BAB 3 METODE PENELITIAN. pengumpulan data atau informasi guna memecahkan permasalahan dan menguji

Ukuran: px

Mulai penontonan dengan halaman:

Download "BAB 3 METODE PENELITIAN. pengumpulan data atau informasi guna memecahkan permasalahan dan menguji"

Yenny Widya Makmur
7 tahun lalu
Tontonan:

1 BAB 3 METODE PENELITIAN Metode penelitian adalah langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi guna memecahkan permasalahan dan menguji hipotesis penelitian. Bagian-bagian yang akan dibahas dalam bab ini terdiri dari wilayah dan jadwal penelitian, populasi dan sampel, sumber data, variabel penelitian, teknik analisis data, serta langkah-langkah penelitian Wilayah dan Jadwal Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder. Oleh karena itu, penelitian akan dilakukan di lingkup Universitas Bina Nusantara, Jakarta. Penelitian ini dilakukan dari bulan Februari hingga Juli Populasi dan Sampel Populasi pada penelitian ini adalah seluruh hotel yang ada di kota Kendari. Sedangkan sampel pada penelitian ini adalah 90 hotel yang ada di kota Kendari Sumber Data Data yang digunakan dalam penelitian ini di dapat dari Badan Pusat Statistik (BPS) Variabel Penelitian Variabel penelitian dalam penelitian ini adalah variabel dependen ( ) dan variabel penjelas ( ) yang terdapat pada Tabel

2 35 Tabel 3.1 Variabel Penelitian Variabel Keterangan Jumlah tamu yang menginap di hotel dalam satu tahun Jumlah kamar Jumlah tempat tidur Umur hotel Tarif minimal Tarif maksimal Jumlah tenaga kerja Jumlah fasilitas hotel 3.5. Teknik Analisis Data Teknik analisis data yang digunakan dalam penelitian ini adalah menggunakan Best Subset Regression berdasarkan kriteria statistik C-p Mallow dan Regresi Ridge Langkah-Langkah Penelitian Langkah-langkah penelitian ini adalah: 1. Mempersiapkan data untuk dianalisis. 2. Memilih penjelas menggunakan Best Subset Regression dengan kriteria Statistik C-p Mallow. 3. Membuat model dengan variabel yang terpilih. 4. Melakukan pengujian asumsi klasik. Diketahui asumsi yang dilanggar adalah residual tidak berdistribusi normal, terdapat heteroskedastisitas dan terjadi multikolinearitas. 5. Melakukan transformasi logaritma natural.

3 36 6. Setelah dilakukan transformasi logaritma natural, dilakukan kembali pengecekan uji asumsi klasik. 7. Membuat pemodelan dengan menggunakan regresi ridge untuk mengatasi multikolinearitas. 8. Mengecek nilai VIF untuk memastikan bahwa multikolinearitas telah teratasi. 9. Membuat pembahasan mengenai hasil yang telah diperoleh. 10. Membuat aplikasi Perancangan Layar Perancangan layar program untuk aplikasi pemilihan model terbaik menggunakan Best Subset Regression dan regresi ridge dapat dilihat pada Gambar 3.1 sampai Gambar 3.8. Pada Gambar 3.2, terdapat 3 pilihan tombol yang digunakan dalam aplikasi awal. Pilihan browse pertama digunakan untuk mendapatkan Rscript sebelum melakukan perhitungan analisis dalam aplikasi ini. Pilihan browse kedua, berfungsi untuk mengambil data yang akan digunakan dalam analisis. Pilihan tombol ketiga adalah view, yang digunakan untuk melihat data yang telah diambil. Gambar 3.1. Perancangan Layar Utama

4 37 Pada Gambar 3.2, terdapat 4 fungsi submenu dari menu Analysis yaitu submenu Best Subset Regression, Multiple Regression, Transformation dan Ridge Regression. Gambar 3.2. Perancangan Layar Menu Analysis Pada submenu Best Subset Regression, akan mengeluarkan tampilan seperti pada Gambar 3.3. User akan memilih variabel-variabel yang akan digunakan dalam analisis. Tombol Result berfungsi untuk mengeluarkan hasil yang diinginkan dalam analisis. Gambar 3.3. Perancangan Layar Selected Variabel Best Subset Regression

5 38 Gambar 3.4. Perancangan Layar Best Subset Regression Gambar 3.4 akan muncul ketika user memilih/menekan tombol Result pada Gambar 3.3. Pada Gambar 3.5, user akan memilih variabel-variabel yang digunakan dalam analisis regresi ganda. Setelah memilih variabel, user akan menekan.memilih tombol Result yang digunakan untuk menampilkan hasil regresi ganda. Gambar 3.5. Perancangan Layar Multiple Regression

6 39 Gambar 3.6. Perancangan Layar Transformation Gambar 3.6 merupakan perancangan layar transformasi yang digunakan untuk mentransformasi data. User akan memilih variabel-variabel yang akan digunakan. Setelah itu, user akan memilih tombol Result untuk mendapatkan hasil dari transformasi. Gambar 3.7. Perancangan Layar Ridge Regression

7 40 Gambar 3.7 merupakan perancangan layar untuk regresi ridge. User akan memilih variabel-variabel yang akan digunakan dalam menganalisis. Setelah itu, user akan menginput nilai c dan menkan tombol Result untuk mendapatkan hasil koefisien ridge dan nilai VIF Perancangan UML Pada sub bab ini, akan dibahas mengenai use case diagram, diagram aktivitas, kelas diagram dan diagram sekuensial Use Case Diagram Aktor, dalam hal ini adalah user. Gambar 3.8. menunjukkan interaksi antara sistem dan lingkungannya. Gambar 3.8. Use Case Diagram

8 41 Tabel 3.2. Use case Input Data Use Case Actors Deskripsi Data Stimulus Response Comment Use Case Actors Deskripsi Data Stimulus Response Comment Input Data Users User memasukan data berupa data excel Data excel Perintah user memasukan data Data telah di tampilkan User harus memasukkan data agar dapat di analisis Tabel 3.3. Use Case Best Subset Regression Best Subset Regression Users User memilih Best Subset Regression Data yang telah dimasukkan Perintah memasukkan variabel dari data Menampilkan hasil User terlebih dahulu memilih variabel-variabel yang akan digunakan. Setelah itu, user harus menekan tombol Result agar mengeluarkan hasil nilai statistik C-p Mallow dan variabel yang tepilih. Tabel 3.4. Use Case Multiple Regression Use Case Actors Deskripsi Data Stimulus Response Comment Multiple Regression Users User memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan menekan tombol Result. Data yang telah dimasukkan Perintah user memilih variabel dan result Menampilkan hasil User harus menekan tombol Submit Y dan Submit X untuk memilih variabel. Kemudian user harus

9 42 menekan tombol Result untuk mendapatkan hasil regresi. Tabel 3.5. Use Case Transformation Use Case Actors Deskripsi Data Stimulus Response Comment Transformation Users User memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan menekan tombol Result. Data yang telah dimasukkan Perintah user dalam memilih variabel dan result Menampilkan hasil User harus menekan tombol Submit Y dan Submit X untuk memilih variabel. Kemudian user harus menekan tombol Result untuk mendapatkan hasil transformasi regresi. Tabel 3.6. Tabel Use Case Ridge Regression Use Case Ridge Regression Actors Users Deskripsi User memilih Ridge Regression. kemudian, user memilih variabel dan kemudian tekan Submit. Dilanjutkan dengan memberikan nilai c-value dan tekan tombol Result. Data Data yang telah dimasukkan Stimulus Perintah user dalam memilih variable dan result Response Menampilkan hasil Comment User harus memilih Ridge Regression kemudian memilih variabel-variabel yang digunakan. Dilanjutkan mengisi nilai c-value dan menekan tombol Result untuk mendapatkan hasil.

10 43

11 Activity Diagram User System Click Start Choose Rscript Open Home Window Cancel input Rscript Input Rscript Click Cancel Click OK Show Rscript in Textfield Choose Data Cancel Import Data Import Data Click Cancel Click OK Show Data Location in Textfield Click View Show Data Gambar 3.9 Activity Diagram Open Browse Data

12 45 User System Click Analyze : Best Subset Regression Show Select Variable Window Select Dependent and Independent Variable Click Result Show Output Window Gambar 3.10 Activity Diagram Best Subset Regression User System Click Analyze : Multiple Regression Show Multiple Regression Window Select Dependent and Independent Variable Click Result Show Output Window Gambar Activity Diagram Multiple Regression

13 46 User System Click Analyze : Transformation Show Transformation Window Select Dependent and Independent Variable Click Result Show Output Window Gambar Activity Diagram Transformation Gambar Activity Diagram Ridge Regression

14 Class Diagram Gambar Class Diagram

15 Sequence Diagram Gambar 3.15 Sequence Diagram Open Browse Data

16 49 Gambar Diagram 3.16 Sequence Best Subset Regression

17 50 Gambar Diagram Regression Sequence Multiple

18 51 Gambar Diagram Sequence Transformation

19 52 Gambar Diagram Ridge Regression Sequence

20 Spesifikasi Kebutuhan Aplikasi Untuk menjalankan aplikasi ini, diperlukan hardware dan software yang spesifikasinya adalah sebagai berikut: 1. Spesifikasi Hardware Spesifikasi kebutuhan hardware yang dianjurkan adalah: a. Processor : Intel Core TM i3 b. RAM : 2GB c. Mouse d. keyboard 2. Spesifikasi Software Spesifikasi kebutuhan software yang dianjurkan adalah: a. Bahasa pemrograman Java b. NetBeans IDE c. R-Language versi dengan menggunakan berbagai Library yaitu 1. library(runiversal) -> digunakan untuk mengkonversi R ke Java dan XML. 2. library(leaps) -> digunakan untuk C-p Mallow. 3. library(lmtest) -> digunakan untuk regresi. 4. library(car) -> digunakan untuk menghitung VIF. 5. library(ridge)-> digunakan untuk menghitung estimasi regresi ridge. 6. library(stats) -> digunakan untuk menghitung standard deviation.

dokumen-dokumen yang mirip

APLIKASI PEMILIHAN MODEL TERBAIK MENGGUNAKAN BEST SUBSET REGRESSION DAN REGRESI RIDGE

APLIKASI PEMILIHAN MODEL TERBAIK MENGGUNAKAN BEST SUBSET REGRESSION DAN REGRESI RIDGE Serlyana, Margaretha Ohyver, Bayu Kanigoro Universitas Bina Nusantara, Jl. K.H Syahdan No. 9, Jakarta 11480, 021-5345830,