Analisis Regresi 2. Multikolinier & penanganannya
|
|
- Vera Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
2 ASUMSI KLASIK PADA MODEL REGRESI LINIER BERGANDA Kenormalan Galat menyebar normal Homoskedastisitas (ragam sisaan homogen) Var(ε i ) = E(ε i2 ) = σ 2 Non Autokorelasi (sisaan menyebar bebas) Cov(ε i,ε j ) = E(ε i,ε j ) = 0 Non Multikolinearitas Tidak ada hubungan linear sempurna antar peubah bebas dalam model regresi.
3 PELANGGARAN ASUMSI : MULTIKOLINEARITAS Multikolinearitas adalah salah satu pelanggaran asumsi dimana adanya hubungan linear (KORELASI) antara peubah bebasnya Dapat mempengaruhi ragam dari penduga kuadrat terkecil dan pendugaan model yang dibuat. (Wetherhill,1986)
4 AKIBAT PELANGGARAN ASUMSI : MULTIKOLINEARITAS 1. Interpretasi menjadi sulit karena setiap ada perubahan pada peubah yang saling berkorelasi maka peubah lain yang berkorelasi juga akan mengalami perubahan sesuai arah korelasinya. 2. Pendugaan dengan OLS akan diperoleh ragam dan koragam yang besar. Sehingga sulit untuk disimpulkan. 3. Hasil uji F signifikan tetapi dengan uji-t banyak peubah yang tidak signifikan. (Tidak selaras) 4. Penduga OLS dan standar error sensitif terhadap perubahan data. 5. Matriks X X akan hampir singular (ill-conditioned) yang pada akhirnya akan menyebabkan dugaan bagi memiliki dugaan ragam yang menduga lebih (overestimate) walaupun tetap takbias. 6. Rsq(adj) bernilai tinggi
5 a. Correlation Pearson CARA MENDETEKSI ADANYA MULTIKOLINEARITAS Uji koefisien korelasi antar peubah bebas, jika korelasinya sangat tinggi dan nyata, maka terjadi multikolinearitas. b. Variance Inflation Factor (VIF) Suatu pengukuran multikolinearitas untuk peubah bebas ke-i. Jika korelasi semakin besar, VIF akan semakin besar. VIF = 1/ (1 R i2 ) jika VIF>10 dikatakan terjadi multikolinearitas.
6 Mengatasi masalah multikolinearitas: Membuang peubah bebas yang mempunyai korelasi tinggi terhadap peubah bebas lainnya. Menambah data pengamatan/contoh. Melakukan transformasi terhadap peubah-peubah bebas yang mempunyai kolinearitas atau menggabungkan menjadi peubah-peubah bebas baru yang lebih berarti. Menggunakan Regresi Gulud, Regresi Kuadrat Terkecil Parsial, dan Regresi Komponen Utama (principal component regression)
7 REGRESI KOMPONEN UTAMA (PRINCIPAL COMPONENT REGRESSION)
8 Regresi Komponen Utama Analisis komponen utama pada dasarnya mentransformasi peubah-peubah bebas yang berkorelasi menjadi peubah-peubah baru yang ortogonal dan tidak berkorelasi. Analisis ini bertujuan untuk menyederhanakan peubahpeubah yang diamati dengan cara mereduksi dimensinya. Hal ini dilakukan dengan menghilangkan korelasi di antara peubah melalui transformasi peubah asal ke peubah baru (komponen utama) yang tidak berkorelasi (Gesperz, 1995).
9 Regresi Komponen Utama Tahapan-tahapan Analisis 1. Membakukan peubah bebas asal yaitu X menjadi Z. 2. Mencari akar ciri dan vektor ciri dari matriks R. 3. Menentukan persamaan komponen utama dari vektor ciri. 4. Meregresikan peubah respon Y terhadap skor komponen utama W. 5. Transformasi balik
10 Regresi Komponen Utama Skor Komponen Utama W Biasanya tidak semua W digunakan. Morrison (1978) menyarankan agar memilih komponenkomponen utama sampai komponen-komponen utama tersebut mempunyai keragaman kumulatif 75 %, namun sebagian ahli menyarankan agar memilih komponen utama yang besar akar cirinya lebih dari satu, karena jika akar ciri kurang dari satu keragaman data yang dapat diterangkan kecil sekali.
11 Tahun CONTOH : PENYELESAIAN KASUS MULTIKOLINEARITAS DENGAN MENGGUNAKAN RKU Volume Ekspor Jagung (Y) Volume Produksi (X1) Harga Jagung Domes-tik (X2) Harga Ekspor Jagung( X3) Volume Ekspor Sebelumnya (X4) Volume Impor Jagung Indonesia (X5) Nilai Tukar (X6) Inflasi (X7) , , , , , , , , , , , , , , , , , , ,33
12 ANALISIS DATA The regression equation is Y = ,12 X X X3 + 0,003 X4-0,00382 X X X7 Predictor Coef SE Coef T P VIF Constant ,17 0,878 X1 1,123 3,364 0,33 0,760 6,9 X ,22 0,840 13,3 X ,15 0,894 5,2 X4 0,0027 0,1783 0,01 0,989 1,4 X5-0, , ,63 0,574 2,3 X ,37 0,734 5,2 X ,54 0,020 1,8 S = R-Sq = 93,1% R-Sq(adj) = 77,1% Dari regresi tersebut, terdapat nilai VIF>10 maka dapat dikatakan bahwa terjadi multikolinearitas
13 MATRIKS KORELASI ANTAR PEUBAH Y X1 X2 X3 X4 X5 X6 X7 Y 1 0, , , , , , ,9226 X1 0, , , , , , ,39449 X2-0, , ,6548-0, , , ,39449 X3-0, , , , , , ,31723 X4-0, , , , , , ,07965 X5-0, , , , , , ,45245 X6-0, , , , , , ,16332 X7 0,9226-0, , , , , ,
14 ANALISIS DATA (LANJUTAN) X5 1 2,45267E+14 X6 1 1,58875E+13 X7 1 7,20060E+14 Analysis of Variance Source DF SS MS F P Regression 7 1,42431E+15 2,03473E+14 5,81 0,088 Residual Error 3 1,04988E+14 3,49961E+13 Total 10 1,52930E+15 Source DF Seq SS X1 1 1,22723E+13 X2 1 3,57541E+14 X3 1 6,69509E+13 X4 1 6,33113E+12 Unusual Observations Obs X1 Y Fit SE Fit Residual St Resid ,81 X
15 HASIL PEMBAKUAN PEUBAH Z1 Z2 Z3 Z4 Z5 Z6 Z7-1, , , , , , , ,2752-1, , , , , , , , , , , , , , , , , ,6472-0, , , , , , , , , , ,3874-0, , , , , , , , , , , , , , , ,1346 0, , , , , , , , , ,2235 0, , , , , , ,0395 1, , , , , , ,52433
16 REGRESI KOMPONEN UTAMA Principal Component Analysis: Z1; Z2; Z3; Z4; Z5; Z6; Z7 Eigen analysis of the Correlation Matrix Eigenvalue 2,9881 1,4565 1,2156 0,8405 0,3369 0,1160 0,0464 Proportion 0,427 0,208 0,174 0,120 0,048 0,017 0,007 Cumulative 0,427 0,635 0,809 0,929 0,977 0,993 1,000 Varb PC1 PC2 PC3 PC4 PC5 PC6 PC7 Z1-0,522 0,218 0,157 0,122-0,168-0,711 0,327 Z2-0,551 0,017-0,166-0,127-0,220 0,047-0,776 Z3-0,465-0,006 0,318 0,460-0,101 0,630 0,254 Z4 0,163 0,153-0,700 0,523-0,426-0,004 0,072 Z5-0,030-0,757 0,007-0,250-0,567-0,023 0,204 Z6-0,338 0,209-0,495-0,573 0,127 0,270 0,425 Z7 0,255 0,559 0,334-0,307-0,628 0,151-0,004 Dari hasil di atas, akan diambil Score (W) sebanyak 4, dikarenakan jumlah proportion > 0,7.
17 SCORE KOMPONEN UTAMA W1 W2 W3 W4 W5 W6 W7 2, , , , , , , ,9888 2, , , , , , , , , , , , , , , , , , , , , , , , , , , , ,6239-0, , , , , , ,0206 0, , , , , , , , , , , , , , , , , , , , , , , , , , ,3511 0, ,7672 1, , , ,16958
18 REGRESI Y terhadap W Regression Analysis: Y versus W1; W2; W3; W4 The regression equation is Y = W W W W4 Predictor Coef SE Coef T P VIF Constant ,33 0,016 W ,25 0,259 1,0 W ,40 0,005 1,0 W ,47 0,049 1,0 W ,78 0,463 1,0 S = R-Sq = 82,2% R-Sq(adj) = 70,3% Analysis of Variance Source DF SS MS F P Regression 4 1,25643E+15 3,14108E+14 6,91 0,020 Residual Error 6 2,72866E+14 4,54776E+13 Total 10 1,52930E+15 W1 dan W4 tidak nyata
19 HASIL ANALISIS REGRESI Hasil analisis regresi memperlihatkan bahwa ada dua peubah yang tidak nyata, yaitu W1 dan W4 Sehingga untuk selanjutnya yang digunakan hanyalah W yang nyata terhadap Y. Persamaan regresinya yaitu : Y = W W3 Predictor Coef SE Coef T P VIF Constant ,30 0,011 W ,36 0,002 1,0 W ,44 0,041 1,0 S = R-Sq = 75,7% R-Sq(adj) = 69,6%
20 TRANSFORMASI BALIK Hasil regresi sebelumnya dapat dinyatakan telah bebas dari multikolinearitas karena nilai VIF<10 Namun persamaan regresi tersebut masih dalam fungsi skore (W), sehingga perlu dilakukan transformasi balik menjadi fungsi dalam peubah X.
21 TRANSFORMASI : W Z Y = W W3 -klik score- Y = (0,218 Z1 + 0,017 Z2 0,006 Z3 + 0,153 Z4 0,757 Z5 + 0,209 Z6 + 0,559 Z7) (0,157 Z1 0,166 Z2 + 0,138 Z3-0,700 Z4 + 0,007 Z5 0,495 Z6 + 0,334 Z7) Y = ,611 Z ,097 Z ,396 Z ,026 Z ,214 Z ,366 Z ,985 Z7 Klik next
22 FUNGSI SCORE Variable PC1 PC2 PC3 PC4 PC5 PC6 PC7 Z1-0,522 0,218 0,157 0,122-0,168-0,711 0,327 Z2-0,551 0,017-0,166-0,127-0,220 0,047-0,776 Z3-0,465-0,006 0,318 0,460-0,101 0,630 0,254 Z4 0,163 0,153-0,700 0,523-0,426-0,004 0,072 Z5-0,030-0,757 0,007-0,250-0,567-0,023 0,204 Z6-0,338 0,209-0,495-0,573 0,127 0,270 0,425 Z7 0,255 0,559 0,334-0,307-0,628 0,151-0,004 W2 = 0,218 Z1 + 0,017 Z2 0,006 Z3 + 0,153 Z4 0,757 Z5 + 0,209 Z6 + 0,559 Z7 W3 = 0,157 Z1 0,166 Z2 + 0,138 Z3-0,700 Z4 + 0,007 Z5 0,495 Z6 + 0,334 Z7 -klik back-
23 TRANSFORMASI : Z X Y = ,611 Z ,097 Z ,396 Z ,026 Z ,214 Z ,366 Z ,985 Z7 Y = , , , , , , ,985 -next-
24 Z i = RUMUS Variabel Mean Stdev Y X X2 1758, ,1764 X3 0, , X X5 9,61E+08 4,69E+08 X6 8719, ,151 X7 13, , back-
25 PERSAMAAN AKHIR Sehingga persamaan regresi terakhirnya adalah : Y = 1,78E ,673 X ,804 X ,55 X 3 0,272 X 4 1,25E-02 X 5 616,58 X ,9978 X 7
Analisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN Bab ini akan menguraikan proses, hasil serta pembahasan dari pengolahan data yang telah dilakukan. Analisis pengolahan data dilakukan dengan mengggunakan software Minitab
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki
Lebih terperinciVI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI
VI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI 6.1. Analisis Fungsi Produksi Model fungsi produksi yang digunakan adalah fungsi Cobb Douglas. Faktor-faktor
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda
Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciProgram Magister Manajemen dan Bisnis Institut Pertanian Bogor 2014
TUGAS Metode Kuantitatif Manajemen Analisis Regresi pada Data Penjualan Tahunan Lezat Fried Chicken (LFC) Disusun sebagai Tugas Akhir Triwulan I Mata Kuliah Metode Kuantitatif Manajemen Disusun Oleh :
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciJumlah tanggungan (org) Lama bekerja di kawasan TWA (thn)
LAMPIRAN 88 Lampiran 1. Data Responden Masyarakat Desa Karang Tengah 11 No Jenis pekerjaan Jenis kelamin (L=1 ; P=) Umur (thn) Lama pendidikan (thn) Jumlah tanggungan (org) Lama bekerja di kawasan TWA
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciPEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R
PEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciOleh: KELOMPOK SOYA E46. Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari
TUGAS KELOMPOK METODE KUANTITATIF MANAJEMEN Oleh: KELOMPOK SOYA E46 Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari Dosen: Lukytawati Anggraeni,
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciLAPORAN PRAKTIKUM. Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S
LAPORAN PRAKTIKUM Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember 2009 Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S NRP : D14070066 Asisten Dosen : 1. Revan M. 2. Ratu Fika Hertaviani KORELASI
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciIII. METODE PENELITIAN. deret waktu (time series) dengan periode waktu dari tahun 1993 sampai dengan
28 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder berupa deret waktu (time series) dengan periode waktu dari tahun 1993 sampai dengan tahun
Lebih terperinciBAB III METODE PENELITIAN. Objek penelitian merupakan sumber diperolehnya data dari penelitian
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian merupakan sumber diperolehnya data dari penelitian yang dilakukan. Objek dalam penelitian adalah impor migas Indonesia periode 1988-2007
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilaksanakan di PDAM Bekasi Jl. KH Noer Ali
IV. METODE PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilaksanakan di PDAM Bekasi Jl. KH Noer Ali Kav 1. Perum Mas Naga Bekasi. Lokasi penelitian ini ditentukan secara sengaja (purposive)
Lebih terperinciLAMPIRAN. Lampiran 1. Tipe Penggunaan Lahan di Kabupaten Bogor
LAMPIRAN Lampiran 1. Tipe Penggunaan Lahan di Kabupaten Bogor No Penggunaan lahan No Reklasifikasi Penggunaan Lahan 1 Tanah Kosong diperuntukkan 1 Tanah kosong 2 Tanah rusak (Terlantar/Rusak/Galian) 3
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data sekunder tahunan Data sekunder
III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder tahunan 2000-2011. Data sekunder tersebut bersumber dari Lampung dalam Angka (BPS), Badan Penanaman Modal Daerah
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
Lebih terperinciPerancangan dan Analisis Data Percobaan Pertanian. Sutoro BB BIOGEN
Perancangan dan Analisis Data Percobaan Pertanian Sutoro BB BIOGEN PRINSIP PERANCANGAN PERCOBAAN Ulangan (replication) Pengacakan (randomization) Pengendalian tempat percobaan (local control) Percobaan
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciDaerah Jawa Barat, serta instansi-instansi lain yang terkait.
IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan
TINJAUAN PUSTAKA Analisis Regresi Linier Berganda Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan memodelkan hubungan diantara peubah-peubah, yaitu peubah tak bebas (respon) dan
Lebih terperinciMENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA)
MENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) Laporan Praktikum ke-2 Disusun untuk Memenuhi Laporan Praktikum Analisis Regresi Lanjutan Oleh Nama : Faisyal Nim : 125090507111001
Lebih terperinciAPLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL
APLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL UNG GARBA SKRIPSI: ditulis dan diajukan untuk memenuhi
Lebih terperinciIV METODOLOGI PENELITIAN
IV METODOLOGI PENELITIAN 4.1. Lokasi dan Waktu Penelitian Kegiatan yang dilakukan dalam penelitian ini meliputi perumusan masalah, perancangan tujuan penelitian, pengumpulan data dari berbagai instansi
Lebih terperinciANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI Pokok Bahasan : REGRESI LINIER SEDERHANA Deskripsi Model Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda Linier Non Linier Linier Non Linier
Lebih terperinciKINERJA JACKKNIFE RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS
KINERJA JACKKNIFE RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS Hany Devita 1, I Komang Gde Sukarsa 2, I Putu Eka N. Kencana 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: hanydevita92@gmail.com]
Lebih terperinciPERBANDINGAN REGRESI RIDGE DAN PRINCIPAL COMPONENT ANALYSIS DALAM MENGATASI MASALAH MULTIKOLINEARITAS
PERBANDINGAN REGRESI RIDGE DAN PRINCIPAL COMPONENT ANALYSIS DALAM MENGATASI MASALAH MULTIKOLINEARITAS 1) Irwan dan Hasriani 1) Dosen Pada Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinci= parameter regresi = variabel gangguan Model persamaan regresi linier pada persamaan (2.2) dapat dinyatakan dalam bentuk matriks berikut:
BAB II LANDASAN TEORI 2. Analisis Regresi Linier Berganda Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Menurut
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Setelah melalui beberapa tahap kegiatan penelitian, dalam bab IV ini diuraikan analisis hasil penelitian dan pembahasan hasil penelitian. Analisis
Lebih terperinciAnalisis Peubah Ganda
Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Sampel Penelitian Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank Indonesia. Sampel adalah wakil dari populasi yang diteliti. Dalam
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. independen dari listrik adalah satuan kilowatt (kwh), untuk minyak adalah
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Pengolahan Data Data yang diambil untuk varibel dependen adalah produk domestic bruto di Jakarta period 1995 2005 dalam satuan rupiah. Sedangkan variabel
Lebih terperinciPENENTUAN MODEL HUBUNGAN KEPADATAN PENDUDUK DAN FAKTORNYA MENGGUNAKAN METODE FORWARD SELECTION
PENENTUAN MODEL HUBUNGAN KEPADATAN PENDUDUK DAN FAKTORNYA MENGGUNAKAN METODE FORWARD SELECTION (DETERMINING POPULATION DENSITY AND THE FACTORS MODELS BY USING FORWARD SELECTION METHOD) Puji Subekti 1,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciUniversitas Negeri Malang
1 Penerapan Metode Regresi New Stepwise untuk Mengetahui Faktor- Faktor yang Mempengaruhi Kekuatan Metallic Box (Studi Kasus di PT. PINDAD (Persero) Turen) Universitas Negeri Malang E-mail: Nisahidayatul@gmail.com
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai proses dan hasil serta pembahasan dari pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software SPSS versi
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciBAB IV ANALISIS HASIL
BAB IV ANALISIS HASIL A. Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil yang telah diperoleh
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinci3 METODOLOGI. 3.1 Lokasi dan Waktu Penelitian
15 3 METODOLOGI 3.1 Lokasi dan Waktu Penelitian Pada penelitian ini, lokasi yang menjadi objek penelitian adalah wilayah PPN Brondong, Kabupaten Lamongan propinsi Jawa Timur. Pemilihan lokasi ini didasari
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Objek dalam penelitian ini adalah ekspor non migas Indonesia ke Amerika
6 BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Penelitian Objek dalam penelitian ini adalah ekspor non migas Indonesia ke Amerika Serikat periode 1983-006 yang tercermin dari besarnya nilai ekspor non
Lebih terperinciBAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).
Lebih terperinciMODEL REGRESI LINIER DALAM MELIHAT KEBERHASILAN BELAJAR SISWA SMU
S-19 MODEL REGRESI LINIER DALAM MELIHAT KEBERHASILAN BELAJAR SISWA SMU Siti Sunendiari Universitas Islam Bandung (Unisba) e-mai : sunen_diari@yahoo.com 1. ABSTRAK Keberhasilan dalam proses belajar mengajar
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
37 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Variabel yang digunakan dalam penelitian ini adalah Laba Bersih dan Arus Kas Operasi sebagai variabel independen (X) dan Dividen Kas sebagai
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN Hasil Jawaban Responden Atas Variabel Kepatuhan Wajib Pajak. kerelaan nilai dalam membayar pajak sebagai berikut :
BAB 4 ANALISIS DAN BAHASAN 4.1 Hasil Jawaban Responden 4.1.1 Hasil Jawaban Responden Atas Variabel Kepatuhan Wajib Pajak Variabel kepatuhan wajib pajak memiliki tiga buah indikator yang dijelaskan terdiri
Lebih terperinciLampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten
LAMPIRAN 71 Lampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten 72 Lampiran 2. Spesifikasi persyaratan mutu teh hitam (SNI 01-1902-1995) No. Jenis Uji Satuan Spesifikasi 1 Kadar air % b/b
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN Pengujian hipotesis pada penelitian ini dilakukan dengan menggunakan regresi linier sederhana dan regresi linier berganda. Tujuan analisis penelitian ini adalah menjawab
Lebih terperinciBAB I. REGRESI LINIER BERGANDA
BAB I. REGRESI LINIER BERGANDA Membuka program SPSS kemudian memilih tab sheet Variable View. Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan dengan memperhatikan
Lebih terperinciKNM XVI 3-6 Juli 2012 UNPAD, Jatinangor
KNM VI - Juli 0 UNPAD, Jatinangor PERBANDINGAN REGRESI BERTATAR (STEPWISE REGRESSION) DAN REGRESI KOMPONEN UTAMA (RKU) DALAM MENGATASI MULTIKOLINIERITAS PADA MODEL REGRESI LINIER BERGANDA MADE SUSILAWATI,
Lebih terperinciABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah
PEMODELAN PRESTASI MAHASISWA TERHADAP MATAKULIAH WAJIB DENGAN ANALISIS REGRESI Anik Rufaidah Program Studi Teknik Industri Sekolah Tinggi Teknik Qomaruddin Jalan Raya No. 01 Bungah Gresik 61152 Indonesia
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciBAB III OBJEK DAN DESAIN PENELITIAN. hubungan antar variabel tersebut dirumuskan dalam hipotesis penelitian, yang akan diuji
BAB III OBJEK DAN DESAIN PENELITIAN III.1 Objek Penelitian Penelitian ini termasuk dalam jenis penelitian eksplanatif asosiatif, di mana hubungan antar variabel tersebut dirumuskan dalam hipotesis penelitian,
Lebih terperinciSTATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:
STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
43 BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Deskriptif Sampel 1. Gambaran Umum Sampel Perusahaan manufaktur merupakan perusahaan yang kegiatan utamanya adalah memproduksi atau membuat bahan baku menjadi barang
Lebih terperinciBAB VI ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI EKSPOR TEH PTPN
BAB VI ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI EKSPOR TEH PTPN 6.1. Faktor-faktor yang Mempengaruhi Ekspor Teh PTPN Analisis regresi berganda dengan metode OLS didasarkan pada beberapa asumsi yang harus
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. DESKRIPSI DATA Data hasil penelitian terdiri dari dua variabel bebas yaitu variabel gaya belajar siswa (X1) dan variabel minat belajar siswa (X2) serta satu variabel terikat
Lebih terperinciLampiran 1. Peta administrasi Riau dan plotting stasiun pengamatan wilayah Riau
LAMPIRAN 19 20 Lampiran 1. Peta administrasi Riau dan plotting stasiun pengamatan wilayah Riau Sumber : Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) 21 Lampiran 2. Proses pengolahan data
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang berupa data time
44 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder yang berupa data time series periode 2001-2012 yang diperoleh dari Badan Pusat Statistik
Lebih terperinciAnalisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk
Analisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk Suhermin Ari Pujiati Pasca Sarjana Jurusan Statistika FMIPA ITS Suhermin97@yahoo.com.
Lebih terperinciAnalisis Regresi 1. Model-model Regresi yang Lebih Lanjut. Pokok Bahasan : Itasia & Y Angraini Dep. STK FMIPA-IPB
Analisis Regresi Pokok Bahasan : Model-model Regresi yang Lebih Lanjut Itasia & Angraini Dep. STK FMIPA-IPB Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda
Lebih terperinciBAB 3 OBJEK DAN DESAIN PENELITIAN. Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang terdaftar
BAB 3 OBJEK DAN DESAIN PENELITIAN 3.1 Objek Penelitian Objek dalam penelitian ini adalah perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek dalam penelitian ini adalah Pemerintah Provinsi di Indonesia dan periode pengamatan untuk sampel yang di ambil adalah tahun 2011-2014.
Lebih terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai
BAB III METODE PENELITIAN A. Langkah Penelitian Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai berikut: 1. Merumuskan spesifikasi model Langkah ini meliputi: a. Penentuan variabel,
Lebih terperinciBAB V HASIL PENELITIAN
70 BAB V HASIL PENELITIAN 5.1. Analisis Deskriftif Berdasarkan hasil rekapitulasi tabulasi data variable ROA, DER, CR, EPS, Inflasi, PDB dan Harga Saham diperoleh statistik deskriftif seperti pada tabel
Lebih terperinci