ANALISA PERSAMAAN SIMULTAN
|
|
- Vera Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISA PERSAMAAN SIMULTAN 1. PEMBUATAN MODEL Persamaan simultan merupakan persamaan yang terdiri dari lebih dari satu persamaan, dimana salah satunya merupakann persamaan identitas, sedangkan persamaan lainnya merupakann persamaan struktural. Persamaan identitas merupakann persamaan yang sudah pasti karena tidak melibatkan variabel error di dalamnya. Sedangkan persamaan struktural sendiri merupakann persamaan yang di dalamnya terdapat faktor error, dan persamaan ini merupakann persamaan yang akan diuji dengan menggunakan analisa 2-stage least square (2 SLS). Kita memiliki contoh kasus berikut dimana persamaan strukturalnya adalah persamaan D t ; PRODG t ; PDG t. Perlu diketahui pula elemen-elemen penyusun persamaan simultan ini, antara lain adalah, 1. Variabel eksogen adalah variabel yang hanya bersifat mempengaruhi variabel lain baik di dalam seluruh persamaan yang menyusun suatu model ekonomi. Dengan kata lain variabel eksogen ini adalah variabel independen sesungguhnya, baik di satu persamaan maupun di persamaan lainnya dalam model dan bersifat non stokastik (pasti). Model ekonomi sendiri dalam hal ini terdiri dari beberapa persamaan struktural dan persamaan identitas seperti pada contoh kasus di bawah ini. Contoh dalam kasus ini adalah variabel POP t ; I t ; D t-1 ; L t ; PDV t ; PWG t ; NT t ; IMG t ; PDG t-1 (kita juga menganggap variabel lagged endogen sebagai variabel eksogen karena nilainya telah ditetapkan sebelumnya) 2. Variabel endogen merupakan variabel yang dicoba untuk dicari nilainya berdasarkan persamaan matematis yang ada. Variabel ini dalam model ekonomi (dalam sistem persamaan simultan) dapat saja menjadi variabel yang mempengaruhi variabel endogen lainnya dalam satu persamaan, dan atau secara simultan (bersamaan) juga dapat juga dipengaruhi oleh variabel-variabel lainnya pada persamaan lain yang masih dalam satu model ekonomi tadi (masih dalam satu sistem persamaan simultan yang sama). Contoh dalam kasus ini adalah D t ; PRODG t ; PDG t. (penjelasannya: variabel PDGt merupakan variabel endogen yang bersifat mempengaruhi dan dipengaruhi, sedangkan variabel Dt dan PRODGt hanya bersifat dipengaruhi saja namun tetap masuk dalam klasifikasi variabel endogen) 3. Variabel lagged endogen merupakan variabel endogen di masa lampau, sehingga nilainya sudah diketahui sebelumnya. Biasanya variabel ini ditandai dengan adanya subscript (t-1) pada variabel endogennya. Contoh dalam kasus ini adalah variabel PDG t-1 dan D t Variabel lagged eksogen yang penjelasannya beranalogi sama dengan variabel lagged endogen. Juga dicirikan dengan adanya subscript (t-1) pada variabel eksogennya. Sayangnya
2 tidak ada contoh dalam kasus ini. 5. Variabel predetermined atau variabel yang nilainya sudah ditentukan sebelumnya dan digunakan untuk mencari nilai dari variabel endogen yang dipengaruhinya. Variabel predetermined ini terdiri dari variabel eksogen, lagged eksogen, dan juga lagged endogen. Untuk mudahnya, semua variabel ini terkumpul di sisi sebelah dari variabel endogen yang dicari nilainya. Untuk kasus ini, variabel predetermined berada di sisi sebelah kanan tanda sama dengan (=). f(permintaan gula) = f(populasi penduduk, income, harga gula domestik, dan permintaan gula tahun sebelumnya); f(produksi gula) = f(harga gula, luas perkebunan tebu, produktivitas lahan tebu); Sedangkan fungsi harga gula kita tuliskan sebagai, f(harga gula) = f(harga gula dunia, nilai tukar rupiah terhadap dollar, volume impor gula, dan produksi gula indonesia tahun sebelumnya) Pada fungsi-fungsi yang kita tuliskan di atas, kemudian kita mulai mencoba untuk membuat persamaan yang dapat menjelaskan hubungan matematis fungsi permintaan gula, produksi gula, dan harga gula. Dalam kasus ini, kita menganggap bahwa persamaan yang kita coba estimasi adalah persamaan linear, sehingga terjemahan fungsi matematisnya adalah berikut: D t =α 0 +β 1 POP t +β 1 I t +β 2 PDG t +β 3 D t 1 +μ PRODG t =α 0 +β 1 PDG t +β 2 L t +β 3 PDV t +μ PDG t =α 0 +β 1 PWG t +β 2 NT t +β 3 IMG t +β 4 PDG t 1 +μ S t =D t --> Persamaan Identitas Sebuah persamaan identitas mutlak diperlukan dalam model persamaan simultan sebagai pendefinisi salah satu variabel. Setelah kita membuat perkiraan persamaan yang menjelaskan mengapa permintaan gula, produksinya, dan harganya dapat berubah, maka langkah selanjutnya adalah mencoba menguji apakah persamaan yang kita bentuk tadi benar-benar dapat menjelaskan secara matematis hubungan masing-masing faktor terhadap perubahan permintaan gula, produksi gula, dan harga gula, mendekati data aktual (data hasil dari survei di lapang). Untuk uji ini kita memerlukan langkah-langkah berikut:
3 Dianalisis menggunakan Membuat model linear (bukan persamaan matematis) Syarat Order Condition: Over Identified jika K-k > m-1 Exactly Identified jika K-k = m-1 Under Identified jika K-k < m-1 Uji Order Condition untuk semua Persamaan Struktural Hasil Order Conditions masing-masing Persamaan adalah Over Identified atau Exactly Identified Hasil Order Conditions persamaan msk kategori Under Identified Persamaan yg terpilih diuji dengan 2SLS (persamaan identitas jgn diproses!) Persamaan ini tidak diproses lebih lanjut!!! Interpretasi Output SPSS Interpretasi Multiple R; R 2 ; sig. uji F, sig. uji t (Adj. R 2 dapat diinterpretasikan jg, tp tdk wajib) Membentuk persamaan matematis dari temuan koefisien dan konstanta hasil Regresi 2SLS Validasi Model Dilakukan dgn Perbandingan Data Aktual dan Data Prediksi (data prediksi = data hasil perhitungan dr model yg dibuat dgn SPSS) Excel atau SPSS (analisis Frequency) Penjabaran Model berdasarkan Logika Ekonomi Kesimpulan Model dapat dikatakan memprediksi realita atau tidak.
4 2. UJI ORDER CONDITION Pada model yang telah kita buat di atas kita sudah membuat perkiraan persamaan matematis sebagai berikut, D t =α 0 +β 1 POP t +β 1 I t +β 2 PDG t +β 3 D t 1 +μ PRODG t =α 0 +β 1 PDG t +β 2 L t +β 3 PDV t +μ PDG t =α 0 +β 1 PWG t +β 2 NT t +β 3 IMG t +β 4 PDG t 1 +μ S t =D t Analisa 2SLS hanya dapat dilakukan pada persamaan yang masuk dalam klasifikasi Exactly Identified atau Over Identified. Selain klasifikasi itu, analisa 2SLS tidak dapat dilakukan. Klasifikasi ini mengikuti aturan berikut: Over Identified jika K-k > m-1 Exactly Identified jika K-k = m-1 Under Identified jika K-k < m-1 dimana, K adalah jumlah jenis variabel yang ada dalam model, baik itu di persamaan struktural maupun di persamaan identitas (variabel yang sama dalam satu persamaan di persamaan lainnya hanya dihitung sekali). k adalah jumlah seluruh variabel pada masing-masing persamaan yang diuji order condition-nya (termasuk variabel independennya). m adalah banyaknya persamaan yang terdapat dalam model yang diuji, termasuk persamaan identitas.
5 Pada kasus di atas kita ketahui bahwa: Persamaan Nilai K Nilai k Nilai m Klasifikasi D t 13 (D t ; PRODG t ; 5 (D t ; PDG t ; POP t ; 4 (persamaan D t ; Over Identified PDG t ; POPG t ; I t ; I t ; D t-1 ) D t-1 ; L t ; PDV t ; PRODG t ; PDG t ; dan S t ) PWG t ; NTt; IMG t ; PDG t-1 ; S t ) PRODG t 13 (idem) 4 (PRODG t ; PDG t ; 4 (idem) Over Identified L t ; PDV t ) PDG t 13 (idem) 5 (PDG t ; PWG t ; 4 (idem) Over Identified NTt; IMG t ; PDG t- 1) Seluruh persamaan struktural yang ada dalam model ini masuk dalam klasifikasi Over Identified, sehingga langkah berikutnya adalah melakukan regresi 2SLS untuk menentukan nilai konstanta dan koefisien pada masing-masing persamaan. 3. REGRESI 2SLS Regresi 2SLS ini kita lakukan dengan menggunakan SPSS. Berikut adalah langkahnya: 1. Copy data dari Excel ke SPSS. Data tahun tidak perlu dimasukkan dalam SPSS. 2. Rubah nama variabel sesuai dengan nama aslinya pada Excel. Dapat dilakukan pada sheet variable view. Dan pastikan kolom measure variabel tersebut berupa scale ; dan pada kolom type berupa numeric. 3. Tahap berikutnya merupakann tahap regresi 2SLS pada masing-masing persamaan struktural dalam model. Pada kasus ini, terdapat tiga persamaan struktural dalam model. Sehingga kita melakukan analisa 2SLS sebanyak tiga kali. a) Klik menu Analyze --> Regression --> 2-stage least squares b) Pada kolom Dependent, masukkan variabel dependen pada persamaan yang dianalisa. Sebagai contoh, jika kita menganalisa persamaan D t, maka variabel D t yang kita masukkan dalam kolom tersebut. c) Pada kolom Explanatory, masukkan varibel penjelas atau yang biasa kita sebut sebagai variabel independen dalam persamaan yang dianalisa. Contoh, jika menganalisa persamaan D t, maka variabel penjelasnya adalah PDG t ; POPG t ; I t ; D t-1. d) Pada kolom Instrumental, masukkan seluruh variabel yang ada dalam model, kecuali
6 variabel endogennya. Untuk ini, variabel endogen dalam model adalah variabel D t ; PRODG t ; PDG t ; termasuk seluruh variabel yang ada dalam persamaan identitas, yaitu S t. Variabel dalam kolom instrumental ini tetap sama untuk dua persamaan lainnya, sehingga untuk analisa persamaan sisanya, kolom ini tidak perlu dirubah lagi. e) Klik Options --> centang Predicted --> Continue --> OK f) Akan muncul sebuah notifikasi yang meminta izin untuk menambahkan variabel baru pada kolom data di sheet Data View. Klik OK untuk melanjutkan. g) Variabel baru ini secara otomatis bernama FIT_1 untuk analisa persamaan pertama, dan FIT_2 untuk analisa persamaan kedua, dan seterusnya. Variabel baru ini terletak pada kolom paling kanan, rubah nama variabel ini menjadi PRED_... isikan titik-titik tersebut dengan nama variabel dependen pada persamaan yang sedang dianalisa. Contoh, saat analisa persamaan D t, maka rubah variabel FIT_1 menjadi PRED_Dt, dan seterusnya. Variabel baru ini merupakan nilai prediksi SPSS atas model persamaan matematis yang kita buat. Untuk melihat nilai konstanta dan koefisien pada persamaan yang kita analisa ini, dapat dilihat pada hasil output SPSS. Langkah berikutnya adalah menginterpretasikan hasil uji t; F; dan R 2 pada output analisa persamaan tersebut. 4. Lakukan seluruh langkah nomor 3 ini untuk persamaan struktural yang lain yang termasuk dalam model. Persamaan identitas dalam model tidak perlu dianalisa menggunakan langkah nomor Tahap berikutnya adalah interpretasi hasil analisa 2SLS dengan SPSS. Hal-hal yang perlu diperhatikan dalam analisa ini adalah nilai R 2 dan multiple R pada tabel Model Summary ; nilai signifikansi pada tabel ANOVA (mewakili nilai F, sehingga kita tidak perlu repot membandingkan hasil F hitung dengan F tabel); dan semua nilai signifikasi pada tabel Coefficients (mewakili nilai t, sehingga kita tidak perlu repot membandingkan nilai t hitung dengan nilai t tabel). Kesemua interpretasi ini dilakukan pada hasil regresi 2SLS pada masing-masing persamaan.
7 Cara interpretasi dan maknanya: a) Pada tabel Model Summary Nilai multiple R atau biasa disebut multiple correlation coefficient adalah 0.754; menunjukkan bahwa tingkat korelasi (kesesuaian) data prediksi terhadap data aktual mencapai 75.4%. Sedangkan nilai R square atau disebut juga sebagai coefficient of determination merupakan nilai kuadrat dari multiple R, menunjukkan 0.569; berarti variabel independen dalam persamaan ini mampu menjelaskan variabel dependen dalam persamaannya sebesar 56.9%, sedangkan sisanya dijelaskan oleh variabel diluar persamaan. b) Pada tabel ANOVA Cukup perhatikan nilai Signifikansinya, yaitu Ini menunjukkan bahwa tingkat kesalahan mencapai 0.7%; sedangkan sisanya sebesar 99,3% merupakan tingkat kepercayaan pada persamaan ini, sehingga persamaan ini dinyatakan signifikan. Batas toleransi kesalahan pada analisa sosial khusus untuk tabel ANOVA adalah 5% atau setara dengan 0.05, nilai signifikansi (kesalahan) yang mencapai lebih dari 5% atau 0.05 dinyatakan tidak memiliki pengaruh nyata. Kecuali jika di bawah tabel ANOVA ditemukan adanya notifikasi seperti berikut: Significance at...(angka desimal) maka kita memakai batas toleransi tersebut, bukan 0,05. c) Pada tabel Coefficients
8 Perhatikan nilai signifikansi (kesalahan) pada setiap barisnya. Masing-masing menunjukkan tingkat kepercayaan nilai konstanta dan koefisien dalam persamaan yang sedang dianalisa terhadap data aktual yang ada. Batas toleransi nilai signifikasi ini juga sama, yaitu 5% atau Pada tabel, terdapat dua koefisien yang nilai signifikansinya (kesalahan) lebih dari 0.05; yaitu Dt_1 dan It, masing-masing sebesar dan Ini menunjukkan bahwa kedua variabel tersebut tidak memiliki pengaruh yang nyata terhadap variabel dependen pada persamaan yang dianalisa. Sedangkan variabel lainnya yang memiliki tingkat signifikansi kurang dari 0.05 memiliki pengaruh nyata terhadap nilai variabel dependen. Setelah diketahui nilai-nilai konstanta dan koefisien dari masing-masing persamaan yang dianalisa tadi, maka selanjutnya dilakukan pembentukan persamaan matematis sesuai dengan persamaan yang kita perkirakan sebelumnya (asumsi persamaannya adalah linear). Sebagai contoh, untuk hasil analisa untuk persamaan D t, kita membuat persamaan matematis berdasarkan koefisien dan konstanta yang diperoleh pada tabel output Coefficient terkait, yaitu: D t = 6.009E POP t I t PDG t D t 1 +μ 6. Dalam pembentukan persamaan matematis ini kita tidak dapat meninggalkan penambahan variabel error, karena merupakan penciri persamaan struktural yang memang tidak dapat memprediksi realita secara utuh. Ini dikarenakan adanya faktor lain diluar variabel-variabel independen yang juga mempengaruhi dalam persamaan, namun tidak dapat dimasukkan karena banyaknya faktor yang mempengaruhi dan juga sulitnya untuk mendefinisikan masing-masing faktor tersebut. 7. Bentuk persamaan matematis seperti yang dijelaskan pada langkah 6 di atas untuk persamaan lainnya.
9 4. VALIDASI MODEL a. Logika Ekonomi Model hasil pengerjaan dengan regresi 2SLS di atas selanjutnya memerlukan pengujian kembali apakah sistem persamaan yang sudah kita buat ini mampu memprediksi mendekati dengan data aktualnya. Untuk itu kita menggunakan validasi dengan dua tahap, pertama dengan menggunakan logika ekonomi dan menggunakan kecocokan data aktual dengan data prediksi. Logika ekonomi digunakan untuk melihat bagaimana seharusnya persamaan yang sudah kita bentuk ini dapat dijelaskan sesuai dengan teori ekonomi terkait. Ketika kita menemukan ketidaksesuaian dalam persamaan yang kita bentuk dengan teori atau asumsi ekonomi tertentu, maka kita dapat melakukan penelitian lebih lanjut untuk mengetahui apa yang sebenarnya terjadi pada persamaan-persamaan kita ini. Sebagai contoh, kita membuat tabel kesesuaian antara hasil pembuatan persamaan matematis D t dengan logika ekonomi yang telah kita pahami sebelumnya, seperti di bawah ini. Kita melihat kesesuaiannya dengan mengacu pada tanda masing-masing koefisien yang ada di persamaan terkait. Sebagai contoh, untuk variabel/faktor Populasi Penduduk yang dicerminkan sebagai POP t, kita meyakini bahwa semakin banyak populasi penduduk tentunya akan meningkatkan permintaan gula nasional, dimana permintaan gula nasional ini dicerminkan oleh variabel D t tadi. Sehingga kita menuliskan bahwa pengaruh POP t terhadap D t adalah positif (+) pada kolom Harapan di tabel berikut. Kemudian kita lanjut melihat tanda koefisien variabel POP t tadi pada persamaan D t yang sudah kita buat sebelumnya. Tanda masing-masing koefisien dan konstanta pada persamaan matematis ini memiliki arti pada kaitannya dengan variabel dependen yang dipengaruhinya. Keterkaitan ini dicerminkan dengan tanda (-) ataupun (+). Jika tanda koefisiennya (+), maka terdapat hubungan searah antara variabel independen terkait dengan variabel dependen dalam persamaan. Begitu pula sebaliknya ketika variabel independen terkait memiliki koefisien bertanda (-), maka variabel independen terkait memiliki hubungan terbalik dengan variabel dependen pada persamaan tersebut. Kita melihat bahwa koefisien variabel POP t ini bertanda (+), sehingga hubungan variabel POP t terhadap variabel dependen D t adalah searah, artinya ketika nilai variabel POP t ini meningkat, maka searah dengan hal tersebut nilai variabel D t juga akan meningkat. Tanda dari koefisien POP t ini kemudian kita masukkan dalam kolom Analisis (SPSS) dan sekarang kita dapat melihat kesesuaiannya dengan teori (pada kolom Harapan). Lajutkan analisis ini untuk semua variabel yang ada pada seluruh persamaan yang kita analisis tadi dengan menggunakan tabel contoh seperti di bawah.
10 Persamaan D t Variabel Tanda Harapan Analisis (SPSS) POP t + + I t + _ PDG t D t Keterangan Sesuai, karena populasi yang meningkat akan meningkatkan permintaan. Tidak sesuai karena menurut teori, jika pendapatan naik maka permintaan akan naik. Sesuai, karena jika harga gula domestik rendah maka permintaan akan meningkat. Permintaan sebelumnya mempengaruhi permintaan tahun ini secara lurus. Artinya, ketika permintaan gula tahun lalu tinggi, maka permintaan gula tahun ini juga akan lebih tinggi lagi. b. Perbandingan Data Aktual dengan Data Prediksi Perbandingan data aktual dengan data prediksi dapat dilakukan menggunakan Excel ataupun SPSS. Berikut dijelaskan penggunaannya pada masing-masing software berikut. Menggunakan Excel 1. Buka data Excel yang telah kita miliki tadi dan buat tabel seperti berikut ini pada sheet Tahun lainnya. AKTUAL PREDIKSI Dt PRODGt PDGt St Dt PRODGt PDGt St Hasil hitungan Persamaan Dt Hasil hitungan Persamaan PRODGt...dst dst. Average...dst
11 2. Buka kembali sheet dimana data tadi berada, kemudian buatkan tabel perhitungan sebagai berikut. No. Aktual Prediksi Dt PRODGt PDGt Dt PRODGt PDGt Dst. Dst. Dst. Dst. Dst. Dst. Dst. Average Masukkan data nilai variabel-variabel yang ada pada sheet kerja tadi sesuai dengan kolomnya masing-masing (dapat dilakukan dengan copy-paste) pada kolom variabel Aktual. 4. Pada kolom variabel Prediksi, masukkan persamaan matematis yang sudah kita buat sebelumnya pada kolom masing-masing variabel yang bersesuaian. Sebagai contoh, untuk mencari nilai variabel Dt pada kolom Prediksi Dt ini, kita sudah punya rumus D t = 6.009E POP t I t PDG t D t 1 +μ Maka, kita cara kita memasukkan rumus tersebut dalam kolom variabel Dt adalah dengan menggunakan notasi matematis yang dikenali oleh EXCEL, yaitu = (63.212*Nama Cell data terkait dalam Excel, yaitu data variabel POPt)-(6.449* Nama Cell data terkait dalam Excel, yaitu data variabel It)-( * Nama Cell data terkait dalam Excel, yaitu data variabel PDGt)+(0.29* Nama Cell data terkait dalam Excel, yaitu data variabel Dt-1). Lalu klik Enter. 5. Blok persamaan ini kebawah agar formula ini dapat dikerjakan dengan cepat untuk data-data variabel D t pada rentang waktu yang lain. 6. Masukkan kembali persamaan matematis yang telah kita buat untuk dua kolom variabel dependen lainnya pada kolom Prediksi ini dan lakukan langkah yang sama seperti pada langkah 4 dan Pada baris Average dalam tabel di atas, masukkan fungsi pencari rata-rata untuk masingmasing variabel yang ada pada kolom Aktual dan Prediksi dengan mengetikkan =AVERAGE(Blok nilai variabel dari data paling atas hingga paling bawah). Lakukan hal ini juga untuk kolom variabel-variabel disebelahnya. 8. Sekarang bandingkan nilai antara rata-rata data Aktual dengan rata-rata data Prediksi. Jika selisih antara nilai-nilai tersebut mendekati nol, maka persamaan yang kita buat tadi dianggap mampu untuk memprediksi keadaan nyata di lapang karena hampir bersesuaian
12 dengan data real. Jika selisih ditemukan sangat besar, maka persamaan kita dianggap semakin tidak relevan untuk memprediksi keadaan yang sebenarnya. 9. Dari langkah ini, kita dapat mulai menarik kesimpulan apakah persamaan yang kita buat ini baik ataukah tidak. Analisis perbandingan data aktual dengan data prediksi juga dapat dilakukan dengan menggunakan SPSS. Berikut adalah caranya, 1. Buka sheet kerja Data View pada SPSS dimana kita telah memiliki seluruh data aktual (dari file Excel yang sudah dipindah ke SPSS) termasuk 3 kolom data nilai variabel Pred Klik Analyze --> Descriptive Statistics --> Frequencies. 3. Pada kolom Variable, masukkan semua variabel dependen yang kita buatkan persamaannya tadi termasuk tiga variabel Pred... tadi, dan jangan masukkan variabel dependen dari persamaan identitas karena kita tidak pelu membandingkan data dari variabel dependen ini. 4. Klik Statistics --> dan centang Mean --> Continue 5. Klik OK 6. Maka akan muncul tampilan tabel berikut, dan mulai lakukan analisa. Untuk melakukan analisis kita dapat melihat baris Mean pada tabel Statistics seperti tampak pada contoh di atas. Silakan bandingkan nilai Mean masing-masing variabel tersebut dengan nilai mean pada variabel-variabel Prediksi yang bersesuaian. Ketika nilai perbandingan ini sama, atau hampir sama, maka persamaan yang kita buat untuk memprediksi variabel-variabel dependen tersebut mampu memprediksi realita dengan baik, begitupun sebaliknya. Catatan, figur gambar di atas terdapat kesalahan karena nilai St tidak perlu dibandingkan, karena dia termasuk dalam persamaan identitas, sehingga tidak perlu diproses. Karena itu, tabel di atas seharusnya tidak memunculkan perbandingan data prediksi dan data aktual variabel St.
13
ANALISA VARIABEL DUMMY INDEPENDEN NON LINEAR DENGAN REGRESI BERGANDA
ANALISA VARIABEL DUMMY INDEPENDEN NON LINEAR DENGAN REGRESI BERGANDA 1. Tinjauan Teoritis Analisa Dummy Variabel Dummy variabel merupakan variabel-variabel yang sesungguhnya merupakan variabel yang bersifat
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 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 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 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 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 terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciBAB 3 PENGOLAHAN DATA
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
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 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 terperinciBAB 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 terperinciPengolahan Data dengan Regresi Linier Berganda (dengan SPSS )
Pengolahan Data dengan Regresi Linier Berganda (dengan SPSS ) Muhammad Iqbal, S.Si., M.Si. Regresi Linier Berganda yang akan disimulasikan pada bagian ini menggunakan pendekatan Ordinary Least Squares
Lebih terperinciBAB IV REGRESI LINIER BERGANDA. Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat:
Supawi Pawenang, 2011, Ekonometrika Terapan, IDEA Press Jogja BAB IV REGRESI LINIER BERGANDA Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat: Mengetahui kegunaan dan spesifikasi model
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 terperinciOleh : I Md Artawan, SE, MM NIK Dosen Pengajar Fakultas Ekonomi Universitas Warmadewa Denpasar REGRESI SEDERHANA
REGRESI SEDERHANA Oleh : I Made Artawan, SE, MM NIK 230 34 085 Dosen Pengajar Fakultas Ekonomi Universitas Warmadewa Denpasar REGRESI SEDERHANA PENGERTIAN REGRESI Regresi adalah suatu alat statistik yang
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 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 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 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 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 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 4 HASIL PENELITIAN. bab ini. Penelitian ini bertujuan untuk mengetahui efektivitas social media twitter
BAB 4 HASIL PENELITIAN 4.1 Penyajian Data Penelitian Hasil dari analisis data yang telah peneliti lakukan, akan diuraikan pada bab ini. Penelitian ini bertujuan untuk mengetahui efektivitas social media
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 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 terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
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 IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai proses dan hasil serta pembahasan dari pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software SPSS versi
Lebih terperinciModel Persamaan Simultan
Model Persamaan Simultan Dalam peristiwa ekonomi seringkali ditemukan bahwa beberapa variabel saling mempengaruhi. Contoh : Pendapatan akan mempengaruhi konsumsi, artinya jika pendapatan naik maka diharapkan
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 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 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 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 terperinciContoh Kasus. Regresi Berganda Jesse of 5
Contoh Kasus Departement Marketing PT ABC ingin mengetahui bagaimana pengaruh Above the line (ATL), Point of sales material (POSM) dan Below the line (BTL) terhadap Market Share (pangsa pasar) salah satu
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 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 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 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 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 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 terperinci31 Universitas Indonesia
BAB 3 METODOLOGI PENELITIAN Setelah memperhatikan karakteristik permintaan kedelai di Indonesia pada bab terdahulu maka sekarang tiba saatnya untuk memodelkan faktor faktor yang mempengaruhi permintaan
Lebih terperinciANALISIS REGRESI DENGAN VARIABEL MODERATING
ANALISIS REGRESI DENGAN VARIABEL MODERATING Variabel moderating adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen.
Lebih terperinciMODUL REGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan persamaan I. Pendahuluan Di dalam analisa ekonomi
Lebih terperinciBudhi Darmakusuma. Analisis Pengaruh Waktu Dan Harga terhadap Keputusan Konsumen Dalam Berbelanja Online Melalui Media Kaskus
Analisis Pengaruh Waktu Dan Harga terhadap Keputusan Konsumen Dalam Berbelanja Online Melalui Media Kaskus Budhi Darmakusuma 11209539 Dosen Pembimbing Sulastri SE, MM Latar Belakang Perkembangan teknologi
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif. Penelitian kuantitatif adalah suatu proses menemukan pengetahuan
Lebih terperinciANALISIS REGRESI DENGAN EXCEL
ANALISIS REGRESI DENGAN EXCEL Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software statistik umumnya
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 terperinciPengaruh Kualitas Pelayanan Dan Tingkat Harga Terhadap Peningkatan Penjualan Mie Ayam Keriting Permana di Perumahan Harapan Baru 1
Pengaruh Kualitas Pelayanan Dan Tingkat Harga Terhadap Peningkatan Penjualan Mie Ayam Keriting Permana di Perumahan Harapan Baru 1 Nama :Farah Npm :122100606 Jurusan :Manajemen Pembimbing :Rooswhan Budhi
Lebih terperinciUJI VALIDITAS KUISIONER
UJI VALIDITAS KUISIONER Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa dibedakan menjadi validitas
Lebih terperinciZakiah Jamal /4EA03 Manajemen
Zakiah Jamal 18212005/4EA03 Manajemen Prof.Dr.Ir.Euphrasia Susy Suhendra, M.S. Pengaruh Bauran Pemasaran 4P Dan Citra Merek Terhadap Keputusan Pembelian (Studi Kasus pada Konsumen Produk Merek Enzoro Toko
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun
Lebih terperinciModel regresi linier berganda dapat dirumuskan : Y = β + β X + β X +. + β X + ε
TUJUAN PRAKTIKUM Tujuan dari praktikum modul 4 ini adalah : 1. Menaksir model regresi linier berganda;. Menguji signifikansi parameter dari persamaan regresi linier berganda; 3. Menentukan kualitas dari
Lebih terperinciMODUL PENGGUNAAN SPSS UNTUK ANALISIS
MODUL PENGGUNAAN SPSS UNTUK ANALISIS A. Uji Questionare: Reliabilitas dan Validitas Sebelum questinare benar-benar dibagikan kepada responden dengan sampel yang besar, hendaknya diuji coba kepada sampel
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 terperinciANALISIS PENGARUH KESEJAHTERAAN, LINGKUNGAN KERJA DAN BUDAYA ORGANISASI TERHADAP KINERJA KARYAWAN HOTEL MELEAWAI
ANALISIS PENGARUH KESEJAHTERAAN, LINGKUNGAN KERJA DAN BUDAYA ORGANISASI TERHADAP KINERJA KARYAWAN HOTEL MELEAWAI Nama : BAYU AGUNG PRAMONO NPM : 11212375 Pembimbing : Widiyarsih, SE., MM Latar Belakang
Lebih terperinciPENDUGAAN PARAMETER PADA MODEL SIMULTAN. Oleh: M. Rondhi, Ph.D
PENDUGAAN PARAMETER PADA MODEL SIMULTAN Oleh: M. Rondhi, Ph.D Standar Kompetensi Kompetensi dasar Metode Pembelajaran : Mahasiswa dapat menganalisis model simultan : 1. Mahasiswa menjelaskan contoh perekonomian
Lebih terperinciAplikasi SPSS 1. 1 Lesta Karolina Sebayang S.E., M.Si
Aplikasi SPSS 1 Tujuan 1. Mahasiswa dapat menginput data ke dalam software SPSS dalam format yang tepat 2. Mahasiswa dapat menentukan beberapa ukuran pemusatan dan penyebaran 3. Mahasiswa dapat membuat
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 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 terperinciESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI
ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
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 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 terperinciBAB IV ANALISIS DATA. telah ada pada pokok bahsan bab awal. Hipotesa penulis adalah : Komunikasi IAIN Sunan Ampel Surabaya.
83 BAB IV ANALISIS DATA A. Pengujian Hipotesis Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan menggunakan program SPSS, penulis membuat hipotesis sebagaimana yang telah ada pada pokok
Lebih terperinciBAB I PENDAHULUAN. (independen) dan variabel terikat (dependen)
BAB I PENDAHULUAN TNR 14 BOLD 1.1 Latar Belakang ( 1 halaman, minimal 4 paragraf ) 1.2 Rumusan Masalah Margin 3, 4, 3, 3 TNR 12 Space 2.0 Before after 0 Kata inggris italic Kertas A4 1.3 Tujuan Praktikum
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 terperinciECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia
(ECONOMETRIC MODEL: SIMUTANEOUS EQUATION MODEL) The title of paper: ECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia OLEH: S U R I A N I NIM: 1509300010009 UNIVERSITAS SYIAH KUALA PROGRAM DOKTOR
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap Harga Saham Pada Perusahaan Perdagangan, Jasa Dan Investasi Di Daftar Efek Syariah
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. bunga dan inflasi selama kurun waktu Februari sampai dengan Desember 2009.
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Deskriptif Dari hasil pengamatan diperoleh data kenaikan dan/atau penurunan tingkat bunga dan inflasi selama kurun waktu Februari sampai dengan Desember
Lebih terperinciANCOVA (Analysis Of Covariance)
ANCOVA (Analysis Of Covariance) I. Prinsip Dasar dan Tujuan Analisis Prinsip Dasar ANCOVA merupakan teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan karena didalamnya dilakukan
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah awal yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desain Penelitian Sebelum dilakukan penelitian, langkah awal yang harus dilakukan oleh peneliti adalah mengetahui dan menentukan terlebih dahulu metode yang digunakan dalam
Lebih terperinciNama : ANDRIAN RAMADHAN F NIM :
UJIAN AKHIR SEMESTER GENAP TA. 2014/2015 Matakuliah : Lab Statistika Hari/Tanggal : Sabtu / 4 Juli 2015 Waktu / Ruang : 90 Menit / 2507 Kelas / Semester Dosen Pembina : IS-8 / VI : Sita Dewi Prahastini
Lebih terperinciPENGARUH GAJI DAN TUNJANGAN TERHADAP KINERJA GURU SDIT AL IKHLAS 86
PENGARUH GAJI DAN TUNJANGAN TERHADAP KINERJA GURU SDIT AL IKHLAS 86 Nama : Muhammad Rizal NPM : 14210800 Kelas : 3 EA 16 Fakultas : Ekonomi Jurusan : Manajemen Dosen Pemb : Sri Kurniasih Agustin, SE.,
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah awal yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desain Penelitian Sebelum dilakukan penelitian, langkah awal yang harus dilakukan oleh peneliti adalah mengetahui dan menentukan terlebih dahulu metode yang digunakan dalam
Lebih terperinciIV. METODE PENELITIAN. Indonesia sehubungan dengan tujuan penelitian, yaitu menganalisis faktor-faktor
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilaksanakan di wilayah Indonesia sehubungan dengan tujuan penelitian, yaitu menganalisis faktor-faktor
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 terperinciMengenal E Views. Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window
Mengenal E Views Membuat workfile baru Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window Jika data Anda merupakan data tahunan,
Lebih terperinciEkonometrika By Dahiri, S.Si., M.Sc.
Data Yang digunakan adalah data PNBP Migas tahun 1984-2016 TAHUN PNBP MIGAS (y) ICP (x1) KURS (x2) (Triliun Rupiah) (US $/BARREL) 1984 10.42 29.53 1063 1985 11.14 28.53 996 1986 6.33 13.63 1386 1987 6.93
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 terperinciMODUL V REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS
REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS A. TUJUAN PRAKTIKUM Dengan adanya Praktikum Statistika Industri Modul V tentang Regresi, Korelasi, Analisis Varian, Validitas dan Reliabilitas
Lebih terperinciBAB III METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
BAB III METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) 3.1 Model Persamaan Simultan Model persamaan simultan adalah suatu model yang memiliki lebih dari satu persamaan yang saling terkait. Dalam model
Lebih terperinciMODUL PRAKTIKA KOMPUTER UNTUK RISET PASAR DAN PENJUALAN Semester Ganjil 2015/2016
MODUL PRAKTIKA KOMPUTER UNTUK RISET PASAR DAN PENJUALAN Semester Ganjil 2015/2016 Disusun Oleh: 1. Ganjar Mohammad Disastra, SH., MM 2. Widya Sastika, ST., MM NAMA : NPM : KELAS : D3 MANAJEMEN PEMASARAN
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 terperinciPERSAMAAN SIMULTAN Latihan Pratikum
PERSAMAAN SIMULTAN Latihan Pratikum Analisis Simultan dengan 2SLS Two Stage Least Square (2SLS) adalah salah satu metode regresi yang termasuk ke dalam kelompok analisis persamaan struktural. Metode ini
Lebih terperinciBAB III METODOLOGI PENELITIAN. mengantisipasi masalah dalam bidang bisnis (sugiyono, 2008 : 5).
BAB III METODOLOGI PENELITIAN A. Metode Penelitian Metode Penelitian adalah cara ilmiah untuk mendapatkan data yang valid dengan tujuan dapat ditemukan, dikembangkan dan dibuktikan, suatu pengetahuan sehingga
Lebih terperincibebas yang diberi simbol X. Data selisih kurs diperoleh dari Laporan
BAB IV ANALISIS DAN HASIL PEMBAHASAN A. Deskripsi Data. Data Selisih Kurs Dalam penelitian ini, data selisih kurs digunakan sebagai variabei bebas yang diberi simbol X. Data selisih kurs diperoleh dari
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 IX SQUARES (OLS) DENGAN SPSS
BAB IX OLAH DATA: ORDINARY LEAST SQUARES (OLS) DENGAN SPSS Pendahuluan Olah data dengan analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya terutama dengan metode Ordinary
Lebih terperinciANALISIS REGRESI BERGANDA
ANALISIS REGRESI BERGANDA Analisis Regresi Berganda Arahkan kursor pada Analyze lalu Regression dan pilih Linear Analisis Regresi Berganda Pada kotak Linear Regression, pindahkan variable Y pada kotak
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 terperinciBAB IV ANALISIS DATA A. PENGUJIAN HIPOTESIS
A. PENGUJIAN HIPOTESIS BAB IV ANALISIS DATA Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan, penulis membuat hipotesis sebagaimana yang telah ada pada pokok bahsan bab awal. Hipotesa
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data Penelitian ini bertujuan untuk melihat pengaruh pendapatan margin pembiayaan murabahah dan pendapatan bagi hasil pembiayaan mudharabah terhadap NPM
Lebih terperinciUji OR dan Regresi Logistik Sederhana
Uji OR dan Regresi Logistik Sederhana Pada kesempatan ini, kita akan mencoba melakukan analisa data pada penelitian case control study dimana analisis univariat menggunakan nilai odds ratio dan analisis
Lebih terperinciBAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR
BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan
Lebih terperinciBAB IV GAMBARAN SUBYEK PENELITIAN DAN ANALISIS DATA. pengaruh model fundamental dan risiko sistematik terhadap harga saham, dengan
BAB IV GAMBARAN SUBYEK PENELITIAN DAN ANALISIS DATA 4.1. Gambaran Subyek Penelitian Penelitian yang dilakukan oleh peneliti adalah penelitian mengenai pengaruh model fundamental dan risiko sistematik terhadap
Lebih terperinciANALISIS KUANTITATIF PERMINTAAN
ANALISIS KUANTITATIF PERMINTAAN ELASTISITAS Konsep Elastisitas Elastisitas menjelaskan seberapa besar perubahan permintaan barang yang diminta jika variabel tertentu dirubah. Beberapa contoh elastisitas
Lebih terperinciSurat Pemberitahuan (SPT) BAB IV ANALISIS HASIL DAN PEMBAHASAN. A. Analisis Deskriptif
62 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Deskriptif 1. Perkembangan Penerimaan Surat Pemberitahuan Pajak Pertambahan Nilai (SPT PPN) Jumlah penerimaan SPT PPN yang terdaftar pada KPP Pratama
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 terperinciBAB IV ANALISIS DAN PEMBAHASAN. pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai proses dan hasil serta pembahasan dari pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software Microsoft
Lebih terperinci