BAB 3 METODE PENELITIAN
Metode penelitian adalah langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi guna memecahkan permasalahan dan menguji hipotesis penelitian. Bagian-bagian yang akan dibahas dalam bab ini terdiri dari wilayah dan jadwal penelitian, populasi dan sampel, sumber data, variabel penelitian, teknik analisis data, serta langkah-langkah penelitian. 3.1. Wilayah dan Jadwal Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder. Oleh karena itu, penelitian akan dilakukan di lingkup Universitas Bina Nusantara, Jakarta. Penelitian ini dilakukan dari bulan Februari hingga Juli 2013. 3.2. Populasi dan Sampel Populasi pada penelitian ini adalah seluruh hotel yang ada di kota Kendari. Sedangkan sampel pada penelitian ini adalah 90 hotel yang ada di kota Kendari. 3.3. Sumber Data Data yang digunakan dalam penelitian ini di dapat dari Badan Pusat Statistik (BPS). 3.4. Variabel Penelitian Variabel penelitian dalam penelitian ini adalah variabel dependen ( ) dan variabel penjelas ( ) yang terdapat pada Tabel 3.1.
34
35
Tabel 3.1 Variabel Penelitian Variabel
Keterangan Jumlah tamu yang menginap di hotel dalam satu tahun Jumlah kamar Jumlah tempat tidur Umur hotel Tarif minimal Tarif maksimal Jumlah tenaga kerja Jumlah fasilitas hotel
3.5. Teknik Analisis Data Teknik analisis data yang digunakan dalam penelitian ini adalah menggunakan Best Subset Regression berdasarkan kriteria statistik C-p Mallow dan Regresi Ridge. 3.6. Langkah-Langkah Penelitian Langkah-langkah penelitian ini adalah: 1. Mempersiapkan data untuk dianalisis. 2. Memilih penjelas menggunakan Best Subset Regression dengan kriteria Statistik C-p Mallow. 3. Membuat model dengan variabel yang terpilih. 4. Melakukan pengujian asumsi klasik. Diketahui asumsi yang dilanggar adalah residual tidak berdistribusi normal, terdapat heteroskedastisitas dan terjadi multikolinearitas. 5. Melakukan transformasi logaritma natural.
36 6. Setelah dilakukan transformasi logaritma natural, dilakukan kembali pengecekan uji asumsi klasik. 7. Membuat pemodelan dengan menggunakan regresi ridge untuk mengatasi multikolinearitas. 8. Mengecek nilai VIF untuk memastikan bahwa multikolinearitas telah teratasi. 9. Membuat pembahasan mengenai hasil yang telah diperoleh. 10. Membuat aplikasi. 3.7. Perancangan Layar Perancangan
layar
program
untuk
aplikasi
pemilihan
model
terbaik
menggunakan Best Subset Regression dan regresi ridge dapat dilihat pada Gambar 3.1 sampai Gambar 3.8. Pada Gambar 3.2, terdapat 3 pilihan tombol yang digunakan dalam aplikasi awal. Pilihan browse pertama digunakan untuk mendapatkan Rscript sebelum melakukan perhitungan analisis dalam aplikasi ini. Pilihan browse kedua, berfungsi untuk mengambil data yang akan digunakan dalam analisis. Pilihan tombol ketiga adalah view, yang digunakan untuk melihat data yang telah diambil.
Gambar 3.1. Perancangan Layar Utama
37
Pada Gambar 3.2, terdapat 4 fungsi submenu dari menu Analysis yaitu submenu Best Subset Regression, Multiple Regression, Transformation dan Ridge Regression.
Gambar 3.2. Perancangan Layar Menu Analysis Pada submenu Best Subset Regression, akan mengeluarkan tampilan seperti pada Gambar 3.3. User akan memilih variabel-variabel yang akan digunakan dalam analisis. Tombol Result berfungsi untuk mengeluarkan hasil yang diinginkan dalam analisis.
Gambar 3.3. Perancangan Layar Selected Variabel Best Subset Regression
38
Gambar 3.4. Perancangan Layar Best Subset Regression Gambar 3.4 akan muncul ketika user memilih/menekan tombol Result pada Gambar 3.3. Pada Gambar 3.5, user akan memilih variabel-variabel yang digunakan dalam analisis regresi ganda. Setelah memilih variabel, user akan menekan.memilih tombol Result yang digunakan untuk menampilkan hasil regresi ganda.
Gambar 3.5. Perancangan Layar Multiple Regression
39
Gambar 3.6. Perancangan Layar Transformation Gambar 3.6 merupakan perancangan layar transformasi yang digunakan untuk mentransformasi data. User akan memilih variabel-variabel yang akan digunakan. Setelah itu, user akan memilih tombol Result untuk mendapatkan hasil dari transformasi.
Gambar 3.7. Perancangan Layar Ridge Regression
40 Gambar 3.7 merupakan perancangan layar untuk regresi ridge. User akan memilih variabel-variabel yang akan digunakan dalam menganalisis. Setelah itu, user akan menginput nilai c dan menkan tombol Result untuk mendapatkan hasil koefisien ridge dan nilai VIF. 3.8. Perancangan UML Pada sub bab ini, akan dibahas mengenai use case diagram, diagram aktivitas, kelas diagram dan diagram sekuensial. 3.8.1. Use Case Diagram Aktor, dalam hal ini adalah user. Gambar 3.8. menunjukkan interaksi antara sistem dan lingkungannya.
Gambar 3.8. Use Case Diagram
41
Tabel 3.2. Use case Input Data Use Case
Input Data
Actors
Users
Deskripsi
User memasukan data berupa data excel
Data
Data excel
Stimulus
Perintah user memasukan data
Response
Data telah di tampilkan
Comment
User harus memasukkan data agar dapat di analisis
Tabel 3.3. Use Case Best Subset Regression Use Case
Best Subset Regression
Actors
Users
Deskripsi
User memilih Best Subset Regression
Data
Data yang telah dimasukkan
Stimulus
Perintah memasukkan variabel dari data
Response
Menampilkan hasil
Comment
User terlebih dahulu memilih variabel-variabel yang akan digunakan. Setelah itu, user harus menekan tombol Result agar mengeluarkan hasil nilai statistik C-p Mallow dan variabel yang tepilih.
Tabel 3.4. Use Case Multiple Regression Use Case
Multiple Regression
Actors
Users
Deskripsi
User memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan menekan tombol Result.
Data
Data yang telah dimasukkan
Stimulus
Perintah user memilih variabel dan result
Response
Menampilkan hasil
Comment
User harus menekan tombol Submit Y dan Submit X untuk memilih variabel. Kemudian user harus
42 menekan tombol Result untuk mendapatkan hasil regresi.
Tabel 3.5. Use Case Transformation Use Case
Transformation
Actors
Users
Deskripsi
User memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan menekan tombol Result.
Data
Data yang telah dimasukkan
Stimulus
Perintah user dalam memilih variabel dan result
Response
Menampilkan hasil
Comment
User harus menekan tombol Submit Y dan Submit X untuk memilih variabel. Kemudian user harus menekan tombol Result untuk mendapatkan hasil transformasi regresi.
Tabel 3.6. Tabel Use Case Ridge Regression Use Case
Ridge Regression
Actors
Users
Deskripsi
User memilih Ridge Regression. kemudian, user memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan memberikan nilai c-value dan tekan tombol Result.
Data
Data yang telah dimasukkan
Stimulus
Perintah user dalam memilih variable dan result
Response
Menampilkan hasil
Comment
User
harus
memilih
Ridge
Regression
kemudian memilih variabel-variabel
yang
digunakan. Dilanjutkan mengisi nilai c-value dan
menekan
mendapatkan hasil.
tombol
Result
untuk
43
44
3.8.2. Activity Diagram
User
System
Click Start
Choose Rscript
Cancel input Rscript
Open Home Window
Input Rscript
Click Cancel
Click OK
Show Rscript in Textfield
Choose Data
Cancel Import Data
Import Data
Click Cancel
Click OK
Show Data Location in Textfield
Click View
Show Data
Gambar 3.9 Activity Diagram Open Browse Data
45
User
System
Click Analyze : Best Subset Regression
Show Select Variable Window
Select Dependent and Independent Variable
Click Result
Show Output Window
Gambar 3.10 Activity Diagram Best Subset Regression
User
System
Click Analyze : Multiple Regression
Show Multiple Regression Window
Select Dependent and Independent Variable
Click Result
Show Output Window
Gambar 3.11. Activity Diagram Multiple Regression
46
User
System
Click Analyze : Transformation
Show Transformation Window
Select Dependent and Independent Variable
Click Result
Show Output Window
Gambar 3.12. Activity Diagram Transformation
Gambar 3.13. Activity Diagram Ridge Regression
47
3.8.3. Class Diagram
Gambar 3.14. Class Diagram
48 3.8.4.
Sequence Diagram
Gambar 3.15 Sequence Diagram Open Browse Data
49
Gambar
3.16 Sequence
Diagram
Best Subset
Regression
50
Gambar Diagram Regression
3.17. Sequence Multiple
51
Gambar Diagram
3.18. Sequence Transformation
52
Gambar 3.19. Diagram Ridge Regression
Sequence
53
3.9. Spesifikasi Kebutuhan Aplikasi Untuk menjalankan aplikasi ini, diperlukan hardware dan software yang spesifikasinya adalah sebagai berikut: 1.
Spesifikasi Hardware
Spesifikasi kebutuhan hardware yang dianjurkan adalah: a.
Processor
: Intel® CoreTM i3
b.
RAM
: 2GB
c.
Mouse
d.
keyboard
2.
Spesifikasi Software
Spesifikasi kebutuhan software yang dianjurkan adalah: a.
Bahasa pemrograman Java
b.
NetBeans IDE
c.
R-Language versi 3.0.1. dengan menggunakan berbagai Library yaitu 1. library(Runiversal) -> digunakan untuk mengkonversi R ke Java dan XML. 2. library(leaps) -> digunakan untuk C-p Mallow. 3. library(lmtest) -> digunakan untuk regresi. 4. library(car) -> digunakan untuk menghitung VIF. 5. library(ridge)-> digunakan untuk menghitung estimasi regresi ridge. 6. library(stats) -> digunakan untuk menghitung standard deviation.
