laboratorium manajemen dasar modul...

LABORATORIUM MANAJEMEN DASAR

MODUL METODE RISET

Nama :

NPM/Kelas :

Fakultas/Jurusan :

FAKULTAS EKONOMI

UNIVERSITAS GUNADARMA

DEPOK 2015


METODE RISET i LITBANG PTA 15/16

KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan

rahmat dan karunia-Nya sehingga modul praktikum Riset Akuntansi 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 Wr. Wb.

Depok, Maret 2015

Tim Litbang


METODE RISET ii LITBANG PTA 15/16

DAFTAR ISI

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

DAFTAR ISI ……………………………………………………………… ii

DAFTAR TABEL …………………………………………………............ iv

DAFTAR GAMBAR ……………………………………………………… viii

UJI NORMALITAS

I. Pendahuluan ……………………………………………………….. 1

II. Analisis Yang Diperlukan …………………………….…………… 2

III. Contoh Kasus ……………………………………………................ 3

IV. Langkah-langkah Pengerjaan ……………………………................ 6

V. Analisis Pengerjaan ………………………………………............... 13

UJI T SAMPEL BEBAS

I. Pendahuluan ……………………………………………………….. 14


III. Contoh Kasus ……………………………………………................ 16



UJI T SAMPEL BERPASANGAN

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


III. Contoh Kasus ……………………………………………................ 26




METODE RISET iii LITBANG PTA 15/16

ANOVA

I. Pendahuluan ……………………………………………………….. 33


III. Contoh Kasus ……………………………………………................ 35



REGRESI LINIER BERGANDA

I. Pendahuluan ……………………………………………………….. 49


a) Persamaan umum regreri linier berganda ………………….. 50

b) Uji asumsi klasik …………………………………………… 50

c) Koefisien korelasi ………………………………………….. 51

d) Koefisien determinasi ………………………………………. 51

e) Kesalahan standar estimasi …………………………………. 51

III. Contoh Kasus ……………………………………………................ 52



DAFTAR PUSTAKA ……………………………………………………. 61


METODE RISET iv LITBANG PTA 15/16

DAFTAR GAMBAR

Gambar 1.1. Tampilan menu awal R-Commander ……………………… 3

Gambar 1.2. Tampilan name for data set ….…………………………….. 3

Gambar 1.3. Tampilan data editor ………………………………………. 4

Gambar 1.4. Tampilan Variable editor ………………………………….. 5

Gambar 1.5. Tampilan isi Data editor …………………………………… 5

Gambar 1.6. Tampilan Script Window ………………………………….. 6

Gambar 1.7. Tampilan Scale Reliability ………………………………… 7

Gambar 1.8. Tampilan Output Dongop …………………………………. 8

Gambar 1.9. Tampilan Output Donlod dan Ducato ……………………... 9


Gambar 2.2. Tampilan new data set ……...……………………………… 13


Gambar 2.4. Tampilan Variable editor skor……………………………… 14

Gambar 2.5. Tampilan Variable editor kode ..…………………………… 15

Gambar 2.6. Tampilan isi data editor ……………………………………. 15

Gambar 2.7. Tampilan Manage Variabel ..………………………………. 16

Gambar 2.8. Tampilan Bin numeric ………………………………..……. 27

Gambar 2.9. Tampilan Bin names ……………………………………….. 17


METODE RISET v LITBANG PTA 15/16

Gambar 2.10. Tampilan menu olah data ………………………………….. 18

Gambar 2.11. Tampilan independent samples t-Test ……………………… 19

Gambar 2.12. Tampilan independent samples t-Test ……………………… 19

Gambar 3.1. Tampilan menu awal R-Commander ………………………. 32

Gambar 3.2. Tampilan new data set ……...……………………………… 24

Gambar 3.3. Tampilan data editor ……………………………………….. 24

Gambar 3.4. Tampilan Variable editor sebelum .………………………… 25

Gambar 3.5. Tampilan Variable editor sesudah …………………………. 25


Gambar 3.7. Tampilan menu olah data ...………………………………… 26

Gambar 3.8. Tampilan Paired t-Test ………………………………..…… 26

Gambar 3.9. Tampilan Output …………………………………………… 27


Gambar 4.2. Tampilan menu new data set ……...……………………….. 33

Gambar 4.3. Tampilan new data set ……...…………….………………… 33

Gambar 4.4. Tampilan data editor ……………………………………….. 34

Gambar 4.5. Tampilan Variable editor usia …...………………………… 35

Gambar 4.6. Tampilan Variable editor pertumbuhan penduduk ………… 35


Gambar 4.8. Tampilan Script Window ...………………………………… 36


METODE RISET vi LITBANG PTA 15/16

Gambar 4.9. Tampilan Manage Variables …….…………………..…….. 37

Gambar 4.10. Tampilan Bin a Numberic Variables ………………………. 37

Gambar 4.11. Tampilan Bin Names ………………………………………. 38

Gambar 4.12. Tampilan menu Olah Data …………………………….…… 38

Gambar 4.13. Tampilan Levenes Test …………………………………….. 39


Gambar 4.15. Tampilan One-way Analysis of Variance …………………. 39

Gambar 4.16. Tampilan Output Bagian 1 ………………………………… 40




Gambar 5.2. Tampilan menu new data set ……...……………………….. 50

Gambar 5.3. Tampilan new data set ……...…………….………………... 50


Gambar 5.5. Tampilan Variable editor tingkat inflasi …….…………….. 52

Gambar 5.6. Tampilan Variable editor suku bunga …………….……….. 52

Gambar 5.7. Tampilan Variable editor kinerja perusahaan …….……….. 52


Gambar 5.9. Tampilan Script Window ...………………………………… 53



METODE RISET vii LITBANG PTA 15/16

Gambar 5.11. Tampilan Linier Regression ………….……………………. 55

Gambar 5.12. Tampilan Output ……….………………………………….. 55


METODE RISET viii LITBANG PTA 15/16

DAFTAR TABEL

Gambar 1.1. Data Penjualan Ban ………………….…………………….. 2

Gambar 2.1. Data Penjualan Tiket ……….………………………………. 12

Gambar 3.1. Data Penjualan Traktor sawah ……….…………………….. 22

Gambar 4.1. Data Pertumbuhan Penduduk Kota Bogor …..…………….. . 31

Gambar 5.1. Data Pengaruh antara Tingkat Inflasi dan Suku Bunga

Terhadap Kinerja Perusahaan …..………………………….. 48

LABORATORIUM MANAJEMEN DASAR UJI NORMALITAS

METODE RISET Hal 1 LITBANG PTA 15/16

UJI NORMALITAS

I. PENDAHULUAN

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. Uji ini sering dilakukan untuk analisis statistik parametrik. Uji

dapat dilakukan setelah menentukan tipe data dari data penelitian yang diambil.

II. ANALISIS YANG DIPERLUKAN

Yang perlu dilihat dari output R programming adalah nilai signifikan dari

Shapiro-Wilk Test of Normality. Dalam hal ini nilai signifikan Shapiro-Wilk Test of

Normality harus lebih besar dari (>) 0,05. Namun, sebenarnya dalam menguji

kenormalam suatu data ada banyak hal yang perlu diketahui, seperti nilai

perbandingan antara nilai skewness dengan standar error skewness yang

menghasilkan rasio skewness dan perbandingan antara nilai kurtosis dengan nilai

standar error kurtosis yang akan mengahasilkan rasio kurtosis. Dari kedua rasio

perbandingan tersebut dapat dikatakan normal bila mempunyai nilai antara -2 sampai

dengan 2. Selain hal tersebut masih ada satu lagi alat uji untuk melihat kenormalan

data yaitu dengan nilai K-S dengan syarat bila nilai probabilitas lebih besar dari (>)

0,05 maka data tersebut dikatakan normal.



III. CONTOH KASUS

1. Toko sparepart mobil Beng-Beng menjual berbagai jenis merk ban mobil di

Indonesia. Berikut adalah data penjualan Toko Ban Beng-Beng selama 1

tahun :

Dungop Donlod Ducato

6156 1515 5615

1561 1615 5616

1165 6165 6515

5115 6615 1515

6665 1556 1155

Tabel 1.1. Data Penjualan Ban

Berdasarkan data diatas, ujilah apakah data tersebut terdistribusi normal atau

tidak!

Jawaban:

IV. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai-nilai normalitas 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 1.1 Tampilan menu awal R commander

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

NORMALITAS tekan tombol OK. Kemudian ketik Nama Data Set

“NORMALITAS” pada Enter name for data set, lalu OK.

Gambar 1.2. Tampilan menu name for data set



Setelah itu akan muncul tampilan Data Editor.

Gambar 1.3. Tampilan data editor

3. Pada Data Editor masukkan data Ban Mobil dengan var1 untuk Dungop, var2

untuk Donlod dan var3 untuk Ducato. 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 variable yang ingin di setting. Pemilihan type,

dipilih numeric pada semua variabel. Jika sudah selesai dalam pengisian data

tekan tombol Close



Gambar 1.4. Tampilan Variabel editor

4. Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai

isi data kemudian tekan tombol X (close).

Gambar 1.5. Tampilan isi Data Editor



5. Selanjutnya setelah data editor di close, pilih window R-commander kembali

maka akan muncul tampilan seperti ini:

Gambar 1.6. Tampilan Sript Window

6. 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 data sudah benar maka pilih Statistics, Summaries,

Shapiro-Wilk test of normality. Pada Shapiro-Wilk test of normality, pilih

satu-satu variabel, yaitu Dungop, Donlod dan Ducato lalu OK.



Gambar 1.7. Tampilan Scale Reliability

7. Kemudian akan muncul output pada R-Commander seperti ini :



Gambar 1.8. Tampilan Output Dongop, Donlod dan Ducato

Nilai p-value Dungop sebesar 0,1767 berati probabilitas lebih dari 0,05;

maka data untuk penjualan Ban Dungop terdistribusi normal.

NIlai p-value Donlod sebesar 0,016 berati probabilitas kurang dari 0,05;

maka data untuk penjualan Ban Donlod terdistribusi tidak normal.

NIlai p-value Ducato sebesar 0,0871 berati probabilitas lebih dari 0,05;

maka data untuk penjualan Ban Ducato terdistribusi normal



V. ANALISIS PENGUJIAN

1. Syarat

P-Value > 0,05 = data terdistribusi normal

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

2. Nilai P value

Dungop : 0,1767

Donlod : 0,016

Ducato : 0,0871

3. Keputusan

P-value Dungop > 0,05 : data terdistribusi normal

P-value Donlod < 0,05 : data tidak terdistribusi normal

P-values Ducato > 0,05 : data tidak terdistribusi normal

4. Kesimpulan

Karena terdapat data yang tidak terdistribusi normal yaitu data Dungop,

Donlod dan Ducato, maka dapat disimpulkan bahwa ketiga data tidak

terdistribusi normal.

LAB. MANAJEMEN DASAR UJI T SAMPEL BERPASANGAN


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. Tujuan analisis ini adalah untuk

membandingkan dua rata-rata dua grup atau populasi yang tidak berhubungan. Tabel

pengujian disebut dengan tabel tstudent.

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. Hasil uji statistiknya kemudian

dibandingkan dengan nilai yang ada pada tabel t kemudian dianalisis untuk

mengetahui hipotesis yang mana yang akan diterima maupun ditolak.

Ciri – ciri Uji t :

1. Penentuan nilai tabel dilihat besarnya dari tingkat signifikan serta besarnya

derajat bebas.

2. Kasus yang diuji bersifat acak.

Fungsi Pengujian Uji t :

1. Untuk memperkirakan interval rata-rata.

2. Untuk menguji hipotesis tentang rata-rata suatu sampel.

3. Menunjukkan batas penerimaan suatu hipotesis.



4. Untuk menguji suatu pernyataan apakah sudah layak untuk

dipercaya.


Langkah-langkah analisis pengujian dalam Uji T Sampel Bebas adalah :

1. Menentukan hipotesis pengujian

Ho: Rata-rata kedua sampel adalah identik atau sama

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

2. Menentukan daerah kritis berdasarkan taraf nyata dan derajat bebas

3. Kriteria pengujian :

P-value > 0,05 maka Ho diterima

P-value < 0,05 maka Ha diterima

4. Nilai P-Value

5. Menentukan keputusan

6. Membuat kes

7. impulan dari keputusan yang telah ditentukan

III. CONTOH KASUS

Seorang Manajer suatu travel agent ingin membandingkan 2 penjualan tiket

maskapai penerbangan di Indonesia yaitu Garuda Indonesia dan Citilink , apakah

kedua maskapai tersebut penjualanya sama sama laris atau tidak.



Dibawah ini data penjualanya selama 5 bulan belakangan :

Garuda Citilink

116 566

661 116

516 656

561 115

665 515

Tabel 2.1. Data Penjualan Tiket

IV. LANGKAH LANGKAH PENGERJAAN

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


Gambar 2.1 : Tampilan menu awal R-Commander



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

menjadi Independent seperti gambar dibawah ini

Gambar 2.2 : Tampilan kotak dialog New Data Set

3. Kemudian akan muncul data editor seperti pada gambar dibawah ini

Gambar 2.3 : Tampilan data editor

4. Ganti Var 1 dengan nama Skor kemudian ganti var 2 dengan nama Kode,

ganti kedua type dengan numerik



Gambar 2.4 : Tampilan variabel Editor SKOR

Gambar 2.5 : Tampilan Variabel Editor KODE

5. Kemudian isi data editor sesuai dengan soal, seperti gambar dibawah ini

Gambar 2.6 : Tampilan Isi Data Editor



6. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View

data set. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki.

7. Langkah selanjutnya adalah pengkodean, yaitu pilih Manage Variables in active

data set kemudian pilih Bin Numeric Variable.

Gambar 2.7 : Tampiulan Manage Variabel



8. Lalu Pilih Kode, setelah itu geser number of bin menjadi 2 seperti gambar

dibawah ini

Gambar 2.8 : Tampilan Bin Numeric

9. Klik Ok lalu akan muncul box seperti dibawah ini. Kode 1 diubah menjadi

Garuda lalu kode 2 diubah menjadi Citilink

Gambar 2.9 : Tampilan Bin Names



10. Setelah itu klik ok. Kemudian pilih Statistics – Mean – Independent samples

t-test

Gambar 2.10 : Tampilan Menu Olah Data

11. Pilih Response Variable lalu klik skor. Pada Assume equal variances pilih

Yes. Kemudian oke

Gambar 2.11 : Tampilan Independent Samples t-test



12. Maka Akan muncul Output Seperti dibawah ini

Gambar 2.12 : Hasil Pengujian Independent Samples T-test


1. Hipotesis

Ho : rata-rata penjualan kedua tiket maskapai penerbangan identik atau

sama

Ha : rata-rata penjualan kedua tiket maskapai penerbangan tidak identik

atau tidak sama.

2. Taraf nyata α = 0,05 : df = n-2 = 10-2 = 8

3. Kriteria Pengujian :

Jika probabilitas (p-value) ≥ 0,05 maka Ho diterima

Jika probabilitas (p-value) < 0,05 maka Ho ditolak



4. Dari hasil pengolahan R-Programing diperoleh P value = 0,4938

5. Keputusan :

Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value) adalah

0,4938 karena probabilitas lebih besar daripada taraf uji yang digunakan

dalam penelitian atau p-value ≥ α atau 0,4938 ≥ 0,05 maka Ho diterima.

6. Kesimpulan :

Rata-rata penjualan kedua tiket maskapai penerbangan identik atau sama



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 dua 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

dua sampel yang berpasangan.

Syarat dari uji paired sample t-test


P-value < 0,05 maka Ha diterima

II. LANGKAH-LANGKAH ANALISIS PENGUJIAN

Analisis yang diperlukan dalam uji paired sample t-test tahapan tahapannya

adalah :

1. Hipotesis

Ho : tidak ada perbedaan antara sebelum dan sesudah adanya pelakuan

Ha : ada perbedaan antara sebelum dan sesudah adanya pelakuan



2. Kriteria/ Syarat Pengambilan Keputusan

P Value > 0,05 Ho Diterima

P Value < 0,05 Ha Diterima

3. Lihat P-Value

4. Mengambil Keputusan

5. Menentukan Kesimpulan

III. CONTOH KASUS

Sukijan adalah seorang CEO perusahaan penjualan traktor sawah. Ia ingin

melihat apakah ada perbedaan rata rata penjualan traktor sebelum dan sesudah

dilakukanya iklan traktor miliknya di televisi. Rata rata penjualan traktor tersebut di 5

dealer traktornya adalah sebagai berikut

Dealer Sebelum Sesudah

Dealer New York 1155 1111

Dealer London 1515 1555

Dealer Madrid 1616 1566

Dealer Paris 1156 1651

Dealer Roma 1665 1166

Tabel 3.1. Data penjualan traktor sawah




1. Buka R Comander sampai muncul tampilah dibawah ini

Gambar 3.1. Tampilan awal R Commander

2. Lalu Pilih Data – New Data Set setelah itu akan muncul name box, ganti

nama menjadi paired 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 Sebelum dan var 2 menjadi Sesudah. Lalu

ganti type menjadi Numerik seperti gambar dibawah ini

Gambar 3.3.

Tampilan Variabel Editor Sebelum

Gamabar 3.4.

Tampilan Variabel Editor Sesudah



5. Kemudian masukan data sesuai dengan soal yang ada

Gambar 3.5. Tampilan Data Editor yang telah diisi

6. Setelah itu Close data editor, pilih Statistics – Means – Paired sampel t test

Gambar 3.6. Tampilan Menu Paired t-test



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

Sesudah untuk Second Variable seperti gambar dibawah ini

Gambar 3.7. Tampilan Paired t-Test

8. Kemudian Klik Ok dan akan muncul Output window seperti gambar dibawah

ini

Gambar 3.8. Tampilan Output




1. Hipotesis

Ho : Tidak ada perbedaan rata-rata penjualan traktor sawah sebelum dan

sesudah adanya iklan ditelevisi

Ha : ada perbedaan rata-rata penjualan traktor sawah sebelum dan sesudah

adanya iklan ditelevisi

2. Syarat dan Ketentuan


P-value < 0,05 maka Ho ditolak

3. P-Value : 0,945

4. Keputusan : Karena nilai p-value > 0,05 maka Ho diterima

5. Kesimpulan : Tidak ada perbedaan rata-rata penjualan traktor sawah sebelum

dan sesudah adanya iklan ditelevisi

LAB. MANAJEMEN DASAR UJI ANOVA


UJI ANOVA

( Analysis Of Variance )

I. PENDAHULUAN

Uji perbedaan lebih dari dua sampel disebut juga analisis varians,

dipopulerkan oleh Sir Ronald Aylmer Fisher, seorang pendiri modern. Distribusi F

digunakan sebagai statisti uji untuk anova, karena memiliki ciri-ciri sebagai berikut :

a. Tidak pernah bernilai negative

b. Merupakan distribusi yang continue yang mendekati sumbu X tetapi tidak

pernah menyentuhnya

c. Kemencengannnya positif

d. Didasarkan pada dua derajat kebebasan

Analisis ini digunakan untuk :

a. Menguji hipotesis kesamaan rata-rata antara lebih dari dua grup atau populasi

(tidak berbeda secara signifikan).

b. Menguji apakah varians populasinya sama atau tidak.

Asumsi :

1. Populasi-populasi yang akan diuji terdistribusi normal

2. Varians dari populasi-populasi tersebut adalah sama

3. Sampel tidak berhubungan satu dengan yang lain




a) Uji Kesamaan Varians

Lihat output livene’s test of homogeneity of varians

1. Hipotesis :

Ho : Varians ketiga sampel identik

Ha : Varians ketiga sampel tidak identik

2. Pengambilan keputusan

Jika Probabilitas > 0.05, maka Ho di terima

Jika Probabilitas < 0.05, maka Ho di tolak

Pada tahap selanjutnya jika varians memiliki Ho yang identik maka

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

tahap uji kesamaan varians saja.

b) Uji Anova

Lihat output analysis of varians

1. Hipotesis :

Ho : ke-3 rata-rata populasi adalah identik

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

2. Pengambilan keputusan

Jika Probabilitas > 0.05, maka Ho di terima

Jika Probabilitas < 0.05, maka Ho di tolak



III. CONTOH KASUS

Perusahaan Lembaga Survey bernama Martha.Inc ingin mengetahui

perkembangan pertumbuhan penduduk di suatu kota yaitu Kota Bogor. Terbagi

menjadi tiga usia yaitu Dewasa, Remaja, dan Balita . Perusahaan tersebut melakukan

sebuah riset pada kota tersebut dan ingin mengetahui apakah ada perbedaan rata-rata

kenaikan pertumbuhan penduduk didaerah Kota Bogor. Berikut adalah data

Pertumbuhan penduduk Kota Bogor berdasarkan Usia pada 5 tahun terakhir:

Tahun/ Usia Dewasa Remaja Balita

1 511 515 516

2 551 555 565

3 561 511 516

4 516 551 556

5 556 561 566

Gambar 4.1. Data Pertumbuhan Penduduk Kota Bogor

Dari data tersebut, lakukanlah uji anova jika diketahui taraf nyatanya 5%


Untuk mencari nilai-nilai anova data tersebut dengan menggunakan program

R, ikutilah langkah-langkah berikut :

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




Gambar 4.1 Tampilan Menu Awal R commander

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

kemudian tekan tombol OK.



Gambar 4.2 Tampilan menu New Data Set

Gambar 4.3 Tampilan New Data Set

Kemudian akan muncul Data Editor

Gambar 4.4 Tampilan Data Editor

3. Masukkan data dengan var1 Usia dan var2 pertumbuhan_pertahun. 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 tombol close. Untuk mengubah nama dan tipe variable,

dapat dilakukan dengan cara double click pada variable yang ingin di setting.



Gambar 4.5 Tampilan Variabel Editor

Usia

Gambar 4.6 Tampilan Variabel Editor

Pertumbuhan Penduduk

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

kemudian tekan tombol X (Close)

Gambar 4.7 Tampilan isi Data Editor



Gambar 4.8 Tampilan Script Window

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

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

Gambar 4.9 Tampilan Manage Variables



Kemudian akan muncul tampilan :

Gambar 4.10 Tampilan Bin a Numeric Variables

Kemudian akan muncul tampilan ubah nama bin :

Gambar 4.11 Tampilan Bin Names

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

Gambar 4.12 Tampilan menu olah data



6. Pada Response Variable pilih variable daya tahan (numeric) kemudian tekan

OK.

Gambar 4.13 Tampilan Levene’s Test

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

Means, One-way ANOVA

Gambar 4.14 Tampilan menu olah data



Kemudian akan muncul tampilan :

Gambar 4.15 Tampilan One-way Analysis Of Variance

Untuk Response Variable pilih pertumbuhan_pertahun, aktifkan Pairwise

comparisons of means jika ingin melihat Grafik.

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

Gambar 4.16 Tampilan Output Bagian 1



Analisa : Output di atas menunjukan nilai F probabilitas 0,9845 > 0,05 makan Ho

Diterima atau kesimpulannya yaitu ketiga variansi sampel identik.

Gambar 4.17 Tampilan Output bagian 2

Analisa : Output di atas menunjukan F probabilitas 0,9322 > 0,05 maka Ho

Diterima atau kesimpulannya rata-rata pertumbuhan penduduk dari ketiga usia

adalah idengtik (sama).



Gambar 4.18 Tampilan Output bagian 3

Analisa : 95% family-wise confidence level

Lihat nilai estimate paling besar adalah Usia Balita-Remaja – 5,20 maka ini

menunjukkan rata-rata pertumbuhan penduduk diantara ketiga usia berbeda,

dengan selang kepercayaan 95%.


a. Uji Kesamaan Varians

1. Ho : Varians pertumbuhan penduduk dari ketiga usia tersebut adalah

identik.

Ha : Varians pertumbuhan penduduk dari ketiga usia tersebut adalah tidak

identik.



2. Kriteria Pengujian

Ho diterima jika F Prob > 0.05

Ho ditolak jika F Prob < 0.05

3. Nilai Probabilitas : 0.9845 (F Prob)

4. Keputusan : Ho diterima karena F Prob > 0.05

5. Kesimpulan : Jadi, varians pertumbuhan penduduk dari ketiga usia

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.

b. Uji Anova

1. Ho : Rata-rata pertumbuhan penduduk dari ketiga usia adalah identik.

Ha : Rata-rata pertumbuhan penduduk dari ketiga usia adalah tidak

identik.

2. Kriteria Pengujian

Ho diterima jika F Prob > 0.05

Ho ditolak jika F Prob < 0.05

3. Nilai Probabilitas : 0.9322 (F Prob)

4. Keputusan : Ho diterima karena F Prob > 0.05

5. Kesimpulan : Jadi , rata-rata pertumbuhan penduduk dari ketiga usia

adalah identik.

LAB. MANAJEMEN DASAR REGRESI LINIER BERGANDA


REGRESI LINIER BERGANDA

I. PENDAHULUAN

Analisis regresi linier berganda adalah suatu analisis yang digunakan secara

bersamaan untuk meneliti pengaruh dua variabel bebas atau lebih terhadap satu

variable terikat dengan skala pengukuran yang bersifat metrik baik untuk variable

bebas maupun variabel terikatnya. Pada dasarnya, teknik analisis ini merupakan

kepanjangan teknik analisis regresi linier sederhana. Gujarati (2006) mendefinisikan

analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut variabel

yang diterangkan dengan satu atau dua variabel yang menerangkan. Dinamakan

regresi linier berganda karena pengaruh beberapa variabel bebas akan dikenakan pada

satu variabel terikat. Dikatakan linier karena setiap estimasi atau nilai yang

diharapkan mengalami peningkatan atau penurunan mengikuti garis lurus. Persamaan

regresi kemudian menghasilkan konstanta dan koefisien regresi bagi masing-masing

variabel bebas.

Tujuan penggunaan analisis 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


a) Persamaan umum regresi linier berganda

Y = α + β1X1 + β 2X2 + β3X3 + … + βnXn + e



Keterangan:

Y = variabel terikat (dependent variable)

α = konstanta

β1- βn = koefisien regresi

X1-Xn = variabel bebas (independent variable)

e = standar error

b) Uji Asumsi Klasik

Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda,

yaitu:

1. Tidak boleh ada Autokorelasi

Untuk menguji variabel-variabel yang diteliti, apakah terjadi autokorelasi

atau tidak. Jika terjadi autokorelasi maka persamaan tersebut menjadi

tidak baik atau tidak layak dipakai prediksi. Apabila uji nilai Durbin

Waston mendekati angka dua, maka dapat dinyatakan tidak ada korelasi.

2. Tidak boleh ada Multikolinieritas

Cara yang paling mudah untuk menguji ada atau tidaknya gejala

multikolinieritas dimana akan diukur tingkat hubungan/pengaruh

antarvariabel bebas melalui besaran koefisien korelasi (r). Jika nilai

korelasi dibawah angka 1, maka tidak terjadi multikolinieritas.

3. Tidak boleh ada Heterokedastisitas

Dengan melihat grafik plot antara nilai variabel terikat (SREID) dengan

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

membentuk pola yang teratur, baik menyempit, melebar, maupun

bergelombang, maka mengidentifikasikan telah terjadi heterokedastisitas.

Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan

dibawah ataupun diatas angka 0 pada sumbu Y, maka yang terjadi adalah

homoskedastisitas.



c) Koefisien Korelasi (r / R)

Adalah koefisien yang digunakan untuk mengetahui hubungan antara

variabel X dan Y, syaratnya adalah jika r = 0 atau mendekati 0, maka

hubungannya sangat lemah atau bahkan tidak ada hubungan sama sekali. Jika

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

mendekati -1, maka hubungannya kuat dan tidak searah.

d) Koefisien Determinasi (r2 / R2)

Adalah koefisien yang digunakan untuk mengetahui seberapa besar

variabel bebas (X) mempengaruhi variabel terikat (Y). nilai koefisien

determinasi berkisar antara 0 sampai dengan 1.

e) Kesalahan Standar Estimasi

Digunakan untuk mengetahui kecepatan persamaan estimasi. Dapat juga

digunakan untuk mengukur besar kecilnya kesalahan standar estimasi

(semakin kecil nilai kesalahannya, maka semakin tinggi kecepatannya).

III. CONTOH KASUS

Manager Bank ABC ingin melakukan penelitian mengenai apakah ada

pengaruh antara Tingkat Inflasi dan Suku Bunga terhadap Kinerja Perusahaan.

Tingkat Inflasi Suku Bunga Kinerja Perusahaan

5.1 11 1516

5.6 15 1655

5.5 15 1616

5 16 1555



Tabel 5.1. Data pengaruh antara Tingkat Inflasi dan Suku Bunga

terhadap Kinerja Peruahaan.


Untuk mencari nilai regresi tersebut dengan menggunakan R commander,

perhatikanlah langkah-langkah berikut:

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

seperti dibawah ini

Gambar 5.1. Tampilan awal menu R commander

Tingkat Inflasi Suku Bunga Kinerja Perusahaan

5.1 11 1565

5.5 16 1611



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

kemudian tekan tombol OK.

Gambar 5.2. Tampilan menu New data Set

Gambar 5.3. Tampilan New Data Set



Kemudian akan muncul Data Editor

Gambar 5.4. Tampilan Data Editor

3. Masukan data dengan var1 untuk penggangguran, var2 untuk inflasi dan var3

untuk pendapatan nasional. 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 tombol close. 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 5.5. Tampilan Variabel Editor

Tingkat Inflasi

Gambar 5.6. Tampilan Variabel Editor

Suku Bunga



Gambar 5.7. Tampilan Variabel Editor Kinerja Perusahaan

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

data kemudian tekan tombol X (close)

Gambar 5.8. Tampilan isi Data Editor

Selanjutnya pilih Window R commander maka akan muncul tampilan seperti ini:



Gambar 5.9. Tampilan Script Window

4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol view

data set maka akan muncul tampilan seperti gambar dibawah ini. Jika ada data

yang salah, tekan tombol edit data set, lalu perbaiki data yang salah. Jika

sudah benar, pilih menu Statistic, Fit models, Linear Regression, maka akan

muncul seperti gambar dibawah ini.

Gambar 5.10. Tampilan menu olah data



5. Pada Response Variabel pilih variabel yang termasuk variabel terikat yaitu

pendapatan nasional dan pada Explanatory Variables pilih yang termasuk

varibel bebas yaitu inflasi dan penggangguran. Untuk memilih 2 variabel

sekaligus tekan Ctrl lalu pilih inflasi dan penggangguran kemudian tekan

tombol OK.

Gambar 5.11. Tampilan Linier Regression

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

Gambar 5.12. Tampilan Output




a. Persamaan regresi untuk soal tersebut adalah:

Y = 706.873 + 153.728 X1 + 4.622 X2

Uji t digunakan untuk mengetahui masing-masing variabel bebas berpengaruh

signifikan atau tidak terhadap variabel terikat.

b. Uji t (uji signifikan parsial)

Tingkat Inflasi

Ho :Tingkat inflasi tidak berpengaruh signifikan terhadap kinerja

perusahaan

Ha :Tingkat inflasi berpengaruh signifikan terhadap kinerja perusahaan

Syarat :

Jika P-value > 0.05 maka Ho diterima

Jika P-value < 0.05 maka Ha diterima

Nilai p-value tingkat inflasi = 0.0502 > 0.05 maka Ho diterima

Kesimpulan : tingkat inflasi tidak berpengaruh signifikan terhadap kinerja

perusahaan

Suku Bunga

Ho: Suku bunga tidak berpengaruh signifikan terhadap kinerja perusahaan

Ha : Suku bunga berpengaruh signifikan terhadap kinerja perusahaan

Syarat :



Nilai p-value suku bunga = 0.4497 > 0.05 maka Ho diterima

Kesimpulan : suku bunga tidak berpengaruh signifikan terhadap kinerja

perusahaan



Uji F digunakan untuk mengetahui apakah secara bersama-sama variabel

bebas berpengaruh signifikan terhadap variabel terikatnya.

c. Uji F (uji signifikansi simultan)

Ho : tingkat inflasi dan suku bunga secara bersama-sama tidak

berpengaruh signifikan terhadap kinerja perusahaan

Ha : tingkat inflasi dan suku bunga secara bersama-sama berpengaruh

signifikan terhadap kinerja perusahaan

Syarat :



Nilai p-value = 0.05511 > 0.05 maka Ho diterima

Kesimpulan : tingkat inflasi dan suku bunga secara bersama-sama tidak

berpengaruh signifikan terhadap kinerja perusahaan

Pada bagian ini ditampilkan Adjusted R Squared (Adj. R2) adalah sebesar

0.7586. Artinya sebesar 75.86% variabel tingkat inflasi dan suku bunga

mampu mempengaruhi kinerja perusahaan. Sementara sisanya yaitu 24.14%

dipengaruhi oleh variabel lain yang tidak dimasukan ke dalam model regresi



DAFTAR PUSTAKA

Hadi, Sutrisno. 2000, Statistik, Yogyakarta: Andi

Lind. Marchal. Wthen. 2008. Teknik-teknik Statistika Dalam Bisnis dan Ekonomi

Menggunakan Kelompok Data Global. Buku 2. Edisi 13. Penerbit Salemba 4.

Panduan Penulisan Ilmiah yang Diterbitkan Oleh Bagian Penulisan Ilmiah Fakultas

Ekonomi Universitas Gunadarma

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

Mitra Wacana Media

Santoso, Singgih. 2005. Menguasai Statistik di Era Informasi dengan SPSS 12.

Jakarta: PT. Elex Media Komputindo.

Sarwono, Jonathan. 2002. Riset Akutansi dalam Statistika. Jakarta.

Sarwono, Jonathan. 2012. Metode Riset Skripsi: Pendekatan Kuantitatif Dengan

SPSS 22. Jakarta: Elex Media Komputindo.

Subiyanto, Ibnu. 1993. Metode Penelitian Akuntansi. Yogyakarta: STIE YKPN.

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

Publishing.

Umar, Husein. 1997 Riset Akuntansi Dilengkapi dengan Panduan Membuat Skripsi

dan Empat Bahasan Kasus Bidang Akuntansi. Jakarta: PT. Gramedia Pustaka

Utama

laboratorium manajemen dasar modul...

Documents