makalah

KESALAHAN ANALISIS DATA PADA SKRIPSI

Oleh: 1. Dwi Suciati (4150405009)

2. Munirul Chakim (4150405016) 3. Rina Marfungah (4150405026) 4. Abdul Gofur R. (4150405033)

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI SEMARANG 2009

BAB 1 PENDAHULUAN1.1 Latar Belakang MasalahStatistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang disusun dalam tabel atau diagram yang menggambarkan suatu persoalan (Sudjana 2005: 2). Sedangkan statistika diartikan sebagai ilmunya. Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan (Sudjana 2005: 3). Disadari atau tidak, statistika sudah banyak digunakan dalam kehidupan sehari-hari. Statistika sangat penting digunakan dalam bidang teknik, industri, bisnis, ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan, sosiologi, antropologi, pemerintahan, pendidikan, dan sebagainya. Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari masalah statistika. Masalah statistika dapat diselesaikan dengan metode-metode statistik. Dalam dunia perkuliahan, para mahasiswa yang skripsi atau tugas akhirnya berupa studi kasus atau penelitian biasanya menggunakan metode statistika untuk menyelesaikan analisis data skripsi atau tugas akhir. Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada mahasiswa jurusan matematika saja. Akan tetapi seluruh mahasiswa disemua jurusan diajarkan mata kuliah tersebut. Hanya saja penekanan metode statistika pada mahasiswa jurusan matematika lebih mendalam sehingga pemahaman mereka mengenai statistika lebih paham daripada mahasiswa dari jurusan lain. Akibatnya, jika ditelusuri lebih jauh masih banyak ditemukan skripsi dan tugas akhir mahasiswa non matematika yang analisis datanya masih salah atau kurang benar.

2

Pada makalah ini akan dibahas kesalahan analisis data dan pembetulan analisis data pada salah satu skripsi yang berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas, yang ditulis oleh Ari Wiyatmi (3364981601), Prodi Pendidikan Akuntansi, Jurusan Ekonomi, Fakultas Ilmu Sosial. Rumusan masalah yang terdapat pada skripsi tersebut antara lain: (1) (2) (3) Bagaimana pengaruh penggunaan modal kerja terhadap pendapatan Bagaimana pengaruh penggunaan tenaga kerja terhadap pendapatan Seberapa besar pengaruh penggunaan modal kerja dan tenaga kerja industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas? industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas? terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas? Berdasarkan latar belakang di atas, maka penulis mengambil judul Kesalahan Analisis Data pada Skripsi.

1.2(1)

PermasalahanPermasalahan yang akan dikaji adalah sebagai berikut. Dimana letak kesalahan analisis data yang terdapat pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas? (2) Bagaimana pembetulan analisis data pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas?

1.3(1)

TujuanTujuan dari permasalahan di atas adalah sebagai berikut. Untuk mengetahui letak kesalahan analisis data yang terdapat pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja

3

terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas. (2) Untuk mengetahui pembetulan analisis data pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas.

4

BAB 2 LANDASAN TEORITerdapat dua macam teknik statistik inferensial yang dapat digunakan untuk menguji hipotesis penelitian, yaitu statistik parametris dan statistik nonparametris (Sugiyono 2004: 8). Statistik parametris lebih banyak digunakan untuk menganalisis data yang berbentuk interval dan rasio, dengan dilandasi beberapa persyaratan tertentu misalnya data variabel yang akan dianalisis harus berdistribusi normal (Sugiyono 2004: 8). Biasanya sampling yang dilakukan beranggotakan n yang cukup besar (n > 30). Analisis statistik yang terdapat pada statistik parametris misalnya analisis regresi (uji hubungan dan pengaruh antar variabel), uji t (uji perbedaan) dua variabel, dan uji perbedaan data lebih dari dua variabel (Sukestiyarno 2008: 7). Statistik nonparametris digunakan untuk menganalisis data yang berbentuk nominal dan ordinal serta tidak dilandasi persyaratan data harus berdistribusi normal (Sugiyono 2004: 8). Analisis nonparametris biasanya lebih tepat jika digunakan pada suatu sampling data ukuran kecil. Analisis statistic yang terdapat pada statistic nonparametris misalnya uji tanda, uji kebebasan chi kuadrat, uji U Mann-whitney, dan sebagainya (Sukestiyarno 2008: 7). Dalam kehidupan sehari-hari banyak ditemukan persoalan atau fenomena yang meliputi lebih dari sebuah variabel. Misalnya, berat orang dewasa laki-laki sampai taraf tertentu bergantung pada tingginya, tekanan semacam gas bergantung pada temperature, hasil produksi padi tergantung pada jumlah pupuk yang digunakan, banyak hujan, cuaca, dan sebagainya. Jika dipunyai sebuah data yang terdiri dari dua atau lebih variabel maka dapat diketahui hubungan atau pengaruh antar variabel tersebut. Hubungan dan pengaruh yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Studi yang menyangkut masalah ini dikenal dengan analisis regresi linier (Sudjana 2005: 310). Analisis regresi linier juga digunakan untuk meramalkan suatu variabel (variabel dependen) berdasar satu atau beberapa variabel lain (variabel independen)

5

dalam suatu persamaan linier (Trihendradi 2006: 154). Ada dua macam analisis regresi linier yaitu analisis regresi linier sederhana dan analisis regresi linier ganda.

2.1

Analisis Regresi Linier SederhanaAnalisis regresi linier sederhana terdiri dari satu variabel dependen (variabel

terikat) dan satu variabel independen (variabel bebas). Analisis regresi linier sederhana dinyatakan dengan hubungan persamaan regresi:Y =a + bX^

(Sudjana 2005: 312).a= ( Yi )( X i ) ( X i )( X i Yi ) n Xi ( Xi )2 2 2

b=

n X i Yi - ( X i )( Yi ) n Xi ( Xi )2 2

(Sudjana 2005: 315). Keterangan : X Y a b : Variabel independen : Variabel dependen : Konstanta : Koefisien regresi (Trihendradi 2006: 154). Pada analisis regresi linier sederhana ada dua uji pokok, yaitu uji kelinieran dan uji koefisien (Trihendradi 2006: 154). (1) Hipotesis: H0 : Persamaan regresi tidak linier H1 : Persamaan regresi linier Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output ANOVA lebih dari (5%) atau nilai F hitung pada output ANOVA kurang dari F tabel maka H0 diterima (Trihendradi 2006: 157). Uji Kelinieran

6

(2) Hipotesis:

Uji Koefisien

H0 : Koefisien regresi tidak signifikan H1 : Koefisien regresi signifikan Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output Coefficients lebih dari (5%) atau nilai T hitung pada output Coefficients kurang dari T tabel maka H0 diterima (Trihendradi 2006: 158). Model persamaan regresi linier sederhana dapat dilihat pada output Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel bebas terhadap variabel terikat dapat dilihat pada output Model Summary (Sukestiyarno 2008: 12-13).

2.2

Analisis Regresi Linier GandaAnalisis regresi linier ganda terdiri dari satu variabel dependen dan

beberapa variabel independen. Analisis regresi linier ganda dinyatakan dengan hubungan persamaan regresi:

a0 = Y a1 X 1 a2 X 22

Y = a0 + a1 X 1 + a2 X 2 + ...+ ak X k( X 2i )( X 1iYi ) ( X 1i X 2i )( X 2iYi ) ( X 1i )( X 2i ) ( X 1i X 2i )2 2 2 2

a1 =

a2 =

( X 1i )( X 2iYi ) ( X 1i X 2i )( X 1iYi ) ( X 1i )( X 2i ) ( X 1i X 2i ) 22 2

(Sudjana 2005: 349). Keterangan : X1, X2, ..., Xk : Variabel independen Y : Variabel dependen

7

a0 a1 , a 2 ,..., a k (1) Hipotesis:

: Konstanta : Koefisien regresi

Pada analisis regresi linier ganda ada enam uji pokok, yaitu: Uji Kelinieran

H0 : Persamaan regresi tidak linier H1 : Persamaan regresi linier Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output ANOVA lebih dari (5%) maka H0 diterima (Trihendradi 2006: 157). (2) Hipotesis: H0 : Koefisien regresi tidak signifikan H1 : Koefisien regresi signifikan Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output Coefficients lebih dari (5%) maka H0 diterima (Trihendradi 2006: 158). (3) Uji Normalitas Data Berdasarkan teori statistika model linier hanya variabel dependen yang mempunyai distribusi diuji normalitasnya, sedangkan variabel independen diasumsikan bukan merupakan fungsi distribusi, jadi tidak perlu diuji normalitasnya. Salah satu cara untuk menguji kenormalan data yaitu dengan uji Kolmogorov-Smirnov. Hipotesis: H0 : Variabel adalah normal H1 : Variabel adalah tidak normal Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output NPar Tests lebih dari (5%) maka H0 diterima. Selain itu kenormalan data dapat juga dideteksi dari penyebaran data (titik) pada sumbu diagonal dari grafik atau melihat grafik histograf dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal, maka model regresi memenuhi asumsi normalitas (Sukestiyarno 2008: 14). Uji Koefisien

8

(4)

Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antara variabel bebas. Jadi uji multikolinearitas terjadi hanya pada regresi ganda. Model regresi yang baik seharusnya tidak terjadi korelasi tinggi diantara variabel bebas. Gejala multikolinearitas dapat dideteksi dengan melihat nilai Variance Inflasi Factor (VIF) dan tolerance pada output Coefficients. Multikolinearitas terjadi jika VIF berada di atas 10 dan nilai tolerance di atas 1 (Sukestiyarno 2008: 14). (5) Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antar error satu dengan error yang lainnya. Gejala autokorelasi dapat dideteksi dengan menggunakan uji Durbin Watson (DW) pada output Model Summary. Ketentuan jika -2 < DW < 2 berarti tidak terjadi autokorelasi (Sukestiyarno 2008: 14). (6) Uji Heteroskedastisitas Heteroskedastisitas terjadi apabila error atau residual dari model yang diamati tidak memiliki varian yang konstan dari satu observasi ke observasi lainnya. Pengujian heteroskedastisitas dilakukan dengan melihat diagram residual terhadap variabel bebas pada output Scatterplot. Jika nilai error membentuk pola tertentu tidak bersifat acak terhadap nol maka dikatakan terjadi heteroskedasti (Sukestiyarno 2008: 14). Model persamaan regresi linier ganda dapat dilihat pada output Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel bebas secara bersama-sama terhadap variabel terikat dapat dilihat pada output Model Summary (Sukestiyarno 2008: 19).

9

BAB 3 PEMBAHASAN3.1 Kesalahan Analisis Data pada SkripsiKesalahan analisis data pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas terletak pada: (1) Tidak terdapat analisis regresi linier sederhana untuk menjawab permasalahan pertama, yaitu pengaruh penggunaan modal kerja terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas. (2) Tidak terdapat analisis regresi linier sederhana untuk menjawab permasalahan kedua, yaitu pengaruh penggunaan tenaga kerja terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas. (3) Uji pokok untuk melakukan analisis regresi linier ganda untuk menjawab permasalahan ketiga, yaitu pengaruh penggunaan modal kerja dan tenaga kerja terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas masih kurang, yaitu tidak terdapat uji kelinieran, uji normalitas data, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.

3.2

Pembetulan Analisis Data pada SkripsiPembetulan analisis data pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas adalah sebagai berikut. (1) Untuk mengetahui pengaruh penggunaan modal kerja terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas dilakukan analisis regresi linier sederhana dengan variabel bebasnya

10

adalah modal kerja (X) dan variabel terikatnya adalah pendapatan (Y). Analisisnya dengan SPSS adalah sebagai berikut.

Regressionb Variables Entered/Removed

Model 1

Variables Entered MODAL_ a KERJA

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: PENDAPATANModel Summary Model 1 R R Square .748 a .559 Adjusted R Square .546 Std. Error of the Estimate 6716317.593

a. Predictors: (Constant), MODAL_KERJAb ANO VA

Model 1

Regression Residual Total

Sum of Squares 1.9E+015 1.5E+015 3.4E+015

df 1 33 34

Mean Square 1.889E+015 4.511E+013

F 41.882

Sig. .000a

a. Predictors: (Constant), MODAL_KERJA b. Dependent Variable: PENDAPATAN Coefficientsa Unstandardized Coefficients B Std. Error 5244901 1766201 .869 .134 Standardized Coefficients Beta .748

Model 1

(Constant) MODAL_KERJA

t 2.970 6.472

Sig. .006 .000

a. Dependent Variable: PENDAPATAN

(a) Hipotesis:

Uji Kelinieran

H0 : Persamaan regresi tidak linier H1 : Persamaan regresi linier

11

Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari (5%) atau nilai F hitung = 41,882 lebih dari F tabel = F(1;33;0,05) = 4,139 maka H0 ditolak atau H1 diterima. Jadi persamaan regresi linier. (b) Hipotesis: H0 : Koefisien regresi tidak signifikan H1 : Koefisien regresi signifikan Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang dari (5%) atau nilai T hitung = 6,472 lebih dari T tabel = t(33;0,05) = 1,692 maka H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan. Berdasarkan output Coefficients diperoleh model persamaan regresi linier sederhana: Y = 5244901 + 0,869 X Berdasarkan output Model Summary diperoleh R Square = 0,559 = 55,9% (nilai pengaruhnya cukup tinggi). Artinya modal kerja mempengaruhi pendapatan sebesar 55,9% dan masih ada pengaruh lain di luar modal kerja sebesar 44,1%. (2) Untuk mengetahui pengaruh penggunaan tenaga kerja terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas dilakukan analisis regresi linier sederhana dengan variabel bebasnya adalah tenaga kerja (X) dan variabel terikatnya adalah pendapatan (Y). Analisisnya dengan SPSS adalah sebagai berikut.

Uji Koefisien

Regressionb Variables Entered/Removed

Model 1

Variables Entered TENAGA_ a KERJA

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: PENDAPATAN

12

Model Summary Model 1 R R Square .766 a .587 Adjusted R Square .574 Std. Error of the Estimate 6501787.052

a. Predictors: (Constant), TENAGA_KERJA

b ANO VA

Model 1



df 1 33 34

Mean Square 1.983E+015 4.227E+013

F 46.905

Sig. .000 a

a. Predictors: (Constant), TENAGA_KERJA b. Dependent Variable: PENDAPATAN Coefficientsa Unstandardized Coefficients B Std. Error (Constant) -9601589 3617273 TENAGA_KERJA 255440.5 37297.423 Standardized Coefficients Beta .766

Model 1

t -2.654 6.849

Sig. .012 .000


(a) Hipotesis:

Uji Kelinieran

H0 : Persamaan regresi tidak linier H1 : Persamaan regresi linier Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari (5%) atau nilai F hitung = 46,905 lebih dari F tabel = F(1;33;0,05) = 4,139 maka H0 ditolak atau H1 diterima. Jadi persamaan regresi linier. (b) Hipotesis: H0 : Koefisien regresi tidak signifikan H1 : Koefisien regresi signifikan Uji Koefisien

13

Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang dari (5%) atau nilai T hitung = 6,849 lebih dari T tabel = t(33;0,05) = 1,692 maka H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan. Berdasarkan output Coefficients diperoleh model persamaan regresi linier sederhana: Y = 9601589 + 255440 ,5 X Berdasarkan output Model Summary diperoleh R Square = 0,587 = 58,7% (nilai pengaruhnya cukup tinggi). Artinya tenaga kerja mempengaruhi pendapatan sebesar 58,7% dan masih ada pengaruh lain di luar tenaga kerja sebesar 41,3%. (3) Untuk mengetahui pengaruh penggunaan modal kerja dan tenaga kerja secara bersama-sama terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas dilakukan analisis regresi linier ganda dengan variabel bebasnya adalah modal kerja (X1) dan tenaga kerja (X2) dan variabel terikatnya adalah pendapatan (Y). Analisisnya dengan SPSS adalah sebagai berikut.

NPar TestsO ne-Sample Kolmogorov-Smirnov Test PENDAP ATAN 35 1E+007 9967381 .155 .152 -.155 .918 .368

N Normal Parametersa,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Mean Std. Deviation Absolute Positive Negative

a. Test distribution is Normal. b. Calculated from data.

Regression

14

b Variables Entered/Removed

Model 1

Variables Entered TENAGA_ KERJA, MODAL_ a KERJA

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: PENDAPATANb Model Summary

Model 1

R R Square .860 a .740

Adjusted R Square .724

Std. Error of the Estimate 5239354.386

DurbinWatson 1.817

a. Predictors: (Constant), TENAGA_KERJA, MODAL_KERJA b. Dependent Variable: PENDAPATANb ANO VA

Model 1



df 2 32 34

Mean Square 1.250E+015 2.745E+013

F 45.526

Sig. .000 a

a. Predictors: (Constant), TENAGA_KERJA, MODAL_KERJA b. Dependent Variable: PENDAPATANa Coefficients

Model 1

Unstandardized Coefficients B Std. Error (Constant) -7154337 2969006 MODAL_KERJA .544 .125 TENAGA_KERJA 169633.6 35980.311

Standardized Coefficients Beta .468 .509

t -2.410 4.338 4.715

Sig. .022 .000 .000

Zero-order .748 .766

Correlations Partial .609 .640

Part .391 .425

Collinearity Statistics Tolerance VIF .698 .698 1.433 1.433


a Collinearity Diagnostics

Model 1

Dimension 1 2 3

Eigenvalue 2.706 .255 .039

Condition Index 1.000 3.257 8.379

(Constant) .01 .10 .89

Variance Proportions MODAL_ TENAGA_ KERJA KERJA .03 .01 .75 .02 .22 .98


15

a Residuals Statistics

Predicted Value Residual Std. Predicted Value Std. Residual

Minimum -683040 -1E+007 -1.713 -2.304

Maximum 3E+007 1E+007 2.052 2.414

Mean 1E+007 .000 .000 .000

Std. Deviation 8573949.466 5082920.363 1.000 .970

N 35 35 35 35


ChartsNormal P-P Plot of Regression Standardized Residual

Dependent Variable: PENDAPATAN

1.0

Expected Cum Prob

0.8

0.6

0.4

0.2

0.0 0.0 0.2 0.4 0.6 0.8 1.0

Observed Cum Prob

16

Scatterplot

Dependent Variable: PENDAPATAN3

Regression Standardized Predicted Value

2

1

0

-1

-2 0 10000000 20000000 30000000 40000000

PENDAPATAN

(a) Hipotesis:

Uji Kelinieran

H0 : Persamaan regresi tidak linier H1 : Persamaan regresi linier Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari (5%) atau nilai F hitung = 45,526 lebih dari F tabel = F(2;32;0,05) = 3,30 maka H0 ditolak atau H1 diterima. Jadi persamaan regresi linier. (b) Hipotesis: H0 : Koefisien regresi tidak signifikan H1 : Koefisien regresi signifikan Berdasarkan output Coefficients diperoleh nilai sig untuk variabel modal kerja = 0,000 = 0% kurang dari (5%) atau nilai T hitung untuk variabel modal kerja = 4,338 lebih dari T tabel = t(32;0,05) = 1,694 maka H0 ditolak atau H1 diterima. Uji Koefisien

17

Sedangkan nilai sig untuk variabel tenaga kerja = 0,000 = 0% kurang dari (5%) atau nilai T hitung untuk variabel modal kerja = 4,715 lebih dari T tabel = t(32;0,05) = 1,694 maka H0 ditolak atau H1 diterima. Jadi koefisien regresi untuk kedua variabel bebas tersebut signifikan. (c) Uji Normalitas Data Untuk menguji normalitas ada 2 cara yaitu dengan uji Kolmogorov-Smirnov dan dengan melihat grafik histograf dari residualnya. Untuk uji normalitas dengan Kolmogorov-Smirnov sebagai berikut : Hipotesis : H0 : Variabel adalah normal H1 : Variabel adalah tidak normal Dari output NPar Tests diperoleh nilai sig = 0,368 = 36,8% lebih dari (5%), berarti H0 diterima. Jadi variabel dependen adalah normal. Berdasarkan output Normal P-Plot of Regression, terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal, maka model regresi memenuhi asumsi normalitas. (d) Uji Multikolinieritas Berdasarkan output Coefficients diperoleh nilai tolerance =0,698 kurang dari 1 dan nilai VIF = 1,433 kurang dari 10. Ini berarti tidak terjadi multikolinieritas. (e) Uji Autokorelasi Berdasarkan output Model Summary diperoleh nilai Durbin Watson (DW) = 1,817. Ternyata nilai DW terletak diantara -2 dan 2. Ini berarti tidak terjadi autokorelasi. (f) Uji Heteroskedastisitas Pada output Scatterplot terlihat bahwa nilai error bersifat acak terhadap nol. Ini berarti tidak terjadi heteroskedasti. Berdasarkan output Coefficients diperoleh model persamaan regresi linier ganda:

18

Y = 7154337 + 0,544 X 1 + 169633,6 X 2 Berdasarkan output Model Summary diperoleh R Square = 0,740 = 74% (nilai pengaruhnya tinggi). Artinya, modal kerja dan tenaga kerja secara bersamasama mempengaruhi pendapatan sebesar 74% dan masih ada pengaruh lain di luar modal kerja dan tenaga kerja sebesar 26%.

19

BAB 4 PENUTUP4.1(1)

SimpulanBerdasarkan pembahasan dapat disimpulkan sebagai berikut: Letak kesalahan analisis data yang terdapat pada skripsi berjudul Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas adalah adanya permasalahan yang belum terjawab dalam analisis data serta pada analisis regresi, penggunaan uji pokok analisis regresi linier ganda masih kurang lengkap. (2) Pembetulan dilakukan untuk menjawab permasalahan yang belum terjawab dalam analisis data serta untuk melengkapi kekurangan uji pokok dalam analisis regresi linier ganda berdasarkan landasan teorinya.

4.2

SaranBerdasarkan simpulan maka saran yang dapat disampaikan adalah sebagai berikut: (1) Mahasiswa perlu mempelajari dan memahami mata kuliah statistika

lebih mendalam lagi. (2) Cara belajar statistika akan lebih efektif dan efisien jika banyak

latihan perhitungan dan praktek dengan menggunakan software yang berkaitan dengan statistika serta mempelajari cara menginterpretasikan outputnya. (3) Mahasiswa harus teliti dalam melakukan perhitungan-perhitungan

dalam statistika serta teliti dalam menginterpretasikan output software mengenai statistika.

20

DAFTAR PUSTAKASudjana. 2005. Metoda Statistika. Bandung: Tarsito. Sugiyono. 2004. Statistik Nonparametris. Bandung: CV Alfabeta. Sukestiyarno. 2008. Workshop Olah Data Penelitian dengan SPSS. Semarang: UNNES. Trihendradi, C. 2006. Langkah Mudah Menguasai Analisis Statistik Menggunakan SPSS 15. Yogyakarta: Andi Offset.

21

makalah

Documents