MATEMATIKA EKONOMI 1 DERET HITUNG - ma … · Gambar 1.14 Tampilan kotak dialog shapiro wilk ......

MATEMATIKA EKONOMI 1 DERET HITUNG

METODE RISET

LAB. MANAJEMEN DASAR i LITBANG PTA 16/17

KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh. Puji syukur kami

panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya

sehingga modul praktikum Metode Riset ini dapat terselesaikan.

Modul praktikum ini merupakan penyempurnaan dari modul praktikum

sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat

meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman bagi

mahasiswa dalam melakukan penelitian-penelitian ekonomi. Selain itu, modul ini

juga dapat digunakan sebagai dasar suatu pandangan mahasiswa dalam melihat

keadaan perekonomian dan disesuaikan dengan teori-teori ekonomi yang ada.

Dengan penuh kesadaran, bahwa modul praktikum ini masih perlu

disempurnakan lagi, sehingga saran dan kritik untuk penyajian serta isinya sangat

diperlukan. Akhir kata, terima kasih kepada tim Litbang Metode Riset

Laboratorium Manajemen Dasar 2015/2016 yang turut berpartisipasi dalam

penulisan modul praktikum ini. Ucapan terima kasih juga kami sampaikan kepada

seluruh pihak yang berpartisipasi sehingga pelaksanaan praktikum ini dapat

berjalan dengan lancar.

Wassalamu’alaikum Warahmatullahi Wabarakatuh.

Depok, Agustus 2016

Tim Litbang

METODE RISET

LAB. MANAJEMEN DASAR ii LITBANG PTA 16/17

Penanggung Jawab

Adilah Layung Santini

Uji Normalitas

Fikri Sea Javanesa

Uji T

Yuna Indriani

Nalla Mutiara Candra

D

ANOVA

Rani Oktaviani

RLB

Yustia Kholifah Sandra

Staff

Lista Kuspriatni

Oktavia Anna Rahayu

SUSUNAN TEAM LITBANG METODE RISET

Puji Nurul H

Danny Rachman

Oka Febyola

Dimas Setya Aji

Tia Ayu Ningsih

Siti Fariza Gita

Dian Fajar

Ronaldo Viktor

Hayyu Annisa

Dicka Ariptian

Wulan Ratna Dewi

Dwi Puspita Sari

Yuni Ridho Asih

Dicka Ariptian

Lulu Soraya

Rahmadita Fandani

Gita Ratna Sari

Dimas Setya Aji

METODE RISET

LAB. MANAJEMEN DASAR iii LITBANG PTA 16/17

DAFTAR ISI

Halaman

KATA PENGANTAR ...................................................................................... i

SUSUNAN TEAM LITBANG ........................................................................ iii

DAFTAR ISI ...................................................................................................... iii

DAFTAR TABEL ............................................................................................. v

DAFTAR GAMBAR ........................................................................................ vi

UJI NORMALITAS

I. Konsep dasar riset ........................................................................... ... 1

II. Uji normalitas .................................................................................. ... 2

III. Contoh kasus ................................................................................... ... 7

IV. Langkah-langkah software r-commander ........................................ ... 8

V. Analisis pengujian ............................................................................. 14

UJI T

UJI T - SAMPEL BEBAS

I. Pendahuluan ...................................................................................... 15

II. Contoh kasus ..................................................................................... 17

III. Langkah-langkah software r-commander ......................................... 18

IV. Analisis pengujian ............................................................................. 24

UJI T - SAMPEL BERPASANGAN

I. Pendahuluan ...................................................................................... 25

II. Contoh kasus ..................................................................................... 26

III. Langkah-langkah software r-commander ......................................... 27


METODE RISET

LAB. MANAJEMEN DASAR iv LITBANG PTA 16/17

ANOVA

I. Pendahuluan ...................................................................................... 32

II. Contoh kasus ..................................................................................... 34

III. Langkah-langkah software r-commander ........................................ 35


REGRESI LINIER BERGANDA

I. Pendahuluan ................................................................................. 45

II. Tujuan penggunaan regresi linier berganda ................................. 45

III. Analisis regresi linier berganda .................................................... 45

IV. Contoh kasus ................................................................................ 55

V. Langkah-langkah software r-commander .................................... 57

VI. Analisis pengujian ........................................................................ 63

DAFTAR PUSTAKA ......................................................................................... 66

METODE RISET

LAB. MANAJEMEN DASAR v LITBANG PTA 16/17

DAFTAR TABEL

Tabel 1.1 Output uji K-S dengan unstandardized residual …..……......…....…… 4

Tabel 1.2 Output uji K-S tanpa unstandardized residual …..……......….......…… 4

Tabel 2.1 Output uji independent t- test ...............................……......….......….. 16

Tabel 2.2 Output uji paired.........................................................…….....….....… 26

Tabel 3.1 Output uji anova...............................……......….......…….................... 34

Tabel 4.1 Output autokorelasi …..……..................................................…..…… 46

Tabel 4.2 Output multikolinieritas …..……...........................................…..…… 47

Tabel 4.3 Output koefisien korelasi …..…….........................................…..…… 51

Tabel 4.4 Output koefisien determinasi …..……...................................…..…… 52

Tabel 4.5 Output uji t …..……...............................................................…..…… 53

Tabel 4.6 Output uji f …..……...............................................................…..…… 55

METODE RISET

LAB. MANAJEMEN DASAR vi LITBANG PTA 16/17

DAFTAR GAMBAR

Gambar 1.1 Kurva skewness …..………………....…………...............…………. 3

Gambar 1.2 Kurva kurtosis …..………………....…………...............………..…. 3

Gambar 1.3 Tampilan grafik histogram pada SPSS …..….….............….………. 5

Gambar 1.4 Tampilan grafik normal probability plot pada SPSS yang tidak

terdistribusi normal …..….…..........................................…………. 6

Gambar 1.5 Tampilan grafik normal probability plot pada SPSS yang terdistribusi

normal …..….…..............................................................…………. 6

Gambar 1.6 Tampilan awal R-commander …..….….............…................……. 8

Gambar 1.7 Tampilan menu data …..….….............…….............................……. 8

Gambar 1.8 Tampilan data set …..….….............…..................…...............……. 9

Gambar 1.9 Tampilan data editor …..….…...........................……..............……. 9

Gambar 1.10 Tampilan variabel editor samsung, sony, oppo …................……. 10

Gambar 1.11 Tampilan data editor yang telah diisi …...............................……. 10

Gambar 1.12 Tampilan R-commander yang telah diinput data ….............……. 11

Gambar 1.13 Tampilan menu pengolahan data …......................................……. 11

Gambar 1.14 Tampilan kotak dialog shapiro wilk test for normality ….....……. 12

Gambar 1.15 Tampilan output shapiro wilk test for normality …..............……. 13

Gambar 2.1 Tampilan menu awal R-commander …..……..............…………. 18

Gambar 2.2 Tampilan new data set …..………………....……..........…………. 19

METODE RISET

LAB. MANAJEMEN DASAR vii LITBANG PTA 16/17

Gambar 2.3 Tampilan new data set …..….........................….............……….…. 19

Gambar 2.4 Tampilan data editor…..….….........................................….………. 19

Gambar 2.5 Tampilan variabel editor metode ....................................……….…. 20

Gambar 2.6 Tampilan variabel editor kode…..….….............……..............……. 20

Gambar 2.7 Tampilan isi data editor …..….….............…….......................……. 20

Gambar 2.8 Tampilan bin numeric …..….….............….............................……. 21

Gambar 2.9 Tampilan bin names …..….…...........................……..............……. 21

Gambar 2.10 Tampilan menu olah data …..................................................……. 22

Gambar 2.11 Tampilan independent sample t-test ….....................................…. 22

Gambar 2.12 Tampilan output independent sample t-test …......................……. 23

Gambar 2.13 Tampilan menu awal R-commander ….....................................… 27

Gambar 2.14 Tampilan new data set …......................................................……. 28

Gambar 2.15 Tampilan data editor ….............................................................…. 28

Gambar 2.16 Tampilan menu variabel editor …......................…...................…. 29

Gambar 2.17 Tampilan menu data editor setelah input data …......................…. 29

Gambar 2.18 Tampilan menu olah data ….................................................……. 30

Gambar 2.19 Tampilan paired t-test …...........................................................…. 30

Gambar 2.20 Tampilan hasil R-commander …..........................................……. 31

Gambar 3.1 Tampilan menu awal R-commander …..………..................……. 35

Gambar 3.2 Tampilan new data set …..………………....……..........…………. 36

METODE RISET

LAB. MANAJEMEN DASAR viii LITBANG PTA 16/17

Gambar 3.3 Tampilan data editor …..….........................…................……….…. 36

Gambar 3.4 Tampilan variabel editor…..….…..................................….………. 37

Gambar 3.5 Tampilan data editor sudah diinput ................................……….…. 37

Gambar 3.6 Tampilan menu data editor setelah input data.............................…. 38

Gambar 3.7 Tampilan menu …..….….............……....................................……. 38

Gambar 3.8 Tampilan bin numeric …..….….............….............................……. 39

Gambar 3.9 Tampilan bin names …..….…...........................……..............……. 39

Gambar 3.10 Tampilan menu olah data …..................................................……. 40

Gambar 3.11 Tampilan levene’s test …..........................................................…. 40

Gambar 3.12 Tampilan output …................................................................……. 41

Gambar 3.13 Tampilan menu ….....................................................................…. 42

Gambar 3.14 Tampilan menu ….................................................................……. 42

Gambar 3.15 Tampilan output …...................................................................…. 43

Gambar 4.1 Tampilan output tidak terjadi heteroskedastisitas …..…….………. 49

Gambar 4.2 Tampilan output terjadi heteroskedastisitas …....……....…………. 49

Gambar 4.3 Tampilan awal r-commander …..…...........…................……….…. 57

Gambar 4.4 Tampilan menu data …..….…........................................….………. 57

Gambar 4.5 Tampilan new data set ....................................................……….…. 58

Gambar 4.6 Tampilan data editor …..….….............……............................……. 58

Gambar 4.7 Tampilan variabel editor biaya iklan …..….…........................……. 59

METODE RISET

LAB. MANAJEMEN DASAR ix LITBANG PTA 16/17

Gambar 4.8 Tampilan variabel editor biaya promosi ….............................……. 59

Gambar 4.9 Tampilan variabel editor hasil penjualan …..….….................……. 59

Gambar 4.10 Tampilan isi data editor …....................................................……. 60

Gambar 4.11 Tampilan window R-commander …........................................…. 60

Gambar 4.12 Tampilan statistics …............................................................……. 61

Gambar 4.13 Tampilan linear regression …...................................................…. 61

Gambar 4.14 Tampilan hasil output ….......................................................……. 62

METODE RISET MATERI NORMALITAS

LAB. MANAJEMEN DASAR 1 LITBANG PTA 16/17

UJI NORMALITAS

I. KONSEP DASAR RISET

Fellin, Tripodi dan Meyer (1969) riset adalah suatu cara sistematik untuk

maksud meningkatkan, memodifikasi dan mengembangkan pengetahuan yang

dapat disampaikan (dikomunikasikan) dan diuji (diverifikasi) oleh peneliti lain.

Pada dasarnya riset adalah setiap proses yang menghasilkan ilmu pengetahuan.

Dalam bidang ekonomi tingkat kesalahan yang biasa digunakan adalah 5 %.

1.1 Klasifikasi Riset

1.2 Tujuan Riset

1. Penemuan teori, hukum dll yang sebelumnya belum pernah diketahui.

2. Pembuktian atas keraguan terhadap informasi atau pengetahuan tertentu

3. Pengembangan atas pengetahuan yang sudah ada.

1.3 Statistika Deskriptif dan Inferensia

1. Statistika deskriptif adalah statistika yang meliputi kegiatan-kegiatan

pengumpulan, penyajian, penyederhanaan atau penganalisisan, dan

penentuan ukuran-ukuran khusus dari suatu data tanpa penarikan

kesimpulan..Contoh : Ukuran statistik, distribusi binomial dll.

2. Statistika inferensia adalah ilmu mengenai penarikan kesimpulan dan

pengambilan keputusan tentang makna statistik yang telah dihitung.

Contoh : Uji Anova, Regresi Linier Berganda dll.

Berdasarkan Tujuan

Ilmiah : Untuk mengembangkan

serta menemukan teori. Hasil dari

riset ini menjadi dasar dalam riset

non ilmiah.

Non Ilmiah : Untuk pemecahan

masalah dalam berbagai bidang.



1.4 Langkah – langkah Riset

1. Mendefinisikan dan merumuskan masalah

2. Melakukan studi pustaka

3. Memformulasikan hipotesis

4. Menentukan model / desain penelitian

5. Mengumpulkan data

6. Mengolah dan menyajikan informasi

7. Menganalisis dan menginterpretasi

8. Membuat generalisasi dan kesimpulan

9. Membuat laporan / tulisan

1.5 Software Statistik.

1. SPSS (Statistical Package for the Social Science)

2. Amos (Analysis of Moment Structure)

3. Lisrel (Linier Structural Relationship)

4. R-Commander dan lain - lain

II. UJI NORMALITAS

2.1. Pengertian Uji Parametrik dan Non Parametrik

1. Uji Parametrik adalah jenis pengujian dimana data yang digunakan harus

memiliki parameter tertentu. Contoh : Anova, Regresi Linier Berganda,

Uji t, dll.

2. Uji Non Parametrik adalah jenis pengujian yang datanya tidak perlu

memiliki parameter tertentu. Contoh : Chi Square, Spearman – rho.

2.2. Pengertian Uji Normalitas

Uji normalitas adalah suatu bentuk pengujian tentang kenormalan

distribusi data. Tujuan dari uji ini adalah untuk mengetahui apakah data yang

diambil adalah data yang terdistribusi normal. Maksud dari data terdistribusi



normal adalah bahwa data akan mengikuti bentuk distribusi normal dimana

datanya memusat pada nilai rata-rata dan median

2.3. Ciri – ciri Data Terdistribusi Normal

1. Menggunakan Shapiro Wilk Test Of Normality. Dalam hal ini, data

dinyatakan terdistribusi normal apabila nilai yang diperoleh dari Shapiro-

Wilk Test of Normality harus lebih besar dari (>) 0,05.

2. Menggunakan Uji Skewness. Dalam uji ini, peneliti membandingkan

antara nilai skewness dengan standar error skewness data dapat dikatakan

normal bila mempunyai nilai antara -2 sampai dengan 2. Atau dapat dilihat

dengan kemencengan grafik , jika titik puncak berada ditengah maka data

terdistribusi normal.

Gambar 1.1 Kurva Skewness

3. Menggunakan Uji Kurtosis. Dalam uji ini, peneliti membandingkan antara

nilai kurtosis dengan standar error kurtosis data dapat dikatakan normal

bila mempunyai nilai antara -2 sampai dengan 2. Atau dapat dilihat dengan

keruncingan grafik ,Jika grafiknya membentuk mesokurtik atau

Gambar 1.2 Kurva Kurtosis



4. Menggunakan Uji Kolmogorov – Smirnov. Dalam hal ini, data dinyatakan

terdistribusi normal apabila nilai yang diperoleh dari Uji K-S (dilihat dari

Asymp. Sig) harus lebih besar dari (>) 0,05. Berikut adalah output SPSS

uji normalitas menggunakan K – S Test.

Tabel 1.1 Output Uji K-S dengan Unstandardized Residual

Sumber : Hutami,Rescyana Putri,. 2012

Dari Hasil Uji K-S diatas dapat dilihat Asymp. Sig. (P-Val) sebesar 0,000 < 0,05

maka data dikatakan tidak terdistribusi normal.

Tabel 1.2 Output Uji K-S tanpa Unstandardized Residual

Sumber :Amaliyah, Siti. 2012.



Dari Hasil Uji K-S diatas dapat dilihat Asymp. Sig. (P-Val) kelima variabel >

0,05 maka data dikatakan terdistribusi normal.

5. Menggunakan Uji Grafik

Menggunakan Grafik Histogram. Dengan grafik histogram data yang

diteliti ditampilkan menjadi diagram batang. Jika grafik tersebut

menyerupai kurva lonceng maka data dinyatakan terdistribusi normal.

Sumber : Kurniawanda ,A.M. 2013.

Gambar 1.3 Tampilan Grafik Histogram pada SPSS

Analisis : Dari hasil uji grafik diatas dapat dilihat diagram batang

hampir menyerupai kurva normal maka data dikatakan terdistribusi

normal.

Menggunakan Grafik Plot. Normal tidaknya distribusi data juga dapat

dilihat dari grafik plot atau Normal probability plot, dimana indikatornya

adalah titik – titik yang menyebar disekitar garis diagonal. Jika titik – titik

mendekati garis diagonal maka data dinyatakan terdistribusi normal



Sumber :Hutami,Rescyana Putri,. 2012

Gambar 1.4 Tampilan Grafik Normal Probability Plot pada SPSS yang

Tidak Terdistribusi Normal.

Analisis : Dari hasil uji grafik Normal Probability plot diatas dapat dilihat titik –

titik menyebar jauh dari garis maka data dikatakan tidak terdistribusi normal

Sumber :Hutami,Rescyana Putri,. 2012

Gambar 1.5 Tampilan Grafik Normal Probability Plot pada SPSS yang

Terdistribusi Normal



Analisis : Dari hasil uji grafik Normal Probability plot diatas dapat dilihat titik –

titik menyebar mendekati garis maka data dikatakan terdistribusi normal.

2.4 Cara Mengatasi Data yang tidak Terdistribusi Normal

1. Gabungkan nilai data (Unstandardized) sebelum melakukan uji.

2. Lakukan berbagai metode uji normalitas karena nilai tiap uji terkadang

berbeda.

3. Transformasikan data menjadi Log atau Ln.

4. Gunakan Uji Non Parametrik.

III. CONTOH KASUS

Saipul seorang mahasiswa Gunadarma ingin mengetahui apakah data

penjualan handphone yang akan digunakan untuk Penulisan Ilmiahnya

terdistribusi normal atau tidak. Berikut data penjualannya :

Samsung Sony Oppo

51 60 71

50 61 71

50 67 71

55 67 71

55 66 70

56 65 71

55 66 77

55 61 77

55 61 76

56 60 70



IV. LANGKAH-LANGKAH SOFTWARE R-COMMANDER

1. Tekan icon R commander pada desktop, kemudian akan muncul tampilan

seperti dibawah ini.

Gambar 1.6 Tampilan Awal R-Commander

2. Pilih menu Data, New Data Set. Masukan nama dari data set adalah

Normalitas kemudian tekan tombol OK.

Gambar 1.7 Tampilan Menu Data



Gambar 1.8 Tampilan Data Set

3. Akan muncul Data Editor yang digunakan untuk menginput data yang akan

diuji.

Gambar 1.9 Tampilan Data Editor

4. Masukkan data dengan var1 untuk samsung, var2 untuk sony dan var3 untuk

oppo. Jika data editor tidak aktif maka dapat diaktifkan dengan menekan Rgui

di Taskbar Windows pada bagian bawah layar monitor. Untuk mengubah

nama dan tipe variabel, dapat dilakukan dengan cara double click pada

variabel yang ingin di setting. Pemilihan type, dipilih numeric pada

semua variabel.



Gambar 1.10 Tampilan Variabel Editor Samsung, Sonny, Oppo.

5. Kemudian isi masing-masing variabel sesuai dengan data soal setelah selesai

isi data kemudian tekan tombol X (close) pada Data Editor.

Gambar 1.11 Tampilan Data Editor yang Telah Diisi.



6. Selanjutnya pilih Window R commander maka akan muncul tampilan seperti

ini. Terdapat kata “Normalitas edit(as.data.frame(NULL)”, yang

menunjukan data berhasil diinput.

Gambar 1.12 Tampilan R-Commander yang Telah Diinput Data.

7. Pilih Statistic pada menubar, lalu pilih summaries, klik Shapiro Wilk Test Of

Normality

Gambar 1.13 Tampilan Menu Pengolahan Data.



8. Akan muncul tampilan kotak dialog Shapiro-Wilk test of normality. Pilih

salah satu variable, misal dimulai dari Samsung, lalu klik OK, dan akan

keluar hasilnya. Data yang keluar tersebut hanya satu (yaitu untuk data

samsung) , data yang lain tidak dapat keluar pada satu kali pengolahan. Oleh

sebab itu, lakukan langkah ini secara berulang terhadap variabel oppo dan

sony. Akan Muncul tabel dialog, lalu pilih variabel yang nilai normalitasnya

ingin ditampilkan.

Gambar 1.14 Tampilan kotak dialog Shapiro Wilk Tes for Normality.



9. Maka akan muncul hasil pada output window sebagai berikut.

Gambar 1.15 Tampilan Output Hasil Shapiro Wilk Tes for Normality



V. ANALISIS PENGUJIAN

1. Kriteria pengujian

P-Value > 0,05 = Data terdistribusi normal

P-Value < 0,05 = Data tidak terdistribusi normal

2. Nilai P value

Samsung : 0.02296

Sony : 0.01867

Oppo : 0.001302

3. Keputusan

P-Value Samsung < 0,05 : Data tidak terdistribusi normal

P-Value Sony < 0,05 : Data tidak terdistribusi normal

P-Value Oppo < 0,05 : Data tidak terdistribusi normal

4. Kesimpulan

Karena data penjualan samsung, oppo dan sony tidak terdistribusi normal

maka dapat disimpulkan bahwa ketiga data tersebut tidak terdistribusi normal

METODE RISET MATERI INDEPENDENT


UJI T SAMPEL BEBAS

(INDEPENDENT SAMPLE T-TEST)

I. PENDAHULUAN

Pengujian Hipotesis dengan distribusi t adalah pengujian hipotesis yang

menggunakan distribusi t sebagai uji statistik. Distribusi ini pertama kali

diterbitkan dalam suatu makalah oleh W.S Gosset pada tahun 1908. Pada waktu

itu Gosset bekerja pada perusahaan bir Irlandia yang melarang penerbitan oleh

Karyawannya. Untuk mengelakkan larangan tersebut, ia menerbitkan karyanya

secara rahasia dibawah nama “student”. Karena itulah distribusi t biasa disebut

Distribusi Student.

Pengertian Uji T

Uji ini akan membandingkan rata-rata dari dua grup yang tidak berhubungan

satu dengan yang lain, dengan tujuan apakah kedua grup tersebut mempunya rata-

rata yang sama ataukah tidak.

Fungsi Uji T

- Untuk memperkirakan interval rata-rata.

- Untuk menguji hipotesis tentang rata-rata suatu sampel.

- Menunjukkan batas penerimaan suatu hipotesis.

- Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya

Ciri – Ciri Uji T

Kasus yang diuji bersifat acak

Asumsi Uji T

- Data bertipe kuantitatif/numerik, baik itu interval atau rasio

- Data berdistribusi normal

- Data sampel berjumlah sedikit (< 30)



Syarat Uji T

P-value > 0,05 maka Ho diterima

P-value < 0,05 maka Ha diterima

Tabel 2.1 Output uji independent t-test

Sumber : Apriyo,ari,. 2013

Berdasarkan tabel tersebut dapat dilihat secara rata-rata bahwa nilai rata-rata

Significant (2-tailed) sebesar 0,192 lebih besar dari Level of Significant 5%

(0,192>0,050) hal ini membuktikan bahwa data diatas identik.



LANGKAH-LANGKAH ANALISIS PENGUJIAN

Langkah-langkah pengujian independent sample t-test adalah :

1) Menentukan hipotesis pengujian

H0 : Rata-rata kedua sampel adalah identik atau sama

H1 : Rata-rata kedua sampel adalah tidak identik atau tidak sama

2) Kriteria pengujian

P-value > 0,05 maka H0 diterima

P-value < 0,05 maka H1 diterima

3) Lihat hasil P-value

4) Menentukan keputusan

5) Membuat kesimpulan dari keputusan yang telah dibuat.

II. CONTOH KASUS

PT. Ekonomi Indonesia ingin mengetahui efektifitas program pelatihan

terhadap peningkatan kemampuan auditor dalam melakukan audit. Program

pelatihan yang diselenggarakan oleh PT. Ekonomi Indonesia tersebut

dilaksanakan dalam waktu 26 hari, secara khusus ditujukan untuk

meningkatkan keahlian para auditor dalam melaksanakan tugasnya.

Manajemen PT. Ekonomi Indonesia berharap hasil dari pelatihan tersebut

memampukan para auditor untuk melakukan audit dalam waktu yang lebih

singkat. Dalam kasus ini PT. Ekonomi Indonesia memilih 13 orang auditor

yang dijadikan sampel dalam penelitian ini. Dan dilakukan pencatatan

waktu yang diperlukan oleh auditor tersebut dalam melaksanakan tugasnya

dengan dua metode. Yaitu, Metode A (metode yang dilakukan 13 hari

pertama) dan Metode B (metode yang digunakan 13 hari kedua). Ujilah data

dibawah ini untuk mengetahui apakah terdapat perbedaan waktu antara

metode A dengan metode B!



Auditor Metode A Metode B

1 17 16

2 17 15

3 17 11

4 17 10

5 16 15

6 16 11

7 16 10

8 15 11

9 15 10

10 66 55

11 55 11

12 11 66

13 77 66

III. LANGKAH-LANGKAH SOFTWARE

Untuk mencari nilai-nilai uji 2 sampel bebas data tersebut dengan

menggunakan program R, ikutilah langkah-langkah berikut :

1. Tekan icon R Commander pada desktop, kemudian akan muncul tampilan

seperti gambar di bawah ini :

Gambar 2.1. Tampilan menu awal R Commander



2. Pilih menu Data > New Data Set, masukkan nama dari data set adalah

independent (tanpa spasi) kemudian tekan tombol OK

Gambar 2.2. Tampilan New Data Set

Gambar 2.3. Tampilan New Data Set

Kemudian akan muncul Data Editor

Gambar 2.4. Tampilan Data Editor



3. Klik dua kali Var 1 kemudian ganti namanya menjadi METODE lalu pilih

numerik lalu close, setelah itu klik dua kali Var 2 kemudian ganti namanya

menjadi KODE lalu pilih numerik lalu close. Jika data editor tidak aktif

maka dapat diaktifkan dengan menekan Rgui di taskbar windows pada

bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan

Close.

Gambar 2.5. Tampilan Variabel Editor METODE

Gambar 2.6. Tampilan Variabel Editor KODE

Kemudian masing-masing variabel sesuai dengan data soal setelah selesai

isi data kemudian tekan tombol X (close).

Gambar 2.7. Tampilan Isi Data Editor



4. Untuk mengecek kebanaran data yang sudah dimasukkan, tekan tombol

View data set maka akan muncul tampilan, Jika ada data yang salah, tekan

tombol edit data set, lalu perbaiki data yang salah. Untuk merubah variabel

numerik buku pada tampilan R Commander pilih : Manage Variables In

Active Data Set kemudian pilih Bin Numeric Variable

Kemudian akan muncul tampilan :

Gambar 2.8. Tampilan Bin Numeric

Ket : pilih KODE karena kode untuk bentuk ada di kolom KODE

dan Number Of Bins di drag ke angka 2 karena kode yang telah diisi

sebelumnya hanya sampai 2 kemudian akan muncul tampilan rubah nama

bin :

Gambar 2.9. Tampilan Bin Names



5. Jika data sudah benar, pilih menu Statistics > Means > Independent

Sample T-Test

Gambar 2.10. Tampilan menu olah data

6. Pada Respons Variable pilih METODE kemudian tekan tombol OK

Gambar 2.11. Tampilan Independent Sample T-Test



7. Maka akan muncul hasil pada output window sebagai berikut :

Gambar 2.12. Tampilan Output Independent Sample T-Test



IV. ANALISIS PENGUJIAN

1. Hipotesis

H0 : Rata-rata waktu yang dibutuhkan dalam metode standar dan

metode baru identik atau sama

H1 : Rata-rata waktu yang dibuthukan dalam metode standar dan

metode baru tidak identik atau tidak sama

2. Kriteria Pengujian

Jika probabilitas (p-value) > 0,05 maka H0 diterima

Jika probabilitas (p-value) < 0,05 maka H1 diterima

3. Dari hasil pengolahan R-Programing diperoleh P value = 0,6786

4. Keputusan

Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value)

adalah 0,6786 karena probabilitas lebih besar daripada taraf uji yang

digunakan dalam penelitian atau p- value > α atau 0,9253 > 0,05 maka

H0 diterima.

5. Kesimpulan

Rata-rata waktu yang dibutuhkan dalam metode A dan metode B identik

atau sama

METODE RISET MATERI PAIRED


UJI T SAMPEL BERPASANGAN

(PAIRED SAMPLE T-TEST)

I. PENDAHULUAN

Paired sample t-test adalah uji t dimana sampel berpasangan. Pengujian ini

digunakan untuk menguji perbandingan rata – rata sampel yang berpasangan.

Pengujian ini biasanya dilakukan pada suatu sampel antara sebelum dan sesudah

diberikan perlakuan. Tujuan uji paired sample t-test adalah untuk menguji

perbandingan rata – rata sampel yang berpasangan.

1.1. Syarat dari uji paired sample t-test

P-Value > 0,05 maka H0 diterima

P-Value < 0,05 maka H1 diterima

1.2. Langkah – Langkah Analisis Pengujian

1. Hipotesis

H0 : Tidak ada perbedaan rata-arata ntara sebelum dan sesudah adanya

perlakuan

H1 : Ada perbedaan rata-arata ntara sebelum dan sesudah adanya

Perlakuan

2. Kriteria/ Syarat Pengambilan Keputusan

P Value > 0,05 H0 Diterima

P Value < 0,05 H1 Diterima

3. Lihat P-Value

4. Mengambil Keputusan

5. Menentukan Kesimpulan



Tabel 2.2 Output uji paired

Sumber : Model analisis dengan SPSS 17. 2013

Kolom Mean pada hasil paired-samples t test table menunjukkan rata-rata

perbedaan antara triglyceride dan pengukuran weight sebelum diet dan 6

bulan proses diet.

Kolom Sig. (2-tailed) menampilkan probabilitas (signifikansi) di dalam

statistik t yang memiliki nilai mutlak sama dengan atau lebih besar dari yang

diperoleh t statistik. Ketika nilai signifikan untuk perubahan berat kurang dari

0.05, kita dapat menyimpulkan bahwa rata -rata hilangnya 8.06 pon setiap

pasien bukanlah dalam kaitan dengan variasi dan memang dapat melekat

pada diet tersebut. Kemudian arti nilai signifikan lebih besar dari 0.10 untuk

perubahan level triglyceride menunjukkan diet tidak dengan mantap untuk

mengurangi level triglyceride responden.

II. CONTOH KASUS

Seorang mahasiswa ingin mengetahui apakah ada perbedaan tingkat

pengetahuan mengenai saham pada mahasiswa fakultas ekonomi sebelum dan

sesudah adanya acara seminar yang dilakukan oleh BEM FE. Untuk

mengetahui apakah ada perbedaan tingkat pengetahuan sebelum dan sesudah

acara seminar tersebut maka dilakukan penyebaran kuesioner dengan

mengambil sample 17 mahasiswa untuk mengisi kuesioner secara jujur. Jumlah

pertanyaan yang diajukan dalam kuesioner ada 17 pertanyaan. Total jawaban

dari setiap kuesioner yang diisi responden adalah sebagai berikut.



Responden Pengetahuan

sebelum

Pengetahuan

sesudah

1 101 150

2 105 155

3 107 111

4 111 155

5 155 167

6 156 175

7 100 101

8 115 117

9 116 110

10 117 176

11 111 117

12 101 107

13 165 175

14 107 111

15 106 160

16 111 115

17 100 111

III. LANGKAH-LANGKAH SOFTWARE R-COMMANDER

1. Tekan icon R Commander pada dekstop, kemudian muncul tampilan

seperti gambar dibawah ini.

Gambar 2.13 Tampilan menu awal R Commander.



2. Pilih data, lalu klik new data set, akan muncul name box. Lalu ganti namanya

menjadi paired seperti gambar dibawah ini.

Gambar 2.14 Tampilan Menu New Data Set

3. Lalu akan muncul data editor seperti gambar dibawah ini.


4. Kemudian ganti Var 1 menjadi Sebelum, dan Var 2 menjadi Sesudah. Lalu

ganti type menjadi Numerik.



Gambar 2.16 Tampilan Menu Variabel Editor

5. Kemudian masukan data sesuai dengan soal yang ada

Gambar 2.17 Tampilan Menu Data Editor Setelah Input Data



6. Setelah itu pilih Statistics – Mean – Paired t-test.

Gambar 2.18 Tampilan Menu Olah Data

7. Kemudian akan muncul dialog box, pilih Sebelum untuk First Variable dan

Sesudah untuk Second Variable seperti gambar di bawah ini.

Gambar 2.19 Tampilan Menu Paired t-Test



8. Kemudian klik Ok dan akan muncul output seperti gambar dibawah ini.

Gambar 2.20 Tampilan Hasil R-Commander


1. Hipotesis

H0 : Tidak ada perbedaan rata-rata pengetahuan tentang saham sebelum

dan sesudah adanya acara seminar

H1 : Ada perbedaan rata-rata pengetahuan tentang saham sebelum

dansesuadah adanya acara seminar

2. Syarat dan ketentuan

P-value > 0.05 maka H0 diterima

P-value < 0.05 maka H1 diterima

3. Nilai P-value = 0.002277

4. Keputusan : karena nilai P-value < 0.05 maka H1 diterima

5. Kesimpulan : Ada perbedaan rata-rata pengetahuan tentang saham sebelum

dan sesudah adanya acara seminar

METODE RISET MATERI ANOVA


UJI ANOVA

( Analysis Of Variance )

I. PENDAHULUAN

Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil

perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan

metode uji hipothesis yang ada (Distribusi Z,Chi Kuadrat, atau Distribusi-T).

Membandingkan satu rata-rata populasi dengan satu rata-rata populasi yang lain,

selain memakan waktu, juga beresiko mengandung kesalahan yang besar. Untuk

itu, kita memerlukan sebuah metode yang cepat dan beresiko mengandung

kesalahan lebih kecil, yakni ANOVA (Analysis of Variance)

Anova merupakan uji perbedaan rata-rata lebih dari dua populasi disebut

juga analisis of varians, dipopulerkan oleh Sir Ronald Aylmer Fisher, seorang

pendiri modern pada tahun 1920. Distribusi F digunakan sebagai statisti uji untuk

anova. Analisis ini digunakan untuk :

1. Menguji hipotesis perbedaan rata-rata antara lebih dari dua populasi

2. Menguji apakah varians populasinya sama ataukah tidak

1.1. Adapun ciri-ciri uji anova yaitu :

1. Tidak pernah bernilai negative

2. Merupakan distribusi yang continue yang mendekati sumbu X tetapi

tidak pernah menyentuhnya

3. Kemencengannnya positif

4. Didasarkan pada dua derajat kebebasan

1.2. Asumsi :

1. Populasi-populasi yang akan diuji berdistribusi normal

2. Varians dari populasi-populasi tersebut adalah sama

3. Sampel tidak berhubungan satu dengan yang lain



1.3. Langkah – Langkah Analisis Pengujian

Uji Kesamaan Varians:Lihat output livene’s test of homogeneity of

varians

1. Hipotesis Uji Varians :

H0 : Varians ketiga populasi identik

H1 : Varians ketiga populasi tidak identik


H0 diterima jika F Prob > 0.05

H1 diterima jika F Prob < 0.05

3. Nilai Probabilitas : (F Prob)

4. Pengambilan keputusan ;

Jika Probabilitas > 0.05, maka H0 di terima

Jika Probabilitas < 0.05, maka H1 di terima

5. Kesimpulan : Penjabaran dari hipotesis yang diterima.

6. Contoh H0 diterima : Jadi varians dari ketiga populasi adalah identik

Pada tahap selanjutnya jika varians yang identik maka atau Ho diterima

maka dilanjutkan menggunakan uji Anova, jika Ho ditolak maka penelitian hanya

sampai pada tahap uji kesamaan varians saja.

Uji Anova : Lihat output analysis of varians / one way anova

1. Hipotesis yang di gunakan untuk uji anova :

H0 : ke-3 rata-rata populasi adalah identik

H1 : ke-3 rata-rata populasi adalah tidak identik




3. Nilai Probabilitas : (F Prob)

4. Pengambilan keputusan

Jika Probabilitas > 0.05, maka H0 di terima

Jika Probabilitas < 0.05, maka H1 di terima



5. Kesimpulan : Penjabaran dari hipotesis yang diterima.

Contoh H0 diterima : Jadi ke-3 rata-rata populasi adalah identik

Tabel 3.1 Output uji anova

Sumber : Desti Widiyana, 2013

Dari data diatas diperoleh bahwa nilai signifikansi Anova = 0.020 lebih kecil

dari 0.05 yang menandakan bahwa H0 ditolak atau Ha diterima. Jadi dapat

disimpulkan bahwa rata- rata data diatas tidak identik.

II. CONTOH KASUS

Bu siska adalah pemilik dari rumah makan khas sunda, ia ingin meneliti

apakah ada perbedaan rata rata penjualan ketiga menu ayam yang di tawarkan di

rumah makannya tersebut. Terdapat 3 jenis menu ayam yang ditawarkan yaitu,

ayam bakar, ayam goreng dan pepes ayam. Berikut adalah data penjualan menu

ayam dalam 15 hari :



Hari Ayam Bakar Ayam Goreng Pepes Ayam

1 10 11 15

2 16 15 16

3 16 17 15

4 17 16 16

5 16 15 16

6 15 16 15

7 11 17 11

8 16 11 10

9 17 16 17

10 15 15 16

11 11 10 15

12 10 15 16

13 15 16 17

14 16 17 11

15 17 15 17

III. LANGKAH-LANGKAH SOFTWARE R-COMMANDER

1. Tekan icon R Commander pada dekstop, kemudian muncul tampilan seperti

gambar dibawah ini.

Gambar 3.1 Tampilan menu awal R Commander



2. Pilih data, lalu klik new data set (dataset baru), akan muncul name box. Lalu

ganti namanya menjadi ANOVA seperti gambar dibawah ini.

Gambar 3.2 Tampilan New Data Set

3. Lalu akan muncul data editor seperti gambar dibawah ini.


4. Kemudian ganti Var 1 menjadi Penjualan, dan Var 2 menjadi Menu. Lalu

ganti type menjadi Numerik.



Gambar 3.4 Tampilan Variabel Editor

5. Kemudian isi masing-masing variable sesuai dengan data soal setelah isi data

kemudian tekan tombol X (Close)

Gambar 3.5 Tampilan Data Editor Sudah Input Data



Gambar 3.6 Tampilan menu data editor setelah input data

6. Untuk merubah variable numeric bin pada tampilan R-commander pilih : data –

Manage variables in active data set kemudian pilih Bin numeric variable.

Gambar 3.7 Tampilan Menu



7. Kemudian akan muncul tampilan :

Gambar 3.8 Tampilan bin numeric

8. Kemudian akan muncul tampilan ubah nama bin :

Gambar 3.9 Tampilan bin names

9. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s Test.



Gambar 3.10 Tampilan Menu Olah Data

10. Pada Response Variable pilih variable penjualan pilih mean kemudian tekan

OK.

Gambar 3.11 Tampilan levene’s test



11. Hasil Uji Varians

Gambar 3.12 Tampilan Output

Analisis : Dari hasil output di atas F probabilitas 0,5786 > 0,05 maka H0

di terima. Kesimpulannya rata-rata ketiga varians sampel identik. Maka

dapat di lanjutkan untuk uji Anova



12. Pilih menu R-commander untuk mencari nilai Anova. Pilih menu Statistics,

Means, One-way ANOVA


13. Kemudian akan muncul tampilan :


Untuk Response Variable pilih penjualan, aktifkan Pairwise

comparisons of means jika ingin melihat Grafik.



14. Maka akan muncul hasil pada output window sebagai berikut:

Gambar 3.15 Tampilan Output

Analisa : Dari hasil output di atas menunjukan F probabilitas 0,922 > 0,05 maka

Ho Diterima atau kesimpulannya rata-rata penjualan dari ketiga menu ayam

adalah identik (sama).




UJI KESAMAAN VARIANS

1. Hipotesis uji varians

H0 : Varians penjualan dari ketiga menu ayam tersebut adalah identik.

H1 : Varians penjualan dari ketiga menu ayam tersebut adalah tidak identik.




3. Nilai Probabilitas : 0.873(F Prob)

4. Keputusan : H0 diterima karena F Prob > 0.05

5. Kesimpulan : Jadi, varians penjualan dari ketiga menu ayam tersebut adalah

identik.

Catatan : Apabila Pr (>F) >= 0.05, maka pengujian dapat dilanjutkan ke uji

anova.tapi jika Pr (>F) < 0.05, pegujian tidak dapat dilanjutkan ke uji anova.

UJI ANOVA

1. Hipotesis Uji Anova

H0 : Rata-rata penjualan dari ketiga menu ayam adalah identik.

H1 : Rata-rata penjualan dari ketiga menu ayam adalah tidak identik.




3. Nilai Probabilitas : 0.922 (F Prob)

4. Keputusan : H0 diterima karena F Prob > 0.05

5. Kesimpulan : Jadi , rata-rata penjualan dari ketiga menu ayam adalah identik.

METODE RISET MATERI RLB


REGRESI LINIER BERGANDA

I. PENDAHULUAN

Regresi linier berganda adalah Alat analisis yang digunakan untuk

mengetahui pengaruh dua atau lebih variabel bebas terhadap variabel terikat.

Variabel X atau sering disebut dengan variabel bebas (independent) adalah

variabel yang mempengaruhi variabel tak bebas. Sedangkan variabel Y atau

disebut dengan variabel terikat (dependent) adalah variabel yang dipengaruhi oleh

variabel bebas.

Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap

hubungan satu variabel yang disebut variabel yang diterangkan dengan satu atau

dua variabel yang menerangkan.

II. TUJUAN PEGGUNAAN REGRESI LINIER BERGANDA.

1. Untuk membuat estimasi rata-rata dan nilai variabel terikat berdasarkan

pada nilai variabel bebas.

2. Untuk menguji hipotesis karakteristik dependensi.

3. Untuk meramalkan nilai rata-rata variabel bebas berdasarkan pada nilai

variabel bebas diluar pengakuan sampel.

III. ANALISIS REGRESI LINIER BERGANDA

1. Uji Asumsi Klasik

Empat asumsi dasar yang tidak boleh dilanggar oleh regresi linier

berganda, yaitu:

Uji Normalitas

Uji normalitas adalah suatu bentuk pengujian tentang kenormalan

suatu data dengan tujuan untuk mengetahui apakah data yang diambil

adalah data yang terdistribusi normal atau tidak. Untuk dapat

melanjutkan ke dalam uji regresi linier berganda terlebih dahulu

METODE RISET


datanya harus normal. Lebih jelasnya silahkan buka kembali materi

tentang uji normalitas.

Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model

regresi linier ada korelasi antara pengamatan pada periode t dengan

pengamatan pada periode t-1. Model regresi yang baik seharusnya

bebas autokorelasi.

Untuk mengetahui autokorelasi atau tidak dapat dilakukan dengan

Uji Durbin Watson (DW) menurut Singgih Santoso (2000:218) secara

umum angka Durbin Watson (DW) yang dapat dijadikan dalam

pengambilan keputusan salah satunya adalah:

a. Bila nilai Durbin Watson lebih dari 2 (> 2) berarti terjadi

autokorelasi.

b. Bila nilai Durbin Watson kurang dari 2 (< 2) berarti tidak terjadi

autokorelasi.

Dibawah ini adalah contoh hasil SPSS untuk uji autokorelasi

dengan judul “Analisis Pengaruh Kualitas Produk, Kualitas Pelayanan,

Desain Produk, Harga & Kepercayaan Terhadap Loyalitas Pelanggan

Indosat IM3 Pada Mahasiswa Fakultas Ekonomi Universitas

Diponegoro Semarang”.

Tabel 4.1 Output Autokorelasi

Sumber: Skripsi, Sutrisni, Tahun 2010

Berdasarkan gambar diatas, didapat nilai Durbin Watson (DW)

sebesar 1,864. Hal ini berarti nilai 1,864 < 2, artinya tidak ada

autokorelasi pada model regresi.

METODE RISET


Cara yang dapat dilakukan jika terjadi autokorelasi, antara lain :

Jika regresi kita memiliki autokorelasi, maka ada beberapa opsi

penyelesaiannya antara lain :

a. Tentukan apakah autokorelasi yang terjadi merupakan pure

autocorrelation.

b. Jika yang terjadi adalah pure autocorrelation, maka solusi

autokorelasi adalah dengan mentransformasi.

Uji Multikolonieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antarvariabel bebas (independent). Model

regresi yang baik seharusnya bebas multikolinieritas atau tidak terjadi

korelasi antarvariabel variabel bebas (independent).

Untuk mengetahui ada tidaknya gejala multikolinieritas di dalam

model regresi, maka perlu diperhatikan hal-hal berikut ini:

a. Nilai Tolerance harus lebih besar dari 0,10

b. Nilai Variance Infaltion Factor (VIF) lebih kecil dari 10

Dibawah ini adalah contoh hasil SPSS untuk uji multikolonieritas





Tabel 4.2 Output Multikolinieritas


METODE RISET


Berdasarkan gambar diatas diketahui bahwa nilai tolerance kelima

variabel independen lebih besar dari 0.1 dan nilai VIF dari kelima

variabel independen tersebut kurang dari 10, maka dapat disimpulkan

bahwa tidak ada multikolinieritas.

Cara yang dapat dilakukan jika terjadi multikolonieritas, antara lain :

Jika regresi kita memiliki multikolonieritas, maka ada beberapa

opsi penyelesaiannya antara lain :

a. Menggabungkan data crossection dan time series (pooling data).

b. Keluarkan satu atau lebih variabel independen yang mempunyai

korelasi tinggi dari model regresi.

c. Transformasi variabel merupakan salah satu cara mengurangi

hubungan linier diantara variabel independen. Transformasi dapat

dilakukan dengan bentuk logaritma.

d. Gunakan metode analisis yang lainnya.

Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke

pengamatan yang lain. Model regresi yang baik seharusnya bebas

heteroskedastisitas.

Dengan melihat grafik plot antara nilai variabel terikat (SRESID)

dengan residual (ZPRED). Jika ada pola tertentu, seperti titik-titik yang

membentuk pola yang teratur (menyempit, melebar, maupun

bergelombang) maka terjadi heterokedastisitas. Jika tidak ada pola yang

jelas, serta titik-titik menyebar diatas dan dibawah ataupun diatas angka

0 pada sumbu Y, maka terjadi homoskedastisitas.

Dibawah ini adalah contoh hasil SPSS untuk uji heteroskedastisitas



METODE RISET



Diponegoro Semarang” yang tidak terjadi heteroskedastisitas.

Gambar 4.1 Output Tidak Terjadi Heteroskedastisitas


Dari gambar diatas dapat dilihat bahwa tidak ada pola yang jelas,

titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y,

sehingga dapat disimpulkan bahwa tidak ada heteroskedastisitas.

Dibawah ini adalah contoh hasil SPSS untuk uji heteroskedastisitas

dengan judul “Peran Variabel Citra Perusahaan, Kepercayaan Dan

Biaya Perpindahan Yang Memediasi Pengaruh Kualitas Pelayanan

Terhadap Loyalitas Pelanggan” yang terjadi heteroskedastisitas.

Gambar 4.2 Output Terjadi Heteroskedastisitas

Sumber: Skripsi, Karsono, Tahun 2009

METODE RISET


Dari gambar diatas dapat dilihat bahwa terdapat pola yang jelas,

titik-titik membentuk garis mengikuti sumbu Y, sehingga dapat

disimpulkan bahwa terdapat heteroskedastisitas.

Cara yang dapat dilakukan jika terjadi heteroskedastisitas, antara

lain :

Jika regresi kita memiliki heteroskedastisitas, dengan cara pola

heteroskedastisitas. Ada beberapa asumsi pola heteroskedastisitas

antara lain :

a. Asumsi 1 : error variance σ2 i terhadap X

2 i.

b. Asumsi 2 : error variance σ2 i terhadap variabel independen Xi

atau disebut transformasi akar kuadrat.

c. Asumsi 3 : error variance σ2 i terhadap kuadrat nilai Y.

d. Asumsi 4 : lakukan transformasi dalam bentuk logaritma.

2. Persamaan Regresi Linier Berganda

Keterangan :

Y = Variabel Terikat (dependent variable)

α = Konstanta

β1 – βn = Koefisien Regresi

X1 – Xn = Variabel Bebas (independent variable)

e = Standar Error

3. Koefisien Korelasi (r)

Koefisien korelasi adalah koefisien yang digunakan untuk

mengetahui hubungan antara variabel X dan Y.

Syaratnya yaitu :

a. Jika r = +1 atau mendekati +1, maka hubungannya kuat dan searah.

Y = α + β1X1 + β2X2 + β3X3 + … + βnXn + e

METODE RISET


b. Jika r = 0 atau mendekati 0, maka hubungannya sangat lemah atau

bahkan tidak ada hubungan sama sekali.

c. Jika r = -1 atau mendekati -1, maka hubungannya kuat dan tidak

searah.

Dibawah ini adalah contoh hasil SPSS untuk koefisien korelasi





Tabel 4.3 Output Koefisien Korelasi


Berdasarkan gambar diatas, didapat nilai koefisien korelasi sebesar

0,872. Hal ini berarti nilai 0,872 mendekati +1, maka hubungannya kuat

dan searah yang artinya memenuhi syarat koefisien korelasi.

4. Koefisien Determinasi (R2)

Koefisien determinasi adalah koefisien yang digunakan untuk

mengetahui seberapa besar variabel bebas (X) mempengaruhi variabel

terikat (Y). Nilai koefisien determinasi berkisar antara 0 sampai dengan

1.

Dibawah ini adalah contoh hasil SPSS untuk koefisien determinasi





METODE RISET


Tabel 4.4 Output Koefesien Determinasi


Berdasarkan gambar diatas, didapat nilai koefisien determinasi

sebesar 0,758. Hal ini berarti nilai 0,758 berkisar antara 0 sampai

dengan 1 yang artinya memenuhi syarat koefisien determinasi.

5. Uji t

Uji parsial dengan t-test ini bertujuan untuk mengetahui besarnya

pengaruh masing-masing variabel independen secara individual

(parsial) terhadap variabel dependen. Kriteria pengambilan keputusan

uji hipotesis secara parsial didasarkan pada nilai probabilitas.

Kriteria pengambilan keputusan untuk uji parsial adalah sebagai

berikut:

Jika P-value > 0.05 maka H0 diterima.

Jika P-value < 0.05 maka H1 diterima.

Dibawah ini adalah contoh hasil SPSS untuk uji t dengan judul

“Analisis Pengaruh Kualitas Produk, Kualitas Pelayanan, Desain

Produk, Harga & Kepercayaan Terhadap Loyalitas Pelanggan Indosat

IM3 Pada Mahasiswa Fakultas Ekonomi Universitas Diponegoro

Semarang”.

METODE RISET


Tabel 4.5 Output Uji t


Hipotesis yang digunakan dalam uji parsial (uji t) adalah:

H01 : Kualitas produk tidak berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H11 : Kualitas produk berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H02 : Kualitas pelayanan tidak berpengaruh signifikan terhadap

Loyalitas Pelanggan.

H12 : Kualitas pelayanan berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H03 : Desain produk tidak berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H13 : Desain produk berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H04 : Harga tidak berpengaruh signifikan terhadap Loyalitas Pelanggan.

H14 : Harga berpengaruh signifikan terhadap Loyalitas Pelanggan.

METODE RISET


H05 : Kepercayaan tidak berpengaruh signifikan terhadap Loyalitas

Pelanggan.

H15 : Kepercayaan berpengaruh signifikan terhadap Loyalitas

Pelanggan.

Berdasarkan gambar diatas, diketahui bahwa nilai signifikan semua

variabel bebas masing-masing sebesar 0,000; 0,004; 0,000; 0,002; 0,009

dan nilai signifikan semua variabel lebih kecil dari 0,05 maka

keputusannya adalah H0 ditolak, H1 diterima. Dengan demikian, dapat

ditarik kesimpulan bahwa kualitas produk, kualitas pelayanan, desain

produk, harga & kepercayaan berpengaruh signifikan terhadap


6. Uji F

Uji simultan dengan F-test ini bertujuan untuk mengetahui

pengaruh bersama-sama variabel independen terhadap variabel

dependen. Kriteria pengambilan keputusan didasarkan pada nilai

probabilitas.

Kriteria pengambilan keputusan untuk uji simultan adalah sebagai

berikut:



Dibawah ini adalah contoh hasil SPSS untuk uji F dengan judul

“Analisis Pengaruh Kualitas Produk, Kualitas Pelayanan, Desain

Produk, Harga & Kepercayaan Terhadap Loyalitas Pelanggan Indosat

IM3 Pada Mahasiswa Fakultas Ekonomi Universitas Diponegoro

Semarang”.

METODE RISET


Tabel 4.6 Output Uji F


Hipotesis yang digunakan pada uji F (uji simultan) adalah:

H0 : Kualitas produk, kualitas pelayanan, desain produk, harga &

kepercayaan secara bersama-sama tidak berpengaruh signifikan

terhadap Loyalitas Pelanggan.

H1 : Kualitas produk, kualitas pelayanan, desain produk, harga &

kepercayaan secara bersama-sama berpengaruh signifikan terhadap


Berdasarkan gambar diatas, diketahui bahwa nilai signifikan semua

variabel bebas secara bersama-sama sebesar 0,000 dan nilai

signifikannya lebih kecil dari 0,05 maka keputusannya adalah H0

ditolak, H1 diterima. Dengan demikian, dapat ditarik kesimpulan bahwa

kualitas produk, kualitas pelayanan, desain produk, harga &

kepercayaan secara bersama-sama berpengaruh signifikan terhadap


IV. CONTOH KASUS

Manajer produksi PT. Maju Jaya yang bergerak dalam bidang konveksi

pakaian ingin mengetahui apakah ada hubungan antara biaya iklan dan biaya

promosi dengan hasil penjualan setiap bulannya selama satu tahun. Berikut

adalah data biaya iklan dan biaya promosi dengan hasil penjualan (dalam

ratusan ribu rupiah).

METODE RISET


Bulan Biaya Iklan Biaya Promosi Hasil Penjualan

Januari 570 151 5700

Februari 560 151 5600

Maret 500 150 5555

April 560 156 5700

Mei 500 151 5555

Juni 570 150 5500

Juli 560 156 5700

Agustus 560 151 5555

September 570 156 5700

Oktober 500 157 5500

November 560 151 5600

Desember 500 156 5700

Taraf signifikan yang digunakan adalah 5% (α = 5%).

Tentukan :

1) Persamaan regresi

2) Uji t

3) Uji F

4) R2

METODE RISET


V. LANGKAH-LANGKAH SOFTWARE

1. Tekan icon R commander pada desktop, kemudian akan muncul

tampilan seperti dibawah ini.

Gambar 4.3 Tampilan Awal R-Commander

2. Pilih menu Data, New Data Set. Masukan nama dari data set adalah

Regresi kemudian tekan tombol OK.

Gambar 4.4 Tampilan Menu Data

METODE RISET


Gambar 4.5 Tampilan New Data Set

3. Kemudian akan muncul data editor seperti dibawah ini.


4. Masukkan data dengan var1 untuk biaya iklan, var2 untuk biaya

promosi dan var3 untuk hasil penjualan. Jika data editor tidak aktif

maka dapat diaktifkan dengan menekan Rgui di Taskbar Windows pada

bagian bawah layar monitor. Untuk mengubah nama dan tipe variabel,

dapat dilakukan dengan cara double click pada variabel yang ingin

di setting. Pemilihan type, dipilih numeric pada semua variabel.

METODE RISET


Gambar 4.7 Tampilan Variable Editor Biaya Iklan

Gambar 4.8 Tampilan Variable Editor Biaya Promosi

Gambar 4.9 Tampilan Variable Editor Hasil Penjualan

METODE RISET


5. Kemudian isi masing-masing variabel sesuai dengan data soal setelah

selesai isi data kemudian tekan tombol X (close).

4.10 Tampilan Isi Data Editor

6. Selanjutnya pilih Window R commander maka akan muncul tampilan

seperti ini.

4.11 Tampilan Window R-Commander

METODE RISET


7. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol

view data set, jika ada data yang salah, tekan tombol edit data set, lalu

perbaiki data yang salah. Jika sudah benar, pilih menu Statistics, Fit

models, Linear Regression, maka akan muncul seperti gambar dibawah

ini.

4.12 Tampilan Menu Statistics

8. Pada Response Variable pilih variabel yang termasuk variabel terikat

yaitu hasil penjualan dan pada Explanatory Variables pilih yang

termasuk variabel bebas yaitu biaya iklan dan biaya promosi. Untuk

memilih 2 variabel sekaligus tekan Ctrl lalu pilih biaya iklan dan biaya

promosi

4.13 Tampilan Linear Regression

METODE RISET


9. kemudian tekan tombol OK. Maka akan muncul hasil pada output

window sebagai berikut.

4.14 Tampilan Hasil Output

METODE RISET


VI. ANALISIS PENGUJIAN

1) Persamaan Regresi

Y = 2741.0085 + 1.0343 X1 + 15.1089 X2

Dari persamaan regresi diatas maka dapat disimpulkan hasilnya

adalah sebagai berikut:

Konstanta (α) bernilai positif yaitu sebesar 2741.0085, artinya jika

variabel-variabel independen yaitu biaya iklan & biaya promosi

bernilai nol, maka hasil penjualan naik sebesar Rp 2741.0085.

Variabel bebas biaya iklan bernilai positif yaitu 1.0343. Hal ini

menunjukkan bahwa setiap peningkatan sebesar 1% variabel biaya

iklan, maka hasil penjualan akan naik sebesar Rp 1.0343.

Variabel bebas biaya promosi bernilai positif yaitu 15.1089. Hal ini

menunjukkan bahwa setiap peningkatan sebesar 1% variabel biaya

promosi, maka hasil penjualan akan naik sebesar Rp 15.1089.

2) Uji t (Parsial)

Uji t digunakan untuk mengetahui masing-masing variabel bebas

berpengaruh signifikan atau tidak terhadap variabel terikat.

Biaya Iklan

Hipotesis :

H0 : Biaya iklan tidak berpengaruh signifikan terhadap hasil

penjualan.

H1 : Biaya iklan berpengaruh signifikan terhadap hasil penjualan.

Syarat :



Nilai P-value : 0.1662 > 0.05

Keputusan : H0 diterima.

Kesimpulan : Biaya iklan tidak berpengaruh signifikan terhadap

hasil penjualan.

METODE RISET


Biaya Promosi

Hipotesis :

H0 : Biaya promosi tidak berpengaruh signifikan terhadap hasil

penjualan.

H1 : Biaya promosi berpengaruh signifikan terhadap hasil

penjualan.

Syarat :



Nilai P-value : 0.0780 > 0.05


Kesimpulan : Biaya promosi tidak berpengaruh signifikan terhadap

hasil penjualan.

3) Uji F (Simultan)

Uji F digunakan untuk mengetahui apakah secara bersama-sama

variable bebas berpengaruh signifikan terhadap variabel terikatnya.

Hipotesis :

H0 : Biaya iklan dan biaya promosi secara bersama-sama tidak

berpengaruh signifikan terhadap hasil penjualan.

H1 : Biaya iklan dan biaya promosi secara bersama-sama

berpengaruh signifikan terhadap hasil penjualan.

Syarat :



Nilai P-value : 0.1173 > 0.05


Kesimpulan : Biaya iklan dan biaya promosi secara bersama-sama

tidak berpengaruh signifikan terhadap hasil penjualan.

METODE RISET


4) R2

Adjusted R Squared (Adj. R2) adalah sebesar 0.2408. Artinya

sebesar 24.08% variabel Biaya iklan dan biaya promosi mampu

mempengaruhi hasil penjualan. Sementara sisanya yaitu 75.92%

dipengaruhi oleh variabel lain yang tidak dimasukan ke dalam model

regresi.

METODE RISET


DAFTAR PUSTAKA

Amaliyah, Siti. 2012. Analisis Kinerja Keuangan dan Pengaruhnya Terhadap

Harga Saham PT. United Tractors (PERSERO), Tbk Periode 2009-2011. PI

Jurusan Akuntansi Universitas Gunadarma.

Apriyo, Ari,. 2013 Analisis Overreaction pada Saham Perusahaan Manufaktur di

Bursa Efek Indonesia (BEI) Periode 2005-2009”. Jurnal Nomina. Vol II No

II.

Desti Widiyana, 2013. Pengaruh model pembelajaran ARIAS (Assurance,

Relevance, Interest, Assessment, and Satisfaction) Terhadap hasil belajar

KKPI pada siswa kelas X SMK Negeri 1 Pedan

Ghozali. 2011. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang,

BP Universitas Diponegoro, Jakarta.

Kurniawanda,A.M.. 2013. Pengaruh Profesionalisme Auditor Dan Etika Profesi

Terhadap Pertimbangan Tingkat Materialitas. Jurnal Akuntansi Universitas

Jambi.

Modul Metode Riset. Lab. Manajemen Dasar Periode PTA 2015/2016.

Priyatno, Duwi. 2010, Paham Analisa Statistik Data Dengan SPSS. Yogyakarta :

Mediakom.

Rescyana Putri Hutami. 2012. Pengaruh Dividend Per Share, Return On Equity

Dan Net Profit Margin Terhadap Harga Saham Perusahaaan Industri

METODE RISET


Manufaktur Yang Tercatat Di Bursa Efek Indonesia Periode 2006-2010.

Jurnal Nominal Universitas Negeri Yogyakarta.

Rochaety, Ety. 2007. Metodologi Penelitian Bisnis dengan Aplikasi SPSS.

Jakarta: Mitra Wacana Media.

Santoso, Singgih, 1998, “Faktor yang Mempengaruhi Harga Saham Sektor

Manufaktur di Bursa Efek Jakarta”, Jurnal Bisnis dan Ekonomi,

Edisi4,Th. II.

Sugiarto. 2015. Metode Statistika Bisnis. Tangerang; PT. Matana

Publishing Utama

Santoso, Singgih. 2015. Menguasai Statistik Parametrik. Jakarta; PT. Elex

Media Komputido

Sulaiman, Wahid. 2002. SPSS 10 Jalan Pintas Menguasai. Yogyakarta :

Penerbit Andi.

Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesisi. Yogyakarta: Caps

Suwono, Jonathan. 2006. SPSS 14 Panduan Cepat dan Mudah. Yogyakarta :

Penerbit Andi.

Tri Hendardi, C. 2009. SPSS 16 Step by Step Analisis Data Statistik. Yogykarta:

Penerbit Andi.

Universitas Gunadarma, Buku Diktat Statistika 2014.

METODE RISET


MATEMATIKA EKONOMI 1 DERET HITUNG - ma … · Gambar 1.14 Tampilan kotak dialog shapiro wilk ......

Documents

Transcript of MATEMATIKA EKONOMI 1 DERET HITUNG - ma … · Gambar 1.14 Tampilan kotak dialog shapiro wilk ......