuk sabun merk MasBuoy yang anda pilih tadi.

Tutorial Multinomial Logit-Probit-1: Stacked vs Unstacked Data Query

Bagi anda penyuka data, maupun yang terpaksa untuk menyukai data, mungkin karena alasan tugas, skripsi, tesis, desertasi, atau lainnya, mau tak-mau kita akan berhadapan dengan bentuk table/query, agar bisa menampilkan informasi yang bisa dibaca dengan mudah oleh para pembacanya. Maupun untuk tujuan analisis data lebih lanjut. Permodelan misalnya.

Tutorial Analisis Bi-Probit (Dua Outcome Biner Saling Terkait)

Dalam suatu studi, terkait model logistic, kita dihadapkan oleh variable biner yang berpasangan. Maksudnya ada dua variable biner independen, namun masing-masing variable bisa menghasilkan kesimpulan yang saling berkaitan (berkorelasi)/ saling menguatkan kesimpulan dalam model yang kita bangun. Misalnya Kita melakukan studi tentang keputusan seseorang bekerja (y₁), sekaligus keputusan sang pekerja untuk memiliki anak (y₂). Atau studi tentang afek samping alergi (y₁), dan turunnya panas dari studi pemberian obat pada tikus (y₂). Studi lainnya, melihat kebiasaan madol (y₁) dan tingkat prestasi siswa di sekolah (y₂).

Tutorial Regresi Count Data-2: Aplikasi

Melanjutkan postingan sebelumnya, pada postingan ini akan dibahas mengenai pengaplikasian regresi pada count data.

Tutorial Regresi Count Data-1: Sebaran Data Terbatas, Banyak Nol, Bikin Bias

Ada kalanya kita mendapatkan tugas / mencoba untuk melakukan studi terhadap satu variable yang sifat nilai bilangannya terbatas. Misalnya untuk menentukan willingness to pay kita mencoba menganalisis jumlah kunjungan masyarakat ke fasilitas kesehatan atau taman hiburan pada suatu kota. Bisa juga dalam rangka melihat antusiasme masyarakat terhadap promo yang ditawarkan dengan melihat kunjungan masyarakat ke suatu pusat perbelanjaan/ ke dokter. Atau yang dekat aktivitas kita, kunjungan ke bioskop dalam satu bulan.

PSM untuk Menghitung Dampak (part-2): Teori

Sebenarnya pembahasan Propensity Score Matching, umumnya selalu dikaitkan untuk keperluan menghitung treatment effect. Sebagaimana di posting sebelumnya, PSM digunakan untuk mencari pembanding dari suatu aktivitas, pada aktivitas lain dengan karakter yang memiliki kemiripan. Yakni melihat karakter yang serupa antara siswa yang mengikuti pembelajaran online, terhadap siswa yang mengikuti pelajaran tatap muka, untuk melihat dampak terhadap nilai ujiannya.

PSM untuk Menghitung Dampak (part-1)

Beberapa waktu yang lalu saya bantu-bantu ngolah data mengerjakan penelitian orang, menggunakan metode Propensity Score Matching. Bersyukur saya mempelajari satu metode menarik yang bisa digunakan secara praktis untuk beragam pekerjaan, khususnya terkait evaluasi.