BAB 3 PENGOLAHAN DATA
|
|
- Glenna Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu jumlah kendaraan bermotor (ribuan unit), panjang jalan (km), dan jumlah pelanggaran lalu lintas. Untuk memperoleh model yang cocok dalam menduga tingkat kecelakaan lalu lintas berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel terikat yaitu jumlah kecelakaan lalu lintas (Y) dan tiga variabel bebas yaitu jumlah kendaraan bermotor (X 1 ), Panjang jalan (X ), dan jumlah pelanggaran lalu lintas (X 3 ). Data yang diolah adalah data 10 tahun terakhir yaitu tahun Tabel 3.1 Data Jumlah Kecelakaan Lalu Lintas, Jumlah Kendaraan Bermotor, Panjang Jalan, dan Jumlah Pelanggaran Rambu rambu Lalu Lintas Jumlah Jumlah Panjang Jumlah Tahun Kecelakaan Kendaraan Jalan Pelanggaran Lalu Lintas Bermotor (Km) Rambu- Rambu (Orang) (Ribuan Unit) Lalu Lintas , , , , , , , , , , , , , , , , , , , , (Sumber: Badan Pusat Statistik Provinsi Sumtera Utara)
2 14 Tabel 3. Data Jumlah Kecelakaan Lalu lintas, Jumlah Kendaraan Bermotor, Panjang Jalan, dan Jumlah Pelanggaran Ramburambu Lalu Lintas dengan Variabel Dilambangkan Variabel Bebas Tahun Y X 1 X X , , , , , , , , , , , , , , , , , , , , Hubungan antara variabel-variabel bebas X terhadap variabel tak bebas Y dapat terlihat melalui persamaan penduga untuk regresi linier berganda. Persamaan penduga tersebut, yaitu: Ŷ = b 0 + b 1 X 1 + b X + b 3 X 3 Untuk menentukan koefisien-koefisien regresi (b 0, b 1, b, b 3 ), maka dibutuhkan beberapa tabel untuk nilai-nilai n, Y, X 1, X, X 3, X 1 X, X 1 X 3, X X 3, YX 1, YX, YX 3, X 1, X, X3, Y.
3 15 Tabel 3.3 Nilai-nilai yang Diperlukan untuk Menentukan Koefisien Regresi N0. Y X 1 X X 3 YX , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,39 Sambungan Tabel 3.3 YX YX 3 X 1 X X , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
4 16 Sambungan Tabel 3.3 Y X 1 X X 1 X 3 X X , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Dari Tabel 3.3 diperoleh harga-harga sebagai berikut: n = 10 X 1 X = ,45 Y = X 1 X 3 = ,49 X 1 = 4.416,90 X X 3 = ,66 X = 3.801,85 YX 1 = ,39 X 3 = YX = ,04 X 1 = ,40 YX 3 = X Y bebas yaitu: = ,47 X 3 = = Rumus umum persamaan regresi linier berganda dengan tiga variabel Ŷ = b 0 + b 1 X 1 + b X + b 3 X 3 dan diperoleh melalui persamaan-persamaan berikut: Y = n. b 0 + b 1 X 1 + b X + b 3 X 3 YX 1 = b 0 X 1 + b 1 X 1 + b X 1 X + b 3 X 1 X 3 Y X = b 0 X + b 1 X 1 X + b X + b 3 X X 3 Y X 3 = b 0 X 3 + b 1 X 1 X 3 + b X X 3 + b 3 X 3,66
5 17 Harga-harga yang telah diperoleh disubsitusikan ke dalam bentuk persamaan tersebut, maka didapatkan: = 10b ,90b ,85b b ,39 = 4.416,90b ,40 b ,45b ,86 b ,04 = 3.801,85b ,45 b ,47 b , 66 b = b ,49b , 66 b b 3 Setelah persamaan di atas diselesaikan, maka diperolehlah nilai koefisienkoefisien linier bergandanya antara lain: b 0 = 67,10 b 1 = 0,317 b = 0,94 b 3 = 0,01 Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi linier berganda: Ŷ = b 0 + b 1 X 1 + b X + b 3 X 3 Ŷ = 67, , 317X 1 0, 94X + 0, 01X 3 3. Analisis Residu Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ yang diperoleh dari persamaan regresi di atas untuk tiap-tiap harga X 1, X, dan X 3.
6 18 Tabel 3.4 Harga Y untuk Data Dalam Tabel N0. Y X 1 X X 3 yi x 1i , , , , , , , , , , ,50-936, , , ,50-67, , , ,50-0, , , ,50 37, , , ,50 740, , , , , , , , , , , , , , , Sambungan Tabel 3.4 x i x 3i x 1i y i x i yi x 3i yi -01, , , , ,5-01,5-3.11, , , ,75-01, , , , ,5-01, , , , ,75-88, , , , ,5-35, , , , ,5 154, , , , ,75 431, , , , ,5 431, , , , ,5-88, , , , , , , ,50
7 19 Sambungan Tabel 3.4 y i x 1i x i x 3i 5.760, , , , , , , , , , , , , , , , , , , , , ,93 1.7, , , , , , , , , ,5 6.64, , , , , , , , , , , ,50 Sambungan Tabel 3.4 Ŷ Y-Ŷ (Y-Ŷ) 910,61 173, ,31 85,79 9,1 84,74 900,63-3,63 558, ,13-316, ,65 979,38-136, , ,38 163,6 6.77, ,58 195, , ,36-07, , ,94 56, , ,57 19,43 377, , ,94
8 0 Dari Tabel 3.4 diperoleh nilai-nilai berikut: x 1i y i = ,58 x i y i = ,7 xy i = ,58 x 3i y i = ,50 y i = ,50 x i = ,3 x i = ,13 x i = ,50 Ŷ = 1.511,38 (Y Ŷ) = 60.75,94 Maka kesalahan bakunya dapat dihitung dengan rumus: S y.13 = (Y Ŷ) n k 1 S y.13 = 60.75, S y.13 = ,3 S y.13 = , 3 S y.13 = 08,47 Ini berarti bahwa rata-rata jumlah kecelakaan lalu lintas yang sebenarnya akan menyimpang dari rata-rata jumlah kecelakaan lalu lintas diperkirakan sebesar 1.167, Uji Keberartian Regresi Uji F (Simultan) 1. Menentukan hipotesis pengujian H 0 : X 1 = X = X 3 = 0 Tidak terdapat pengaruh yang signifikan antara jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama terhadap tingkat kecelakaan lalu lintas.
9 1 H 1 : X 1 X X 3 0 Terdapat pengaruh yang signifikan antara jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama terhadap tingkat kecelakaan lalu lintas.. Menentukan taraf nyata Dengan taraf nyata α = 0,05 dan nilai F tabel dengan dk pembilang (v 1 ) = k = 3 dan dk penyebut (v ) = = 6 maka diperoleh F (3;6;0,05) = 4, Kriteria pengujian H 0 diterima apabila F hitung F tabel H 0 ditolak apabila F hitung > F tabel 4. Nilai F hitung JK Reg k F hitung = JK Res (n k 1) Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan pengujian dengan menggunakan uji F.Untuk itu diperlukan nilai dari jumlah kuadrat regresi (JK reg ) dan nilai jumlah kuadrat residu (JK res ).Yang secara umum menggunakan rumus: JK Reg = b 1 x 1i y i + b x i y i + b 3 x 3i y i = (0,317)( ,58) + (-0,94)( ,7) + (0,01)( ,50) = , , ,38 = , JK Res = (Y Ŷ) sehingga = 60.75,94 F hitung = JK Reg k = JK Res (n k 1) , ,94 (10 3 1) = , ,3 = 6,59
10 5. Hasil yang diperoleh Dengan demikian dapat diartikan bahwa dari tabel distribusi F dengan dk pembilang = 3, dkpenyebut = (n-k-1) = (10-3-1) = 6, dan α = 5 % (0,05) didapat F tabel = 4,76. Karena F hitung = 6,59 lebih kecil dari F tabel = 3,59, maka H 0 ditolak dan H 1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X 1, X, X 3, bersifat nyata atau ini juga berarti bahwa jumlah kendaraaan bermotor, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama berpengaruh terhadap tingkat kecelakaan lalu lintas. 3.4 Koefisien Determinasi (R ) Untuk mengetahui seberapa besar kemampuan semua variabel dalam menjelaskan varians dari variabel terikat maka digunakan rumus: R = JK Reg Y i R = , ,50 R = 0,76 Untuk koefisien korelasi ganda digunakan rumus: R = R R = 0.76 R = 0,87 Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,87 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R diperoleh sebesar 0,76 yang berarti sekitar 76% tingkat kecelakaan lalu lintas yang terjadi dipengaruhi oleh jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas. Sedangkan sisanya sebesarnya sebesar 100% - 76% = 4% dipengaruhi oleh faktor-faktor yang lain.
11 3 3.5 Koefisien Korelasi Korelasi antara Variabel Bebas dan Variabel Terikat Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel dapat dihitung besar koefisien korelasinya yaitu: 1. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah kendaraan bermotor (X 1 ) r yx1 = n X1Y ( X1 )( Y) = {n X 1 ( X 1 ) } {n Y ( Y) } 10( ) (4.416,90)(1.445) {10( ,40) (4.416,90) } {10( ) (1.445) } = , ,5 { ,39} { } = , = 0,73. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah panjang jalan (X ) r yx = n XY ( X )( Y) = {n X ( X ) } {n Y ( Y) } 10( ,04) (3.801,85)(1.445) {10( ,47) (3.801,85) } {10( ) (1.445) } = ( ,40) ( ,5) { ,31} { } = , ,15 = 0,45 3. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah pelanggaran rambu-rambu lalu lintas (X 3 ) r yx3 = n X3Y ( X3 )( Y) = {n X 3 ( X 3 ) } {n Y ( Y) } 10( ) ( )(1.445) {10( ) ( ) } {10( ) (1.445) } = ( ) ( ) { } { } = ,93
12 4 = 0, Korelasi antara Variabel Bebas 1. Koefisien korelasi antara junlah kendaraan bermotor (X 1 ) dengan jumlah panjang jalan (X ) r X1 X = n XX1 ( X )( X 1 ) = {n X ( X ) } {n X1 ( X1 ) } 10( ,45) (3.801,85)(4.416,90) {10( ,47) (3.801,85) } {10( ,40) (4.416,90) } = ( ,45) ( ,46) { ,31} { ,3} = , ,5 = 0,71. Koefisien korelasi antara jumlah kendaraan bermotor (X 1 ) dengan jumlah pelanggaran rambu-rambu lalu lintas (X 3 ) r X1 X 3 = n X1X3 ( X3 )( X 1 ) = {n X 3 ( X 3 ) } {n X1 ( X1 ) } 10( ,66) ( )(4.416,90) {10( ) ( ) } {10( ,40) (4.416,90) } = ( ,88) ( ,71) { } { ,3} = , ,14 = - 0,7 3. Koefisien korelasi antara panjang jalan (X ) dengan jumlah pelanggaran rambu-rambu lalu lintas (X 3 ) r X X 3 = n XX3 ( X3 )( X ) = {n X 3 ( X 3 ) } {n X ( X ) } 10( ,66) ( )(3.801,85) {10( ) ( ) } {10( ,40) (3.801,85) } = ( ,60) ( ,75) { } { ,31} = , ,65 = -0,1
13 5 Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut: 1. r yx1 = 0, 73; variabel X 1 berkorelasi sangat kuat terhadap variabel Y. r yx = 0, 45; variabel X berkorelasi cukup terhadap variabel Y 3. r yx3 = 0, 5; variabel X 3 berkorelasi lemah terhadap variabel Y 4. r X1 X = 0, 71; variabel X berkorelasi sangat kuat terhadap variabel X 1 5. r X1 X 3 = -0, 7; variabel X 3 berkorelasi lemah terhadap variabel X 1 6. r X X 3 = -0, 1; variabel X 3 berkorelasi sangat lemah terhadap variabel X 3.6 Uji Koefisien Regresi Linier Berganda Dari hasil perhitungan didapat persamaan penduga regresi linier berganda: Ŷ = ,317 X X + 0,01X 3 Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya. Langkah-langkah pengujiannya sebagai berikut: 1. Menentukan hipotesis pengujian H 0 : X 1 = X = X 3 = 0 Tidak terdapat pengaruh yang signifikan antara jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama terhadap tingkat kecelakaan lalu lintas. H 1 : X 1 X X 3 0 Terdapat pengaruh yang signifikan antara jumlah. Menentukan taraf nyata kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama terhadap tingkat kecelakaan lalu lintas. Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan (1 α ) = (1 0,05 ) = (1 0,05) = 0,975 dan dk = n-k-1 = = 6. t (6;0,975) =,45.
14 6 3. Kriteria pengujian H 0 diterima apabila t hitung t tabel H 0 ditolak apabila t hitung > t tabel 4. Menentukan nilai t hitung Dari perhitungan sebelumnya telah diketahui bahwa nilai dari: R = 0,76 S y.13 = ,3 X 1i = ,3 X i = ,13 X 3i = ,50 R 1 = r X1 X = 0, 715. R = r X1 X 3 = -0, 7; R 3 = r X X 3 = -0, 1 Dari harga-harga tersebut dihitung kekeliruan baku koefisien b i adalah sebagai berikut: S b1 = = S y.13 ( X 1i )(1 R 1 ) ,3 ( ,3 )(1 0,715 ) = , ,77 = 0,01 = 0,09 S b = = S y.13 ( X i )(R 1) ,3 ( ,13 )(1 0,7 ) = , ,80 = 0,08 = 0,9
15 7 S b3 = = S y.13 ( X 31 )(1 R 1 ) ,3 ( ,50 )(1 0,1 ) = , ,97 = 0,0001 = 0,008 Diperoleh distribusi student yaitu: t i = b i S bi t 1 = b 1 = 0,09 = 0,71 S b 1 0,16 t = b = 0,9 = 0,517 S b 0,561 t 3 = b 3 S b 3 = 0,01 0,008 = 1,5 5. Hasil yang diperoleh t 1 (,516) > t tabel (0,45); maka H 0 ditolak t ( 0,54) < t tabel (0,45); maka H 0 ditolak t 3 (1,5) > t tabel (0,45); maka H 0 ditolak Dari ketiga koefisien regresi tersebut menunjukkan bahwa variabel X 1, X dan X 3 (jumlah kendaraan bermotor, panjang jalan dan banyaknya pelanggaran ramburambu lalu lintas) memberikan pengaruh yang berarti terhadap tingkat kecelakaan lalu lintas.
16 BAB 4 IMPLEMENTASI SISTEM 4.1 Pengertian Implementasi Sistem Implementasi sistem adalah tahapan hasil desain tertulis kedalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini implementasi sistem digunakan untuk menganalisa data dari faktorfaktor yang mempengaruhi tingkat kecelakaan lalu lintas di Kota Medan. Adapun implementasi yang digunakan untuk menganalisa hubungan ataupun pengaruh tingkat kecelakaan lalu lintas adalah SPSS. Diharapkan dengan menggunakan SPSS ini dapat meningkatkan pengetahuan dan kemampuan dalam hal: 1. Pemahaman elemen dari lembar kerja SPSS. Menganalisa data dan lembar kerja 3. Kreasi dan modifikasi grafik 4. Pendayagunaan fasilitas SPSS. 4. Peranan Komputer dalam Statistika Komputer memegang peranan yang sangat penting dalam statistika. Komputer bekerja secara efisien dalam pengolahan data yang mempunyai karateristik yaitu: 1. Jumlah input yang besar Jumlah input yang besar akan dapat diolah komputer dengan mudah, semudah kita mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja secara efisien pada pengolahan data dengan menggunakan input yang besar.. Diperlukan kecepatan tinggi Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh komputer, yang membedakannya hanya pada proses pemasukan data saja.
17 9 3. Diperlukan ketepatan yang tinggi Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukan data saja. 4. Pengolahan hal yang kompleks Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan menggunakan komputer dalam waktu yang tepat dan cepat. SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University, yang dioperasikan pada komputer mainframe SPSS yang tadinya ditujukan bagi pengolah data statistik untuk ilmu sosial, sehingga (SPSS saat itu adalah singkatan dari Statistical Package for the Social Sciences), sekarang diperluas untuk melayani berbagai pengguna, seperti untuk proses produksi di pabrik, riset ilmu-ilmu sains dan lainnya. Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Services Solutions. Kelebihan program ini adalah kita dapat melakukan secara lebih cepat semua perhitungan statistik dari yang sederhana sampai yang rumit sekalipun yang jika kita lakukan secara manual akan memakan waktu yang lebih lama. 4.3 Pengolahan Data dengan SPSS 1. Memulai SPSS pada window yaitu sebagai a. Pilih menu Start dari Windows b. Selanjutnya pilih menu Program c. Pilih PASW Statistic 18
18 30 Gambar 4.1 Tampilan SPSS saat dibuka pada Windows Gambar 4. Tampilan Worksheet SPSS 18 For Windows 4.4 Mengoperasikan SPSS Dari tampilan SPSS yang muncul, pilih type in data untuk membuat data baru dari menu utama file, pilih new, lalu klik, maka akan tampil, muncul jendela editor kemudian klik data. Cara menamai variabel dilakukan dengan, Klik variabel View yang terletak sebelah kiri bawah jendela editor, lalu lakukan langkah berikut: a. Name : digunakan untuk memberikan nama variabel.
19 31 b. Type : digunakan untuk menentukan tipe data. c. Width : digunakan untuk menetukan lebar kolom. d. Decimals : digunakan untuk memberikan nilai desimal. e. Label : digunakan untuk memberi nama variable. f. Value : digunakan untuk menjelaskan nilai data pada kolom. g. Missing : digunakan untuk menentukan data yang hilang. h. Columns : digunakan untuk menetukan lebar kolom. i. Align : digunakan untuk menetukan rata kanan, kiri, atau tengah. j. Measur : digunakan untuk menentukan tipe atau ukuran data, yaitu nominal, ordinal atau skala. 4.5 Pengolahan Data untuk Regresi 1. Klik lembar Variabel View dari SPSS Data Editor, kita definisikan variabel Y dengan nama variabel Y, variabel X 1 dengan nama x1, X dengan nama x, dan X 3 dengan nama x3. Gambar 4.3 Tampilan Pengisian Data Variabel pada Variable View. Kemudian isi data pada kolom Data View, Sehingga diperoleh seperti gambar berikut:
20 3 Gambar 4.4 Tampilan Pengisian Data Variabel pada Data View 3. Klik Analyze Regression Linear sebagai berikut: Gambar 4.5 Tampilan pada Kotak Dialog Regression 4. Kemudian akan didapat tampilan sebagai berikut:
21 33 Gambar 4.6 Tampilan Linier Regression 5. Pindahkan variabel Y ke dalam kotak berjudul Dependent dan variabel x1, x, dan x3 ke dalam kotak berjudul Independent(s). Seperti terlihat pada tampilan berikut: Gambar 4.7 Tampilan Dependent dan Independent 6. Pastikan memilih Method: Enter. Kemudian klik tombol Statistics dan pastikan memberi tanda check (ν) pada Estimates, Model fit dan Descriptives sebagai berikut:
22 34 Gambar 4.8 Tampilan Linier Regression Statistic 7. Kemudian klik Continue. 8. Klik Plots akan didapat tampilan sebagai berikut: Gambar 4.9 Tampilan Plots 9. pada standardized Residual Plots centang pada produce all Partial plots 10. kemudian klik continue dan ok. 4.6 Pengolahan Data untuk Korelasi
23 35 1. Klik Analyze Correlate Bivariate sebagai berikut: Gambar 4.10 Tampilan Correlations Statistic. Pada kotak bivariate correlations akan ditampilkan variabel-variabel yang akan diuji. Pindahkan keseluruhan variabel. Kemudian aktifkan pearson, two tailed, dan flag significant correlations lalu klik OK seperti terlihat dalam tampilan berikut ini: Gambar 4.11 Tampilan Bivariates Correlations Statistic 3. Klik OK maka hasilnya akan muncul pada output.
24 36 Output: Descriptive Statistics Mean Std. Deviation N Y 1.44, , X , , X 3.80,1850 5, X , , Correlations Y X 1 X X 3 Pearson Correlation Y 1,000 0,79 0,455 0,48 X 1 0,79 1,000 0,714-0,70 X 0,455 0,714 1,000-0,119 X 3 0,48-0,70-0,119 1,000 Sig. (1-tailed) Y - 0,008 0,093 0,45 X 1 0,008-0,010 0,5 X 0,093 0,010-0,37 X 3 0,45 0,5 0,37 - N Y X X X
25 37 Model Summary b Model Adjusted R Std. Error of R R Square Square the Estimate 0 0,876 a 0,767 0,651 08,5783 a. Predictors: (Constant), X 3, X, X 1 b. Dependent Variable: Y ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression , ,189 6,596 0,05 a Residual 60.7, ,3 Total ,500 9 a. Predictors: (Constant), X 3, X, X 1 b. Dependent Variable: Y Coefficients a Model Unstandardized Standardized Coefficients Coefficients t Sig. B Std. Error Beta 1 (Constant) 67, ,198 0,48 0,81 X 1 0,317 0,091 1,014 3,474 0,013 X -0,94 0,395-0,11-0,745 0,485 X 3 0,010 0,004 0,497,416 0,05 a. Dependent Variable: Y
26 38 Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 846, , , , Residual -305, , , , Std. Predicted -1,90 1,071 0,000 1, Value Std. Residual -1,468 0,977 0,000 0, a. Dependent Variable: Y
27 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain: 1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan sebagai berikut: Ŷ = 67, , 317X 1 0, 94X + 0, 01X 3 Jika jumlah kendaran bermotor (X 1 ) dan jumlah pelanggaran rambu-rambu lalu lintas (X 3 ) tinggi maka tingkat kecelakaan (Y) akan semakin tinggi, sementara jika panjag jalan (X ) semakin tinggi maka tingkat kecelakaan (Y) akan semakin rendah.. Dari perhitungan koefisien korelasi antara variabel bebas terhadap variabel tak bebas diperoleh hasil sebagai berikut: a. Hubungan antara tingkat kecelakaan lalu lintas dengan banyaknya kendaraan bermotor yaitu sebesar 0,73. b. Hubungan antara tingkat kecelakaan lalu lintas dengan panjang jalan yaitu sebesar 0,45. c. Hubungan antara tingkat kecelakaan lalu lintas dengan banyaknya pelanggaran rambu-rambu lalu lintas yaitu sebesar 0,5. Maka faktor yang paling berpengaruh terhadap tingginya tingkat kecelakaan lalu lintas di Kota Medan adalah jumlah kendaraan bermotor yaitu sebesar 0,73. Artinya semakin banyak kendaraan bermotor di Kota Medan maka akan semakin tinggilah tingkat kecelakaan lalu lintas yang terjadi. 5. Saran 1. Faktor yang menyebabkan tingginya tingkat kecelakaan lalu lintas adalah jumlah kendaraan bermotor, dan pelanggaran rambu-rambu lalu lintas untuk itu diharapkan agar pemerintah bisa mengambil kebijakan untuk mengurangi kecelakaan lalu lintas demi keselamatan masyarakat Kota Medan. Salah
28 40 satunya yaitu dengan kebijakan penambahan panjang jalan, semakin tinggi panjang jalan maka tingkat kecelakaan semakin rendah..
BAB 13 ANALISIS LINTAS (PATH ANALISIS)
BAB 13 ANALISIS LINTAS (PATH ANALISIS) Berbagai macam penelitian yang dilakukan pada tanaman umumnya hanya mengkorelasikan sifat-sifat tanaman secara umum. Namun demikian, untuk mendapatkan gambaran tentang
Lebih terperinciBAB 10 ANALISIS REGRESI LINIER SEDERHANA
BAB 10 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier merupakan salah satu jenis metode regresi yang paling banyak digunakan. Regresi linier sederhana terdiri atas satu variabel terikat (dependent)
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciProgram Studi Pendidikan Ekonomi FE UNY
LEMBAR KERJA Topik: Uji Homosedastisitas Tujuan: Digunakan untuk mengetahui kesamaan varians error untuk setiap nilai X. Error = residu = e = Y Y Lawan homosedastisitas adalah heterosedastisitas. Analisis
Lebih terperinciBAB 3 GAMBARAN UMUM DINAS TANAMAN PANGAN DAN HORTIKULTURA PROVINSI SUMATERA UTARA. 3.1 Sejarah Singkat Dinas Pertanian Provinsi Sumatera Utara
BAB 3 GAMBARAN UMUM DINAS TANAMAN PANGAN DAN HORTIKULTURA PROVINSI SUMATERA UTARA 3.1 Sejarah Singkat Dinas Pertanian Provinsi Sumatera Utara 3.1.1 Sebelum Kemerdekaan Pemerintahan Hindia Belanda mencoba
Lebih terperinciHasil Output SPSS 16.0 For Windows
Hasil Output SPSS 16.0 For Windows Correlations Ling.Keluarga Prestasi Belajar Motivasi Ling.Keluarga Pearson Correlation 1.116.341 ** Sig. (2-tailed).242.000 N 104 104 104 Prestasi Belajar Pearson Correlation.116
Lebih terperinciAPLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com
APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis
Lebih terperinciANALISIS DATA ASOSIATIF
PERTEMUAN KE-7 Ringkasan Materi : ANALISIS DATA ASOSIATIF Analisis data asosiatif merupakan alat statistik yang digunakan untuk menguji hipotesis asosiatif/hubungan, disebut juga dengan teknik korelasi.
Lebih terperinciRegresi Linear Sederhana (Tunggal)
Regresi Linear Sederhana (Tunggal) Analislah variabel X dan Y dengan menggunakan teknik Regresi Linear Sederhana, dengan langkah-langkah: No. X X2 Y No. X X2 Y 2 0 6 2 2 5 2 0 2 5 22 3 4 6 3 0 9 6 23 0
Lebih terperinciKuesioner Biaya Transportasi
64 Lampiran 1 Kuesioner Biaya Transportasi Kuesioner Biaya Transportasi Mohon anda mengisi dan memilih jawaban yang disediakan! 1. Jenis kelamin : a. wanita b. pria 2. Fakultas : a. Sastra b. Psikologi
Lebih terperinciKORELASI DAN ASOSIASI
KORELASI DAN ASOSIASI Kata korelasi diambil dari bahasa Inggris, yaitu correlation artinya saling hubungan atau hubungan timbal balik. Dalam ilmu statistika istilah korelasi diberi pengertian sebagai hubungan
Lebih terperinciANALISIS DATA PREDIKTIF (Analisis Regresi)
PERTEMUAN KE-9 ANALISIS DATA PREDIKTIF (Analisis Regresi) Ringkasan Materi : Analisis regresi digunakan untuk memprediksi (prediktif). Variabel X hasil pengukuran yang disebut prediktor digunakan untuk
Lebih terperinciBAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan
BAB IV ANALISIS DATA A. Pengujian Hipotesis Setelah diperoleh masing-masing jumlah dari kategori variabel bebas dan variabel terikat, kemudian data tersebut di analisis dengan menggunakan analisis kuantitatif,
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Dalam penelitian ini, analisis data yang dilakukan menggunakan pendekatan kuantitatif yaitu dengan menggunakan analisis regresi sederhana, dan perhitungannya menggunakan
Lebih terperinciBAB IV DESKRIPSI DAN ANALISI DATA
BAB IV DESKRIPSI DAN ANALISI DATA A. Deskripsi Data Hasil Penelitian 1. Deskripsi Data Umum Penelitian Deskripsi data umum berisi mengenai gambaran umum tempat penelitian yakni di SMP N 1 Pamotan. SMP
Lebih terperinciBAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY
BAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY Membuka program SPSS kemudian memilih tab sheet Variable View. Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan
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 terperinciBAB IV. Statistik Parametrik. Korelasi Product Moment. Regresi Linear Sederhana Regresi Linear Ganda Regresi Logistik
BAB IV Statistik Parametrik Korelasi Product Moment Regresi Linear Sederhana Regresi Linear Ganda Regresi Logistik Korelasi Product Moment Korelasi product moment disebut juga korelasi Pearson adalah teknik
Lebih terperinciBAB IV. STATISTIK PARAMETRIK. KORELASI PRODUCT MOMENT. REGRESI LINEAR SEDERHANA REGRESI LINEAR GANDA REGRESI LOGISTIK
BAB IV. STATISTIK PARAMETRIK. KORELASI PRODUCT MOMENT. REGRESI LINEAR SEDERHANA REGRESI LINEAR GANDA REGRESI LOGISTIK BAB IV Statistik Parametrik Korelasi Product Moment Regresi Linear Sederhana Regresi
Lebih terperinciProgram Studi Pendidikan Ekonomi FE UNY
LEMBAR KERJA Topik: Regresi Linear Ganda Tujuan: Digunakan untuk menguji hubungan/korelasi/pengaruh lebih dari satu variabel bebas terhadap satu variabel terikat. Regresi juga dapat digunakan untuk melakukan
Lebih terperinciProgram Studi Pendidikan Ekonomi FE UNY
LEMBAR KERJA Topik: Regresi Linear Sederhana Tujuan: Digunakan untuk menguji hubungan/korelasi/pengaruh satu variabel bebas terhadap satu variabel terikat. Regresi juga dapat digunakan untuk melakukan
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KECELAKAAN LALU LINTAS DI KOTAMADYA MEDAN
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KECELAKAAN LALU LINTAS DI KOTAMADYA MEDAN TUGAS AKHIR JOSEPA SITANGGANG 0540704 PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB IV DESKRIPSI DAN ANALISIS DATA
BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Data Hasil Penelitian 1. Deskripsi Data Umum Deskripsi data umum berisi mengenai gambaran umum tempat penelitian yakni di MTs N 1 Kudus. MTs N 1 Kudus beralamatkan
Lebih terperinciHANDOUT METODE PENELITIAN KUANTITATIF ANALISIS DATA MENGGUNAKAN SPSS
HANDOUT METODE PENELITIAN KUANTITATIF ANALISIS DATA MENGGUNAKAN SPSS UJI RELIABILITAS DAN SELEKSI ITEM a. Pindahkan hasil data item dari tabulasi di Excel ke data view SPSS b. Di bagian variable view rubah
Lebih terperinciLampiran 1. Jumlah Ekspor Kentang, Harga Lokal, Harga Ekspor, Nilai Tukar, PDB Singapura dan Jumlah Produksi
92 Lampiran 1. Jumlah Ekspor Kentang, Harga Lokal, Harga Ekspor, Nilai Tukar, PDB Singapura dan Jumlah Produksi Tahun Bulan Jumlah (Kg) Harga lokal Harga Ekspor Nilai Tukar PDB Singapura Jumlah Produksi
Lebih terperinciKORELASI. Alat hitung koefisien korelasi Pearson (data kuantitatif dan berskala rasio) Kendall, Spearman (data kualitatif dan berskala ordinal)
KORELASI Pada SPSS korelasi ada pada menu Correlate dengan submenu: 1. BIVARIATE Besar hubungan antara dua (bi) variabel. a. Koefisien korelasi bivariate/product moment Pearson Mengukur keeratan hubungan
Lebih terperinciPengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc
Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,
Lebih terperinciHubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung
139 LAMPIRAN 2 Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung Dependent Variable: Belanja Langsung Linear.274 19.584 1 52.000 57.441.239 The independent variable is Jumlah penduduk
Lebih terperinciBAB IV DESKRIPSI DAN ANALISIS DATA
BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi data Hasil Penelitian Data Pengamalan PAI dan Perilaku seks bebas peserta didik SMA N 1 Dempet diperoleh dari hasil angket yang telah diberikan kepada responden
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Tabel. 4.1 Data Laporan Keuangan PT Mayora Indah Tbk.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Berikut adalah data laporan keuangan PT Mayora Indah Tbk (dalam juta Rupiah), selama tahun 2007 sampai dengan 2010.
Lebih terperinciBAB III METODE PENELETIAN
35 BAB III METODE PENELETIAN A. Lokasi dan Waktu Penelitian Lokasi penelitian dilaksanakan di SMK Negeri 6 Bandung yang beralamatkan di Jalan Soekarno Hatta (Riung Bandung) Kota Bandung, pada tes Uji Kompetensi
Lebih terperinciLampiran 1. Keadaan Harga Kubis di Kabupaten karo pada Januari 2014 Desember 2015
Lampiran 1. Keadaan Harga Kubis di Kabupaten karo pada Januari 2014 Desember 2015 Bulan Harga (Rp/Kg) Januari 2014 1295 Februari 1305 Maret 1352 April 965 Mei 1000 Juni 1038 Juli 1038 Agustus 1113 September
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data SD Nasima Semarang terletak di Jl. Puspanjolo Selatan No. 53 (024) 7601322, Semarang 50141, Jawa Tengah. Waktu penelitian dilakukan pada tahun 2016. Setelah melakukan
Lebih terperinciSAMI AN SPSS KORELASI
SAMI AN SPSS KORELASI KORELASI Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih Korelasi yang akan dibahas dalam pelatihan ini
Lebih terperinciAzuar BEBERAPA PENGOLAHAN DATA PENELITIAN BERSIFAT ASOSIATIF
BEBERAPA PENGOLAHAN DATA PENELITIAN BERSIFAT ASOSIATIF Contoh Judul Penelitian: Hubungan Promosi dan Distribusi dengan Volume Penjualan Variabel bebas: a. Variabel X1: Promosi b. Variabel X2: Distribusi
Lebih terperinciPerhitungan ROA perusahaan Telekomunikasi di BEI No Kode
LAMPIRAN 1 Perhitungan perusahaan Telekomunikasi di BEI Tahun 1998 1 TLKM 1168670 23693546 4.93 2 ISAT 1142403 4879041 23.41 Tahun 1999 1 TLKM 2172321 26329654 8.25 2 ISAT 1594759 5755420 27.71 Tahun 2000
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciHasil perhitungan Kolmogorov-Smirnov menunjukkan bahwa ketiga sampel atau variabel tersebut adalah distribusi normal.
NORMALITAS DATA One-Sample Kolmogorov-Smirnov Test N Normal Parameters a,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Gambaran Umum Subjek Subjek yang berpartisipasi dalam penelitian ini adalah karyawan atau pegawai divisi fashion pada PT. Mitra Adiperkasa, tbk sebanyak 52 karyawan
Lebih terperinci1. Langkah Uji Validitas di SPSS 11.5
. Langkah Uji itas di SPSS.5 ) Buka file (Data try out : Manfaat Jamsostek) ) Dari menu utama SPSS pilih menu Analyze kemudian pilih sub menu Correlate, lalu pilih Bivariate ) Tampak di layar tampilan
Lebih terperinciRingkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas Swadaya Gunung Jati
Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas Swadaya Gunung Jati Definisi : Eknometrika merupakan analisis kumulatif dari fenomena ekonomi yang sebenarnya (actual), berdasarkan perkembangan
Lebih terperinciLAMPIRAN. Jenis Kelamin
LAMPIRAN Lampiran 2. Karakteristik Umum Responden Jenis Kelamin Valid Laki-laki 50 50.0 50.0 50.0 Perempuan 50 50.0 50.0 100.0 Menjalankan Start-Up Bisnis yang Dirintis di Semester 2 Valid Ya 78 78.0 78.0
Lebih terperinciOUTPUT ANALISIS DESKRIPTIF. Cumulative Frequency Percent Valid Percent Percent 25 71,4 71,4 71, ,6 28,6 100, ,0 100,0
OUTPUT ANALISIS DESKRIPTIF Frequency Table Laki-laki Perempuan Jenis Kelamin 25 71,4 71,4 71,4 10 28,6 28,6 100,0 20-30 Tahun 31-40 tahun > 40 tahun Umur 10 28,6 28,6 28,6 15 42,9 42,9 71,4 10 28,6 28,6
Lebih terperinciLampiran 1 Tabel Data Responden PTPN IV Tinjowan. Masa Kerja Golongan
Lampiran 1 Tabel Data Responden PTPN IV Tinjowan No Usia Jenis Kelamin Pendidikan Masa Kerja Golongan Jumlah Tanggungan Total Gaji Total Bonus 1 51 Laki-laki SD 30 IC/9 1 1474680 12276738 2 40 Laki-laki
Lebih terperinciRancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)
Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil
Lebih terperinciBAB I PENDAHULUAN 1. Definisi 1.1 Analisis Regresi Linier Sederhana Analisis regresi linier sederhana adalah hubungan secara linear antara satu
BAB I PENDAHULUAN 1. Definisi 1.1 Analisis Regresi Linier Sederhana Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis
Lebih terperinciPENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA
PENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA Nama : Ridwan Maulana NPM : 16212320 Pembimbing : Widiyarsih, SE.,
Lebih terperinciBAB 4 PEMBAHASAN HASIL PENELITIAN
BAB 4 PEMBAHASAN HASIL PENELITIAN 41 Hasil Uji Statistik 411 Statistik Deskriptif Pada bagian ini akan dibahas mengenai hasil pengolahan data statistik deskriptif dari variabel-variabel yang diteliti Langkah
Lebih terperinciDari tabel di atas, diperoleh nilai dari Durbin-Watson sebesar 2.284, di. mana angka tersebut bernilai lebih besar dari 2, yang berarti terdapat
76 a Predictors: (Constant), Debt to Equity, Current, Return on Assets, Price Earning, Debt, Assets Turnover, Earning per Share, Return on Equity b Dependent Variable: Imbal hasil Dari tabel di atas, diperoleh
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1Pengujian Normalitas Organizational Behavior O_B.109 50.193.972 50.268 Job Attitudes J_A.128 50.039.944 50.019 Knowledge Sharing K_S.079 50.200 *.969 50.205 *. This is a lower
Lebih terperinciBAB IV HASIL PENELITIAN
143 BAB IV HASIL PENELITIAN Pada bab ini diuraikan tentang: a) deskripsi data; b) uji prasyarat analisis; dan c) pengujian hipotesis penelitian. A. Deskripsi Data Penyajian statistik deskripsi hasil penelitian
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Tabel 4.1
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Data Hasil Penelitian Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
37 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil yang telah
Lebih terperinci- Lama bekerja sebagai pekerja Amalgamasi dalam sehari : jam. - Lama bekerja sebagai pekerja amalgamasi dalam (tahun ): Tahun
A. Identitas Subjek No. Subjek : Nama Subjek (Inisial) : Umur : Pendidikan : - Tidak Sekolah : - SD : - SMP : - SMA : - Perguruan Tinggi : - Lama bekerja sebagai pekerja Amalgamasi dalam sehari : jam -
Lebih terperinciBAB IV ANALISIS DATA
76 BAB IV ANALISIS DATA A. Pengujian Hipotesis 1. Hipotesis Hipotesis adalah jawaban sementara terhadap masalah penelitian yang kebenarannya masih harus diuji terlebih dahulu melalui data atau bukti empiris.
Lebih terperinciLAMPIRAN 1. Surat Rekomendasi Penelitian dari Badan Kesatuan Bangsa, Politik Dan Perlindungan Masyarakat Kabupaten Ponorogo
LAMPIRAN 1 Surat Rekomendasi Penelitian dari Badan Kesatuan Bangsa, Politik Dan Perlindungan Masyarakat Kabupaten Ponorogo LAMPIRAN 2 Daftar Pertanyaan (Kuesioner) Penelitian KUESIONER PENELITIAN Judul
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Data Pendapatan Bunga Tabel 4.1 PT Bank Mandiri (Persero), Tbk Perkembangan Pendapatan Bunga Tahun 2007 2011 (dalam jutaan) Tahun Pendapatan Bunga
Lebih terperinciresponden untuk variabel Perilaku Konsumen yaitu: 1) Pada item pertanyaan 1 (memilih produk makanan yang banyak beredar
Lampiran 1 Tabel 4.1 menunjukan hasil jawaban kuesioner yang diperoleh dari 75 responden untuk variabel Perilaku Konsumen yaitu: 1) Pada item pertanyaan 1 (memilih produk makanan yang banyak beredar dipasaran),
Lebih terperinciPENGARUH JUMLAH ANGGOTA DAN JUMLAH SIMPANAN TERHADAP PEROLEHAN SHU PADA KOPERASI CMU(CITRA MANDIRI UTAMA)
PENGARUH JUMLAH ANGGOTA DAN JUMLAH SIMPANAN TERHADAP PEROLEHAN SHU PADA KOPERASI CMU(CITRA MANDIRI UTAMA) Nama : Rika Indriani NPM : 13209021 Jurusan : Manajemen Pembimbing : Saryati, SE, MM Latar Belakang
Lebih terperinciBAB IV PEMBAHASAN. variabel independen dengan dependen, apakah masing-masing variabel
BAB IV PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Analisis Regresi Berganda Analisis regresi berganda adalah hubungan secara linear antara dua atau lebih variabel independen. Analisis ini untuk mengetahui arah
Lebih terperinciDua sampel independen, tidak terikat, tidak
76 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 77 Jadi dari analisis keputusannya : p value < 0,05 Ho ditolak berarti Distribusi
Lebih terperinciANALISIS REGRESI ANALISIS REGRESI
ANALISIS REGRESI Wahyu Widhiarso Fakultas Psikologi UGM ANALISIS REGRESI PENGERTIAN Jenis uji statistika yang dipakai untuk melihat daya prediksi variabel independen (prediktor) terhadap variabel dependen
Lebih terperinciAnalisis Data Hubungan Antar Variabel Sebagai Metode Alternatif Penentukan Hubungan Kausalitas
Analisis Data Hubungan Antar Variabel Sebagai Metode Alternatif Penentukan Hubungan Kausalitas Citra Kurniawan, S.T., M.M Studi Teknik Elektronika Sekolah Tinggi Teknik Malang ABSTRAK Penelitian yang menggunakan
Lebih terperinciKUESIONER PENGARUH MOTIVASI TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PERUSAHAAN MEBEL UD.LAZUARDI DESA NGURI KEC.LEMBEYAN KAB.
KUESIONER PENGARUH MOTIVASI TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PERUSAHAAN MEBEL UD.LAZUARDI DESA NGURI KEC.LEMBEYAN KAB.MAGETAN Bersama ini, saya mohon kesediaan bapak/ibu untuk mengisi daftar
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
34 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Analisis data yang dilakukan dalam bab ini pada dasarnya dapat dikelompokkan menjadi dua bagian. Bagian pertama merupakan analisis
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 terperinciBAB IV HASIL PENGUJIAN. dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan
BAB IV HASIL PENGUJIAN 4.1 Hasil Penelitian Dalam bab ini diuraikan hal-hal yang berkaitan dengan data yang berhasil dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan dibicarakan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil dan Pengolahan Data Pada bab ini akan dibahas mengenai proses dan hasil serta pembahasan dari pengolahan data yang akan dilakukan. Data yang telah didapatkan akan
Lebih terperinciBAB IV HASIL PENELITIAN. Surabaya. Universitas ini beralamatkan di jl. Ketintang Surabaya.
57 BAB IV HASIL PENELITIAN A. Deskripsi Subjek Universitas Negeri Surabaya merupakan sebuah kampus yang berdiri pada tahun 1964. Universitas ini berfokus pada bidang pendidikan. Universitas ini berfokus
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Kedisiplinan dan Kepercayaan Diri terhadap Hasil Belajar Mata Pelajaran
58 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini penulis akan membahas hasil penelitian tentang Kontribusi Kedisiplinan dan Kepercayaan Diri terhadap Hasil Belajar Mata Pelajaran Menggambar Konstruksi
Lebih terperinciAplikasi Analisis Jalur (Path Analisis) dengan menggunakan SPSS versi 12. Oleh. Abdul Razak Munir, SE, M.Si 1
Aplikasi Analisis Jalur (Path Analisis) dengan menggunakan SPSS versi 2 Oleh Abdul Razak Munir, SE, M.Si Kasus. Seorang ahli psikologi merasa tertarik untuk mengungkapkan hubungan antara Authoritarianism,
Lebih terperinciLampiran 1: Tabulasi Skor Jawaban Responden untuk Uji Validitas dan Reliabilitas
Lampiran : Tabulasi Skor Jawaban Responden untuk Uji itas dan Reliabilitas TABULASI SKOR VARIABEL KEPEMIMPINAN No SKOR UNTUK BUTIR Res Btr Btr 2 Btr 3 Btr 4 Btr 5 Btr 6 Btr 7 Btr 8 Btr 9 Btr 0 Skor 4 4
Lebih terperinciMultiple Regression (Regresi. Majemuk)
Multiple Regression (Regresi Majemuk) /liche/statistik S2 Profesi F.Psi.UI/2009 1 Regresi Majemuk Diperkenalkan oleh Pearson pada 1908 Digunakan untuk mengetahui besarnya proporsi dari suatu variabel yang
Lebih terperinciAnalisis Korelasi & Regresi
Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap
Lebih terperinciLampiran 1 Data Absensi dan Pengeluaran Tenaga Kerja
Lampiran 1 Data dan Tenaga Kerja Jumlah Karyawan Sakit Cuti Keperluan lainnya Jumlah Tahun (orang) (hari/tahun) (hari/tahun) (hari/tahun) (hari/tahun) 1997 87 76 13 9 37 1998 9 71 146 6 43 1999 98 7 130
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hipotesis Gambar 4.1 Hubungan variabel bebas dan variabel terikat Keterangan : X 1 = Kompensasi X 2 = Iklim Organisasi Y = Kepuasan Kerja Hipotesis : 1. H 0 : r y1 = 0 H
Lebih terperinciPENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)
MODUL 8 PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS) Tujuan Praktikum : Mahasiswa mengenal aplikasi pengolah data statistik yaitu SPSS Mahasiswa dapat menggunakan aplikasi SPSS
Lebih terperinciDAFTAR LAMPIRAN. Data Variabel Pertumbuhan Ekonomi Atas Dasar Harga Berlaku. Kabupaten/Kota Provinsi Jawa Barat Tahun
DAFTAR LAMPIRAN LAMPIRAN 1 Data Variabel Pertumbuhan Ekonomi Atas Dasar Harga Berlaku Kabupaten/Kota 58,25 66,09 74,57 24,14 27,38 30,66 23,78 26,43 28,68 29,58 36,27 36,27 119,35 136,05 150,45 35,59 40,61
Lebih terperinciRudi Aditia Hartono Manajemen Ekonomi 2013
Rudi Aditia Hartono 16210622 Manajemen Ekonomi 2013 Faktor Faktor Yang Mempengaruhi Minat Kepuasan Konsumen Dalam Memilih Pelayanan Jasa Steam Mobil Flamboyan. Latar Belakang 1. Jumlah volume kendaran
Lebih terperinciTabel r (product moment), Tabel t dan Tabel F
Tabel r (product moment), Tabel t dan Tabel F L30 Tabel t L31 (Junaidi Chaniago, 2010, http://junaidichaniago.wordpress.com) L32 Tabel F (Hasil hitung menggunakan SPSS 2.0 dengan taraf signifikansi 0,05)
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Penyajian Data Hasil Penelitian Penjelasan dari setiap variabel yang diperoleh dari penelitian dalam data akan dijelas secara rinci pada tiap-tiap variabel. Hasil penelitian
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. Penentuan sampel yang telah ditentukan sebelumnya lewat rumus Slovin
69 BAB 4 HASIL DAN PEMBAHASAN 4.1 Profil Responden Penentuan sampel yang telah ditentukan sebelumnya lewat rumus Slovin yaitu sebanyak 71 responden dengan metode pengambilan sampling yaitu non probability
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Statistik Deskriptif Statistik deskriptif menggambarkan tentang ringkasan data data penelitian seperti jumlah data yang diolah, nilai minimum,
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Data Hasil Penelitian Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil
Lebih terperinciLAMPIRAN 1 SK PEMBIMBING
LAMPIRAN 1 SK PEMBIMBING LAMPIRAN 2 KUISIONER PENELITIAN LAMPIRAN 3 DATA ORDINAL DAN INTERVAL VARIABEL X & Y LAMPIRAN 4 OUTPUT SPSS 22 Validitas, Reliabilitas, Korelasi dan Regresi Validitas Atribut Produk
Lebih terperinciPEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT
PEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT Oleh: Ali Muhson FAKULTAS EKONOMI UNIVERSITAS NEGERI YOGYAKARTA 01 ii KATA PENGANTAR Puji syukur alhamdulillah saya panjatkan kehadirat Allah SWT yang telah memberikan
Lebih terperinciNama : Nurlita NPM : Pembimbing : Rini Tesniwati,SE.,MM
PENGARUH ASIMETRI INFORMASI, UKURAN PERUSAHAAN DAN MEKANISME CORPORATE GOVERNANCE TERHADAP MANAJEMEN LABA PADA PERUSAHAAN SEKTOR PERDAGANGAN YANG TERDAFTAR DI BURSA EFEK INDONESIA Nama : Nurlita NPM :
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Statistik Deskriptif. Statistik Deskriptif menjelaskan karakteristik masing-masing variabel yang terdapat dalam penelitian, baik variabel dependen maupun variabel independent
Lebih terperinciVII. ANALISIS REGRESI-KORELASI
VII. ANALISIS REGRESI-KORELASI.1. Analisis Regresi Linier Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis tertentu denagn jumlah telurnya pada usus ayam buras. Untuk tujuan
Lebih terperinciTABEL 3 DATA PENELITIAN
Analisis Regresi Linier Bentuk LN (Logaritma Natural) Pengubahan data ke bentuk LN dimaksudkan untuk meniadakan atau meminimalkan adanya pelanggaran asumsi normalitas dan asumsi klasik regresi. Jika data-data
Lebih terperinciBAB IV ANALISIS DATA. hasil dari data yang di ambil dari objek peneliatian. Kemudiakan
90 BAB IV ANALISIS DATA A. Pengujian Hipotesis Kajian-kajian yang telah disediakana adalah untuk mengetahui hasil dari data yang di ambil dari objek peneliatian. Kemudiakan dilakukan pengujian data menggunakan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
51 BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam bab ini akan disajikan hasil penelitian yang dilakukan terhadap data sekunder yaitu berupa komponen-komponen laporan keuangan yang diperoleh dari perusahaan
Lebih terperinciLAMPIRAN 1 KUESIONER. Hormat saya, Wibiesono Wijaya
LAMPIRAN 1 KUESIONER No:.. Sehubungan dengan pemenuhan persyaratan tugas akhir, saya selaku mahasiswa Universitas Katolik Widya Mandala Surabaya dengan ini mengharapkan kesediaan Anda untuk mengisi kuesioner
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. Dengan rasio aktivitas, kita dapat mengetahui tingkat persediaan,
BAB IV ANALISIS DAN PEMBAHASAN A. Analisa Deskriptif 1. Deskriptif Statistik Dengan rasio aktivitas, kita dapat mengetahui tingkat persediaan, penjualan serta perputaran aktiva tetap pada suatu perusahaan.
Lebih terperinciAnalisis Pengaruh Modal Kerja Terhadap PT Astra International Tbk. Muhammad Dzulqarnain
Analisis Pengaruh Modal Kerja Terhadap PT Astra International Tbk Muhammad Dzulqarnain 14210663 Latar Belakang Masalah Dalam menjalankan suatu perusahaan tidak akan terlepas dari permodalan yaitu pemenuhan
Lebih terperinciUJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma
UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)
Lebih terperinciPENGARUH GAYA KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA KARYAWAN ALAM WISATA RESTO. Ahmad Mustakim
PENGARUH GAYA KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA KARYAWAN ALAM WISATA RESTO Ahmad Mustakim 10213444 PENDAHULUAN LATAR BELAKANG MASALAH Seorang pemimpin juga merupakan merupakan salah satu cara
Lebih terperinciBAB IV HASIL PENELITIAN. kecenderungan jawaban responden dari tiap-tiap variabel, baik mengenai
BAB IV HASIL PENELITIAN A. Deskripsi Data Statistik deskriptif ini digunakan sebagai dasar untuk menguraikan kecenderungan jawaban responden dari tiap-tiap variabel, baik mengenai kinerja guru, motivasi
Lebih terperinciBAB VII HUBUNGAN BAURAN PROMOSI TERHADAP EFEKTIVITAS KOMUNIKASI PEMASARAN HONEY MADOE
BAB VII HUBUNGAN BAURAN PROMOSI TERHADAP EFEKTIVITAS KOMUNIKASI PEMASARAN HONEY MADOE 7.1. Hubungan Bauran Promosi Terhadap Efektivitas Komunikasi Pemasaran HONEY Madoe Bauran komunikasi pemasaran meliputi
Lebih terperinci