SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
|
|
- Erlin Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas. Jika asumsi normalitas dilanggar, maka hasil estimasi, uji t, dan uji F pada regresi menjadi tidak valid. Selain itu perlu diperhatikan korelasi diantara variable independen, jika terdapat korelasi yang cukup tinggi maka dapat dikatakan terjadi multikolinearitas. Efek dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi yang dihasilkan menjadi tidak efisien karena mempunyai bias dan variansi yang besar. Berdasarkan hasil simulasi, dampak multikolineritas pada regresi linear ganda dengan keadaan asumsi normalitas dipenuhi memberikan standar error estimasi dan MSE yang jauh lebih besar jika dibandingkan dalam kondisi asumsi normalitas dilanggar. Dalam kondisi error berdistribusi t, standar error estimasi dan MSE juga hampir sama dengan kondisi asumsi normalitas dipenuhi. Hal ini berarti jika terjadi multikolineritas, estimasi koefisien regresi pada kondisi eror berdistribusi simetris yang diperoleh tidak valid. Pada kondisi error berdistribusi non simetris (exponensial, weibull dan gamma) standar error estimasi dan MSE yang diperoleh jauh lebih kecil daripada kondisi eror berdistribusi simetris. Dengan demikian dampak multikolineritas lebih berbahaya pada kondisi asumsi normalitas terpenuhi, Lebih umum dampak multikolinearitas lebih berbahaya pada kondisi eror berdistribusi simetri. Kata Kunci : multikolinearitas, normalitas, simulasi PENDAHULUAN Statistik adalah ilmu yang mempelajari tentang data, baik dari pengumpulan, pengolahan, penyajian sampai pada penarikan kesimpulan. Salah satu teknik statistik yang digunakan untuk mempelajari hubungan pengaruh variable terhadap variabel lain adalah regr esi. Analisis r egresi linear ganda secara parametrik memerlukan beberapa asumsi yang disebut asumsi klasik. Terdapat empat asumsi klasik pada analisis regresi berganda yakni normalitas, multikolinearitas, homoskedastisitas dan autokorelasi (Gujarati, 2004). Pada regresi linear, uji prasyarat yang dilakukan biasanya hanya uji normalitas dan linearitas saja, yang lain hanya diasumsikan (Budiyono, 2013). Pada kenyataannya sering ter jadi penyimpangan asumsi tersebut. Bahkan seringkali terjadi penyimpangan dua asumsi secara bersamaan seperti terjadi multikolinearitas dan penyimpangan asumsi normalitas secara bersamaan. Multikolinearitas adalah adanya hubungan atau korelasi antar variabel bebas. Efek dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi yang dihasilkan dari analisis regresi linear berganda menjadi tidak efisien karena dapat menyebabkan regresi berganda mempunyai bias dan varians yang besar. Menurut Adeboye dkk (2014), multikolineritas memberikan pengaruh terhadap standar eror estimasi koefisien regresi sehingga hasil 1,2 Program Studi Matematika, FKIP, Universitas Widya Dharma Klaten Magistra No. 101 Th. XXIX Desember
2 estimasi dimungkinkan tidak akurat. Penelitian yang dilakukan Nyrhinen and Leskinen (2014) menyatakan bahwa multikolineritas mengaburkan interpretasi terhadap str uktur persamaan model, untuk mengatasinya dengan mengeliminasi variabel bebas yang berkorelasi dari model. Menurut Duzan and Sima (2016), masalah multikolineritas data diatasi menggunakan Ridge Regression yang merupakan alternative dari Ordinary Least Square (OLS) pada kondisi multikolineritas. Multikolinearitas juga akan menyebabkan hasil-hasil estimasi menjadi peka terhadap perubahan-perubahan kecil. Selain itu multikolinearitas juga dapat menyebabkan terjadinya perbedaan kesimpulan antara uji statistik F dan uji statistik t (Gujarati, 2004). Sedangkan normalitas adalah kondisi dimana error berdistribusi normal. Dampak dari tidak terpenuhinya asumsi normalitas adalah baik uji statistik F maupun uji statistik t serta estimasi nilai variabel dependen menjadi tidak valid. Ayinde dkk (2015) mengkombinasikan Feasible Generalized Least Square Estimators (Cochrane and Maximum Likelihood Estimators) dengan Principal Components Extraction method untuk mengatasi masalah multikolineritas dan autokorelasi. Pada penelitian ini ingin diketahui bagaimana efek multikolineritas pada regresi linear ganda pada kondisi asumsi normalitas dipenuhi maupun dilanggar melalui suatu study simulasi. REGRES LINEAR GANDA Regresi merupakan teknik statistic yang digunakan untuk mengetahui pengaruh variabel terhadap variabel yang lain. Variabel yang mempengaruhi disebut variabel independen/ variabel bebas/ predictor sedangkan variabel yang dipengaruhi disebut variabel dependen/ variabel terikat/ respon. Regresi dapat digunakan untuk memprediksi variabel dependen. Jika variabel independen mempengaruhi variabel dependen secara linear, maka regresi tersebut disebut regresi linear. Berdasarkan banyaknya variable independen, regresi linear dibedakan menjadi regresi linear sederhana dan regresi linear ganda. Jika variable independen hanya satu disebut regresi linear sederhana, sedangkan jika variable independen lebih dari satu disebut regresi linear ganda. Dalam penelitian yang menggunakan regresi, sering kali dijumpai lebih dari satu variabel independen. Untuk itu diperlukan model regresi linear ganda. Model regresi linear ganda sering kali digunakan sebagai pendekatan untuk struktur yang kompleks. Analisis regresi linear ganda bertujuan untuk mengetahui bentuk hubungan pengaruh k variabel independen terhadap variable dependen Y (Budiyono, 2013). Model regresi linear ganda pada populasi secara umum diberikan oleh dimana : observasi ke-i dari Y : observasi ke-i dari variabel dengan j = 1, 2,, k : konstanta regresi : koefisien regresi pada : sesatan pada observasi ke-i dengan Berdasarkan sampel random dapat dilakukan proses estimasi. Estimasi koefisien regresi dengan menggunakan metode kuadrat terkecil akan diperoleh sistem persamaan sebagai berikut. Selanjutnya persamaan di atas disebut sebagai persamaan normal. Dengan menyelesaikan sistem persamaan normal ini akan diperoleh berdasarkan metode estimasi kuadrat terkecil yang 46 Magistra No. 101 Th. XXIX Desember 2017
3 estimasi dikatakan semakin baik (Rencher, 2000). Menurut Hardle (1991) MSE diberikan sebagai berikut yang merupakan jumlahan bias dari estimasi dan variansinya. SIMULASI merupakan estimasi koefisien regresi (Sembiring, 1995). Analisis regresi linear ganda secara parametrik memerlukan beberapa asumsi penting yang disebut asumsi klasik. Terdapat empat asumsi klasik pada analisis regresi berganda yakni normalitas, multikolinearitas, homoskedastisitas dan autokorelasi (Gujarati,2004 ). Asumsi normalitas yang diperlukan pada regresi adalah residual berasal dari populasi normal. Dengan melihat persamaan model regresinya, secara teori normalitas residual dapat dicapai jika variable dependen maupun independen berdistribusi normal. Regresi juga memerlukan asumsi tidak terjadi multikolineritas diantara variable independen. Maksudnya tidak terdapat korelasi diantara variable independen. Asumsi homoskedastisitas menyatakan bahwa regresi yang memenuhi persyaratan adalah dimana terdapat kesamaan varian dari residual setiap observasi. Regresi juga memerlukan asumsi tidak ada autokorelasi, artinya tidak terdapat korelasi diantara observasi (satu periode dengan periode yang lain). Uji autokorelasi hanya dilakukan pada data time series. Jika terdapat asumsi yang tidak dipenuhi maka proses estimasi maupun inferensi lanjutan yang dilakukan menjadi tidak valid. Untuk mengetahui suatu estimasi dikatakan baik atau tidak dapat dilakukan dengan menggunakan Mean Square Error (MSE) estimasi. Jika MSE semakin mendekati nol, maka Pada penelitian ini akan dilakukan simulasi untuk melihat dampak multikolineritas pada regresi linear ganda. Simulasi dilakukan untuk regresi linear ganda terjadi multikolineritas dengan beberapa keadaan distribusi eror yang berbeda. Simulasi dilakukan menggunakan bantuan software R. Untuk membatasi konstruksi program, digunakan regresi linier ganda dua (2) variabel bebas dengan lima (5) keadaan distribusi eror, yaitu Normal, t, Exponential, Weibull, dan Gamma. Pada simulasi ini tidak digunakan data real yang diambil dari lapangan. Data yang digunakan dibangkitkan dari distribusi tertentu dengan bantuan software R sehingga dapat ditentukan kondisi data yang dikehendaki. Pada penelitian ini, data yang dikehendaki untuk keperluan simulasi adalah data regresi linear ganda pada keadaan multikolineritas dengan distribusi error bervariasi. Kondisi Multikolineritas Dengan Korelasi Tinggi Misalkan data untuk sebanyak 20 data dibangkitkan dari distribusi Normal dengan rata-rata 50 dan standar deviasi 3. Sedangkan data untuk sebanyak 20 data didesain sedemikian sehingga terjadi korelasi dengan dengan korelasi yang tinggi (0,977). Parameter koefisien regresi yang digunakan adalah mmmmmmmmmmm β 0 = 1, β 1 =2, dan β 2 =3. Pada regresi ganda ini didesain data error dibangkitkan dari distribusi Normal, t, Magistra No. 101 Th. XXIX Desember
4 Eksponensial, Weibull dan Gamma. Ringkasan hasil simulasi ini diberikan sebagai berikut. Distribusi Error Tabel 1. Hasil simulasi multikolineritas tinggi Estimasi Koefisien Standar Error Estimasi Normal -0, ,127 28,736 35,550 0,3376 0,1057 T 47,905 16,940 30,740 43,608 0,4141 0,1296 Exp 11,936 20,323 29,888 0,3298 0,0313 0,0098 Weibull 11,123 20,121 29,996 0,0903 0,0086 0,0027 Gamma 10,600 18,800 30,404 0,9935 0,0944 0,0295 Berdasarkan Tabel 1, dalam keadaan terjadi multikolineritas tinggi, estimasi koefisien regresi pada kondisi error berdistribusi non simetris (exponensial, weibull dan gamma) lebih mendekati nilai parameter yang sebenarnya dibandingkan pada kondisi error berdistribusi simetris (normal dan t). Standar error estimasi yang dihasilkan pada kondisi error berdistribusi simetris jauh lebih besar dibandingkan pada kondisi error berdistribusi non simetris. Akibatnya interval konfidensi yang diperoleh menjadi sangat lebar. Ini berarti jika terjadi multikolineritas dan eror berdistribusi simetris, maka estimasi koefisien regresi dengan metode OLS menjadi tidak valid. Berdasarkan estimasi Mean Square Error (MSE) diberikan sebagai berikut. Distribusi Error Tabel 2. Estimasi MSE MSE Normal 13,8616 0,5267 0,1376 T 22,8071 0,4775 0,0908 Exp 0,3027 0,0333 0,0113 Weibull 0,1205 0,0122 0,0004 Gamma 1,0470 0,1289 0,0413 Berdasarkan Tabel 2, seperti halnya pada standar eror, MSE pada kondisi error berdistribusi simetris jauh lebih besar daripada error berdistribusi non simetris. Grafik MSE untuk dan diberikan pada Gambar 1. Gambar 1. MSE pada kondisi multikolinearitas tinggi Berdasarkan Gambar 1, menunjukkan bahwa pada kondisi error berdistribusi simetris (Normal dan t), dampak multikolineritas mengakibatkan MSE sangat besar, sehingga estimasi koefisien regresi menjadi kurang valid. Kondisi Multikolineritas Dengan Korelasi Sedang Misalkan data untuk sebanyak 20 data dibangkitkan dari distribusi Normal dengan rata-rata 50 dan standar deviasi 3. Sedangkan data untuk sebanyak 20 data didesain sedemikian sehingga terjadi korelasi dengan dengan korelasi yang sedang (0,597). Parameter koefisien regresi yang digunakan adalah,, dan. Pada regresi ganda ini didesain data error dibangkitkan dari distribusi Normal, t, Eksponensial, Weibull dan Gamma. Ringkasan hasil simulasi ini diberikan sebagai berikut. Distribusi Error Tabel 3. Hasil simulasi multikolineritas sedang Estimasi Koefisien Standar Error Estimasi Normal -14,590 20,159 30,313 27,691 0,0661 0,0509 T 56,529 18,549 30,524 35,389 0,0845 0,0651 Exp 10,549 20,018 29,997 0,4028 0,0096 0,0074 Weibull 10,846 20,004 29,996 0,0848 0,0020 0,0016 Gamma 28,743 19,947 29,779 0,8486 0,0203 0, Magistra No. 101 Th. XXIX Desember 2017
5 Berdasarkan Tabel 3, dalam keadaan terjadi multikolineritas sedang, estimasi koefisien regresi pada kondisi error berdistribusi non simetris (exponensial, weibull dan gamma) lebih mendekati nilai parameter yang sebenarnya dibandingkan pada kondisi error berdistribusi simetris (normal dan t). Standar error estimasi yang dihasilkan pada kondisi error berdistribusi simetris jauh lebih besar dibandingkan pada kondisi error berdistribusi non simetris. Akibatnya interval konfidensi yang diperoleh menjadi sangat lebar. Ini berarti jika terjadi multikolineritas dan eror berdistribusi simetris, maka estimasi koefisien regresi dengan metode OLS menjadi tidak valid. Berdasarkan estimasi Mean Square Error (MSE) diberikan sebagai berikut. Distribusi Error Tabel 4. Estimasi MSE MSE Normal 10,1269 0,0203 0,0339 T 17,1767 0,1522 0,0566 Exp 0,2172 0,0019 0,0004 Weibull 0,0918 0,0004 0,0004 Gamma 2,5944 0,0057 0,0223 Berdasarkan Tabel 4, seperti halnya pada standar eror, MSE pada kondisi error berdistribusi simetris jauh lebih besar daripada error berdistribusi non simetris. Grafik MSE untuk dan diberikan pada Gambar 2. Berdasarkan Gambar 2, seperti halnya pada kondisi multikolinearitas tinggi, MSE estimasi lebih besar terjadi pada kondisi eror berdistribusi simetris. Akan tetapi pada kondisi eror berdistribusi t, MSE estimasi lebih besar dari pada kondisi eror berdistribusi normal. Hal ini menunjukkan bahwa pada kondisi error berdistribusi simetris, dampak multikolineritas mengakibatkan MSE estimasi besar, sehingga estimasi koefisien regresi juga kurang valid. SIMPULAN Pada keadaan terjadi multikolineritas, estimasi koefisien regresi pada kondisi error berdistribusi non simetris lebih mendekati nilai parameter yang sebenarnya dibandingkan pada kondisi error berdistribusi simetris. Standar error estimasi yang dihasilkan pada kondisi error berdistribusi simetris jauh lebih besar dibandingkan pada kondisi error berdistribusi non simetris. Akibatnya interval konfidensi yang diperoleh menjadi sangat lebar. Hal ini menandakan bahwa kondisi multikolineritas memberikan dampak yang signifikan pada kondisi error berdistribusi simetr is, artinya dampak multikolinerits lebih berbahaya pada kondisi asumsi normalitas dipenuhi. Ini berarti jika ter jadi multikolineritas dan eror berdistribusi simetris, maka estimasi koefisien regresi dengan metode OLS menjadi kurang valid.. Gambar 2. MSE pada kondisi multikolinearitas Sedang Magistra No. 101 Th. XXIX Desember
6 DAFTAR PUSTAKA Adeboye, N. O., Fagoyinbo, I. S., and Olatayo, T. O Estimation of the Effect of Multicollinearity on the Standard Error for Regression Coefficients. IOSR Journal of Mathematics, e-issn: , p-issn: x. Volume 10, Issue 4 Ver. I. Ayinde, K., Lukman, A. F, and Arowolo, O. T Combined Parameters Estimation Methods Of Linear Regression Model With Multicollinearity And Autocorrelation. Journal of Asian Scientific Research, 5(5): Budiyono Statistika Untuk Penelitian, Edisi Kedua, UNS Press, Surakarta. Duzan, H. and Sima, N Solution to the Multicollinearity Problem by Adding some Constant to the Diagonal. Journal of Modern Applied Statistical Methods. Vol. 15, No. 1, Gujarati, D. N, 2004, Basic Econometri, Fourth Edition. The McGraw- Hill Companies, New York. Hardle, W Smoothing Techniques With Implementation in S. Springer-Verlag New York Inc. Nyrhinen, J. N. and Leskinen E Multicollinearity in Marketing Models: Notes on the Application of Ridge Trace Estimation in Structural Equation Modelling. Electronic Journal of Business Research Methods Volume 12 Issue 1 Rencher, A. C., 2000, Linear Models In Statistics, John Wiley & Sons Inc, New York. Sembiring, R. K., 1995, Analisis Regresi, Edisi Kedua, Penerbit ITB, Bandung. 50 Magistra No. 101 Th. XXIX Desember 2017
Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciBOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R
BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
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 terperinciBAB III METODOLOGI PENELITIAN. Sasaran penelitian ini berkaitan dengan obyek yang akan ditulis, maka
BAB III METODOLOGI PENELITIAN A. Obyek/Subyek Penelitian Sasaran penelitian ini berkaitan dengan obyek yang akan ditulis, maka populasi dalam penelitian difokuskan di Kabupaten Banjarnegara. Dimana data
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciPERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA
PERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA COMPARISON BETWEEN ORDINARY RIDGE REGRESSION AND UNBIASED RIDGE REGRESSION IN COPING WITH
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
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. 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 terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
47 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Unit Analisis Data 1. Data Hasil Penelitian Pada bagian ini akan dibahas mengenai proses pengolahan data untuk menguji hipotesis yang telah dibuat
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 terperinciBAB 4 ANALISIS DAN BAHASAN
BAB 4 ANALISIS DAN BAHASAN 4.1 Deskripsi Data Penelitian Setelah melalui berbagai tahapan penelitian yang telah direncanakan oleh peneliti di bagian awal, penelitian ini menghasilkan berbagai hal yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
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 terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square
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 terperinciMETODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
28 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif kuantitatif. Ruang lingkup penelitian ini adalah untuk melihat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperinciPENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)
PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah nilai tukar rupiah, sedangkan
Lebih terperinciBAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi
76 BAB IV PENUTUP A. Kesimpulan Model Seemingly Unrelated Regression (SUR) merupakan perluasan dari analisis regresi linear yang berupa sistem persamaan yang terdiri dari beberapa persamaam regresi yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Textile dan Otomotif yang terdaftar di BEI periode tahun
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Analisa Penelitian ini menggunakan data skunder berupa laporan keuangan audit yang diperoleh dari website resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.
Lebih terperinciBAB III METODE PENELITIAN. mengetahui pengaruh belanja daerah, tenaga kerja, dan indeks pembangunan
BAB III METODE PENELITIAN A. Objek Penelitian Penelitian ini merupakan penelitian empiris yang dilakukan untuk mengetahui pengaruh belanja daerah, tenaga kerja, dan indeks pembangunan manusia terhadap
Lebih terperinciBAB III METODOLOGI PENELITIAN. berbentuk time series selama periode waktu di Sumatera Barat
BAB III METODOLOGI PENELITIAN A. Sumber Data Metode penelitian dilakukan dengan mengumpulkan data sekunder yang berbentuk time series selama periode waktu 2005-2015 di Sumatera Barat yang diperoleh dari
Lebih terperinciBAB III METODE PENELITIAN. Berdasarkan karateristik masalah yang diteliti, jenis penelitian yang akan
BAB III METODE PENELITIAN 3.1. Lokasi Penelitian Penelitian ini dilakukan di PT. Indra Karya Kantor Cabang 1 Malang yang bergerak di bagian konsultan. 3.2. Jenis dan Pendekatan Penelitian Berdasarkan karateristik
Lebih terperinciBAB 4 HASIL ANALISIS DAN PEMBAHASAN. Berdasarkan hasil analisis data dari sampel yang diambil yaitu 140
45 BAB 4 HASIL ANALISIS DAN PEMBAHASAN 4.. ANALISIS DESKRIPTIF Berdasarkan hasil analisis data dari sampel yang diambil yaitu 40 perusahaan manufaktur yang terdaftar di BEI (Bursa Efek Indonesia), maka
Lebih terperinciMagister Manajemen Univ. Muhammadiyah Yogyakarta
Analisis Regresi Linier Wihandaru Sotya Pamungkas Pendahuluan 1 Pendahuluan A. Pengertian Regresi dan Korelasi Istilah regresi diperkenalkan oleh Francis Galton tahun 1886 diperkuat oleh Karl Pearson tahun
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi,
BAB IV HASIL DAN PEMBAHASAN A. Hasil Analisis 1. Analisis Statistik Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi obyek penelitian adalah DER (debt to equity ratio),
BAB III METODE PENELITIAN 3.1 Objek Dan Waktu Penelitian 3.1.1 Objek Penelitian Adapun yang menjadi obyek penelitian adalah DER (debt to equity ratio), OPM (operating profit margin) dan Harga Saham pada
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah pendekatan kuantitatif, dimana penelitian ini menekankan pada pengujian teori melalui
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu analisis yang dilakukan terhadap dua variabel yaitu variabel independen (prediktor) dan variabel dependen (respon) untuk mengetahui
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian dan Subjek Penelitian 1. Objek Penelitian Penelitian ini dilakukan di Provinsi Jawa Tengah yang memiliki 29 kabupaten dan 6 kota. Dan dalam penelitian ini,
Lebih terperinciBAB III METODE PENELITIAN. Bursa Efek Indonesia (BEI). S edangkan waktu yang digunakan dalam melakukan
48 BAB III METODE PENELITIAN III.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan pada perusahaan PT Unilever Tbk yang terdaftar di Bursa Efek Indonesia (BEI). S edangkan waktu yang digunakan dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN. menganalisis data, penulis menggunakan alat bantu komputer seperti paket
49 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian yang dilakukan penulis adalah penelitian kuantitatif dengan menggunakan metode regresi linier berganda sebagai alat analisis data. Dalam
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel
49 BAB III OBJEK DAN METODE PENELITIAN 1.1 Objek Penelitian Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel independen (X) yaitu dividen dan variabel dependen (Y) yaitu harga
Lebih terperinciBAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah
40 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah minimum, Indeks Pembangunan Manusia (IPM), dan pengangguran terhadap tingkat
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini merupakan jenis penelitian deskriptif-korelasional (kausal) yang menjelaskan adakah hubungan dan seberapa besar pengaruh tiap-tiap variabel
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciBAB III METODE PENELITIAN. data PDRB, investasi (PMDN dan PMA) dan ekspor provinsi Jawa Timur.
BAB III METODE PENELITIAN A. Lokasi Penelitian Lokasi penelitian diambil di provinsi Jawa Timur dengan menggunakan data PDRB, investasi (PMDN dan PMA) dan ekspor provinsi Jawa Timur. B. Jenis dan Sumber
Lebih terperinciIII. METODE PENELITIAN. Pertumbuhan ekonomi mengukur prestasi dari perkembangan suatu perekonomian dari
46 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Pertumbuhan ekonomi mengukur prestasi dari perkembangan suatu perekonomian dari suatu periode ke periode lainya. Dari satu periode ke periode lainnya
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. terdaftar di Bursa Efek Indonesia periode tahun Pengambilan sampel
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Sampel Penelitian Populasi yang diambil dalam penelitian ini adalah perusahan LQ-45 yang terdaftar di Bursa Efek Indonesia periode tahun 2011-2015. Pengambilan
Lebih terperinciGatak Gatak Gatak Kartasura Kartasura Baki
III. METODE PENELITIAN A. Metode Dasar Penelitian Metode dasar yang digunakan dalam penelitian adalah metode deskriptif analitis. Metode deskriptif analitis yaitu metode yang mempunyai ciri memusatkan
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciBAB IV HASIL PENGUJIAN. Analisis Deskriptif Variabel Variabel Penelitian
BAB IV HASIL PENGUJIAN IV.1 Analisis Deskriptif Variabel Variabel Penelitian Dari data yang telah dikumpulkan, didapat hasil perhitungan sebagai berikut : 1) Beta saham Beta merupakan suatu pengukur volatilitas
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN Penelitian ini dilakukan pada perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2012. Tujuan dari penelitian ini adalah untuk menguji pengaruh Size
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3. 1. Pendekatan Penelitian Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif deskriptif. Pendekatan kuantitatif menitikberatkan pada pembuktian hipotesis.
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciBAB X OLAH DATA: DENGAN EVIEWS
BAB X OLAH DATA: ORDINARY LEAST SQUARES (OLS) DENGAN EVIEWS Pendahuluan Olah data dengan analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya terutama dengan metode Ordinary
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian tentang kemiskinan ini hanya terbatas pada kemiskinan di Provinsi Jawa Tengah tahun 2007-2011. Variabel yang digunakan dalam menganalisis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
BAB IV HASIL DAN PEMBAHASAN IV.1 Statistik Deskriptif Statistik deskriptif merupakan statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
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 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 terperinciPEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA BARAT
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 60-68 PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA
Lebih terperinciIII. METODOLOGI PENELITIAN. dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta dengan
28 III. METODOLOGI PENELITIAN 3.1. Desain Penelitian Metode yang digunakan dalam penelitian ini adalah penelitian analisis deskriptif dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta
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 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 III METODE PENELITIAN. Yang menjadi objek dari penelitian ini adalah ekspor industri tekstil dan
52 BAB III METODE PENELITIAN 3.1 Objek Penelitian Yang menjadi objek dari penelitian ini adalah ekspor industri tekstil dan produk tekstil. Fokus yang akan diteliti adalah faktor-faktor yang mempengaruhi
Lebih terperinciOleh: Ningrum Astriawati Prodi Teknika, Akademi Maritim Yogyakarta
PENERAPAN ANALISIS REGRESI LINIER BERGANDA UNTUK MENENTUKAN PENGARUH PELAYANAN PENDIDIKAN TERHADAP EFEKTIFITAS BELAJAR TARUNA DI AKADEMI MARITIM YOGYAKARTA Oleh: Ningrum Astriawati Prodi Teknika, Akademi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Sampel Penelitian yang digunakan dalam penelitian ini ialah Perusahaan yang Terdaftar di Jakarta Islamic Index tahun 2011-2013. Teknik yang digunakan dalam
Lebih terperinciBAB III METODE PENELITIAN. laba/rugi Perusahaan makanan yang terdaftar di BEI (PT. Indofood Sukses
BAB III METODE PENELITIAN 3.1 Objek Penelitian Adapun yang menjadi objek pada penelitian ini adalah neraca dan laporan laba/rugi Perusahaan makanan yang terdaftar di BEI (PT. Indofood Sukses Makmur, Tbk,
Lebih terperinciBAB IV ANALISIS DATA. tingkat kebenaran hipotesis penelitian yang telah dirumuskan. Dalam analisis data
BAB IV ANALISIS DATA Analisis data merupakan hasil kegiatan setelah data dari seluruh responden atau sumber data lainnya terkumpul. Hal ini memiliki tujuan untuk mengetahui tingkat kebenaran hipotesis
Lebih terperinciBAB IV HASIL ANALISA DAN PEMBAHASAN
BAB IV HASIL ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Penelitian ini menggunakan analisa regresi yang tujuannya adalah untuk meramalkan suatu nilai variabel dependen dengan adanya perubahan dari
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. digunakan untuk mengetahui deskripsi suatu data, analisis ini digunakan
BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Analisis statistik deskriptif
Lebih terperinciKata Kunci: Autokorelasi, Heteroskedastisitas, Metode Kuadrat Terkecil, Metode Newey West
Judul : Penerapan Metode Newey West dalam Mengoreksi Standard Error ketika Terjadi Heteroskedastisitas dan Autokorelasi pada Analisis Regresi Nama : Zakiah Nurlaila NIM : 1208405019 Pembimbing : 1. Made
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 terperinciBAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab sebelumnya telah dijelaskan mengenai populasi dan proses pengumpulan data untuk kepentingan analisis data penelitian. Penelitian dilakukan dengan cara pengumpulan
Lebih terperinciRESAMPLING BOOTSTRAP PADA R
RESAMPLING BOOTSTRAP PADA R Joko Sungkono* Abstrak:Pada tulisan ini, algoritma resampling bootstrap akan disajikan secara detail dalam bahasa pemrograman software R untuk beberapa contoh kasus. Resampling
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Regresi adalah suatu metode yang digunakan untuk menganalisis hubungan antara variabel respon dengan variabel penjelas. Pada umumnya, variabel respon
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Profitabilitas, Kepemilikan Saham Oleh Publik dan Leverage terhadap Pengungkapan
BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam Bab ini penulis akan melakukan analisis perhitungan Pengaruh Size, Profitabilitas, Kepemilikan Saham Oleh Publik dan Leverage terhadap Pengungkapan Corporate
Lebih terperinciJl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon ABSTRAK
Jurnal Barekeng Vol. 8 No. 1 Hal. 31 37 (2014) MODEL REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS (Studi Kasus: Data Pertumbuhan Bayi di Kelurahan Namaelo
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Waktu Penelitian dilakukan mulai Bulan September 2015- Januari 2016. Lokasi yang dilakukan untuk penelitian ini adalah Pusat Referensi Pasar Modal
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciIII. METODE PENELITIAN. runtut waktu (time series) atau disebut juga data tahunan. Dan juga data sekunder
42 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian adalah data sekunder yang mempunyai sifat runtut waktu (time series) atau disebut juga data tahunan. Dan juga data
Lebih terperinciBAB I PENDAHULUAN. bersifat tetap ( bukan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan suatu analisis yang digunakan untuk mengetahui hubungan antara satu variabel independen atau lebih dengan variabel dependen. Pada studi perbandingan
Lebih terperinciIII. METODE PENELITIAN. Obyek penelitian ini adalah profitabilitas perbankan syariah yang ada di
III. METODE PENELITIAN 3.1 Obyek Penelitian Obyek penelitian ini adalah profitabilitas perbankan syariah yang ada di Indonesia, khususnya bagi Bank Umum Syariah di Indonesia. Penelitian ini menggunakan
Lebih terperinci