APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
|
|
- Yulia Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 -ISSN e-issn MEDIA STATISTIKA 9(2) 206: htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA Marwah Masruroh, Retno Subekti 2,2 Fakultas MIPA, Universitas Negeri Yogyakarta 2 DOI: 0.470/medstat Abstract Human Develoment Index is one of the indicators to measure the success of a region in the field of human develoment sector. There are several factors that affect Human Develoment Index, such as life exentancy, the literacy rate, the average length of the school, and the index of urchasing ower. The aim in this aer is to analyze the relationshi between factors that affect Human Develoment Index in Yogyakarta using regression analysis. One of the assumtions of classical regression is not going multicollinierity. Multicollinierity cause misinterretation of regression coefficients with Ordinary Least Square (OLS) method. One method used to overcome multicollinierity is Partial Least Square (PLS). The result of Human Develoment Index data analysis showed there was a high correlation between the redictor variables or in other words going multicollinierity, so using PLS method, we obtained adusted R 2 of 99.3% Human Develoment Index variables can be exlained by the four redictor variables. By using PLS method, multicollinierity resolved in the roblem of violation in the linear regression assumtion. Keywords: IPM, OLS, regression, PLS.. PENDAHULUAN Indeks Pembangunan Manusia (IPM) memerlihatkan tingkat embangunan sumber daya manusia di suatu wilayah, sehingga daat diadikan sebagai tolak ukur angka keseahteraan suatu daerah atau negara. IPM meruakan indikator gabungan dari beberaa indikator, yaitu indikator kesehatan (ditunukkan dengan indeks angka haraan hidu waktu lahir), indikator endidikan (ditunukkan dengan indeks angka melek huruf dan ratarata lama sekolah), serta indikator ekonomi (ditunukkan dengan konsumsi er kaita yang disesuaikan/indeks daya beli enduduk). Analisis regresi adalah teknik statistika yang daat digunakan untuk menelaskan engaruh variabel rediktor terhada variabel reson. Model regresi linier daat dieroleh dengan melakukan estimasi terhada arameter-arameternya dengan menggunakan metode tertentu. Adaun metode yang daat digunakan untuk mengestimasi arameter model regresi linier adalah metode Ordinary Least Square (OLS). Setelah dieroleh dugaan regresi linier selanutnya dilakukan enguian kelayakan, ui arameter, serta ui asumsi klasik (Aryani dan Retno, 204). Model regresi dikatakan baik ika memenuhi Media Statistika 9(2) 206:
2 asumsi klasik, yaitu tidak teradi autokorelasi, tidak teradi heteroskedastisitas, data berdistribusi normal serta tidak teradi multikolinieritas. Multikolinieritas adalah teradinya korelasi antar variabel-variabel rediktor yang menyebabkan kesalahan interretasi koefisien regresi dengan metode OLS. Salah satu metode yang digunakan untuk mengatasi multikolinieritas adalah Partial Least Square (PLS) (Abdi dan Williams, 202). Regresi PLS daat dieroleh melalui regresi sederhana mauun berganda dengan mengambil kesimulan dari ui signifikansi untuk memilih variabel rediktor embangun komonen PLS dan menentukan banyaknya komonen PLS yang terbentuk. Tuuan PLS adalah membentuk komonen yang daat menangka informasi dari variabel rediktor untuk memrediksi variabel reson. 2. TINJAUAN PUSTAKA 2.. Indeks Pembangunan Manusia Indeks Pembangunan Manusia (IPM) biasa digunakan untuk mengukur keberhasilan atau kinera suatu wilayah dalam bidang embangunan manusia. Pembangunan manusia daat dilihat sebagai embangunan kemamuan melalui erbaikan taraf kesehatan, engetahuan, dan ketramilan, sekaligus emanfaatan ketramilan mereka tersebut. Pembangunan manusia sangatlah enting dalam uaya mengurangi tingkat kemiskinan dan kesenangan, karena endidikan dan kesehatan yang baik memungkinkan enduduk miskin untuk meningkatkan nilai asetnya (BPS, 203). Indeks Pembangunan Manusia (IPM) meruakan indikator gabungan dari beberaa indikator, yaitu indikator kesehatan (ditunukkan dengan indeks angka haraan hidu waktu lahir), indikator endidikan (ditunukkan dengan indeks angka melek huruf dan ratarata lama sekolah), serta indikator ekonomi (ditunukkan dengan konsumsi er kaita yang disesuaikan/indeks daya beli enduduk). Ketiga indikator ini diangga daat mengukur tingkat keseahteraan dan keberhasilan embangunan manusia di suatu wilayah Analisis Regresi Analisis regresi meruakan studi mengenai ketergantungan variabel reson dengan salah satu atau beberaa variabel rediktor yang umumnya dinyatakan dalam ersamaan matematik (Marcus dkk, 202). Terdaat dua enis model regresi linier yaitu regresi linier sederhana dan berganda. Model regresi linier sederhana mauun model regresi berganda daat dieroleh dengan melakukan estimasi terhada arameter-arameternya dengan menggunakan metode tertentu. Adaun metode yang daat digunakan untuk mengestimasi arameter model regresi adalah metode Ordinary Least Square (OLS). Setelah didaatkan dugaan regresi linier langkah selanutnya adalah enguian kelayakan dan ui arameter model regresi. Kelayakan model regresi daat dinilai dari nilai koefisien determinasi (R 2 ), nilai koefisisen determinasi yang tinggi (mendekati ) menginterretasikan bahwa model regresi yang dieroleh baik. Penguian arameter daat diukur melalui ui signifikansi F dan ui signifikansi t. Jika nilai signifikansi F lebih kecil dari 0.05 (α), maka disimulkan variabel-variabel rediktor secara bersama-sama berengaruh terhada variabel reson, dan ika signifikansi t lebih kecil dari 0.05 (α), maka disimulkan variabel-variabel rediktor secara arsial berengaruh terhada variabel reson. Dalam statistika, sebuah model regresi dikatakan baik atau cocok ika dienuhi 76 Marwah Masruroh (PLS untuk Analisis Faktor IPM)
3 asumsi-asumsi ideal (klasik), yakni normalitas, tidak ada autokorelasi, serta tidak teradi heteroskedastisitas dan multikolinieritas (Andryan, 200) Partial Least Square (PLS) Regresi Partial Least Square (PLS) univariat adalah sebuah model yang menghubungkan antara sebuah variabel reson dengan sekumulan variabel rediktor. Regresi PLS meruakan salah satu metode untuk mengatasi multikolinieritas yang daat dieroleh melalui regresi sederhana mauun berganda dengan mengambil kesimulan dari ui signifikansi. Ui signifikansi bertuuan untuk memilih variabel rediktor embangun komonen PLS dan menentukan banyaknya komonen PLS yang terbentuk. Tuuan PLS adalah membentuk komonen yang daat menangka informasi dari variabel rediktor untuk memrediksi variabel reson (Bastien et al, 2004). Model regresi PLS dengan m komonen daat dituliskan sebagai berikut: dengan: Y c m h h () h= Y= ct + ε h h ( h) = : variabel reson : koefisien regresi Y terhada t h t = w X : komonen utama ke-h yang tidak saling berkorelasi (h =,2,...,m) Dengan syarat komonen PLS th= w( h) X orthogonal, sehingga arameter c h dan = dalam Persamaan () daat diestimasi.. Perhitungan Komonen PLS Pertama, t Komonen PLS ertama (t ) adalah kombinasi linier dari variabel rediktor X dengan koefisien embobot. Komonen ertama t = didefinisikan sebagai berikut: w h t = cor( x, y) x 2 = cor( x, y) = (2) dengan: x cor (x, y) : x terstandarisasi : korelasi variabel x dengan y 2. Perhitungan Komonen PLS Kedua, t 2 Komonen PLS kedua didaatkan dengan melakukan regresi sederhana terhada t dan masing-masing terlebih dahulu kemudian regresi antara terhada t. Variabel-variabel yang digunakan hanya variabel yang berkontribusi secara signifikan dalam menelaskan ada t. Komonen PLS kedua daat dituliskan sebagai berikut: Media Statistika 9(2) 206:
4 t cor x x 2 = (y, t ) 2 = cor(y, x t ) = (3) dengan x adalah residu yang telah distandarisasi dan dihasilkan dari regresi x terhada t. 3. Perhitungan Komonen PLS ke-h, t h Seerti langkah sebelumnya, variabel yang digunakan adalah variabel-variabel yang signifikan dalam menelaskan ada t, t 2,..., t h-. Komonen PLS ke-h didefinisikan sebagai berikut: th = cor( x( ), y) h x( h ) (4) 2 = cor( x, y) dengan ( h ) = ( h ) x adalah residu standar dari regresi setia x terhada t, t 2,..., t h-. Perhitungan komonen PLS berhenti ketika tidak ada lagi variabel rediktor yang signifikan membangun komonen PLS. 3. METODE PENELITIAN 3.. Sumber Data dan Variabel Penelitian Penelitian ini akan membahas faktor-faktor yang memengaruhi IPM di Kota Yogyakarta dengan menggunakan metode PLS. Data yang digunakan dalam enelitian ini adalah data hasil Survei Sosial Ekonoi Nasional (SUSENAS) di Kota Yogyakarta oleh Badan Pusat Statistik (BPS). Variabel yang digunakan ada enelitian ini sebanyak 5 variabel. Variabel tersebut terbagi atas satu variabel reson dan emat variabel rediktor. Variabel yang bereran sebagai variabel reson (Y) adalah Indeks Pembangunan Manusia (IPM), sedangkan variabel rediktor yang diakai enelitian ini meliuti:. Angka haraan hidu (AHH) sebagai x 2. Angka melek huruf (AMH) sebagai x 2 3. Rata-rata lama sekolah (MYS) sebagai x 3 4. Indeks Daya Beli (PPP) sebagai x Metode Analisis Dalam enelitian ini software yang digunakan adalah SPSS. Adaun langkah analisis yang digunakan dalam enelitian ini adalah:. Melakukan emodelan regresi linier berganda dengan metode Ordinary Least Square (OLS). 2. Melakukan ui kelayakan, ui arameter model regresi dan ui asumsi klasik. Kelayakan model regresi daat dinilai dari nilai koefisien determinasi (R 2 ), sedangkan enguian arameter dilakukan secara bersama melalui ui signifikansi F dan enguian arameter secara arsial melalui ui signifikansi t. Ui asumsi klasik daat dianalisis dengan software SPSS, beberaa diantaranya yaitu: ui non-arametrik Kolmogorov Smirnov untuk ui normalitas, ui Run Test untuk ui autokorelasi, ui Gleser untuk ui 78 Marwah Masruroh (PLS untuk Analisis Faktor IPM)
5 heteroskedastisitas, serta melihat nilai Variance Inflation Factor (VIF) dan Tolerance (TOL) untuk ui multikolinieritas. 3. Melakukan emodelan regresi dengan metode PLS untuk mengatasi multikolinieritas. Dalam embentukan komonen PLS, digunakan variabel reson Y yang distandarisasi (y) dan variabel-variabel rediktor yang terusat. Langkah ertama dalam embentukan model regresi artial least square adalah dengan mencari banyaknya komonen PLS yang teat sehingga didaatkan model regresi yang bebas multikolinieritas. Sebelum embentukan komonen PLS, terlebih dahulu dilakukan regresi Y yang distandarisasi ( ) terhada t, t 2,..., t h- dan terhada masing-masing variabel rediktor terusat. Variabel-variabel rediktor yang digunakan hanya variabel yang signifikan dalam menelaskan ada t, t 2,..., t h-, sehingga komonen PLS berhenti ika sudah tidak ada lagi variabel rediktor yang signifikan membangun komonen PLS. Komonen PLS ke-h daat dihitung menggunakan Persamaan (4). Setelah didaatkan komonen PLS yang sesuai, model regresi Partial Least Square dengan m komonen daat dibentuk dan ditulis menggunakan Persamaan (). 4. Tranformasi Komonen PLS ke variabel asli t h Persamaan () yang dieroleh setelah erhitungan kemudian ditulis ke dalam bentuk variabel aslinya, yaitu: dengan: Y c h X m Y= ct + ε h= h h m = ch w( h) X + ε h= = m = cw X + ε = h= h ( h) m = cw h ( h) X + ε = h= Y= bx + ε = h ( h) = : variabel reson : koefisien regresi Y terhada t h : matriks variabel rediktor t = w X : komonen utama ke-h yang tidak saling berkorelasi (h =,2,...,m) b = cw : vektor koefisien regresi Y terhada X h ( h) = w ( h) : koefisien bobot untuk variabel X ada komonen utama PL ke-h ε : vektor eror Media Statistika 9(2) 206:
6 4. HASIL DAN PEMBAHASAN Penelitian ini menggunakan data IPM Kota Yogyakarta dan faktor-faktor yang memengaruhinya dari tahun 2005 samai dengan tahun 203. Data yang digunakan diberikan ada Tabel. Tabel. Data IPM Kota Yogyakarta Periode Tahun IPM AHH AMH MYS PPP Dari data indeks IPM ada Tabel dilakukan regresi linier dengan metode OLS dengan menggunakan rogram SPSS. Analisis regresi ini bertuuan untuk mengetahui hubungan variabel-variabel rediktor terhada variabel reson, sehingga dieroleh hasil ersamaan regresi linier dugaannya adalah sebagai berikut: Ŷ = x x x x 4 (5) Nilai adusted R 2 sebesar 0.999, yang berarti sebesar 99.9% variabel IPM daat dielaskan oleh keemat variabel rediktor. Nilai signifikansi F sebesar (kurang dari 0.05) yang berarti variabel rediktor secara bersama-sama berengaruh terhada variabel reson. Nilai signifikansi t untuk keemat variabel rediktor berturut-turut sebesar 0.034, 0.036, 0.00 dan dimana semuanya kurang dari 0.05 sehingga disimulkan variabel rediktor secara arsial berengaruh terhada variabel reson. Terdaat emat asumsi klasik ada regresi yang harus dienuhi untuk menyatakan bahwa model regresi tersebut baik, yaitu tidak teradi autokorelasi, tidak teradi heteroskedastisitas, data berdistribusi normal serta tidak teradi multikolinieritas. Hasil analisa data IPM menyatakan bahwa semua asumsi klasik terenuhi kecuali multikolinieritas. Hal ini ditunukkan dengan adanya korelasi yang tinggi antar variabel yang daat dilihat ada Tabel 2. Korelasi yang tinggi antar variabel ada Tabel 2 mengidentifikasi adanya multikolinieritas, sehingga akan digunakan metode PLS untuk mengatasinya. Sebelum embentukan komonen ertama PLS, terlebih dahulu dilakukan regresi y yang distandarisasi (y) terhada masing-masing x terusat untuk mengetahui variabel-variabel manakah yang signifikan membangun komonen PLS ertama. Hasil signifikansi variabel x masing-masing sebesar Ui signifikansi koefisien regresi tersebut menunukkan bahwa dengan taraf nyata 5% semua variabel signifikan membangun komonen PLS ertama karena nilai sig < Perhitungan komonen PLS ertama, t adalah sebagai berikut: 80 Marwah Masruroh (PLS untuk Analisis Faktor IPM)
7 t = cor( x, y) x 2 = cor( x, y) = 0.969x x x x t = = x x x x (6) Tabel 2. Korelasi antar Variabel IPM AHH AMH MYS PPP Pearson Correlation IPM Sig. (2-tailed) N Pearson Correlation AHH Sig. (2-tailed) N Pearson Correlation AMH Sig. (2-tailed) N Pearson Correlation MYS Sig. (2-tailed) N Pearson Correlation PPP Sig. (2-tailed) N Correlation is significant at the 0.0 level (2-tailed). Sebelum embentukan komonen PLS kedua, terlebih dahulu dieriksa aakah komonen kedua ini masih dierlukan. Hal tersebut dilakukan dengan cara meregresikan antara y yang distandarisasi (y) terhada t dan masing-masing variabel x terusat. Hasil signifikansi variabel x (AHH, AMH, MYS dan PPP) berturut-turut sebesar 0.725, 0.032, dan Variabel yang signifikan membangun komonen PLS kedua adalah AMH (x 2 ) dan PPP (x 4 ), sehingga akan dihitung komonen PLS kedua. Untuk membangun komonen PLS kedua dierlukan koefisien residu x 2 yaitu residu yang dihasilkan dari ersamaan regresi antara x 2 terhada t dan residu x 4 yaitu residu yang dihasilkan dari ersamaan regresi antara x 4 terhada t, yaitu: x2 = 2t + x2 x = t + x adalah koefisien t ada regresi x 2 terhada t dan 4 adalah koefisien t ada regresi x 4 terhada t. Perhitungan komonen PLS kedua, t 2 adalah sebagai berikut: t cor y x x 2 = (, ) 2 = cor( y, x ) = Media Statistika 9(2) 206:
8 t x x = ( 0.077) x x4 = + var( x ) var( x ) ( x2 2t) 0.770( x4 4t) = + var( x ) var( x ) ( x t) 0.770( x t) = x x = + var( x ) var( x ) t 2 4 t = 0.74x 2.494x 0.7x 0.24x (7) Komonen PLS ketiga dibentuk setelah terlebih dahulu dieriksa aakah komonen ketiga ini masih dierlukan atau tidak, yaitu dengan cara meregresikan yang telah distandarisasi (y) terhada t, t 2 dan masing-masing variabel x terusat. Hasil signifikansi variabel x (AHH, MYS dan PPP) berturut-turut sebesar 0.257, dan Variabel AMH berkorelasi tinggi dengan t 2 sehingga AMH dikeluarkan dan diangga tidak signifikan membangun komonen PLS ketiga. Variabel yang signifikan membangun komonen PLS ketiga adalah PPP (x 4 ), sehingga akan dihitung komonen PLS ketiga. Untuk membangun komonen PLS ketiga dierlukan koefisien residu x 24, yaitu residu yang dihasilkan dari ersamaan regresi antara x 4 terhada t dan t 2, yaitu: x4 = 4t + 24t2 + x24 4 adalah koefisien t ada regresi x 4 terhada t dan t 2 dan 24 adalah koefisien t 2 ada regresi x 4 terhada t dan t 2. Perhitungan komonen PLS ketiga, t 3 adalah sebagai berikut: t3 = cor( x2, y) x 2 2 = cor( x, y) = x x24 = var( x24) x4 4t 24t2 = var( x24) x t 0.345t2 =.5279 x4 = t 0.226t var( x ) 24 3 = = x 2 24 t Marwah Masruroh (PLS untuk Analisis Faktor IPM)
9 t =.955x x.92x.96x (8) Komonen PLS keemat dibentuk setelah terlebih dahulu dieriksa aakah komonen keemat ini masih dierlukan atau tidak, yaitu dengan cara meregresikan yang telah distandarisasi (y) terhada t, t 2, t 3 dan masing-masing variabel x terusat. Pada taha ini ternyata semua variabel rediktor berkorelasi tinggi dengan t, sehingga variabel AHH, AMH, MYS dan PPP dikeluarkan dan diangga tidak signifikan membangun komonen PLS keemat. Karena semua variabel rediktor tidak ada yang signifikan membangun komonen PLS keemat, maka erhitungan berhenti ada komonen PLS ketiga dan dieroleh komonen baru yaitu t, t 2, dan t 3. Kemudian variabel reson y diregresikan terhada komonen tersebut. Karena variabel reson berkorelasi tinggi dengan t, maka variabel t dikeluarkan dari model. Sehingga hanya dilakukan regresi antara variabel IPM (y) dengan variabel t 2 dan t 3, dengan rogram SPSS dieroleh hasil regresi linier dugaan seerti berikut: Ŷ PLS = 79,089 0,05 t 2 0,77 t 3 = ( 0.74x 2.494x 0.7x 0.24 x ) (.955x x.92x.96 x ) = x x x x x µ x2 µ 2 x3 µ 3 x4 µ 4 = sd sd2 sd3 sd = x µ + x µ + x µ sd sd sd sd sd sd x µ sd sd (73.3) (97.789) = x x (.289) (674.94) + x3 + x = x x x x Yˆ = AHH AMH MYS PPP (9) PLS Setelah dieroleh model regresi linier dugaan dengan metode PLS, maka langkah selanutnya adalah dilakukan ui asumsi klasik, ui arameter dan ui kelayakan model regresi. Dengan menggunakan software SPSS dieroleh hasil ui asumsi klasik, dimana semua asumsi klasik ada data IPM terenuhi, masalah multikolinieritas yang teradi sebelumnya sudah daat diatasi dengan metode PLS. enguian arameter dilakukan secara bersama melalui ui signifikanssi F dan ui signifikansi t. Nilai signifikansi F sebesar yang berarti kedua komonen PLS secara bersama berengaruh terhada variabel reson, Media Statistika 9(2) 206:
10 sedangkan nilai signifikansi t untuk kedua variabel rediktor berturut-turut sebesar dan 0.000, nilai keduanya masing-masing kurang dari 0.05 sehingga disimulkan variabel rediktor secara arsial berengaruh terhada variabel reson. Penguian kelayakan daat dilihat dari nilai adusted R 2. Dari ersamaan regresi dugaan dengan metode PLS didaatkan adusted R 2 sebesar 0.993, yang berarti sebesar 99.3% variabel IPM daat dielaskan oleh keemat variabel rediktor, sedangkan 0.7% sisanya dielaskan oleh variabel lainnya. Meningkatnya nilai AHH, AMH, MYS dan PPP daat meningkatkan nilai IPM. Koefisien regresi variabel angka haraan hidu (AHH) sebesar.3838 memiliki arti ika angka haraan hidu mengalami eningkatan % dan rata-rata lama sekolah, angka melek huruf dan indeks daya beli konstan maka IPM meningkat sebesar Kemudian ika angka melek huruf (AMH) mengalami eningkatan % dan angka haraan hidu, rata-rata lama sekolah dan indeks daya beli konstan maka IPM meningkat sebesar Jika ratarata lama sekolah (MYS) meningkat % dan angka haraan hidu, angka melek huruf serta indeks daya beli konstan maka IPM meningkat sebesar Jika indeks daya beli (PPP meningkat % dan angka haraan hidu, rata-rata lama sekolah serta angka melek huruf konstan maka IPM meningkat sebesar KESIMPULAN Berdasarkan hasil dan embahasan daat disimulkan bahwa dengan menggunakan metode PLS, keemat faktor yaitu AHH, AMH, MYS dan PPP berengaruh ositif terhada IPM. Nilai adusted R 2 sebesar 0.993, hal ini menunukkan bahwa sebesar 99.3% variabel IPM daat dielaskan oleh keemat variabel rediktor. DAFTAR PUSTAKA Abdi, H. dan Williams, L., 202, Partial Least Squares Correlation and Partial Least Squares Regression, Chater. 23, Andryan, S., 200, Ui Asumsi Klasik Dengan SPSS 6.0, Fakultas Ekonomi UNNES, Semarang. Aryani, D. A. dan Retno, S., 204, Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk Regresi Linier dengan Multikolinieritas ada Kasus Indeks Pembangunan Manusia di Kabuaten Gunung Kidul, Skrisi Fakultas MIPA UNY, Yogyakarta, Tidak diublikasikan. Bastien, P., Vnzi, V. dan Tenenhaus, M., 2004, Partial Least Square Generalized Linier Regression, Comutational Statistics & Data Analysis 48, BPS, 203, Indeks Pembangunan Manusia Kota Yogyakarta 203, BPS Kota Yogyakarta. Marcus, G., Wattimanels, H. dan Lenussa, Y., 202, Analisis Regresi Komonen Utama untuk Mengatasi Multikolinieritas dalam Analisis Regresi Linier Berganda, Jurnal Ilmu Matematika dan Teraan, Vol. 6, No., Marwah Masruroh (PLS untuk Analisis Faktor IPM)
UNNES Journal of Mathematics
UJM 6(2) (2017) UNNES Journal of Mathematics htt://journal.unnes.ac.id/sju/index.h/ujm PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciKajian Partial Least Squares (Studi Kasus: Regresi Cox-PLS)
J. Sains Dasar 0 3() 6-68 Kaian Partial Least Squares (Studi Kasus: Regresi Cox-PLS) [A Study of Partial Least Squares (Case Study: Cox-PLS Regression)] Retno Subekti dan Rosita Kusumawati Jurdik Matematika,
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 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 terperinciOLS, LASSO dan PLS Pada data Mengandung Multikolinearitas. OLS, LASSO dan PLS Pada data Mengandung Multikolinearitas
Jurnal ILMU DASAR Vol. 11 No. 1, Januari 010 : 83 91 83, dan Pada data Mengandung Multikolinearitas, dan Pada data Mengandung Multikolinearitas Yuliani Setia Dewi Jurusan Matematika FMIPA Universitas Jember
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Analisis pada bab ini dilakukan dari hasil kuisioner yang telah dikumpulkan. Responden dalam penelitian ini adalah pelanggan yang memiliki hubungan kerja dalam pemanfaatan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
43 BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Deskriptif Sampel 1. Gambaran Umum Sampel Perusahaan manufaktur merupakan perusahaan yang kegiatan utamanya adalah memproduksi atau membuat bahan baku menjadi barang
Lebih terperinciV. HASIL DAN PEMBAHASAN Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga
53 V. HASIL DAN PEMBAHASAN 5.1. Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga Analisis ini dilakukan dengan memasukkan variabel-variabel independen yang diduga memengaruhi variabel dependen (tabungan
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH
PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH SKRIPSI Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. DESKRIPSI DATA Data hasil penelitian terdiri dari dua variabel bebas yaitu variabel gaya belajar siswa (X1) dan variabel minat belajar siswa (X2) serta satu variabel terikat
Lebih terperinciBAB IV ANALISIS HASIL PEMBAHASAN
BAB IV ANALISIS HASIL PEMBAHASAN 4.1 Analisis Profil Responden 4.1.1 Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai model regresi robust dengan
BAB III PEMBAHASAN Pada bab ini akan dijelaskan mengenai model regresi robust dengan metode estimasi-s. Kemudian akan ditunjukkan model regresi robust menggunakan metode estimasi-s untuk memprediksi Indeks
Lebih terperinciBAB 5 HASIL PENGUMPULAN DATA
BAB 5 HASIL PENGUMPULAN DATA Bab ini memberikan penjelasan mengenai pengujian model dan hasil penelitian tentang pengukuran tingkat kepuasan mahasiswa teknik informatika Universitas Pasundan terhadap e-learning,
Lebih terperinciPemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur)
Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur) Odik Fajrin Jayadewa, Dr. Irhamah, S.Si, M.Si, dan 3 Dwi Endah Kusrini, S.Si,
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciBAB IV PENGARUH PERHATIAN ORANG TUA DAN MOTIVASI BELAJAR TERHADAP PRESTASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 01 PEMALANG
BAB IV PENGARUH PERHATIAN ORANG TUA DAN MOTIVASI BELAJAR TERHADAP PRESTASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 01 PEMALANG Pada bab keempat yang diberi judul pengaruh perhatian orang tua dan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN A. Deskriptif Data Penelitian ini bertujuan untuk menganalisis pengaruh Tingkat Inflasi, Kurs Rupiah dan Harga Emas Dunia terhadap Harga Saham Sektor Pertambangan di Bursa
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN
60 BAB IV ANALISIS HASIL PENELITIAN 4.1 Uji Validitas dan Reliabilitas Instrumen Untuk menguji validitas dan realiabilitas instrumen, penulis menggunakan analisis dengan SPSS. Berikut hasil pengujian validitas.
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
34 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Analisis data yang dilakukan dalam bab ini pada dasarnya dapat dikelompokkan menjadi dua bagian. Bagian pertama merupakan analisis
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN A. Gambaran Umum Obyek Penelitian Pada bab ini penulis akan menganalisis data yang telah terkumpul yaitu data dari Dana Perimbangan dan Belanja Modal Provinsi Jawa Timur,
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Pada deskripsi variabel penelitian akan dijelaskan nilai minimum, maksimum, rata-rata dan standard deviasi pada masing-masing variabel penelitian,
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciPENGARUH SIKAP SISWA PADA MATEMATIKA TERHADAP HASIL BELAJAR MATERI PERSAMAAN KUADRAT
207 PENGARUH SIKAP SISWA PADA MATEMATIKA TERHADAP HASIL BELAJAR MATERI PERSAMAAN KUADRAT Lestariningsih 1, Baqiyatus Sholichah 2 1,2 STKIP PGRI Sidoarjo e-mail: 1) lestariningsih@stkippgri-sidoarjo.ac.id,
Lebih terperinciDhiva Ryan Hardine 1), Aisyah Abdullah 2), Muhammad Ikbal 3), Nur Chamidah 4)
PEMODELAN KADAR GULA DARAH DAN EKANAN DARAH PADA REMAJA PENDERIA DIABEES MELIUS IPE II DENGAN PENDEKAAN REGRESI NONPARAMERIK BIRESPON BERDASARKAN ESIMAOR SPLINE Dhiva Ryan Hardine 1), Aisyah Abdullah 2),
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. PDF Pro Trial. sebagai langkah berikutnya yang ditempuh adalah menyajikan data yang
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Penyajian Data dan Analisis Data 1. Penyajian Data Setelah diadakan penelitian baik melalui angket maupun dokumentasi, sebagai langkah berikutnya yang ditempuh
Lebih terperinciKata Kunci : Common Effect, Fixed Effect, Tingkat Kesejahteraan Masyarakat (IPM), Regresi Data Panel
Judul Nama Pembimbing : Analisis Tingkat Kesejahteraan Masyarakat Kabupaten/Kota di Provinsi Bali : Kadek Ari Lestari : 1. Ir. I Putu Eka Nila Kencana, M.T. 2. Ir. I Komang Gde Sukarsa, M.Si. ABSTRAK Penelitian
Lebih terperinciBiaya operasional terendah adalah dialami oleh PT. Centrin Online Tbk (CENT), dan tertinggi di alami oleh Mitra Adi Perkasa Tbk (MAPI
BAB IV HASIL DAN PEMBAHASAN A. Statistik Deskriptif Dengan statistik deskriptif memberikan informasi tentang karakteristik sampel yang digunakan secara lebih rinci. Informasi yang dapat diperoleh dari
Lebih terperinciANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN DISTRIBUTED LAG MODEL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 221-227 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN
Lebih terperinciANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN DI KOTA AMBON
Jurnal Euclid, Vol.5, No.1, pp.100 ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN DI KOTA AMBON Y.A. Lesnussa 1), H. W. M. Patty 2), A. N. Mahu 3), M. Y. Matdoan 4) 1) Jurusan
Lebih terperinciPENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA
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 IV HASIL DAN PEMBAHASAN. website, uji validitas dan reabilitas, uji asumsi, analisis regresi linear berganda.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan membahas mengenai hasil dari analisis yang dilakukan. Hasil dan pembahasan ini terdiri dari gambaran umum responden, kualitas website, uji validitas dan reabilitas,
Lebih terperinciSKRIPSI ANALISIS PENGARUH FERTILITAS, MORTALITAS, DAN TRANSMIGRASI BINAAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI SUMATERA UTARA OLEH SITI HARIYATI
SKRIPSI ANALISIS PENGARUH FERTILITAS, MORTALITAS, DAN TRANSMIGRASI BINAAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI SUMATERA UTARA OLEH SITI HARIYATI 120501061 PROGRAM STUDI EKONOMI PEMBANGUNAN DEPARTEMEN
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Gambaran Umum Objek dan Subjek Penelitian. Pemilihan sampel pada penelitian ini menggunakan metode sensus.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Gambaran Umum Objek dan Subjek Penelitian Objek penelitian ini adalah seluruh Sekolah Dasar (SD) yang ada di Kecamatan Kasihan, Bantul. Sekolah Dasar (SD) tersebut
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 HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data Penelitian ini berlokasi di SMPN 1 Kauman dengan populasinya semua kelas VIII yaitu kelas VIII A, B, C, D, E, F, G, H, I dan J tahun pelajaran 2016/2017. Teknik
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 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 terperinciBAB IV ANALISA DAN PEMBAHASAN. statistik Kolmogorov- Smirnov (uji K-S). Dasar untuk pengambilan
BAB IV ANALISA DAN PEMBAHASAN 4.1 Uji Normalitas Pengujian normalitas distribusi data populasi dilakukan dengan menggunakan statistik Kolmogorov- Smirnov (uji K-S). Dasar untuk pengambilan keputusan yaitu
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Statistik Deskriptif Statistik deskriptif menggambarkan tentang ringkasan data data penelitian seperti jumlah data yang diolah, nilai minimum,
Lebih 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 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
A. Objek Penelitian BAB III METODE PENELITIAN Objek penelitian yang akan digunakan dalam penelitian ini adalah perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Periode waktu yang dipilih
Lebih terperinciBAB IV HASIL PENGUJIAN. dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan
BAB IV HASIL PENGUJIAN 4.1 Hasil Penelitian Dalam bab ini diuraikan hal-hal yang berkaitan dengan data yang berhasil dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan dibicarakan
Lebih terperinciBAB 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 IV ANALISIS HASIL DAN PEMBAHASAN
31 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif ini digunakan untuk memberikan gambaran mengenai demografi responden penelitian. Data demografi tersebut antara lain
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Uji Normalitas Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel dependent, variabel independent atau keduannya mempunyai distribusi normal atau tidak.
Lebih terperinciESTIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS
ESTIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS (Studi Kasus Pengaruh BI Rate, Jumlah Uang Beredar, dan Nilai Tukar Rupiah terhadap
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Return On invesment(roi), Earning Per Share(EPS), dan. Deviden Per Share (DPS) terhadap harga saham
45 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Return On invesment(roi), Earning Per Share(EPS), dan Deviden Per Share (DPS) terhadap harga saham 4.1.1 Analisa kelayakan data ROI, EPS dan DPS terhadap
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data 1. Analisis Deskripsi Inflasi Tabel 4.1 Statistik Deskriptif Inflasi Descriptive Statistics N Minimum Maximum Mean Std. Deviation Inflasi 36 3.35 8.79 6.5892 1.44501
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data 1. Keadaan Wilayah Provinsi Jawa Timur merupakan salah satu provinsi yang berada di Pulau Jawa dan merupakan provinsi paling timur di Pulau Jawa. Letaknya pada
Lebih terperinciPERBANDINGAN METODE ORDINARY LEAST SQUARE (OLS) DAN REGRESI ROBUST
PERBANDINGAN METODE ORDINARY LEAST SQUARE (OLS) DAN REGRESI ROBUST Ibnu Dharma Syahputra 1, Abdul Karim 2 1.2 Program Studi Statistika FMIPA Alamat e-mail dharmasyahputra77@gmail.com ABSTRACT Human Development
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Gambaran Umum Subjek Penelitian Populasi dalam penelitian ini adalah Pemerintah Daerah yang ada di Indonesia. Sampel Pemerintah Daerah yang berhasil diperoleh
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
51 BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam bab ini akan disajikan hasil penelitian yang dilakukan terhadap data sekunder yaitu berupa komponen-komponen laporan keuangan yang diperoleh dari perusahaan
Lebih terperinciBAB III METODE PENELITIAN. variabel bebas ( independent variabel) atau variabel yang tidak tergantung pada
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian ini terdiri dari dua macam variabel, yaitu variabel terikat (dependent variabel) atau variabel yang tergantung pada variabel lainnya, serta
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
34 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam
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 terperinciBAB IV ANALISA DAN PEMBAHASAN. Statistik Deskriptif menjelaskan karakteristik dari masing-masing
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Statistik Deskriptif menjelaskan karakteristik dari masing-masing variabel yang terdapat dalam penelitian, baik variabel dependen maupun variabel independent
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan di Bursa Efek Indonesia melalui situs
BAB III METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia melalui situs www.bi.go.id dan www.idx.co.id. Sedangkan waktu yang digunakan dalam penelitian
Lebih terperinciBAB V HASIL PENELITIAN
70 BAB V HASIL PENELITIAN 5.1. Analisis Deskriftif Berdasarkan hasil rekapitulasi tabulasi data variable ROA, DER, CR, EPS, Inflasi, PDB dan Harga Saham diperoleh statistik deskriftif seperti pada tabel
Lebih terperinciH 2 : Dana Perimbangan berpengaruh positif terhadap Belanja Modal
H 2 : Dana Perimbangan berpengaruh positif terhadap Belanja Modal BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian ini adalah penelitian Kuantitatif,yaitu penelitian yang menekankan pada
Lebih terperinciFITRI ANDRE INA EB19
PENGARUH RETURN ON ASSETS ( ROA ), NET PROFIT MARGIN ( NPM ), DAN EARNING PER SHARE ( EPS ) TERHADAP HARGA SAHAM PADA PT. INDOFOOD CBP, TBK PERIODE 2012-2015 FITRI ANDRE INA 23212524 3EB19 Latar Belakang
Lebih terperinciJurusan Statistika, FST, Institut Sains & Teknologi AKPRIND Yogyakarta
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 21-30 ANALISIS KOMPONEN UTAMA UNTUK MENGATASI MULTIKOLINEARITAS PADA FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT
Lebih terperinciABSTRAK. : Agresivitas Pajak, Likuiditas, Leverage, Manajemen Laba
ABSTRAK Penelitian ini bertujuan untuk menganalisa pengaruh likuiditas, leverage, dan manajemen laba terhadap tingkat agresivitas pajak perusahaan. Variabel independen yang digunakan dalam penelitian ini
Lebih terperinciBAB 4 HASIL PENELITIAN DAN PEMBAHASAN Gambaran Objek Penelitian. sebagai sampel penelitian.
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Gambaran Objek Penelitian Populasi dalam penelitian ini adalah perusahaan pertambangan batubara yang terdaftar di Bursa Efek Indonesia Sampel
Lebih terperinciBAB V ANALISIS DAN PEMBAHASAN
BAB V ANALISIS DAN PEMBAHASAN A. Uji Kualitas dan Instrumen Data 1. Uji Validitas dan Uji Reliabilitas 1) Uji Validitas Uji validitas dilakukan dengan menggunakan rumus Korelasi Product Moment atau pertanyaan/pernyataan.
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
46 A. Statistik Deskriptif BAB IV ANALISIS DAN PEMBAHASAN Statistik deskriptif menggambarkan tentang ringkasan data-data penelitian seperti nilai minimum, maksimum, mean, dan standard deviasi dari masing-masing
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Karakteristik Responden Dari 12 KPP Pratama yang ada di wilayah Jakarta Selatan, hanya 4 KPP yang bersedia untuk mengisi kuesioner. Data kuesioner yang berhasil
Lebih terperinciBAB IV HASIL PENELITIAN. penelitian ini, maka diperlukan gambaran mengenai data-data yang digunakan.
BAB IV HASIL PENELITIAN A. Deskripsi Data Untuk mempermudah dalam mengidentifikasikan variabel data dalam penelitian ini, maka diperlukan gambaran mengenai data-data yang digunakan. Adapun gambaran data
Lebih terperinciDiterima 30 Januari 2014, direvisi 26 April 2014 ABSTRAK
296 NATURAL B, Vol. 2, No. 3, Aril 2014 Pemodelan Geograhically Weighted Regression dengan Pembobot Fixed Gaussian Kernel ada Data Sasial (Studi Kasus Ketahanan Pangan di Kabuaten Tanah Laut Kalimantan
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN
37 BAB IV ANALISIS DATA DAN PEMBAHASAN Penelitian ini bertujuan untuk meneliti adanya pengaruh Kualitas Pelayanan Dan Citra Merek Terhadap Kepuasan Pelanggan PT PLN (Persero) pada Perumahan Pondok Bahar
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Jenis/Design Penelitian Jenis atau design penelitian yang digunakan dalam penelitian ini adalah explanatory study yaitu bahwa peneliti berusaha untuk menjelasan mengenai hubungan
Lebih terperinciBAB IV PENGUJIAN. Uji validitas adalah suatu ukuran yang menunjukkan tingkat tingkat kevalidan atau
BAB IV PENGUJIAN 4.3 Uji Validitas dan Reliabilitas 4.3. Uji Validitas Uji validitas adalah suatu ukuran yang menunjukkan tingkat tingkat kevalidan atau kesahihan sesuatu instrumen. Uji validitas digunakan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tabel 4.1 Statistik Diskriptif IFR
BAB IV HASIL DAN PEMBAHASAN A. Statistik Deskriptif Analisis statistik deskriptif menggambarkan karakter data sampel yang digunakan dalam penelitian. Berikut adalah analisis deskriptif terhadap variabel-
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Uji Statistik Deskriptif Statistik deskriptif menjelaskan karakteristik dari masing-masing variabel yang terdapat dalam penelitian ini, baik variabel dependen maupun
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 terperinciHasil perhitungan Kolmogorov-Smirnov menunjukkan bahwa ketiga sampel atau variabel tersebut adalah distribusi normal.
NORMALITAS DATA One-Sample Kolmogorov-Smirnov Test N Normal Parameters a,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. menjadi sampel dalam penelitian mengenai pengaruh harga, kualitas produk, citra merek
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Objek Penelitian Deskripsi responden disini akan menganalisa identitas para konsumen yang menjadi sampel dalam penelitian mengenai
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Daerah (PAD), Dana Alokasi Umum (DAU), Dana Alokasi Khusus (DAK),
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Objek Penelitian Pada penelitian ini dilakukan analisis hasil pengumpulan data penelitian dari 34 provinsi di Indonesia. Data yang digunakan meliputi
Lebih terperinciBAB IV HASIL PENELITIAN. (ISSI). Dimana ISSI adalah indeks yang diterbitkan oleh Bapepam-LK dan
BAB IV HASIL PENELITIAN A. Deskripsi Data Penelitian ini menggunakan objek Indeks Saham Syariah Indonesia (ISSI). Dimana ISSI adalah indeks yang diterbitkan oleh Bapepam-LK dan Dewan Syariah Nasional Majelis
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. jumlah sampel, nilai minimum, nilai maksimum, rata-rata (mean) dan standar
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis Data 1. Uji Statistik Deskriptif Pengujian ini dilakukan untuk memberikan gambaran umum mengenai jumlah sampel, nilai minimum, nilai maksimum, rata-rata
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
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisa Hasil 1. Statistik Deskriptif Statistik Deskriptif bertujuan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN 3.1 Desain Penelitian Penelitian ini bertujuan untuk mencari pengaruh variabel tertentu terhadap variabel lainnya. Berdasarkan tingkat penjelasan dari kedudukan variabelnya,
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 terperinciANALISIS PENGARUH DANA PIHAK KETIGA, INFLASI DAN BI RATE TERHADAP PENYALURAN KREDIT PADA 10 BANK UMUM TERBESAR DI INDONESIA
ANALISIS PENGARUH DANA PIHAK KETIGA, INFLASI DAN BI RATE TERHADAP PENYALURAN KREDIT PADA 10 BANK UMUM TERBESAR DI INDONESIA Nama : Asti My Tisnawati NPM : 11212226 Jurusan : Manajemen Dosen Pembimbing
Lebih terperinciANALISIS PENGARUH SIMPANAN WAJIB ANGGOTA DAN PINJAMAN ANGGOTA TERHADAP SISA HASIL USAHA ANGGOTA
ANALISIS PENGARUH SIMPANAN WAJIB ANGGOTA DAN PINJAMAN ANGGOTA TERHADAP SISA HASIL USAHA ANGGOTA (Studi Kasus : Koperasi Perempuan Nuansa Mandiri Kota Semarang Tutup Buku Rapat Anggota Tahun 2016) SKRIPSI
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Karakteristik Responden Responden dalam penelitian ini adalah konsumen di rumah makan Mie Ayam Oplosan Kedai Shoimah. Responden yang menjadi objek penelitian
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. minimum, nilai maksimum, nilai rata-rata, dan standar deviasi dari variabel dependen dan
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Statistik Deskriptif Uji statistik deskriptif digunakan untuk melihat hasil jumlah pengamatan, nilai minimum, nilai maksimum, nilai rata-rata, dan standar deviasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range,
47 BAB IV HASIL DAN PEMBAHASAN 4.1 Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Analisis Deskripsi Data 1. Analisis Dana Pihak Ketiga Bank BCA Syariah Dana Pihak Ketiga adalah komponen dana yang paling penting, besarnya keuntungan (profit) yang akan dihasilkan
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 ANALISIS DATA DAN PEMBAHASAN. A. Gambaran Umum Data dan Deskripsi Variabel. Tabel 4.1 Deskripsi Variabel
BAB IV ANALISIS DATA DAN PEMBAHASAN A. Gambaran Umum Data dan Deskripsi Variabel Pada bagian ini akan dibahas mengenai deskripsi variabel yang digunakan dalam penelitian, yaitu inflasi, nilai tukar, dan
Lebih terperinciContoh Simulasi Analisis Regresi Berganda dengan SPSS
Contoh Simulasi Analisis Regresi Berganda dengan SPSS A. Deskripsi Objek Penelitian Penelitian menggunakan periode 2007 sampai dengan 2009 sehingga perusahaan yang digunakan adalah perusahaan perbankan
Lebih terperinciJurnal MIPA 40 (2) (2017): Jurnal MIPA.
Jurnal MIPA 40 (2) (2017): 134-140 Jurnal MIPA htt://journal.unnes.ac.id/nju/index.h/jm Pemodelan Kemiskinan di Provinsi Bengkulu Menggunakan Small Area Estimation dengan Pendekatan Semiarametrik Penalized
Lebih terperinci