UNNES Journal of Mathematics
|
|
- Yenny Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 PADA MODEL REGRESI LINEAR BERGANDA Eko Suriyadi, Scolastika Mariani, Sugiman Jurusan Matematika, FMIPA, Universitas Negeri Semarang, Indonesia Gedung D7 Lt. 1, Kamus Sekaran Gunungati, Semarang Info Artikel Sejarah Artikel: Diterima Juli 2017 Disetujui Agustus 2017 Diublikasikan Noember 2017 Keywords: Multikolinearitas; Partial Least Square (PLS); Princial Comonent Regression (PCR) Abstrak Salah satu asumsi analisis regresi linear berganda yaitu tidak terjadi masalah multikolinearitas. Aabila terjadi masalah multikolinearitas, metode Partial Least Square (PLS) dan Princial Comonent Regression (PCR) meruakan dua metode yang daat digunakan untuk mengatasi masalah multikolinearitas tersebut. Metode yang digunakan dalam enelitian ini adalah Partial Least Square (PLS) dan Princial Comonent Regression (PCR) dengan data anggaran endaatan Daerah Provinsi Jawa Tengah Hasil dari enelitian ini dieroleh model ersamaan regresi dengan metode Partial Least Square (PLS) dan model ersamaan regresi dengan metode Princial Comonent Regression (PCR); Selanjutnya diilih metode terbaik dengan menggunakan kriteria nilai R 2 tertinggi dan MSE terkecil. Pemilihan metode terbaik adalah dengan melihat nilai R 2 tertinggi dan MSE terkecil. Daat disimulkan bahwa metode yang lebih baik adalah Partial Least Square dengan nilai R 2 = 0,7752 dan nilai MSE yang dihasilkan Partial Least Square = 3,660671E16. Abstract One of analysis assumtions of bifilar linier regression is there is no multikolinearity roblem occurs. If there is a multikolinearity roblem occurs, Partial Least Square (PLS) and Princial Comonent Regression (PCR) methods are can used to solve the multikolinearity roblem. The method that was used in this research were Partial Least Square (PLS) and Princial Comonent Regression (PCR) by using the data of budgeting income of Central Java in The result of this research was gotten a model of regression equation by using Partial Least Square (PLS) method and a model of regression equation by using Princial Comonent Regression (PCR); After that choose the best method selection criteria was by seeing at the highest R 2 score and the lowest MSE. The best method selection was by seeing at the highest R 2 score and the lowest MSE. Thus, it could be concluded that Partial Least Square with the score of R 2 = 0,7752 and the MSE score that was resulted by Partial Least Square = 3,660671E16. How to Cite Suriyadi, E., Mariani, S. & Sugiman. (2017). Perbandingan Metode Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk Mengatasi Multikolinearitas ada Model Regresi Linear Berganda. Unnes Journal of Mathematics, 6(2): Universitas Negeri Semarang Alamat koresondensi: - ISSN Ekosuriyadi2012@gmail.com e- ISSN
2 PENDAHULUAN Analisis regresi meruakan analisis yang memelajari bagaimana membentuk sebuah hubungan fungsional dari data untuk daat menjelaskan atau meramalkan suatu fenomena alami atas dasar fenomena yang lain. Analisis regresi memiliki eranan yang enting dalam berbagai bidang ilmu engetahuan. Kebanyakan analisis regresi bergantung ada metode kuadrat terkecil untuk mengestimasi arameterarameternya dalam model regresi. Tetai metode ini biasanya dibentuk dengan beberaa asumsi, seerti tidak ada autokorelasi, tidak terjadi multikolinearitas, homoskedastisitas, dan error berdistribusi normal. Analisis regresi linear berganda yang memunyai banyak variabel bebas sering timbul masalah karena terjadinya hubungan antara dua atau lebih variabel bebasnya. Variabel bebas yang saling berkorelasi disebut multikolinearitas (multicollinearity). Salah satu dari asumsi model regresi linear adalah bahwa tidak terdaat multikolinearitas diantara variabel bebas yang termasuk dalam model. Multikolinearitas terjadi aabila terdaat hubungan atau korelasi diantara beberaa atau seluruh variabel bebas (Gonst and Mason, 1977 dalam Soemartini, 2008). Pada embentukan model regresi terdaat kemungkinan adanya hubungan antara variabel satu dengan variabel yang lain. Multikolinearitas menyebabkan estimator memunyai varian yang besar akibatnya interval estimasi cenderung lebih besar sehingga membuat variabel bebas secara statistika tidak signifikan adahal nilai koefisien determinasi (R 2 ) tinggi sehingga sulit mendaatkan estimasi yang teat (Widarjono, 2007). Oleh karena itu erlu dilakukan tindakan lanjut untuk menangani multikolinearitas. Efek multikolinearitas daat menjadikan nilai model tidak daat menjelaskan hubungan antara variabel deendent dan variabel indeendent secara baik. Keberadaan multikolinearitas akan menyebabkan varians arameter yang diestimasikan akan menjadi lebih besar dari yang seharusnya dengan demikian tingkat akurasi dari estimasi akan menurun (Sukmono, 2014). Multikolinearitas dalam suatu model regresi daat diketahui dengan menghitung nilai Variance Inflation Factor (VIF). VIF adalah suatu faktor yang mengukur seberaa besar kenaikan ragam dari koefisien enduga regresi dibandingkan terhada variabel bebas yang orthogonal jika dihubungkan secara linear. Nilai VIF akan semakin besar jika terdaat korelasi yang semakin besar diantara variabel bebas. Nilai VIF > 10 daat digunakan sebagai etunjuk adanya multikolinearitas. Gejala multikolinearitas menimbulkan masalah dalam model regresi. Korelasi antar variabel bebas yang sangat tinggi menghasilkan enduga model regresi yang bias, tidak stabil, dan mungkin jauh dari nilai rediksinya (Farahani et al, 2010). Multikolinearitas daat diatasi dengan beberaa metode antara lain Partial Least Square (PLS) dan Princial comonent Regression (PCR) (Saika, 2014). Metode PLS meruakan metode yang mengkombinasikan sifat-sifat dari komonen utama dan regresi linear berganda. Tujuan dari metode PLS adalah mengestimasi dan menganalisis variabel terikat dari variabelvariabel bebas. Dalam hal ini, PLS mereduksi dimensi variabel-variabel bebas dengan membentuk variabel-variabel baru yang meruakan kombinasi linear dari variabelvariabel bebas dengan dimensi lebih kecil (Abdi, 2010). Sedangkan metode PCR meruakan salah satu analisis regresi yang menggunakan komonen utama untuk mengatasi masalah multikolinieritas ada regresi berganda (Tazliqoh et al, 2015). Komonen utama meruakan suatu teknik statistika untuk mengubah dari sebagian besar variabel asli yang digunakan yang saling berkorelasi satu dengan yang lainnya menjadi satu kumulan variabel baru yang lebih kecil dan saling bebas (Johnson & Wichern, 2010). Menurut Nurhasanah (2012) hasil enelitian menunjukkan metode Partial Least Square (PLS) nilai koefisien enduga ada masing-masing variabel tidak semuanya berengaruh nyata ada taraf nyata 0,05 sedangkan ada regresi komonen utama semua nilai koefisien enduga ada masing-masing variabel semuanya berengaruh nyata ada taraf nyata 0,05. Metode Partial Least Square (PLS) memberikan hasil yang lebih baik jika dibandingkan dengan metode regresi komonen utama. Hal ini daat disimulkan dengan melihat nilai (R 2 ). Mean Square Error Prediction (MSEP), dan Root Mean Square Error Prediction (RMSEP). Metode Partial Least Square (PLS) memunyai nilai (R 2 ) yang lebih tinggi dan memunyai nilai MSEP dan RMSEP yang lebih rendah jika dibandingkan terhada metode regresi komonen utama. Dari uraian di atas maka enulis menganalisis dengan judul Perbandingan metode Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas ada model regresi linear berganda. Dari kedua metode Partial Least Square (PLS) dan Princial comonent Regression (PCR) akan membandingkan nilai koefisien determinasi (R 2 ) dan Mean Square Error (MSE). 118
3 Kemudian didaatkan metode mana yang lebih baik untuk mengatasi multikolinearitas. Penelitian ini didukung dengan enggunaan aket rogram SAS. Paket rogram SAS (Statistical Analysis System) adalah aket rogram yang mendukung analisis dalam bidang statistika, riset oerasi, analisis ekonomi, time series dan lain-lain. Rumusan masalah dalam enelitian ini adalah (1) Bagaimana model ersamaan regresi dengan metode Partial Least Square (PLS) untuk mengatasi multikolinearitas? (2) Bagaimana model ersamaan regresi dengan metode Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas? (3) Metode manakah antara Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas yang lebih baik? Tujuan dari enelitian ini adalah Mengetahui metode yang lebih baik antara Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas berdasarkan ada erbandingan nilai MSE dan (R 2 ). Untuk memerkirakan/meramalkan nialai variabel Y, akan lebih baik aabila diikut memerhitungkan variabel-variabel lain yang ikut memengaruhi Y. Dengan demikian, memunyai hubungan dianatra satu variabel tidak bebas (deendent) Y dengan beberaa variabel lain yang bebas (indeendent) X 1, X 2,, X. Untuk meramalkan Y, aabila semua nilai variabel bebas diketahui, maka kita daat memergunakan ersamaan regresi linear berganda. Hubungan Y dan X 1, X 2,, X yang sebenarnya adalah sebagai berikut. Y = β 0 + β 1 X 1 + β 2 X β X + ε 1 (1) Istilah multikolinearitas mula-mula ditemukan oleh Ragnar Frisch. Pada mulanya multikolinearitas berarti adanya hubungan linear yang semurna atau asti, diantara beberaa atau semua variabel bebas dari model regresi ganda (Gujarati, 2004:157). Ada beberaa cara untuk mengetahui keberadaan multikolinearitas dalam suatu model regresi (1) menganalisis matriks korelasi Jika antara dua atau lebih variabel indeendent memiliki korelasi yang cuku tinggi, biasanya di atas 0,9 maka hal tersebut mengindikasikan terjadinya multikolinearitas. (2) VIF (Variance Inflantion Factor) adalah salah satu cara dalam mendeteksi adanya multikolinearitas, dan dalam enulisan ini menggunakan nilai Tolerance atau VIF. Mulktikolinearitas dalam sebuah regresi daat diketahui aabila nilai VIF 10. (3) TOL (Tolerance) Jika nilai Tolerance kurang dari 0,1 atau nilai VIF melebihi 10 maka hal tersebut menunjukkan bahwa multikolinearitas adalah masalah yang asti terjadi antar variabel bebas. Princial Comonent Regression (PCR) meruakan salah satu metode yang telah dikembangkan untuk mengatasi masalah multikolinearitas. PCR meruakan analisis regresi dari variabel-variabel deendent terhada komonen-komonen utama yang tidak saling berkorelasi, dimana setia komonen utama meruakan kombinasi linear dari semua variabel indeendent (Draer & Smith 1992, hal 313). Princial Comonent Regression (PCR) meruakan suatu teknik analisis yang mengkombinasikan antara analisis regresi dengan Princial Comonent Analysis (PCA). Analisis Regresi digunakan untuk mengetahui ada tidaknya hubungan antara variabel deendent dan indeendent, sedangkan PCA ada dasarnya bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya. Hal ini dilakukan dengan jalan menghilangkan korelasi di antara variabel melalui transformasi variabel asal ke variabel baru (meruakan kombinasi linear dari variabelvariabel asal) yang tidak saling berkorelasi. Dari buah variabel asal daat dibentuk buah komonen utama, diilih k buah komonen utama saja (k<) yang telah mamu menerangkan keragaman data cuku tinggi (antara 80% samai dengan 90%) (Johnson & Wichern, 2010, hal. 356). Komonen utama yang diilih tersebut (k buah) daat mengganti buah variabel asal tana mengurangi informasi. Analisis regresi komonen utama (PCR) meruakan analisis regresi variabel deendent terhada komonen-komonen utama yang tidak saling berkorelasi, regresi komonen utama daat dinyatakan sebagai berikut : Y = w 0 + w 1 K 1 + w 2 K w m K m + ε (2) K 1, K 2, K 3,, K m menunjukan komonen utama yang dilibatkan dalam analisis regresi komonen utama, dimana besaran m lebih kecil dariada banyaknya variabel indeendent yaitu sejumlah, serta Y sebagai variabel deendent. Komonen utama meruakan kombinasi linear dari variabel baku Z, sehingga K 1 = a 11 Z 1 + a 21 Z a 1 Z K 2 = a 12 Z 1 + a 22 Z a 2 Z K m = a 1m Z 1 + a 2m Z a m Z (4) 119
4 Aabila K 1, K 2,, K m dalam ersamaan (4) didistribusikan kembali ke dalam ersamaan regresi komonen utama, yaitu ersamaan (3) maka dieroleh: Y = w 0 + w 1 (a 11 Z 1 + a 21 Z a 1 Z ) + w 2 (a 12 Z 1 + a 22 Z a 2 Z ) + + w m (a 1m Z 1 + a 2m Z a m Z ) + ε (5) Persamaan regresi linear dugaan komonen utama sebagai berikut: Y = b 0 + b 1 Z 1 + B 2 Z b z (6) Metode Partial Least Square (PLS) ertama kali dierkenalkan oleh Herman Ole Andres Wold ada tahun 1960 sebagai metode alternative untuk mengatasi keterbatasan metode Ordinary Least Square (OLS) ketika data mengalami masalah multikolinearitas. Untuk meregresikan variabel terikat y dengan variabel X 1, X 2,, X k, metode PLS mencari komonenkomonen baru yang bereran sebagai variabel bebas untuk mengestimasi arameter regresi. Regresi PLS ini daat dieroleh melalui regresi sederhana mauun berganda dengan mengambil kesimulan dari uji signifikansi. Uji signifikansi ini bertujuan untuk memilih variabel indeendent embangun komonen PLS dan menentukan banyaknya komonen PLS yang terbentuk (Vinzi et al, 2004). Tujuan PLS adalah membentuk komonen yang daat menangka informasi dari variabel indeendent untuk memrediksi variabel deendent. Dalam embentukan komonen PLS, digunakan variabel deendent y yang distandarisasi dan variabel-variabel indeendent yang terusat (Vinzi, et al, 2004). Model regresi Partial Least Square dengan m komonen daat dituliskan sebagai berikut: m Y = c h t h + ε h=1 (7) Dengan Y adalah variabel deendent, c h adalah koefisien regresi Y terhada t h, t h = w (h)j X j adalah komonen utama ke-h yang tidak saling berkorelasi, (h=1,2, m) dengan syarat komonen PLS t h = w (h)j X j orthogonal. Penghitungan Komonen PLS ertama t 1. Komonen PLS ertama (t 1 ) adalah linear dari variabel indeendent X j dengan koefisien embobot w 1. t 1 = 1 cor(x j, y)x j (8) cor(x j, y) 2 Dimana x j adalah x j yang terstandarisasi, cor(x j, y) adalah korelasi variabel x j dengan y. Perhitungan komonen PLS kedua t 2. Komonen PLS kedua didaatkan dengan melakukan regresi sederhana y terhada t 1 dan masing-masing x j terlebih dahulu kemudian regresi antara x j terhada t 1. Variabel-variabel x j yang digunakan hanya variabel yang berkontribusi secara signifikansi dalam menjelaskan y ada t 1. Model ersaman regresi keduannya adalah sebagai berikut: 1 t 2 = cor(y, x 1j ) 2 cor(y, x 1j )x 1j (9) Dengan x 1j adalah residu yang telah distandarisai dan dihasilkan dari regresi x j terhada t 1. Perhitungan Komonen PLS ke-h, t h Seerti langkah ada embentukan komonen PLS sebelumnya, variabel yang digunakan adalah variabel-variabel yang signifikan dalam menjelaskan y ada t 1, t 2,, t h 1. Model regresi y terhada t 1, t 2,, t h 1 dan masing-masing x j adalah sebagai berikut: y = c 1 t 1 + c 2 t c h 1 t h 1 + a hj x j + residu Untuk mendaatkan komonen t h yang orthogonal terhada t h 1, diregresikan x j terhada komonen PLS yang dituliskan sebagai berikut: x j = 1j t 1 + 2j t h 1j t h 1 + x (h 1)j Dengan x (h 1)j adalah residu yang dihasilkan dari regresi setia x j terhada t 1, t 2,, t h 1. Komonen ke-h didefinisikan sebagai berikut: t h = 1 cor(x (h 1)j, y) 2 cor(x (h 1)j, y)x (h 1)j (10) Dengan a hj adalah koefisien regresi dari x (h 1)j dalam regresi y ada t 1, t 2,, t h 1. Dimana x (h 1)j adalah residu standar dari regresi dan setia x j terhada t 1, t 2,, t h 1. Perhitungan komonen PLS berhenti ketika tidak ada lagi variabel indeendent yang signifikan membangun komonen PLS. METODE Metode yang digunakan ada enelitian ini adalah fokus enelitian, studi ustaka, erumusan masalah, engumulan data, emecahan masalah, dan menarikan kesimulan. 120
5 Fokus enelitian yang dilakukan dalam enelitian ini yaitu: (1) Penelitian menggunakan Model Partial Least Square (PLS), dan Princial Comonent Regression (PCR). (2) Metode yang digunakan adalah Metode Partial Least Square (PLS), dan Princial Comonent Regression (PCR). (3) Penelitian didukung dengan bantuan rogram SAS (Satistical Analysis System). (4) Variabel yang digunakan adalah Anggaran Pendaatan Daerah Provinsi Jawa Tengah Studi ustaka dilakukan dengan cara mengumulkan sumber-sumber informasi yang berkaitan dengan enelitian yang dikaji berua buku, teks, jurnal, rosiding, dan literatur lainnya. Setelah sumber ustaka terkumul, dilanjutkan dengan menelaah sumber ustaka tersebut untuk dijadikan landasan dalam analisis ermasalahan yang dikaji. Perumusan masalah dierlukan untuk membatasi ermasalah sehingga dieroleh bahan kajian yang jelas. Sehingga akan lebih mudah untuk menentukan langkah dalam memecahkan masalah tersebut. Berdasarkan latar belakang emilihan judul dan materi endukung yang telah dikaji, maka rumusan masalah ada enelitian ini yaitu (1) bagaimana model ersamaan dengan metode Partial Least Square (PLS) untuk mengatasi multikolinearitas? (2) Bagaimana model ersamaan dengan metode metode Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas? (3) Metode manakah antara Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas yang lebih baik? Pengumulan data dengan cara mengambil data sekunder yang dieroleh dari Kantor Badan Pusat Statistik (BPS) Provinsi Jawa Tengah, data yang diakai Anggaran Aendaatan Daerah Provinsi Jawa Tengah Pada taha ini dilakukan kajian ustaka, yaitu mengkaji ermasalahan secara teoritis berdasarkan sumber-sumber ustaka yang ada. Adaun langkah-langkah yang dilakukan dalam taha emecahan masalah ini adalah : 1. Mencari data yang akan digunakan. 2. Menentukan variabel terikat dan variabel bebas dari data yang dieroleh. 3. Melakukan analisis regresi untuk menentukan model regresi dengan metode kuadrat terkecil. 4. Melakukan analisis regresi untuk melihat ada tidaknya multikolinearitas dengan melihat nilai VIF dan TOL. 5. Melakukan enanganan terhada masalah multikolinearitas aabila asumsi multikolinearitas terenuhi. 6. Membandingkan nilai koefisien determinasi R 2 dan nilai Mean Square Error (MSE) untuk memeroleh metode terbaik. 7. Menggunakan metode terbaik yang didaat untuk mengestimasi data. Langkah-langkah tersebut daat dilihat ada diagram alur Gambar 1 sebagai berikut. Gambar 1 Diagram Alur Penelitian Penarikan kesimulan meruakan langkah terakhir dalam kegiatan enelitian ini yang dilakukan dengan cara menarik kesimulan dari keseluruhan ermasalahan yang telah dirumuskan dengan berdasarkan ada landasan teori dan hasil emecahan masalah. 121
6 HASIL DAN PEMBAHASAN Dalam enelitian ini, langkah ertama yang dilakukan adalah mendeskrisikan data Anggaran Pendaatan Daerah Provinsi Jawa Tengah Tahun Selanjutnya akan dilakukan engujian asumsi regresi, uji asumsi klasik, mengatasi masalah multikolinearitas dan emilihan metode terbaik. 1. Uji Asumsi Regresi a. Uji Normalitas Model regresi yang baik jika distribusi data normal atau mendekati normal. Hal ini daat dideteksi dengan melihat nilai Kolmogorov Smirnov (K-S). berikut nilai Kolmogorov Smirnov (K-S). Plot Grafik Normal. Tabel 1. Normalitas Data Goodness-of-Fit Tests for Normal Distribution test statistik DF P Value Kolmogorov- D 0, ,095 Smirnov Cramer-von W- 0, ,019 Mises Sq Anderson- A- 0, ,022 Darling Sq Chi-Square Chisq 14, ,005 Outut SAS nilai Kolmogorov-Smirnov menunjukkan 0,1365 dan P value 0,095. Hal ini menunjukkan bahwa data berdistribusi normal. b. Model Regresi Berganda Dari data Anggaran Pendaatan Daerah Provinsi Jawa Tengah dilakukan regresi linear dengan menggunakan rogram SAS. Analisis regresi bertujuan untuk mengetahui hubungan variabel-variabel deendent terhada variabel indeendentnya. Tabel 2. Parameter Estimates Parameter Estimates Variable Parameter estimate Standard error t Value ,91 X1-0, , ,84 X2 3, , X3-2,6309 2, ,1 X4 1,6646 0, ,11 X5 0, , ,68 x6 1,0347 0, ,21 Berdasarkan tabel 2 hasil ersamaan regresi linear dugaan yang dieroleh adalah sebagai berikut: y = ,866615X 1 + 3,60648X 2 2,63090X 3 + 1,66460X 4 + 0,95078X 5 + 1,03470X 6 2. Uji Asumsi Klasik Uji asumsi klasik adalah ersyaratan statistik yang harus dienuhi ada analisis regresi linear berganda. Uji asumsi klasik yang digunakan yaitu uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi dengan menggunakan rogram SAS sehingga dieroleh hasil sebagai berikut: a. Multikolinearitas Uji multikolinearitas bertujuan untuk menguji aakah dalam model regresi terdaat korelasi antar variabel indeendent. Teknik yang daat digunakan untuk mendeteksi adanya multikolinearitas diantaranya adalah emeriksaan matriks korelasi, nilai VIF dan TOL tai dalam enelitian ini eneliti hanya melihat nilai VIF dan TOL untuk mendeteksi adanya multikolinearitas ada data. Berikut nilai Variance Inflation Factor (VIF) dan TOL. Tabel 3. Nilai VIF dan TOL Parameter Estimates Variable TOL VIF Intercet. 0 X1 0, ,03702 X2 0, ,69350 X3 0, ,48238 X4 0, ,45103 X5 0, ,53837 X6 0, ,17360 Variabel X 3 dan X 4 mengandung multikolinearitas sebab dari nilai VIF > 10 yaitu 16,48238 dan 16,45103 dan nilai TOL < 0,1 yaitu 0,06067 dan 0, sehingga akan dilakukan tindakan lanjut untuk mengatasi masalah multikolinearitas dengan menggunakan metode PCR dan PLS. b. Autokorelasi Hiotesis: H 0 : Tidak terjadi autokorelasi H 0 : Terjadi autokorelasi Tingkat signifikansi α = 0,05 Kriteria: 122
7 Residual E. Suriyadi et al./ UNNES Journal of Mathematics 6(2)(2017) Jika d > d u, maka H 0 diterima (tidak ada autokorelasi). Jika d < d L, maka H 0 ditolak (ada autokorelasi ositif). Jika 4 d > d u, maka H 0 diterima (tidak ada autokorelasi negatif). Jika 4 d < d L, maka H 0 ditolak (ada autokorelasi negatif).. Tabel 4. Autokorelasi Durbin-Watson D 2,181 Number of Observations 35 Berdasarkan outut SAS di atas dieroleh nilai Durbin-Watson D sebesar 2,181. Langkah selanjutnya menentukan nilai d L dan d u dengan taraf nyata 0,05, observasi sebanyak n = 35 data, dan K adalah jumlah variabel indeendentnya sebanyak 6, dengan melihat nilai tabel Durbin_Watson (dengan Taraf signifikansi 0,05) maka dieroleh nilai d L = 1,097 sedangkan nilai d u = 1,884.Karena d = 2,181 > d u = maka H 0 diterima (tidak ada autokorelasi). c. Uji Heteroskedastisitas Untuk mendeteksi ada tidaknya heteroskedastisitas dengan melihat ola titik-titik ada lots regresi. Jika titik-titik menyebar dengan ola tidak jelas di atas dan di bawah angka 0 ada sumbu Y maka tidak terjadi masalah heteroskedastisitas. Berikut outut lot dari rogram SAS terlihat ada gambar 2. dan di bawah angka 0 ada sumbu Y maka tidak terjadi masalah heteroskedastisitas. 3. Princial Comonent Regression (PCR) a. Menentukan Komonen Utama Princial Comonent Regression (PCR) meruakan teknik analisis regresi yang dikombinasikan dengan teknik analisis komonen utama, dimana analisis komonen utama dijadikan sebagai taha analisis. Oleh karena itu, sebelum melakukan PCR terlebih dahulu dilakukan analisis komonen utama untuk mendaatkan komonen-komonen utama dan skor komonen utama yang berguna sebagai variabel-variabel indeendent dalam PCR. Langkah ertama adalah dengan melihat nilai Communality yang menunjukkan beraa varians yang daat dijelaskan oleh komonen yang terbentuk. Hasil varians tersebut daat ditunjukan dalam tabel di bawah ini: Tabel 5. Final Communality Estimates Final Communality Estimates X1 X2 X3 X4 X5 X6 0,880 0,812 0,924 0,936 0,904 0,719 Hasil yang dieroleh dari tabel 5 memerlihatkan bahwa nilai variabel X 1 sebesar 0,88 yang berarti sekitar 88 % variansi variabel X 1 daat dijelaskan oleh komonen yang terbentuk, variabel X 2 sebesar 0,811 yang berarti 81,1 % variansi variabel X 2 dijelaskan oleh komonen yang terbentuk, variabel X 3 sebesar 0,924 yang berarti 92,4 % variansi variabel X 3 Y = 1.16E X X X X X X6 1.50E E E E+00 N 35 Rsq AdjRsq RMSE 5.67E7-5.00E E E E E E E E E E E E E+09 Gambar 2. Plot Heteroskedastisitas. Predicted Value Gambar 2 daat diketahui bahwa titik-titik menyebar dengan ola yang tidak jelas di atas dijelaskan oleh komonen yang terbentuk, variabel X 4 sebesar 0,936 yang berarti 93,6 % variansi variabel X 4 dijelaskan oleh komonen yang terbentuk, variabel X 5 sebesar 0,904 yang berarti 90,4 % variansi variabel X 5 dijelaskan 123
8 oleh komonen yang terbentuk, dan variabel X 6 sebesar 0,719 yang berarti 71,9 % variansi variabel X 6 dijelaskan oleh komonen yang terbentuk. Langkah selanjutnya adalah Eigenvalues of the Correlation Matrix dalam analisis faktor terdaat beberaa komonen yang meruakan variabel. Setia faktor mewakili variabel yang dianalisis. Kemamuan setia faktor mewakili variabel yang dianalisis ditunjukkan oleh besarnya varians yang dijelaskan, yang disebut dengan eigenvalue. Eigenvalue menunjukkan keentingan relatif masing-masing faktor dalam menghitung varians semua variabel yang dianalisis. Susunan eigenvalue selalu diurutkan dari yang terbesar samai yang terkecil, dengan kriteria bahwa angka eigenvalue di bawah 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk. Tabel 6. Eigenvalues of the Correlation Matrix Eigenvalues of the Correlation Matrix Eigenvalue Difference Cumulative 1 3, , , , , , , , , , , , , , , , Pada tabel 6 terlihat bahwa angka eigenvalues di bawah 1 tidak daat digunakan dalam menghitung jumlah faktor yang terbentuk, sehingga roses factoring seharusnya berhenti ada dua faktor saja. Eigenvalue di variabel X 1 sebesar 3,008, artinya faktor ini daat menjelaskan 50,14 % dari total cumulative dan variabel X 2 sebesar 1,374 yang artinya faktor ini menjelaskan 73,05% dari total cumulative. Langkah selanjutnya adalah dengan mencari nilai skor komonen yang terbentuk untuk membentuk ersamaan regresi komonen utama. skor komonen ini nantinya akan menentukan banyaknya variabel yang akan terbentuk untuk menggantikan variabel-variabel X 1, X 2, X 3, X 4, X 5 dan X 6 dengan variabel baru. Tabel 7. Skor Komonen Utama Scoring Coefficients factor Factor1 Factor2 X1 0, ,14405 X2 0, ,56114 X3 0,3268-0,1536 X4 0, ,0912 X5 0, ,07292 X6-0,0775 0,58999 Berdasar tabel 7, maka ersamaan regresi komonen utama yang daat dibentuk adalah sebagai berikut. K 1 = 0,28599 X 1 + 0,03591 X 2 + 0,32680 X 3 + 0,33003 X 4 + 0,18526 X 5 0,07747X 6 K 2 = 0,14405 X 1 + 0,56114 X 2 0,15359 X 3 0,09120 X 4 + 0,07292 X 5 + 0,58999X 6 Setelah skor komonen terbentuk langkah selanjutnya adalah menentukan variabel-variabel baru untuk menggantikan variabel-variabel X 1, X 2, X 3, X 4, X 5 dan X 6. Pembentukan komonen yang terbentuk dengan cara menstandarisasikan semua variabel dan mengalikan dengan skor komonen utama. Maka variabel baru yang terbentuk seerti tabel 8. Variabel-variabel tersebut menunjukan bahwa dua komonen adalah jumlah yang aling otimal untuk mereduksi ke-enam variabel-variabel indeendent. b. Regresi Komonen Utama Hubungan antara variabel-variabel deendent dan variabel indeendent daat diketahui dengan melakukan analisis Princial Comonent Regression (PCR). Dalam hal ini, variabel deendent (Y) anggaran endaatan daerah Provinsi Jawa Tengah diregresikan dengan variabel baru, yaitu variabel komonen utama yang terbentuk. Dengan demikian, model regresi komonen utama yang dibangun untuk kasus ini adalah : Y = W 0 + W 1 K 1 + W 2 K 2 + ε Maka model ersamaan ersamaan yang terbentuk ada tabel
9 Tabel 8. Variabel Baru Factor 1 Factor 2 0, , , , , , ,4089-0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,51134 Tabel 9 Regresi Y Terhada Komonen Utama Parameter Estimates Variable Parameter Estimate Standard error TOL VIF Intercet K K Y = K K 2 Y = (0,28599 X 1 + 0,03591 X 2 + 0,32680 X X X X 6 ) ( X X X X X X 6 ) Ŷ= X X X X X X 6 Setelah dieroleh hasil regresi linear dugaannya, maka dilakukan engecekan aakah data masih mengandung multikolinearitas. Hal ini daat dilihat ada tabel 9 bahwa nilai VIF=TOL=1 yang berarti tidak terjadi multikolinearitas. 4. Partial Least Square (PLS) a. Pembentukan Komonen PLS ertama Sebelum embentukan komonen PLS ertama, terlebih dahulu dilakukan regresi y terhada masing-masing x untuk mengetahui variabel-variabel manakah yang signifikan membangun komonen PLS ertama. Berikut adalah hasil regresi y (terstandarisasi) terhada masing-masing x. Variable Tabel 10 Uji Signifikansi Parameter Estimates Parameter Estimate Standard Error t Value X1 3,98E-08 9,57E-09 4,16 X2 1,36E-07 6,38E-08 2,12 X3 2,89E-08 9,24E-09 3,13 X4 6,24E-09 1,42E-09 4,39 X5 2,83E-09 2,59E-10 10,93 X6 3,15E-09 1,29E-09 2,45 Uji signifikansi koefisien regresi ada Tabel 10 menunjukkan bahwa dengan taraf nyata 5% semua variabel signifikan membangun komonen PLS ertama. Pengambilan keutusan: T hitung t kritis jadi H 0 diterima T hitung > t kritis jadi H 1 ditolak. Titik kritis daat dicari ada tabel statistik ada signifikansi dengan df = n k 1 maka df = = 29 (k adalah jumlah variabel indeendent). Di daat t kritis adalah 2,
10 t 1 = 1 cor(x j, y) 2 cor(x j, y)x j Dimana x j adalah variabel indeendent yang telah distandarisasi, sehingga komonen PLS ertama yang terbentuk. t 1 = 0,385X 1 + 0,184X 2 + 0,340X 3 + 0,434X 4 + 0,665X 5 + 0,271X 6 Maka dieroleh nilai komonen PLS ertama Tabel 11. Komonen PLS 1 PLS1 1, , , , , , , , , , , , , , , , , , , ,368-0, , , , , ,3015 0, , , , , , , , ,01218 b. Pembentukan Komonen PLS kedua Sebelum embentukan komonen PLS kedua, terlebih dahulu dieriksa aakah komonen kedua ini masih dierlukan. Hal tersebut dilakukan dengan cara meregresikan antara y yang telah distandarisasi terhada t 1 dan masing-masing variabel x. Variabel yang digunakan adalah variabel-variabel yang signifikan membangun PLS kedua. Variable Tabel 12 Uji Signifikansi Parameter Estimates Parameter Estimate Standard Error t Value X1-2,04E-08 6,21E-09-3,28 X2 5,47E-09 2,49E-08 0,22 X3-3,91E-08 5,13E-09-7,62 X4-6,14E-09 1,34E-09-4,58 X5 1,65E-09 2,94E-10-5,61 X6 1,77E-09 6,21E-10 2,01 Berdasarkan tabel 12, ternyata tidak ada variabel yang signifikan yaitu X 1, X 2, X 3, X 4, X 5 dan X 6 < dari t kritis 2,04523, sehingga erhitungan berhenti ada komonen PLS ertama. Setelah mendaatkan komonen baru ada tabel 11, kemudian variabel y diregresikan terhada komonen PLS yang terbentuk. Berikut hasil regresi yang dieroleh: Tabel 13 Regresi Y Terhada Variabel PLS Parameter Estimates Variable Parameter Estimate Standard error TOL VIF Intercet PLS Y = PLS1Y Y = (0,385X 1 + 0,184X 2 + 0,340X 3 + 0,434X 4 + 0,665X 5 + 0,271X 6 Y = ,7X ,88X ,8X ,88X ,3X ,22X 6 126
11 Setelah dieroleh hasil regresi linear dugaannya, maka dilakukan engecekan aakah data masih mengandung multikolinearitas. Hal ini daat dilihat ada tabel 13 bahwa nilai VIF=TOL=1 yang berarti tidak terjadi multikolinearitas. 5. Pemilihan Metode Terbaik Pemilihan model terbaik untuk mengatasi masalah multikolinearitas PCR dan PLS adalah membandingkan hasil ersamaan regresi yang dieroleh antara kedua metode tersebut. Koefisien determinasi R 2 daat digunakan untuk menentukan model terbaik. Semakin nilai R 2 mendekati satu maka semakin tinggi engaruh variabel indeendent terhada variabel deendent, yang berarti semakin baik kecocokan model dengan data. Selain melihat nilai R 2 emilihan model terbaik juga daat dilakukan dengan melihat nilai Mean Square Error (MSE). Metode terbaik adalah metode dengan nilai MSE terkecil. Perbandingan nilai R 2 dan MSE dari metode PLS dan PCR adalah sebagi berikut: Tabel 14 Nilai R 2 dan MSE Metode R 2 MSE PLS 0,7752 3,660671E16 PCR 0,5652 7,301565E16 Berdasarkan tabel 14 daat dilihat bahwa nilai R 2 yang dihasilkan PLS dengan nilai R 2 = 0,7752 lebih besar dibandingkan PCR dengan nilai R 2 = 0,5652 dan nilai MSE yang dihasilkan PLS sebesar 3,660671E16 lebih kecil dibandingkan dengan nilai MSE PCR sebesar 7,301565E16 maka daat disimulkan bahwa metode PLS lebih baik dibandingkan dengan metode PCR dalam mengatasi masalah multikolinearitas. SIMPULAN Simulan yang dieroleh dari enelitian ini adalah (1) Model ersamaan dengan metode Partial Least Square (PLS) ada kasus endaatan anggaran Daerah Provinsi Jawa Tengah sebagai berikut. Ŷ= ,7X ,88X ,8X ,88X ,3X ,22X 6 (2) Model ersamaan dengan metode Princial Comonent Regression (PCR) ada kasus endaatan anggaran Daerah Provinsi Jawa Tengah sebagai berikut. Ŷ= ,77X ,43X ,5X ,86X ,99X ,2X 6 (3) Perbandingan metode manakah antara Partial Least Square (PLS) dan Princial Comonent Regression (PCR) untuk mengatasi multikolinearitas yang lebih baik dilihat dari nilai R 2 dan nilai MSE. daat dilihat bahwa nilai R 2 yang dihasilkan PLS = 0,7752 lebih besar dibandingkan dengan PCR = 0,5652 dan nilai MSE yang dihasilkan PLS = 3,660671E16 lebih kecil dibandingkan dengan PCR = 7,301565E16 maka daat disimulkan bahwa metode PLS lebih baik dibandingkan dengan metode PCR dalam mengatasi masalah multikolinearitas. DAFTAR PUSTAKA Abdi, H Partial Least Square (PLS) Regression and Projrction On Latent Structure Regression. Encycloedia of Social Sciences Research Methods. Draer, H., & Smith, H Alied Regression Analysis, 2nd. (Analisis Regresi Teraan Edisi Ke-2). Penerjemah : Bambang Sumantri. Jakarta:PT. Gramedia Pustaka Utama. Farahani, A, Rahiminezhed H., Same A.L, & Immannezhed, K A Comarison of Partial Least Square (PLS) and Ordinary Least Square (OLS) regressions in redicting of coules mental health based on their communicational atterns. Procedia. Gujarati, D Ekonometrika Dasar. Sumarno Zain Penerjemah. Jakarta: Erlangga. Terjemahan dari: Basic Econometrics. Johnson, R.A., Wichern, D.W Alied Multivariate Statistical Analysis. Sixth edition, Prentice Hall. New Jersey. Nurhasanah, Subianto, M. & Fitriani, R Perbandingan Metode Partial Least Square (PLS) dengan Regresi Komonen Utama untuk Mengatasi Multikolinearitas. Jurusan Matematika FMIPA UNSYIAH, Statistika,12 (1): Saikia Estimation of Princial Comonents Regression Coefficients. International of Science and Research (IJSR). Soemartini Penyelesaian Multikolinearitas Melalui Ridge Regression. Tesis. Universitas Padjajaran. Sukmono, A Penggunaan Partial Least Square Regression (PLSR) untuk Mengatasi Multikolinearitas Dalam Estimasi Klorofil Daun Tanaman Padi dengan Citra Hiersektral. Program Studi Teknik Geodesi, Fakultas Teknik, Universitas Dionegoro. 127
12 Tazliqoh, A,H. Rahmawati,H, & Safitri,D Perbandingan Regresi Komonen Utama Regresi Ridge Pada Analisis Faktor-Faktor Pendaatan Asli Daerah (PAD) Provinsi Jawa Tengah. Jurnal Gaussian. Widarjono, A Ekonometrika Teori dan Alikasi untuk Ekonomi dan Bisnis. Yogyakarta: Ekonisia FE UII. Vinzi, V. Bastien, P. & Tenenhaus, M Partial Least Square Generalized Linear Regression. Comutational statistics & Data Analysis (2005). 128
APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
-ISSN 979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(2) 206: 75-84 htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
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 terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB 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 III METODOLOGI PENELITIAN. menganalisis data, penulis menggunakan alat bantu komputer seperti paket
49 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian yang dilakukan penulis adalah penelitian kuantitatif dengan menggunakan metode regresi linier berganda sebagai alat analisis data. Dalam
Lebih 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 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 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 terperinciPERBANDINGAN METODE PARTIAL LEAST SQUARE
PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Skripsi disusun sebagai salah satu syarat untuk
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciBAB IV ANALISIS HASIL
BAB IV ANALISIS HASIL A. Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil yang telah diperoleh
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
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 III OBJEK DAN METODE PENELITIAN. Objek penelitian yang dianalisis adalah faktor-faktor yang mempengaruhi
48 BAB III OBJEK DAN METODE PENELITIAN 3.1. Objek Penelitian Objek penelitian yang dianalisis adalah faktor-faktor yang mempengaruhi ekspor komoditi karet di Indonesia periode 1990-2006. Adapun variabelnya
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciBAB III METODOLOGI PENELITIAN. berbentuk time series selama periode waktu di Sumatera Barat
BAB III METODOLOGI PENELITIAN A. Sumber Data Metode penelitian dilakukan dengan mengumpulkan data sekunder yang berbentuk time series selama periode waktu 2005-2015 di Sumatera Barat yang diperoleh dari
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilakukan pada Januari sampai April 2017 dengan tahun pengamatan dari Januari 2010 sampai Desember 2016 untuk memperoleh data-data
Lebih terperinciIII. METODE PENELITIAN. Pusat Statistik (BPS) Kota Bandar Lampung yang berupa cetakan atau publikasi
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari publikasi dinas atau instansi pemerintah, diantaranya adalah publikasi dari
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBAB III METODELOGI PENELITIAN. yaitu penelitian yang menekankan analisisnya pada data-data numerical atau
BAB III METODELOGI PENELITIAN 3.1. Pendekatan dan Jenis Penelitian Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif yaitu penelitian yang menekankan analisisnya pada data-data
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 terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN Penelitian ini dilakukan pada perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2012. Tujuan dari penelitian ini adalah untuk menguji pengaruh Size
Lebih terperinciBAB 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. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Pendekatan dan Jenis Penelitian 1. Pendekatan Penelitian Dalam penelitian ini dengan judul Pengaruh Dana Pihak Ketiga, Modal Sendiri dan Pendapatan Margin terhadap Pembiayaan
Lebih terperinciANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan
Saintia Matematika Vol. 2, No. 1 (2014), pp. 71 83. ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan Abstrak. Penyediaan
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 terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data sekunder tahunan Data sekunder
III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder tahunan 2000-2011. Data sekunder tersebut bersumber dari Lampung dalam Angka (BPS), Badan Penanaman Modal Daerah
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan kajian tentang faktor-faktor yang mempengaruhi
41 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian tentang faktor-faktor yang mempengaruhi kemiskinan terhadap ekonomi Indonesia dalam waktu 1996-2013, oleh karena
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinci1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.
LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah pendekatan kuantitatif, dimana penelitian ini menekankan pada pengujian teori melalui
Lebih terperinciBAB 3 OBJEK DAN DESAIN PENELITIAN. Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang terdaftar
BAB 3 OBJEK DAN DESAIN PENELITIAN 3.1 Objek Penelitian Objek dalam penelitian ini adalah perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang
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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki
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 HASIL PENELITIAN DAN PEMBAHASAN. Textile dan Otomotif yang terdaftar di BEI periode tahun
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Analisa Penelitian ini menggunakan data skunder berupa laporan keuangan audit yang diperoleh dari website resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.
Lebih terperinciBAB III METODOLOGI PENELITIAN. karakteristik tertentu (Indriantoro dan Supomo, 2003). Populasi dalam penelitian
20 BAB III METODOLOGI PENELITIAN 3.1 Populasi dan Sampel Populasi adalah sekelompok orang, kejadian, atau segala sesuatu yang mempunyai karakteristik tertentu (Indriantoro dan Supomo, 2003). Populasi dalam
Lebih terperinciESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES
ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES Selpadina Indriyani 1, Raupong 2, Anisa 3 1 Mahasiswa Program Studi Statistika FMIPA Universitas Hasanuddin 2,3 Dosen Program
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Deskripsi variabel yang digunakan dalam penelitian ini meliputi variabel independen yaitu Good Corporate Governance (GCG) dengan pengukuran
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 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 terperinciIV METODOLOGI PENELITIAN
IV METODOLOGI PENELITIAN 4.1. Lokasi dan Waktu Penelitian Kegiatan yang dilakukan dalam penelitian ini meliputi perumusan masalah, perancangan tujuan penelitian, pengumpulan data dari berbagai instansi
Lebih terperinciBAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis Pengaruh Pajak Daerah,
36 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Ruang lingkup penelitian ini adalah menganalisis Pengaruh Pajak Daerah, Retribusi Daerah, Pendapatan BUMD Dan Pendapatan Lain Daerah Terhadap Pertumbuhan
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
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 terperinci3 METODOLOGI. 3.1 Lokasi dan Waktu Penelitian
15 3 METODOLOGI 3.1 Lokasi dan Waktu Penelitian Pada penelitian ini, lokasi yang menjadi objek penelitian adalah wilayah PPN Brondong, Kabupaten Lamongan propinsi Jawa Timur. Pemilihan lokasi ini didasari
Lebih terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai
BAB III METODE PENELITIAN A. Langkah Penelitian Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai berikut: 1. Merumuskan spesifikasi model Langkah ini meliputi: a. Penentuan variabel,
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 HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam bab ini penulis akan menerangkan mengenai hasil penelitian yang telah dilakukan atas data sekunder yaitu berupa komponen-komponen laporan keuangan yang diperoleh
Lebih terperinciBAB IV HASIL PENELITIAN. Penelitian ini menganalisis pengaruh ukuran perusahaan, free cash flow dan
BAB IV HASIL PENELITIAN 4.1.Gambaran Umum Sampel Penelitian ini menganalisis pengaruh ukuran perusahaan, free cash flow dan leverage terhadap risiko saham pada perusahaan manufakur yang terdaftar dalam
Lebih terperinciMETODE PENELITIAN. keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi, data
IV. METODE PENELITIAN A. Jenis dan Sumber Data Data adalah semua hasil observasi atau pengukuran yang telah dicatat untuk suatu keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi,
Lebih terperinciIII. METODE PENELITIAN. Jenis dan sumber data yang digunakan dalam penelitian ini adalah sebagai
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis dan sumber data yang digunakan dalam penelitian ini adalah sebagai berikut: a. Data Primer Data primer yang digunakan adalah data yang didapat langsung
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan ini adalah jenis sumber data sekunder
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan ini adalah jenis sumber data sekunder dalam runtun waktu (time Series) yang diperoleh dari BPS (Badan Pusat Statistik),
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB III METODE PENELITIAN. dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama -
36 BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh penguasaan konsep dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama - sama
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 terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN
BAB IV ANALISIS DATA DAN PEMBAHASAN A. Analisis Data 1. Statistik Deskriptif Statistik deskriptif pada penelitian ini akan menggambarkan data penelitian tentang FDR, ROE,dan NOM. Sampel penelitian sebanyak
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 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 4 ANALISIS DAN BAHASAN
BAB 4 ANALISIS DAN BAHASAN 4.1 Deskripsi Data Penelitian Setelah melalui berbagai tahapan penelitian yang telah direncanakan oleh peneliti di bagian awal, penelitian ini menghasilkan berbagai hal yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini merupakan penelitian kuantitatif yaitu penelitian yang menekankan pada pengujian teori-teori melalui pengukuran variabelvariabel penelitian
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang terdaftar di Bursa Efek Indonesia memiliki beberapa perusahaan, dan
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Rancangan Penelitian 1. Pendekatan Penelitian Pendekatan penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif karena serangkaian observasi (pengukuran)
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan pada bulan November 2013 sampai Maret 2014
43 BAB III METODE PENELITIAN III.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan pada bulan November 2013 sampai Maret 2014 dengan objek penelitian PT. Indosat Tbk yang terdaftar di Bursa Efek Indonesia
Lebih terperinciBAB III METODOLOGI PENELITIAN
33 BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Penelitian ini menganalisis bagaimana pengaruh produk, persepsi harga dan citra merek terhadap keputusan pembelian makanan cepat saji d Besto. Objek
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 terperincimempunyai nilai ekstrim telah dikeluarkan sehingga data diharapkan
47 mempunyai nilai ekstrim telah dikeluarkan sehingga data diharapkan mendekati normal. Tabel 4.2 Deskripsi Statistik PT. Indofood Sukses Makmur Periode Pengamatan 2003-2008 Mean Std. Deviation N RETURN.007258.1045229
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
BAB IV HASIL DAN PEMBAHASAN IV.1 Statistik Deskriptif Statistik deskriptif merupakan statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
Lebih terperincimenggunakan fungsi Cobb Douglas dengan metode OLS (Ordinary Least
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder dan data primer. Data primer diperoleh dari wawancara langsung dengan pegawai divisi produksi
Lebih terperinciIII. METODOLOGI PENELITIAN. dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta dengan
28 III. METODOLOGI PENELITIAN 3.1. Desain Penelitian Metode yang digunakan dalam penelitian ini adalah penelitian analisis deskriptif dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta
Lebih 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 terperinciMETODE PENELITIAN. Nasir (2003:54) Metode deskriptif yaitu pencarian fakta dengan interprestasi
35 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data 3.3.1 Jenis Penelitian Nasir (2003:54) Metode deskriptif yaitu pencarian fakta dengan interprestasi yang tepat. Penelitian deskriptif mempelajari masalah-masalah
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 terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan di Badan Pusat Statistik (BPS) Provinsi Riau,
BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilakukan di Badan Pusat Statistik (BPS) Provinsi Riau, yang bertempat di Kota Pekanbaru Provinsi Riau. Dan waktu penelitian
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
Lebih terperinciBAB III METODE PENELITIAN. Permintaan Beras di Kabupaten Kudus. Faktor-Faktor Permintaan Beras. Analisis Permintaan Beras
19 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Permintaan Beras di Kabupaten Kudus Faktor-Faktor Permintaan Beras Harga barang itu sendiri Harga barang lain Jumlah penduduk Pendapatan penduduk Selera
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. Tabel 4. Berdasarkan tabel diatas dapat diketahui bahwa variabel harga saham (Y)
54 BAB IV HASIL ANALISIS DAN PEMBAHASAN 4. 1. Statistik Deskriptif Hasil statistik deskriptif terhadap variabel penelitian disajikan pada tabel berikut ini : Tabel 4 Des criptive Statistics Mean Std. Deviation
Lebih terperinciBAB III METODE PENELITIAN. dari situs resmi Bursa Efek Indonesia (BEI) yaitu Unit. tercatat di BEI pada tahun
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Tempat penelitian ini dilakukan di Jakarta dengan mengunduh data dari situs resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id. Unit dalam penelitian
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini yakni pada Dinas Pendapatan Pengelolaan Keuangan Aset
BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Lokasi penelitian ini yakni pada Dinas Pendapatan Pengelolaan Keuangan Aset Daerah (DPPKAD) Kabupaten Gorontalo Utara yang beralamat di jln Kusnodanupoyo
Lebih terperinciBAB III METODE PENELITIAN. metode analisis data serta pengujian hipotesis.
BAB III METODE PENELITIAN Pada bab 3 ini akan dijelaskan mengenai metode penelitian yang meliputi populasi dan sampel penelitian, data dan sumber data, variabel operasional, metode analisis data serta
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Menurut Jogiyanto (2007:61) mengemukakan bahwa, obyek penelitian
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Penelitian Menurut Jogiyanto (2007:61) mengemukakan bahwa, obyek penelitian adalah sebagai berikut: suatu entitas yang akan diteliti. Obyek dapat berupa perusahaan,
Lebih terperinciBAB 1V HASIL DAN PEMBAHASAN. Sampel dalam penelitian ini adalah 35 kabupaten/kota dijawa tengah tahun 2011-
BAB 1V HASIL DAN PEMBAHASAN 4.1 Deskripsi Data 4.1.1 Populasi dan Sampel Populasi dalam penelitian ini adalah Kabupaten/Kota di Jawa Tengah. Sampel dalam penelitian ini adalah 35 kabupaten/kota dijawa
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 III METODE PENELITIAN
45 BAB III METODE PENELITIAN A. Metode Penelitian Metode dalam penelitian ini menggunakan metode penelitian kuantitatif, Dikatakan metode kuantitatif karena data penelitian berupa angka-angka dan analisis
Lebih terperinciJl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon ABSTRAK
Jurnal Barekeng Vol. 8 No. 1 Hal. 31 37 (2014) MODEL REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS (Studi Kasus: Data Pertumbuhan Bayi di Kelurahan Namaelo
Lebih terperinciIII. METODE PENELITIAN. Jenderal Pengelolaan Utang, Bank Indonesia dalam berbagai edisi serta berbagai
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari publikasi dinas atau instansi pemerintah, diantaranya adalah publikasi
Lebih terperinciIII. METODE PENELITIAN. BUMN di Indonesia yang berupa jumlah penyaluran kredit UMKM dan Non-
III. METODE PENELITIAN 3.1 Jenis Data dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder Bank BUMN di Indonesia yang berupa jumlah penyaluran kredit UMKM dan Non- Performing
Lebih terperinciBAB 3 METODA PENELITIAN. industri penghasil bahan baku sektor pertambangan yang terdaftar di
BAB 3 METODA PENELITIAN 3.1 Jenis dan Sumber Data Peneliti memperoleh data penelitian ini yang terdapat pada sumber data historis berupa laporan keuangan perusahaan yang telah diaudit dengan benar serta
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Penelitian 1. Statistik Deskriptif Statistik deskriptif menggambarkan tentang ringkasan data-data penelitian seperti jumlah data, rata-rata, nilai
Lebih terperinci