Anda di halaman 1dari 10

NAMA : VIRTOND YONAS MARCELLIANO SINURAT

NIM : 190522048
MATA KULIAH : STATISTIKA PENELITIAN
SIFAT UJIAN : TAKE HOME

1. Data
NO Y 2014 Y 2015 X1 2014 X2 2015 X3 2014 X4 2015
1 0,0716 0,0748 0,106 0,119 0,037 0,023
2 0,0435 0,0351 0,4562 0,0012 0,0694 0,0304
3 0,0148 0,136 0,0161 0,1011 0,1384 0,0493
4 0,0601 0,015 0,019 0,7613 0,6551 0,125
5 0,8629 0,0193 0,1293 0,8947 0,6254 0,1245
6 0,0739 0,1149 0,1919 0,1695 0,0725 0,0623
7 0,0127 0,045 0,0066 0,0188 0,0069 0,0181
8 0,143 0,0762 0,1018 0,0132 0,0929 0,1320
9 0,1008 0,2654 0,0275 0,037 0,0946 0,0022
10 0,042 0,0057 0,0233 0,1007 0,1715 0,0347
11 0,0135 0,007 0,0055 0,0068 0,0127 0,0069
12 0,0487 0,0693 0,0176 0,0019 0,0380 0,0071
13 0,0312 0,0749 0,0605 0,0486 0,0345 0,0519
14 0,1187 0,1024 0,3426 0,2138 0,6433 0,1784

2. Uji Normalitas Data

[DataSet1]

One-Sample Kolmogorov-Smirnov Test


Y 2014 Y 2015 X1 2014 X2 2015 X3 2014 X4 2015
N 14 14 14 14 14 14
Normal Mean ,116957 ,074357 ,107421 ,177686 ,192300 ,060414
Parametersa,b Std. ,2183071 ,0684808 ,1372949 ,2843790 ,2475786 ,0564123
Deviation
Most Extreme Absolute ,381 ,204 ,229 ,307 ,319 ,203
Differences Positive ,381 ,204 ,222 ,307 ,319 ,203
Negative -,316 -,158 -,229 -,267 -,227 -,158
Test Statistic ,381 ,204 ,229 ,307 ,319 ,203
Asymp. Sig. (2-tailed) ,000c ,120c ,045c ,001c ,000c ,123

Setelah dilakukan Uji Normalitas Data menggunakan KOLMOGOROV-SMIRNOV, selanjutnya kita dapat
mendeteksi normalitas data dengan menentukan terlebih dahulu hipotesis pengujian yaitu :
 Hipotesis Nol (Ho) : Data terdistribusi secara normal
 Hipotesis Alternatif (HA) : Data tidak terdistribusi secara normal
Hipotesis Ho diterima jika Asymp. Sig. (2-tailed) > 0,05 dan Hipotesis Ho ditolak jika Asymp. Sig. (2-tailed) >
0,05 maka HA diterima, hasil pengujian dapat dilihat dibawah ini :
One-Sample Kolmogorov-Smirnov Test
Y 2014 Y 2015 X1 2014 X2 2015 X3 2014 X4 2015
Asymp. Sig. (2-tailed) ,000c ,120c ,045c ,001c ,000c ,123
Ho ditolak Ho Ho ditolak Ho ditolak Ho ditolak Ho
diterima diterima
Diakibatkan adanya variabel Ho ditolak atau data tidak berdistribusi Normal, maka selanjutnya dilakukan
Transform data terhadap variabel Ho ditolak dengan hasil output sebagai berikut :
SQRT Y 2014 SQRT X1 2014 SQRT X2 2015 SQRT X3 2014
0,2676 0,3256 0,3450 0,1924
0,2086 0,6754 0,0346 0,2634
0,1217 0,1269 0,3180 0,3720
0,2452 0,1378 0,8725 0,8094
0,9289 0,3596 0,9459 0,7908
0,2718 0,4381 0,4117 0,2693
0,1127 0,0812 0,1371 0,0831
0,3782 0,3191 0,1149 0,3048
0,3175 0,1658 0,1924 0,3076
0,2049 0,1526 0,3173 0,4141
0,1162 0,0742 0,0825 0,1127
0,2207 0,1327 0,0436 0,1949
0,1766 0,2460 0,2205 0,1857
0,3445 0,5853 0,4624 0,8021

Setelah Transform Data dilakukan, maka kita lakukan uji kembali terhadap data ini untuk melihat Data
tersebut sudah terdistribusi Normal atau Tidak Normal dapat dilihat hasil output dibawah ini :

One-Sample Kolmogorov-Smirnov Test


  SQRT Y Y 2015 SQRT X1 SQRT X2 SQRT X3 X4 2015
2014 2014 2015 2014
N 14 14 14 14 14 14
Normal Mean 0,279646 0,074357 0,272876 0,321304 0,364448 0,060414
Parametersa,b
Std. Deviation 0,204296 0,068481 0,188402 0,283154 0,253087 0,056412
Most Absolute 0,243 0,204 0,215 0,181 0,232 0,203
Extreme Positive 0,243 0,204 0,215 0,181 0,232 0,203
Differences Negative -0,207 -0,158 -0,146 -0,156 -0,168 -0,158
Test Statistic 0,243 0,204 0,215 0,181 0,232 0,203
Asymp. Sig. (2-tailed) ,024c ,120c ,079c ,200c,e ,040c ,123c
Monte Carlo Sig. ,317d ,535d ,465d ,681d ,375d ,540d
Sig. (2-tailed) 99% Lower 0,305 0,522 0,452 0,669 0,363 0,527
Confidence Bound
Interval Upper 0,329 0,547     0,388 0,553
Bound

Maka dapat kita lihat Data yang sudah terdistribusi secara Normal atau Ho Diterima karena Nilai Monte
Carlo. Sig. (2-tailed) sudah diatas > 0,05

3. Uji Asumsi Klasik Serta Regresi Analisis Berganda


Uji Asumsi Klasik untuk Periode 2014

Descriptive Statistics
Mean Std. Deviation N
SQRT Y 2014 ,279646 ,2042957 14
SQRT X1 2014 ,272876 ,1884022 14
SQRT X3 2014 ,364448 ,2530872 14

Correlations
SQRT SQRT SQRT
Y 2014 X1 2014 X3 2014
Pearson SQRT Y 2014 1,000 ,317 ,600
Correlation SQRT X1 2014 ,317 1,000 ,285
SQRT X3 2014 ,600 ,285 1,000
Sig. (1-tailed) SQRT Y 2014 . ,135 ,012
SQRT X1 2014 ,135 . ,161
SQRT X3 2014 ,012 ,161 .
N SQRT Y 2014 14 14 14
SQRT X1 2014 14 14 14
SQRT X3 2014 14 14 14

Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
1 SQRT X3 2014, . Enter
SQRT X1 2014b

Model Summaryb
Model R R Square Adjusted R Std. Error of Durbin-
Square the Estimate Watson
1 ,619a ,384 ,271 ,1743815 2,179

ANOVAa
Model Sum of df Mean F Sig.
Squares Square
1 Regression ,208 2 ,104 3,421 ,070b
Residual ,334 11 ,030
Total ,543 13
Dilakukannya dasar pengambilan keputusan Uji F Simultan (Regresi Linear Berganda) berdasarkan nilai
Signifikansi, menurut Imam Ghozali jika nilai Sig < 0,05 maka artinya variabel independen (X) secara
simultan berpengaruh terhadap variabel dependent (Y), maka kesimpulan dari Uji F Simultan adalah sebagai
berikut :

 SQRT X1 2014 dan SQRT X3 2014 secara simultan berpengaruh terhadap SQRT Y 2014

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity Statistics
Coefficients Coefficients
B Std. Error Beta Tolerance VIF
1 (Constant) 0,069 0,099   0,702 0,497    
SQRT X1 2014 0,172 0,268 0,159 0,643 0,533 0,919 1,089

SQRT X3 2014 0,448 0,199 0,555 2,246 0,046 0,919 1,089

Dasar pengambilan keputusan Uji Multikolienaritas Tolerance dan VIF, menurut Imam Ghozali tidak adanya
gejala multikolinearitas, jika nilai Tolerance > 0,100 dan Nilai VIF < 10,00 dan kesimpulannya tidak terjadi
multikolinearitas terlihat dari SQRT X1 2014 Tolerance 0,919 lebih besar dari 0,100 dan VIF 1,089 lebih kecil
dari 10,00 serta pada Variabel SQRT X3 2014 Tolerance 0,919 lebih besar dari 0,100 dan VIF 1,089 lebih
kecil dari 10,00.

Dasar Pengmabilan Keputusan Uji T Parsial (Regresi Liniear Berganda) berdasarkan nilai signifikansi,
menurut Imam Ghozali jika nilai Sig. <0,05, artinya variabel indpenden (X) secara parsial berpengaruh
terhadap variabel dependent (Y). Kseimpulan Uji T Parsial adalah sebagai berikut :

 SQRT X1 2014 tidak berpengaruh terhadap SQRT Y 2014

 SQRT X3 2014 tidak berpengaruh terhadap SQRT Y 2014

Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Variance Proportions
Index (Constant) SQRT X1 SQRT X3
2014 2014
1 1 2,629 1,000 ,03 ,04 ,04
2 ,220 3,456 ,00 ,63 ,65
3 ,151 4,178 ,97 ,33 ,31

Residuals Statisticsa
Minimum Maximum Mean Std. N
Deviation
Predicted Value ,120592 ,529492 ,279646 ,1265153 14
Std. Predicted Value -1,257 1,975 ,000 1,000 14
Standard Error of ,051 ,124 ,077 ,025 14
Predicted Value
Adjusted Predicted ,122660 ,660727 ,294790 ,1627322 14
Value
Residual -,2105340 ,4433522 ,0000000 ,1604076 14
Std. Residual -1,207 2,542 ,000 ,920 14
Stud. Residual -1,604 3,017 -,035 1,111 14
Deleted Residual -,3716598 ,6242527 -,0151449 ,2362294 14
Stud. Deleted Residual -1,747 6,924 ,229 2,052 14
Mahal. Distance ,162 5,674 1,857 1,831 14
Cook's Distance ,000 1,238 ,188 ,364 14
Centered Leverage ,012 ,436 ,143 ,141 14
Value

Charts
Melihat Perbandingan Nilai t dengan Kurva
Ttabel T hitung SQRT T hitung SQRT
X1 2014 0,643 X3 2014 2,246
-2,201

Ttabel
Area
2,201
Berpengaruh
Negatif Area Tidak
Berpengaruh Area Berpengaruh
Positif

Kesimpulan dari Uji t Parsial adalah :


 SQRT X1 2014 Tidak Berpengaruh terhadap SQRT Y 2014
 SQRT X3 2014 Berpengaruh Positif terhadap SQRT Y 2014

Adapun dasar pengambilan keputusan Uji Normalitas Probability Plot, menurut Imam Ghozali model regresi
dikatakan terdistribusi normal jika data ploting (titik-titik) yang menggambarkan data sesungguhnya mengikuti
garis diagonal, kesimpulannya model regresi berdistribusi normal terlihat dari Plot diatas garis titik-titik
tersebut mengikuti garis diagonal.
Adapun dasar pengambilan keputusan Uji Heteroskedastistias Scatterplots, menurut Imam Ghozali tidak
terjadi Heteroskedastistias jika tidak ada pola yang jelas (bergelombang, melebar kemudian menyempit)
pada gambar scatterplots, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y serta
kesimpulannya tidak ada gejala Heteroskedastistias terlihat dari pola diatas menyebar ditas dan dibawah
angka 0.

Uji Asumsi Klasik untuk Periode 2015

Descriptive Statistics
Mean Std. Deviation N
Y 2015 ,074357 ,0684808 14
SQRT X2 2015 ,321304 ,2831537 14
X4 2015 ,060414 ,0564123 14

Correlations
Y 2015 SQRT X4 2015
X2 2015
Pearson Y 2015 1,000 -,200 -,152
Correlation SQRT X2 2015 -,200 1,000 ,623
X4 2015 -,152 ,623 1,000
Sig. (1-tailed) Y 2015 . ,247 ,302
SQRT X2 2015 ,247 . ,009
X4 2015 ,302 ,009 .
N Y 2015 14 14 14
SQRT X2 2015 14 14 14
X4 2015 14 14 14

Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
1 X4 2015, . Enter
SQRT X2
2015b

Model Summaryb
Model R R Adjusted R Std. Error of Durbin-
Square Square the Estimate Watson
1 ,203a ,041 -,133 ,0729016 2,429

ANOVAa
Model Sum of df Mean F Sig.
Squares Square
1 Regression ,003 2 ,001 ,236 ,794b
Residual ,058 11 ,005
Total ,061 13
Dasar pengambilan keputusan dari Uji F Simultan (Regresi Linear Berganda) berdasarkan nilai Signifikansi,
menurut Imam Ghozali jika nilai Sig < 0,05, artinya variabel independen (X) secara simultan berpengaruh
terhadap variabel dependent (Y), kesimpulan dari Uji F Simultan adalah sebagai berikut :

 SQRT X1 2014 dan SQRT X3 2014 secara simultan berpengaruh terhadap SQRT Y 2014

Coefficientsa
 
Model Unstandardize Standardized t Sig. Collinearity Statistics
d Coefficients Coefficients

B Std. Beta Tolerance VIF


Error
1 (Constant) 0,091 0,032   2,885 0,015    
SQRT X2 2015 -0,042 0,091 -0,172 -0,456 0,658 0,612 1,633
X4 2015 -0,054 0,458 -0,045 -0,118 0,908 0,612 1,633
Dasar pengambilan keputusan Uji Multikolienaritas Tolerance dan VIF, menurut Imam Ghozali tidak terjadi
gejala multikolinearitas, jika nilai Tolerance > 0,100 dan Nilai VIF < 10,00 dan kesimpulannya tidak terjadi
multikolinearitas terlihat dari SQRT X2 2015 Tolerance 0,612 lebih besar dari 0,100 dan VIF 1,633 lebih kecil
dari 10,00 serta pada Variabel X4 2015 Tolerance 0,612 lebih besar dari 0,100 dan VIF 1,633 lebih kecil dari
10,00.

Dasar pengambilan keputusan dari Uji T Parsial (Regresi Liniear Berganda) berdasarkan nilai signifikansi,
menurut Imam Ghozali jika nilai Sig. <0,05, artinya variabel indpenden (X) secara parsial berpengaruh
terhadap variabel dependent (Y). Kseimpulan Uji T Parsial adalah sebagai berikut :

 SQRT X2 2015 tidak berpengaruh terhadap Y 2015

 X4 2015 tidak berpengaruh terhadap Y 2015


Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Variance Proportions
Index (Constant) SQRT X2 X4
2015 2015
1 1 2,562 1,000 ,05 ,03 ,04
2 ,275 3,050 ,94 ,10 ,22
3 ,163 3,968 ,02 ,87 ,75

Residuals Statisticsa
Minimum Maximum Mean Std. N
Deviation
Predicted Value ,044924 ,088787 ,074357 ,0138787 14
Std. Predicted Value -2,121 1,040 ,000 1,000 14
Standard Error of ,020 ,051 ,032 ,012 14
Predicted Value
Adjusted Predicted ,023542 ,101186 ,074454 ,0204161 14
Value
Residual -,0801819 ,1825324 ,0000000 ,0670597 14
Std. Residual -1,100 2,504 ,000 ,920 14
Stud. Residual -1,192 2,728 -,001 1,009 14
Deleted Residual -,0941862 ,2167167 -,0000967 ,0813850 14
Stud. Deleted Residual -1,218 4,575 ,132 1,425 14
Mahal. Distance ,059 5,429 1,857 2,057 14
Cook's Distance ,000 ,465 ,071 ,124 14
Centered Leverage ,005 ,418 ,143 ,158 14
Value

Charts
Melihat Perbandingan Nilai t dengan Kurva

T hitung SQRT
X2 2015 -0,456
Ttabel
Ttabel
T hitung X4
-2,201
2015 -0,118 2,201

Area Area Tidak Area Berpengaruh


Berpengaruh Berpengaruh Positif
Negatif

Kesimpulan Uji t Parsial adalah :


 SQRT X2 2015 Tidak Berpengaruh terhadap Y 2015
 X4 2015 Tidak Berpengaruh terhadap Y 2015
Dasar pengambilan keputusan Uji Normalitas Probability Plot, menurut Imam Ghozali model regresi
dikatakan berdistribusi normal jika data ploting (titik-titik) yang menggambarkan data sesungguhnya
mengikuti garis diagonal, kesimpulannya model regresi terdistribusi normal terlihat dari Plot diatas garis titik-
titik tersebut mengikuti garis diagonal.

Dasar pengambilan keputusan Uji Heteroskedastistias Scatterplots, menurut Imam Ghozali tidak terjadi
Heteroskedastistias jika tidak ada pola yang jelas (bergelombang, melebar kemudian menyempit) pada
gambar scatterplots, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y serta
kesimpulannya tidak ada gejala Heteroskedastistias terlihat dari pola diatas menyebar ditas dan dibawah
angka 0.
4. Model Matematika
Model matematika Penelitian setelah dilakukannya regresi linear berganda berdasarkan uji asumsi klasik

PERIODE 2014

Uji Autokorelasi Durbin Watson

DW Test = du < Durbin Watson < 4-du


DW Test = 1,551 < 2,179 < 2,449
Tidak ada gejala Autokorelasi

Uji t Parsial berdasarkan nilai hitung dan tabel


a. Uji t
Ttabel = t(α/2;n-k-1) = t (0,025;11) = 2,201

b. Uji f
Ftabel = f(k;n-k) = f(2;12) = 3,89

Uji F Simultan berdasarkan nilai hitung dan tabel


Ttabel = (k;n-k) = (2; 14-3) = (2;11) = 3,98

PERIODE 2015

Uji Autokorelasi Durbin Watson

DW Test = du < Durbin Watson < 4-du


DW Test = 1,551 < 2,429 < 2,449
Tidak ada gejala Autokorelasi

Uji t Parsial berdasarkan nilai hitung dan tabel


a. Uji t
Ttabel = t(α/2;n-k-1) = t (0,025;11) = 2,201

b. Uji f
Ftabel = f(k;n-k) = f(2;12) = 3,89

Uji F Simultan berdasarkan nilai hitung dan tabel


Ttabel = (k;n-k) = (2; 14-3) = (2;11) = 3,98