METODE RISET KATA PENGANTAR

MATEMATIKA EKONOMI 1

DERET HITUNG

METODE RISET

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

LAB. MANAJEMEN DASAR

i

LITBANG PTA 16/17

METODE RISET

SUSUNAN TEAM LITBANG METODE RISET

Staff Lista Kuspriatni Oktavia Anna Rahayu

Penanggung Jawab Adilah Layung Santini

ANOVA

RLB

Fikri Sea Javanesa

Uji T Yuna Indriani Nalla Mutiara Candra

Rani Oktaviani

Yustia Kholifah Sandra

Puji Nurul H

D Tia Ayu Ningsih

Wulan Ratna Dewi

Lulu Soraya

Dwi Puspita Sari

Rahmadita Fandani

Yuni Ridho Asih

Gita Ratna Sari

Uji Normalitas

Danny Rachman

Siti Fariza Gita Dian Fajar

Oka Febyola Dimas Setya Aji

Ronaldo Viktor Hayyu Annisa

Dicka Ariptian

Dimas Setya Aji

Dicka Ariptian


ii

LITBANG PTA 16/17

METODE RISET

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.


UJI T - SAMPEL BERPASANGAN I.

Pendahuluan ...................................................................................... 25

II.

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

III.

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

IV.



iii

LITBANG PTA 16/17

METODE RISET

ANOVA I.

Pendahuluan ...................................................................................... 32

II.

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

III.

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

IV.


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


iv

LITBANG PTA 16/17

METODE RISET

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


v

LITBANG PTA 16/17

METODE RISET

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


vi

LITBANG PTA 16/17

METODE RISET

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 LAB. MANAJEMEN DASAR

vii

LITBANG PTA 16/17

METODE RISET

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 LAB. MANAJEMEN DASAR

viii

LITBANG PTA 16/17

METODE RISET

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


ix

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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

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.

1.2 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.


1

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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


2

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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 ShapiroWilk 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


3

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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.


4

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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


5

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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


6

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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


7

LITBANG PTA 16/17

METODE RISET

IV.

MATERI NORMALITAS

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


8

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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.


9

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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.


10

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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.


11

LITBANG PTA 16/17

METODE RISET

MATERI NORMALITAS

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.


12

LITBANG PTA 16/17

METODE RISET

9.

MATERI NORMALITAS

Maka akan muncul hasil pada output window sebagai berikut.

Gambar 1.15 Tampilan Output Hasil Shapiro Wilk Tes for Normality


13

LITBANG PTA 16/17

METODE RISET

V.

MATERI NORMALITAS

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


14

LITBANG PTA 16/17

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 ratarata 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)


15

LITBANG PTA 16/17

METODE RISET



MATERI INDEPENDENT

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.


16

LITBANG PTA 16/17

METODE RISET



MATERI INDEPENDENT

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!


17

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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


18

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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


19

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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


20

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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 LAB. MANAJEMEN DASAR

21

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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


22

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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

Gambar 2.12. Tampilan Output Independent Sample T-Test


23

LITBANG PTA 16/17

METODE RISET

MATERI INDEPENDENT

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


24

LITBANG PTA 16/17

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


25

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

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.


26

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 III.

Pengetahuan sebelum 101 105 107 111 155 156 100 115 116 117 111 101 165 107 106 111 100

Pengetahuan sesudah 150 155 111 155 167 175 101 117 110 176 117 107 175 111 160 115 111

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.


27

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

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.

Gambar 2.15 Tampilan Data Editor 4. Kemudian ganti Var 1 menjadi Sebelum, dan Var 2 menjadi Sesudah. Lalu ganti type menjadi Numerik.


28

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

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


29

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

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


30

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

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

Gambar 2.20 Tampilan Hasil R-Commander

IV.

ANALISIS PENGUJIAN

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


31

LITBANG PTA 16/17

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


32

LITBANG PTA 16/17

METODE RISET

1.3.

MATERI ANOVA

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

2. Kriteria Pengujian 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 2. Kriteria Pengujian 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


33

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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 :


34

LITBANG PTA 16/17

METODE RISET

III.

MATERI ANOVA

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

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 LAB. MANAJEMEN DASAR

35

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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.

Gambar 3.3 Tampilan Data Editor 4. Kemudian ganti Var 1 menjadi Penjualan, dan Var 2 menjadi Menu. Lalu ganti type menjadi Numerik.


36

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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


37

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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


38

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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.


39

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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


40

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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


41

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

12. Pilih menu R-commander untuk mencari nilai Anova. Pilih menu Statistics, Means, One-way ANOVA

Gambar 3.13 Tampilan Menu 13. Kemudian akan muncul tampilan :

Gambar 3.14 Tampilan Menu Untuk Response Variable pilih penjualan, aktifkan Pairwise comparisons of means jika ingin melihat Grafik.


42

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

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).


43

LITBANG PTA 16/17

METODE RISET

IV.

MATERI ANOVA

ANALISIS PENGUJIAN

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. 2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 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. 2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 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.


44

LITBANG PTA 16/17

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


45

LITBANG PTA 16/17

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.


46

LITBANG PTA 16/17

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


IM3

Pada

Mahasiswa

Fakultas

Ekonomi

Universitas

Diponegoro Semarang”. Tabel 4.2 Output Multikolinieritas

Sumber: Skripsi, Sutrisni, Tahun 2010


47

LITBANG PTA 16/17

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 dengan judul “Analisis Pengaruh Kualitas Produk, Kualitas Pelayanan, Desain Produk, Harga & Kepercayaan Terhadap Loyalitas Pelanggan


48

LITBANG PTA 16/17

METODE RISET

Indosat

IM3

Pada

Mahasiswa

Fakultas

Ekonomi

Universitas

Diponegoro Semarang” yang tidak terjadi heteroskedastisitas. Gambar 4.1 Output Tidak Terjadi Heteroskedastisitas

Sumber: Skripsi, Sutrisni, Tahun 2010 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


49

LITBANG PTA 16/17

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 X2 i.

b.

Asumsi 2 : error variance σ2 i terhadap variabel independen Xi atau disebut transformasi akar kuadrat.

2.

c.

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

d.

Asumsi 4 : lakukan transformasi dalam bentuk logaritma.

Persamaan Regresi Linier Berganda

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

Keterangan :

3.

Y

= Variabel Terikat (dependent variable)

α

= Konstanta

β1 – βn

= Koefisien Regresi

X1 – Xn

= Variabel Bebas (independent variable)

e

= Standar Error

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.


50

LITBANG PTA 16/17

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


IM3

Pada

Mahasiswa

Fakultas

Ekonomi

Universitas

Diponegoro Semarang”. Tabel 4.3 Output Koefisien Korelasi

Sumber: Skripsi, Sutrisni, Tahun 2010 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 dengan judul “Analisis Pengaruh Kualitas Produk, Kualitas Pelayanan, Desain Produk, Harga & Kepercayaan Terhadap Loyalitas Pelanggan Indosat

IM3

Pada

Mahasiswa

Fakultas

Ekonomi

Universitas

Diponegoro Semarang”.


51

LITBANG PTA 16/17

METODE RISET

Tabel 4.4 Output Koefesien Determinasi

Sumber: Skripsi, Sutrisni, Tahun 2010 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”.


52

LITBANG PTA 16/17

METODE RISET

Tabel 4.5 Output Uji t

Sumber: Skripsi, Sutrisni, Tahun 2010 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.


53

LITBANG PTA 16/17

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 Loyalitas Pelanggan. 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: 

Jika P-value > 0.05 maka H0 diterima.



Jika P-value < 0.05 maka H1 diterima. 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”.


54

LITBANG PTA 16/17

METODE RISET

Tabel 4.6 Output Uji F

Sumber: Skripsi, Sutrisni, Tahun 2010 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 Loyalitas Pelanggan. 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 Loyalitas Pelanggan.

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).


55

LITBANG PTA 16/17

METODE RISET

Bulan Januari

Biaya Iklan 570

Biaya Promosi 151

Hasil Penjualan 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


56

LITBANG PTA 16/17

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


57

LITBANG PTA 16/17

METODE RISET

Gambar 4.5 Tampilan New Data Set 3.

Kemudian akan muncul data editor seperti dibawah ini.

Gambar 4.6 Tampilan Data Editor 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.


58

LITBANG PTA 16/17

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


59

LITBANG PTA 16/17

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 LAB. MANAJEMEN DASAR

60

LITBANG PTA 16/17

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


61

LITBANG PTA 16/17

METODE RISET

9.

kemudian tekan tombol OK. Maka akan muncul hasil pada output window sebagai berikut.

4.14 Tampilan Hasil Output


62

LITBANG PTA 16/17

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 : Jika P-value > 0.05 maka H0 diterima. Jika P-value < 0.05 maka H1 diterima.



Nilai P-value : 0.1662 > 0.05



Keputusan : H0 diterima.



Kesimpulan : Biaya iklan tidak berpengaruh signifikan terhadap hasil penjualan.


63

LITBANG PTA 16/17

METODE RISET

Biaya Promosi 

Hipotesis : H0 : Biaya promosi tidak berpengaruh signifikan terhadap hasil penjualan. H1 : Biaya promosi berpengaruh signifikan terhadap hasil penjualan.






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.






Nilai P-value : 0.1173 > 0.05






Kesimpulan : Biaya iklan dan biaya promosi secara bersama-sama tidak berpengaruh signifikan terhadap hasil penjualan.


64

LITBANG PTA 16/17

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.


65

LITBANG PTA 16/17

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


66

Industri

LITBANG PTA 16/17

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.


67

LITBANG PTA 16/17

METODE RISET


68

LITBANG PTA 16/17

METODE RISET KATA PENGANTAR

Recommend Documents