PEMBAHASANHasil SPSS 21

DEPENDEN : OUTPUTINDEPENDEN : TOTAL PEKERJA

TOTAL UPAH

BAHAN BAKU

BAHAN BAKAR

Dalam Rupiah : Output, Total Upah, Bahan Baku, dan Bahan BakarDalam Satuan : Total Pekerja

Rata-rata penggunaan bahan bakar yang digunakan oleh industri Pengolahan di Bandung adalah Rp. 762.952,56 per tahun. Namun hasil-hasil ini kurang bisa diinterpretasikan (hasil kurang berarti) karena skala dan jenis perusahaan yang berbeda.

• Besar hubungan antara Output dengan total pekerja adalah 0,622• Besar hubungan antara Output dengan total upah adalah 0,684• Besar hubungan antara Output dengan bahan baku adalah 0,921• Besar hubungan antara Output dengan bahan bakar adalah 0,494• Secara teoritis, Bahan Baku lebih berpengaruh terhadap

Output• Semua variabel yang akan diteliti tidak ada yang disisihkan oleh

SPSS

Dari uji ANOVA atau F test, didapat angka yang Signifikan di bawah 0,05. Hal ini menunjukkan bahwa variabel Total Pekerja, Total Upah, Banyaknya Bahan Baku (total), dan Banyaknya Bahan Bakar (total) TEPAT digunakan untuk memprediksi Output Industri Pengolahan di Bandung

Y = 1226868,044 + 33763,845 X1 + 0,31 X2 + 1,213 X3 + 5,182 X4

X1 = TOTAL PEKERJA (ORANG)X2 = TOTAL UPAH (RP)X3 = PENGGUANAAN BAHAN BAKU (RP)X4 = PENGGUNAAN BAHAN BAKAR (RP)

90,2% nilai total Output mampu dijelaskan oleh Total Pekerja, Total Upah, Penggunaan Bahan baku, dan penggunaan bahan bakar

Pada hasil uji koefisien regresi (Sig.), secara individu semua variabel independen akan mempengaruhi variabel dependen, kecuali Total Upah. Atau secara individu, Total Upah tidak cukup berpengaruh terhadap Output Industri Pengolahan di Bandung.

PENGUJIAN ASUMSI

• Normalitas

• Homoskedastisitas

• Multikolinieritas

• Autokorelasi

UJI MULTIKOLINIERITAS (1) Nantinya dapat dilihat pada

Output:Coefficient

• Suatu model regresi dikatakan bebas dari multikolinieritas bila,

Mempunyai angka VIF < 10

Pengujian adanya Autokorelasi dengan Durbin-Watson tidak dilakukan karena data tersebut cross-sectional dan bukan berbasis waktu (time series)

Tidak terjadi Kolinieritas antar Variabel

UJI MULTIKOLINIERITAS (2)

UJI HETEROSKEDASTISITAS (1)

Residu yang ada seharusnya mempunyai varians yang konstan (homoskedastisitas). Jika varians dari residu tersebut semakin meningkat atau menurun dengan pola tertentu, hal itu disebut heteroskedastisitas

Dengan kata lain,Homoskedastis : Tidak ada pola tertentu (acak)

UJI HETEROSKEDASTISITAS (2)

Tidak terdapat pola menurun atau naik >>> homoskedastis

UJI NORMALITAS (1)

Penggunaan model regresi untuk prediksi, akan menghasilkan suatu kesalahan ( disebut Residu ), yakni selisih antara data aktual dengan data hasil peramalan. Residu yang ada, seharusnya berdistribusi normal.

Pada SPSS, kita bisa menggunakan fasilitas Histogram dan Normal Probability Plot untuk mengetahui kenormalan residu dari model Regresi

UJI NORMALITAS (2)Bila Histogram data distribusi nilai residu berbentuk lonceng, maka berdistribusi normal

Bila normal probability plot terlihat sebaran error (berupa dot) masih ada di sekitar garis lurus, maka model regresi memenuhi asumsi normalitas, atau residu dari model dapat dianggap berdistribusi secara normal.

UJI NORMALITAS (3)

TIDAK BERDISTRIBUSI NORMAL

ASUMSI NORMALITAS TERLANGGAR

TRANSFORMASI

Lakukan analisis Regresi Linier untuk setiap hasil transformasi...

Tidak terjadi Kolinieritas antar Variabel

Tidak terdapat pola menurun atau naik >>> homoskedastis

BERDISTRIBUSI NORMAL