Data Skunder Master PDF

ANALISIS PENGARUH FREKUENSI NILAI UJIAN MATAKULIAH
PADA PRODI SISTEM INFORMASI DATA N = 190

PADA PRODI TEKNOLOGI KOMPUTER DATA N = 190
PADA PRODI TEKNIK INDUSTRI DATA N = 190
PADA PRODI ILMU KOMPUTER DATA N = 190
MAKALAH STATISTIKA PROJECT
Dosen Pengampu Bapak Husni Mubarok, M.Si.

Diajukan Untuk Memenuhi Salah Satu Persyaratan KBK Ujian Akhir Semester
Matakuliah (700) Statistika Semester Ganjil 2022 2023
Disusun Oleh Kelompok 1:
HUSNI MUBAROK NIM 201909261

NAMA NIM
NAMA NIM
NAMA NIM
NAMA NIM
NAMA NIM
NAMA NIM
NAMA NIM
UNIVERSITAS BINA SARANA INFORMATIKA

PRODI SISTEM INFORMASI, TEKNOLOGI KOMPUTER, TEKNIK INDUSTRI
FAKULTAS TEKNIK DAN INFORMATIKA KAMPUS KOTA TEGAL
2022
i
KATA PENGANTAR
Assalamu’alaikum Warohmatullohi Wabarokatuh.
Puji syukur penulis panjatkan kehadirat Allah Subahanahuwataallah karena atas

rahmat dan hidayah-Nya penulis dapat menyelesaikan Statistika Project, yang berjudul
Analisis Pengaruh Frekuensi Nilai Ujian Matakuliah Pada Prodi Sistem Informasi Data
N = 190 penulis berharap Statistika Project ini dapat menambah pengetahuan penulis pada
khususnya dan semua pihak atau kita semua pada umumnya pada Universitas Bina Sarana
Informatika Fakultas Teknologi Informasi Program Studi Sistem Informasi.
Tiada gading yang tidak retak demikian halnya dengan penulis tidak luput dari
kesalahan dalam menyusun Statistika Project ini oleh karena itu kritik dan saran membangun
penulis harapkan untuk semakin menyempurnakan Statistika Project ini demi kemajuan ilmu
pengetahuan yang bermanfaat bagi kemajuan umat. Meskipun demikian penulis telah
berusaha semaksimal mungkin untuk menyelesaikan Statistika Project ini dengan baik dan
benar.
Pada kesempatan ini dengan segala hormat dan rendah hati, penulis mengucapkan
terimaksih yang sebesar-besarnya kepada:
1. Rektor UBSI Bapak Dr. Ir. Mochamad Wahyudi, MM, M.Kom, M.Pd. IPU. Wakil
Rektor I UBSI Ibu Diah Puspitasari, M.Kom., Dekan Fakultas Teknik dan Informatika
Bapak Dr. Didi Rosiyadi, M.Kom., Pimpinan UBSI Kampus Utama Bapak …..,
Pimpinan UBSI PSDKU Kampus Kota Tegal Bapak Warjiyono, M.Kom. dan Para
Dosen Universitas Bina Sarana Informatika.
2. Bapak Husni Mubarok, M.Si. selaku dosen pengampu matakuliah Statistika yang telah
bersedia meluangkan waktu dan tenaga untuk memberikan petunjuk, bimbingan, dan
pengarahan pada penulis dalam menyusun Statistika Project ini.
3. Kepada teman-teman Kelas 12.3A.35, 12.3C.35, 13.3A.35, 73.3A.07, 15.3A.31, Kedua
orang tua tercinta dan tersayang dan segenap keluarga yang telah memberikan doa restu,
dukungan baik moral dan material kepada penulis, sehinga penulis dapat menyelesaikan
Statistika Project ini.
Pada akhirnya penulis berharap semoga Statistika Project ini dapat bermanfaat bagi
pihak-pihak yang membutuhkan, oleh karena itu penulis mengharapkan kritik dan saran yang
membangun dari seluruh pihak demi kesempurnaan Statistika Project ini. Demikianlah
sepatah kata yang dapat penulis sampaikan pada Statistika Project ini atas perhatiannya kami
mengucapkan terimakasih.
Wassalamu’alaikum Warohmatullohi Wabarokatuh.
Tegal, Jakarta, Bekasi, 12/13/14 September 2022
Team Penulis
ii
DAFTAR ISI
Halaman
HALAMAN SAMPUL ................................................................................................... i
KATA PENGANTAR .................................................................................................... ii
DAFTAR ISI .................................................................................................................. iii
DAFTAR TABEL .......................................................................................................... iii
DAFTAR GAMBAR/GRAFIK ..................................................................................... iv
DAFTAR LAMPIRAN .................................................................................................. v
BAB I PENDAHULUAN ............................................................................................... 1

1.1. Latar Belakang .................................................................................................... 1
1.2. Rumusan Masalah ............................................................................................... 1
1.3. Tujuan Penelitian ................................................................................................ 1
1.4. Manfaat Penelitian .............................................................................................. 1
1.5. Aaaa .................................................................................................................... 1
1.6. Aaa ...................................................................................................................... 1
BAB II KAJIAN PUSTAKA .......................................................................................... 2
2.1. aaa ...................................................................................................................... 2
2.2. Aaaa ................................................................................................................... 2
BAB III HASIL DAN PEMBAHASAN ......................................................................... 3
3.1. Aaa ..................................................................................................................... 3
3.2. Aaa ..................................................................................................................... 3
BAB IV PENUTUP ....................................................................................................... 4
4.1. Kesimpulan ........................................................................................................ 4
4.2. Saran .................................................................................................................. 4
DAFTAR PUSTAKA ..................................................................................................... 35

LAMPIRAN .................................................................................................................... 36
iii
DAFTAR TABEL
Halaman
Tabel 1 Frekuensi Data ..................................................................................................... 2
Tabel 2 Analyze Descriptive Statistic .............................................................................. 12
Tabel 3 Interpretasi Koefisien Korelasi ........................................................................... 17
Tabel 4 Koefisien Korelasi Bivariate/Product Moment Person ....................................... 18
Tabel 5 Koefisien Korelasi Kendall & Spearman ............................................................ 21
Tabel 6 Output Pertama ................................................................................................... 27
Tabel 7 Output Kedua ....................................................................................................... 28
Tabel 8 Output Ketiga ....................................................................................................... 30
Tabel 9 Output Keempat ................................................................................................... 31
Tabel 10 Hasil Analisis Multikolinearietas....................................................................... 33
iv
DAFTAR GRAFIK/GAMBAR
Halaman
Gambar 1 Variabel Penelitian .......................................................................................... 2
Gambar 2 Regression Standardized Residural ................................................................ 16
Gambar 3 Observed Cum Prob ........................................................................................ 16
Gambar 4 Regression Standardized Predicted Value ...................................................... 16
v
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Input Pengolahan Data SPSS ................................................................... 36
Lampiran 2 Output Pengolahan Data SPSS ................................................................. 41
vi
BAB I
PENDAHULUAN
1.1. Latar belakang

Secara etimologis kata statistic berasal dari kata status (bahasa latin) yang mempunyai
persamaan arti dengan kata state (bahasa inggris) atau kata staat (bahasa belanda), dan yang
dalam bahasa indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistic diartikan
sebagai kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif)
maupun yang tidak berwujud angka (data kualitalif), yang mempunyai arti penting dan
kegunaan yang besar bagi suatu Negara. Namun, pada perkembangan selanjutnya, arti kata
statistic hanya di batasi pada kumpulan bahan keterangan yang berwujud angka (data
kuantitatif) dan yang tidak berwujud (data kualitatif). Istilah statistic juga sering diberi
pengertian sebagai kegiatan statistic atau kegiatan persetatistikan atau kegiatan pensetatistikan.
Sebagai disebutkan dalam undang-undang No. 7 tahun 1960), kegiatan statistic mencakup 4
hal, yaitu: (1) pengumpulan data, (2) penyusunan data, (3) pengumuman dan pelaporan data,
dan (4) analisis data.
Mata kuliah statistika bagi mahasiswa sangat diperlukan terutama ketika mahasiswa
harus mengumpulkan data, mengklasifikasikan data, mengelolah data, menganalisis data dan
mengimplementasikan data untuk dipakai dalam penyusunan metodologi penelitian. Sebagai
suatu khasanah keilmuan, ada pengertian dari statistik dan statistika. Statistik adalah
kumpulan data dalam bentuk angka maupun bukan angka yang disusun dalam bentuk tabel
(daftar) dan diagram yang menggambarkan atau berkaitan dengan suatu masalah tertentu.
Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara
mengumpulkan, mengelola, menganalisis dan mengimplementasikan data untuk disajikan
secara lengkap dalam bentuk yang mudah dipahami pengguna.
Sesuai dengan latar belakang diatas, maka penulis mengambil rumusan masalah dari
data skunder dengan judul Analisis Pengaruh Frekuensi Nilai Ujian Matakuliah Pada
Prodi Sistem Informasi Data N = 190.
1.2. Rumusan Masalah

Berdasarkan data skunder, maka penulis menganalisis dan menginterpretasikan dari
data skunder tersebut yang menggunakan Microsoft Excel dan program aplikasi SPSS:
1. Distribusi Frekuensi Variabel.
2. Analyze Descriptive Statistic Frequencies
3. Analyze Compare Means One-Sample T Test
4. Analyze Correlate Bivariate Correlations
5. Analyze Regression Linear
1.3. Tujuan penelitian

Berdasarkan perumusan masalah diatas, maka tujuan penelitian yang dilakukan penulis
untuk mengetahui secara ilmiah hasil statistik dari Analisis Pengaruh Frekuensi Nilai Ujian
Matakuliah Pada Prodi Sistem Informasi Data N = 190. Untuk lebih memusatkan perhatian
pada permasalahan yang ada, maka penulis membatasi masalah hanya pada analisis data
skunder nilai uji matakuliah 190 mahasiswa yang aktif.
1.4. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah penulis berharap hasil penelitaian
ini dapat berguna bagi penulis penelitian ini merupakan implementasi ilmu pengetahuan yang
selama ini telah dipelajari dari bangku kuliah sehingga dapat melakukan perbandingan dengan
1
kenyataan yang diperoleh dari penelitian langsung dapat memberikan kontribusi dalam
khasanah keilmuan, menambah wawasan, dan pengetahuan secara teoritis dan praktis tentang
hasil statistik dari dari Analisis Pengaruh Frekuensi Nilai Ujian Matakuliah Pada Prodi
Sistem Informasi Data N = 190. Bagi para pembaca dapat menambah pengetahuan sebagai
tambahan relefansi yang akan menyusun jurnal yang ada kaitannya dengan penulisan ini dan
menambah litelatur.
2
BAB II
KAJIAN PUSTAKA
2.1. Analisis Statistik

Analisis statistik yaitu sebuah cara untuk menggambarkan permasalahan berdasar atas
data yang dipunyai. Caranya yaitu dengan menyusun data sehingga bisa dipahami dengan
mudah. Analisis regresi linear adalah analisis data yang dipergunakan dalam penelitian kali
ini. Di mana sebelumnya terlebih dahulu diadakan Uji Normalitas dan Uji Asumsi Klasik
(Priyatno, 2011).
Untuk uji normalitasnya, data dicek memakai Uji Kolmogorov-Smirnov One Sample
Test, yaitu dengan melakukan pengamatan terhadap nilai signifikansi residual. Caranya
dengan melihat nilai probabilitasnya. Menurut (Priyatno, 2011), apabila didapati nilai
probabilitas > 0,050, maka itu berarti residual berdistribusi normal. Sebaliknya, apabila
probabilitas < 0,050, maka residual tidak berdistribusi normal (Priyatno, 2011).
1. Uji Multikolinearitas dimanfaatkan untuk menguji apakah model regresi kedapatan adanya
korelasi antar variabel bebas independen. Model regresi yang bagus seharusnya tidak
terjadi korelasi antara variabel independen. Metode pengujian yang dipergunakan yaitu
dengan mengamati nilai Variance Inflation Factor (VIF) dan Tolerance pada model
regresi. Apabila menggunakan pendekatan Variance Inflation Factor (VIF) untuk menguji
hipotesisnya maka kriteria atau ukuran yang digunakan sebagai berikut: Apabila angka
koefisien VIF hitung pada Collinearity Statistic sama dengan atau lebih kecil dari pada 10
(VIF hitung ≤ 10), maka Ho diterima yang berarti tidak terdapat hubungan antara variabel
independen (tidak terjadi gejala multikolinearitas). Apabila harga koefisien VIF hitung
pada Collinearity Statistic lebih besar dari pada 10 (VIF hitung > 10), maka Ho ditolak
yang berarti terdapat hubungan antar variabel independen (terjadi gejala multikolinearitas)
(Sudarmanto, 2013).
2. Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1
(sebelumnya). Autokorelasi muncul disebabkan adanya observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu observasi ke observasi yang lainnya. Hal ini sering
ditemukan pada data runtut waktu (time series) karena residual pada sebuah variabel
cenderung mempengaruhi residual pada variabel yang sama pada periode berikutnya.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi
ada tidaknya autokorelasi maka dilakukan uji Durbin-Watson dengan melihat beberapa
jumlah sampel dan variabel bebas yang diteliti yang kemudian dilihat angka ketentuannya
pada tabel Durbin-Watson (Priyatno, 2011).
3. Uji Heteroskedastisitas bermaksud untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual pada satu peninjauan ke pengamatan yang lain. Jika
variance dari residual pada satu pengamatan ke pengamatan yang lain sama disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas dalam penelitian ini
dilakukan melalui metode scatterplot, yaitu dengan melakukan pengamatan terhadap pola
titik-titiknya. Pada metode scatterplot, titik-titiknya menyebar di atas dan dibawah angka 0
pada sumbu Y dan titik membentuk pola tertentu dapat dikatakan bahwa tidak terjadi
masalh heteroskedastisitas (Priyatno, 2011).
Menurut (Sugiyono, 2014), statistik deskriptif memiliki tugas mengatur dan melakukan
analisis data yang berupa angka, agar bisa memberikan gambaran perihal sebuah kondisi yang
bisa disimpulkan artinya secara ringkas, teratur dan jelas. Maka, fungsi dari statistik deskriptif
3
yaitu pemberi gambaran perihal objek yang diteliti melalui sampel yang apa adanya, tanpa
analisis serta membuat keputusan yang berlaku untuk umum.
2.2. Teknik Analyze Regression Linear

Teknik Analyze Regression Linear 1. persamaan regresi berganda harus ditentukan, 2.
menentukan pula nilai kesalahan baku estimasi berganda, 3. memanfaatkan analisis hubungan
berganda untuk menentukan kuat/tidak hubungan yang terjadi antara variabel independent
dengan variabel dependent. Persamaannya adalah sebagai berikut:
(Kelas 12.3A.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Sistem Informasi
X4 Akuntansi Dasar Management
X5 Sistem Operasi
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 1 N=193 (Kelas 12.3A.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Perancangan Sistem Orientasi
X4 Akuntansi Dasar Objek
X5 Sistem Operasi
X6 Sistem Informasi Management
X1 Statistika
X2 Web Programming
X3 Character Building Y Sistem Operasi
X4 Akuntansi Dasar
X1 Statistika
X2 Web Programming
X3 Character Building Y Akuntansi Dasar
X5 Sistem Operasi
4
X1 Statistika
X2 Web Programming
X3 Sistem Informasi Management Y Character Building
X4 Akuntansi Dasar
X5 Sistem Operasi
X1 Statistika
X3 Character Building Y Web Programming
X4 Akuntansi Dasar
X5 Sistem Operasi

X2 Web Programming
X3 Character Building
Y Statistika
X4 Akuntansi Dasar
X5 Sistem Operasi
X1 Statistika
X2 Web Programming
X3 Character Building Y Sistem Informasi
X4 Akuntansi Dasar Management
X5 Sistem Operasi
5
(Kelas 12.3C.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Perancangan Sistem Orientasi
X4 Akuntansi Dasar Objek
X5 Sistem Operasi
Gambar 1. Variabel Penelitian Kelompok 1 N=198 (Kelas 12.3C.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Sistem Operasi
X4 Akuntansi Dasar
X1 Statistika
X2 Web Programming
X3 Character Building Y Akuntansi Dasar
X5 Sistem Operasi
6
(Kelas 13.3A.35)
X1 Statistika
X2 Mikrokontroler
X3 Arsitektur Komputer Y Pemprograman Berbasis Objek
X4 Pratikum Elektronika
X5 Routing dan Switching Essentials
X6 Sistem Basis Data
X1 Statistika
X2 Pemprograman Berbasis Objek
X3 Arsitektur Komputer Y Mikrokontroler

X2 Mikrokontroler
X3 Arsitektur Komputer Y Statistika
X1 Statistika
X2 Mikrokontroler
X3 Arsitektur Komputer Y Routing dan Switching Essentials
7
(Kelas 15.3A.31)
X1 Statistika
X2 Praktikum jaringan komputer
X3 Web Programming 1 Y Grafika Komputer
X4 Mobile Programming
X5 Jaringan Komputer
X1 Statistika
X2 Grafika Komputer
X3 Web Programming 1 Y Praktikum jaringan komputer
X1 Statistika
X3 Grafika Komputer Y Web Programming 1
X1 Statistika
X3 Web Programming 1 Y Mobile Programming
X4 Grafika Komputer
8
(Kelas 73.3A.07)
X1 Menggambar Teknik
X2 Sistem Informasi Manajemen
X3 Kalkulus II Y Statistika
X4 Mekatronika
X5 Rekayasa Lingkungan
X6 Material Teknik
X7 Logika dan Algoritma
X3 Kalkulus II Y Mekatronika
X4 Statistika
X6 Material Teknik
X3 Kalkulus II Y Rekayasa Lingkungan
X4 Mekatronika
X5 Statistika
X6 Material Teknik
X3 Kalkulus II Y Logika dan Algoritma
X4 Mekatronika
X6 Material Teknik
X7 Statistika
9
Y = α + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 +e
Dimana:
Variabel Y=Matakuliah
α=Constanta
Variabel X1=Matakuliah
Variabel X2= Matakuliah
β=Koefisien regresi dari variabel independen
e=Kesalahan residual
Durbin Watson: Kriteria yang digunakan untuk menyatakan ada tidaknya autokorelasi
sebagai berikut (Sudarmanto, 2013: 271);
a. Jika hipotesis nol (Ho) menyatakan bahwa tidak ada serial autokorelasi yang positif,
maka:
d < dl = Menolak Ho
d > dl = Tidak Menolak Ho
dl ≤ d ≤ du = Pengujian tidak menyakinkan
b. Jika hipotesis nol (Ho) menyatakan bahwa tidak ada serial autokorelasi yang negatif,
maka:
d > 4 - dl = Menolak Ho
d < 4 – du = Tidak Menolak Ho
4 – du ≤ d ≤ 4 – dl = Pengujian tidak menyakinkan
c. Jika hipotesis nol (Ho) menyatakan bahwa tidak ada serial autokorelasi yang positif dan
negatif, maka:
d < dl = Menolak Ho
d > 4 - dl = Menolak Ho
du < d < 4 – du = Tidak Menolak Ho
4 – du ≤ d ≤ 4 – dl = Pengujian tidak menyakinkan
Ringkasan output hasil analisis multikolinearietas menggunakan Variance Inflation

Factor (VIF) (Sudarmanto, 2013:239). Apabila menggunakan pendekatan Variance Inflation
Factor (VIF) untuk menguji hipotesisnya maka kriteria atau ukuran yang digunakan 1).
Apabila harga koefisien VIF hitung pada Collinearity Statistic sama dengan atau lebih kecil
dari pada 10 (VIF hitung ≤ 10), maka Ho diterima yang berarti tidak terdapat hubungan
antarvariabel independen (tidak terjadi gejala multikolinearitas). 2). Apabila harga koefisien
VIF hitung pada Collinearity Statistic lebih besar dari pada 10 (VIF hitung > 10), maka Ho
ditolak yang berarti terdapat hubungan antarvariabel independen (terjadi gejala
multikolinearitas).
Menurut Singgih Santoso (2015:315) korelasi bivariate adalah pembahasan mengenai
besar hubungan antara dua (bi) variable. 1). Koefisien korelasi bivariate/product moment
pearson. Koefisien ini mengukur keeratan hubungan di antara hasil-hasil pengamatan dari
populasi yang mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa
populasi asal sampel mempunyai dua varian dan berdistribusi normal. Korelasi pearson
banyak digunakan untuk mengukur korelasi data interval atau rasio. 2). Korelasi peringkat
10
spearman (Rank-Spearman) dan Kendall. Koefisien ini lenih mengukur keeratan hubungn
antara peringkat-peringkat dibandingkan hasil pengamatan itu sendiri (seperti pada korelasi
Pearson). Perhitungan korelasi ini bisa digunakan untuk menghitung koefisien korelasi pada
data ordinal dan penggunaan asosiasi pada statistic non-parametik.
Dalam menganalisis dan menentukan tingkat hubungan antara variable Sugiyono
(2012:242) memberikan interpretasi terhadap koefisien korelasi (Product Moment Pearson dan
Spearman) yang menentukan tingkat hubungan antar variabel sebagai berikut:
Tabel 3. Interpretasi Korelasi
Interval Koefisien Tingkat Hubungan
0,000 – 0,199 Sangat Lemah
0,200 – 0,399 Lemah
0,400 – 0,599 Sedang
0,600 – 0,799 Kuat
0,800 – 1,000 Sangat Kuat
Sedangkan untuk menentukan tingkat hubungan antar variable dengan koefisien
korelasi Kendall yaitu : Jika nilai koefisien > 5 maka hubungan kuat, Jika nilai koefisien < 5
maka hubungan lemah. Signifikansi hasil korelasi Setelah angka korelasi didapat, maka bagian
kedua output SPSS adalah menguji apakah angka korelasi yang dapat benar-benar signifikan
atau dapat digunakan untuk menjelaskan hubungan dua variable. Hipotesis: Ho: Tidak ada
hubungan (korelasi) antara dua variable berarti angka korelasi adalah 0, H1: Ada hubungan
(korelasi) antara dua variable berarti angka korelasi adalah tidak 0. Jika dilakukan uji dua sisi
karena yang akan dicari adalah ada atau tidak adanya hubungan dua variable. Dasar
pengambilan keputusan adalah Jika probabilitas > 0,025, maka Ho diterima, Jika probabilitas
< 0,025, maka H1 diterima
Tabel 2. Hipotesis Penelitian
Hipotesis Keterangan
H1 CAR berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
H2 BOPO berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
H3 FDR berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
H4 NIM berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
H5 ROA berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
H6 ROE berpengaruh nilai positif dan nilai signifikan terhadap NPF Net.
11
BAB III
METODE PENELITIAN
3.1. Lokasi Penelitian

Data skunder yang dipakai dalam analisis ini adalah nilai ujian matakuliah yang diolah
dengan Ms. Excel dan aplikasi program SPSS, diharapkan dapat diketahui perkembangan
nilai ujian apakah memiliki hubungan dengan beberapa kemungkinan yang terjadi diantaranya
positif signifikan/tidak signifikan, negatif signifikan/tidak signifikan. Conceptual model dari
hasil pengolahan data yang dilakukan dengan menggunakan SPSS dapat dijelaskan mengenai
variabel-variabel yang terdapat pada model hasil statistik dari (*ganti dengan judul masing-
masing Pengaruh Indikator Rasio keuangan Terhadap Non-Performing Financing Net Pada PT
Bank Syariah Indonesia Tbk Tahun 2009-2021).
3.2. Teknik Pengumpulan Data Dan Analisis Data

3.2.1. Teknik Pengumpulan Data
Dalam Teknik pengumpulan data skunder dan analisis data skunder guna
menyelesaikan penelitian ini, penulis menggunakan langkah penelitian sebagai berikut :
a. Penelitian Lapangan dilakukan untuk memperoleh data skunder aktual yang berkaitan
dengan pokok permasalahan ini untuk mengetahui data-data yang diperlukan dalam
analisis ini dari Sumber data pada penelitian kali ini berasal dari nilai ujian matakuliah.
Sampling metodologi dari semua data yang dikumpulkan penulis menggunakan Purposive
Sampling matakuliah yang menjadi sampel ditentukan dengan kriteria. 1. Nilai ujian
matakuliah yang sudah dilakukan, adapun teknik pengumpulan datanya ialah observasi
non-partisipan 2. Nilai ujian matakuliah yang diterbitkan setelah ujian. Menurut
(Sugiyono, 2014), Purposive Sampling merupakan teknik/cara menentukan sampel
dengan mempertimbangkan hal-hal tertentu. Pada metode/teknik ini, pemilihan subjek
yang dijadikan sampel berdasarkan karakteristik tertentu yang dinilai memiliki hubungan
atau sangkut paut erat dengan ciri-ciri populasi yang sebelumnya telah diketahui. Dengan
demikian, unit sampel disesuaikan dengan kriteria-kriteria yang sesuai dengan tujuan
penelitian.
b. Penelitian Kepustakaan dilakukan untuk memperoleh teori dan konsep yang berhubungan
dengan materi jurnal yang akan dibahas dengan cara membaca dan mempelajari buku,
literature, dan bacaan catatan-catatan lain yang relevan dengan pembahasan materi jurnal
ini yang berhubungan dengan tema yang diajukan.
3.2.2. Analisis Data
Menurut pendapat (Sugiyono, 2014), Metode Deskriptif adalah metode yang dipakai
untuk menganalisis hasil sebuah penelitian, namun tidak untuk membuat kesimpulan yang
lebih luas. Jenis penelitian yang dilakukan ialah penelitian deskriptif komparatif, yaitu
membandingkan antara nilai ujian matakuliah, sehingga bisa dilihat seberapa rendah dan
tinggi nilai ujian matakuliah. Metode penelitian kuantitatif adalah metode penelitian yang
berpegang atau berpedoman pada filsafat positivism. Umumnya dipakai dalam meneliti
populasi tertentu. Untuk pengumpulan datanya biasanya memanfaatkan instrumen penelitian.
Sedangkan analisis datanya secara kuantitatif statistik, di mana tujuannya yaitu untuk menguji
hipotesis yang telah ditetapkan. Penelitian ini menggunakan gaya deskriptif dengan kreasi
studi kasus kuantitatif.
12
BAB IV
HASIL DAN PEMBAHASAN
Untuk penelitian kali ini, peneliti mendapatkan data skunder dari nilai ujian matakuliah
mahasiswa yang aktif. Nilai ujian matakuliah tersebut memenuhi kriteria untuk purposive
sampling dalam penelitian ilmiah. Hasil statistik dari (*sesuai judul masing-masing kelompok
Pengaruh Indikator Rasio Keuangan Terhadap Non-Performing Financing Net Pada PT Bank
Syariah Indonesia Tbk.
Tabel 1. Data skunder Nilai Ujian Matakuliah

No X1 X2 X3 X4 X5 X6 X7 Y
1 93 67 82 58 85 78 62 95
2 90 70 70 60 81 70 50 92
3 90 60 70 40 90 75 50 94
4 90 60 80 60 78 80 40 93
5 90 70 75 50 88 70 60 92
6 90 70 77 40 77 70 60 96
7 90 60 60 50 93 60 60 90
8 90 60 70 60 82 70 50 90
9 90 60 70 50 81 76 50 90
10 92 60 70 50 82 70 40 92
11 90 70 80 70 91 80 50 94
12 90 60 70 50 85 70 30 95
13 90 60 71 60 78 70 60 96
14 90 60 71 70 76 74 40 90
15 90 70 72 60 77 70 40 90
16 90 60 70 60 82 70 40 90
17 90 60 78 60 82 70 50 90
18 93 70 70 70 83 74 40 93
19 90 70 70 60 82 70 40 90
20 94 60 70 60 80 70 40 94
21 100 70 50 60 80 50 50 100
22 100 60 60 80 80 60 40 100
23 100 60 60 60 80 67 90 100
24 100 60 70 60 76 70 90 100
25 100 60 70 50 81 70 90 100
26 100 60 70 80 82 70 90 100
27 100 60 70 50 83 70 90 100
28 100 60 70 60 83 70 90 100
29 100 60 70 40 85 70 92 100
30 100 70 70 50 82 70 93 100
31 100 60 70 50 83 70 94 100
13
32 90 60 70 50 81 70 90 97
33 100 50 70 50 80 80 90 100
34 95 60 80 60 80 80 90 95
35 94 60 70 50 80 70 90 98
36 90 60 70 50 82 70 90 99
37 90 60 70 40 82 70 90 92
38 90 60 70 60 82 70 90 93
39 100 50 70 60 92 70 90 100
40 90 60 80 60 90 76 90 90
41 96 60 60 50 90 60 90 96
42 90 60 60 50 70 60 94 91
43 90 60 50 40 94 50 98 92
44 90 60 60 50 81 60 90 93
45 90 70 60 30 95 60 94 94
46 90 70 60 60 86 60 93 95
47 90 60 70 40 93 70 92 96
48 90 60 60 40 91 60 90 97
49 90 60 60 40 93 60 90 98
50 90 60 60 50 94 60 100 94
51 90 60 60 40 85 60 90 92
52 97 50 60 40 82 60 90 91
53 90 60 60 40 94 665 90 93
54 90 60 60 50 87 60 90 94
55 90 60 60 40 80 60 91 93
56 80 60 40 40 82 40 92 82
57 90 60 60 40 81 60 96 92
58 90 60 70 50 83 70 94 90
59 80 50 50 40 94 50 95 80
60 90 60 70 50 84 70 85 91
61 90 70 70 60 83 70 75 92
62 90 50 80 50 81 80 73 93
63 90 60 70 50 82 70 72 94
64 90 60 70 50 95 70 83 96
65 90 60 80 60 82 80 88 98
66 90 60 70 60 82 70 87 99
67 90 60 80 70 95 80 80 90
68 90 60 70 50 84 70 85 90
69 90 50 60 50 82 67 67 90
70 90 60 80 50 83 80 75 90
71 90 60 70 60 81 70 96 90
72 90 60 60 60 85 60 92 90
73 90 60 70 40 93 70 92 90
74 90 60 60 50 95 60 82 90
75 90 70 40 40 82 40 92 90
14
76 90 60 40 60 76 40 82 90
77 90 50 60 50 83 60 80 90
78 92 50 70 40 75 80 85 92
79 93 50 70 40 95 70 67 93
80 94 60 50 50 77 50 50 94
81 90 50 70 70 92 70 60 91
82 90 60 70 40 75 70 60 92
83 90 60 60 60 82 60 70 93
84 90 60 80 50 69 80 60 94
85 90 60 80 60 82 80 60 95
86 90 60 80 50 81 80 50 96
87 90 50 60 50 87 66 40 97
88 90 60 40 50 78 40 50 98
89 90 60 70 60 75 70 40 91
90 90 60 80 60 77 80 60 93
91 94 70 80 70 81 86 40 92
92 98 60 80 60 81 80 40 98
93 90 50 70 60 76 70 60 90
94 94 60 90 50 83 90 60 94
95 93 60 70 40 95 70 50 93
96 92 60 90 50 85 99 60 92
97 90 60 60 40 75 60 70 91
98 90 60 70 60 73 70 50 92
99 100 60 80 40 72 80 50 100
100 90 60 80 40 83 87 50 90
101 90 60 70 60 88 70 80 93
102 90 60 80 60 87 80 86 94
103 90 50 70 50 80 70 80 95
104 91 60 80 60 85 80 70 91
105 92 60 70 70 67 70 90 92
106 96 50 80 50 75 80 70 94
107 94 60 70 50 96 80 99 99
108 90 50 80 50 92 80 60 90
109 90 50 70 40 92 70 60 93
110 90 50 80 40 82 80 60 94
111 90 50 70 40 92 72 70 95
112 90 50 80 40 82 80 60 96
113 90 50 70 50 80 70 50 97
114 90 60 80 60 85 80 60 96
115 90 60 70 70 67 70 60 90
116 90 60 60 50 81 60 90 93
117 90 70 60 30 95 60 94 94
118 90 70 60 60 86 60 93 95
119 90 60 70 40 93 70 92 96
15
120 90 60 60 40 91 60 90 97
121 90 60 60 40 93 60 90 98
122 90 60 60 50 94 60 100 94
123 90 60 60 40 85 60 90 92
124 97 50 60 40 82 60 90 91
125 90 60 60 40 94 665 90 93
126 90 60 60 50 87 60 90 94
127 90 60 60 40 80 60 91 93
128 80 60 40 40 82 40 92 82
129 90 60 60 40 81 60 96 92
130 90 60 70 50 83 70 94 90
131 80 50 50 40 94 50 95 80
132 90 60 70 50 84 70 85 91
133 90 70 70 60 83 70 75 92
134 90 50 80 50 81 80 73 93
135 90 60 70 50 82 70 72 94
136 90 60 70 50 95 70 83 96
137 90 60 80 60 82 80 88 98
138 90 60 70 60 82 70 87 99
139 90 60 80 70 95 80 80 90
140 90 60 70 50 84 70 85 90
141 90 50 60 50 82 67 67 90
142 90 60 80 50 83 80 75 90
143 90 60 70 60 81 70 96 90
144 90 60 60 60 85 60 92 90
145 90 60 70 40 93 70 92 90
146 90 60 60 50 95 60 82 90
147 90 70 40 40 82 40 92 90
148 90 60 40 60 76 40 82 90
149 90 50 60 50 83 60 80 90
150 92 50 70 40 75 80 85 92
151 93 50 70 40 95 70 67 93
152 90 50 60 50 87 66 40 97
153 90 60 40 50 78 40 50 98
154 90 60 70 60 75 70 40 91
155 90 60 80 60 77 80 60 93
156 94 70 80 70 81 86 40 92
157 98 60 80 60 81 80 40 98
158 90 50 70 60 76 70 60 90
159 94 60 90 50 83 90 60 94
160 93 60 70 40 95 70 50 93
161 92 60 90 50 85 99 60 92
162 90 60 60 40 75 60 70 91
124 97 50 60 40 82 60 90 91
16
125 90 60 60 40 94 665 90 93
126 90 60 60 50 87 60 90 94
127 90 60 60 40 80 60 91 93
128 80 60 40 40 82 40 92 82
129 90 60 60 40 81 60 96 92
130 90 60 70 50 83 70 94 90
131 80 50 50 40 94 50 95 80
132 90 60 70 50 84 70 85 91
133 90 70 70 60 83 70 75 92
134 90 50 80 50 81 80 73 93
135 90 60 70 50 82 70 72 94
136 90 60 70 50 95 70 83 96
137 90 60 80 60 82 80 88 98
138 90 60 70 60 82 70 87 99
139 90 60 80 70 95 80 80 90
140 90 60 70 50 84 70 85 90
141 90 50 60 50 82 67 67 90
142 90 60 80 50 83 80 75 90
143 90 60 70 60 81 70 96 90
144 90 60 60 60 85 60 92 90
145 90 60 70 40 93 70 92 90
146 90 60 60 50 95 60 82 90
147 90 70 40 40 82 40 92 90
148 90 60 40 60 76 40 82 90
149 90 50 60 50 83 60 80 90
150 92 50 70 40 75 80 85 92
151 93 50 70 40 95 70 67 93
152 90 50 60 50 87 66 40 97
153 90 60 40 50 78 40 50 98
154 90 60 70 60 75 70 40 91
155 90 60 80 60 77 80 60 93
156 94 70 80 70 81 86 40 92
157 98 60 80 60 81 80 40 98
158 90 50 70 60 76 70 60 90
159 94 60 90 50 83 90 60 94
160 93 60 70 40 95 70 50 93
161 92 60 90 50 85 99 60 92
162 90 60 60 40 75 60 70 91
163 90 60 70 60 73 70 50 92
164 100 60 80 40 72 80 50 100
165 90 60 80 40 83 87 50 90
166 90 60 70 60 88 70 80 93
167 90 60 80 60 87 80 86 94
168 90 50 70 50 80 70 80 95
17
169 91 60 80 60 85 80 70 91
170 92 60 70 70 67 70 90 92
171 96 50 80 50 75 80 70 94
172 94 60 70 50 96 80 99 99
173 90 50 80 50 92 80 60 90
174 90 50 70 40 92 70 60 93
175 100 60 80 40 72 80 50 100
176 90 60 80 40 83 87 50 90
177 90 60 70 60 88 70 80 93
178 90 60 80 60 87 80 86 94
179 90 50 70 50 80 70 80 95
180 91 60 80 60 85 80 70 91
181 92 60 70 70 67 70 90 92
182 96 50 80 50 75 80 70 94
183 94 60 70 50 96 80 99 99
184 90 50 80 50 92 80 60 90
185 90 50 70 40 92 70 60 93
186 90 50 80 40 82 80 60 94
187 90 50 70 40 92 72 70 95
188 90 50 80 40 82 80 60 96
189 90 50 70 50 80 70 50 97
190 90 60 80 60 85 80 60 96
4.1. Distribusi Frekuensi Variabel
Tabel 1. Variabel X1 …..

Jangkauan = Data terbesar 86
Banyaknya kelas =1+3,3*log(n) 7
Panjang kelas = Jangkauan : Banyak kelas 13
Interval
Batas kelas bawah panjang kelas batas kelas atas
22 13 34
35 13 47
48 13 60
61 13 73
74 13 86
87 13 99
100 13 113
Interval nilai tengah frekuensi

22-34 39 8
35-47 59 9
18
48-60 78 15
61-73 98 12
74-86 117 6
87-99 137 0
100-113 157 0
Jumlah 50

4.2.Analyze Descriptive Statistic Frequencies

Analisis statistika deskriptif adalah suatu cara menggambarkan persoalan yang
berdasarkan data yang dimiliki yakni dengan cara menata data tersebut sedemikian rupa
sehingga dengan mudah dapat dipahami tentang karakteristik data, dijelaskan dan berguna
untuk keperluan selanjutnya. Jadi dalam hal ini, terdapat aktivitas atau proses pengolahan data
berdasarkan tujuannya. Berikut hasil output SPSS (2022) dari soal kasus di atas adalah sebagai
berikut:
Tabel 2. Frequencies Statistic
Stat Web.Pr Akunta Sistem. Sistem.I
istik ogram. Character nsi.Dasa Operas Sistem.IM Perancan nformas
a 2 .Building r i anagement gan.SOO i
N Valid 190 190 190 190 190 190 190 190
Missi
0 0 0 0 0 0 0 0
ng
Mean 91.3
58.88 68.98 51.46 83.68 76.06 73.04 93.42
5
Std. Error of
.253 .402 .739 .703 .487 4.485 1.358 .264
Mean
Median 90.3
58.76a 70.01a 51.67a 82.55a 70.29a 77.14a 93.04a
5a
Mode 90 60 70 50 82 70 90 90
Std. 3.48
5.545 10.181 9.693 6.715 61.824 18.720 3.646
Deviation 8
Variance 12.1
30.742 103.650 93.954 45.097 3822.214 350.453 13.292
64
Skewness .732 -.058 -.801 .335 .010 9.232 -.408 -.295
Std. Error of
.176 .176 .176 .176 .176 .176 .176 .176
Skewness
Kurtosis 3.04
.130 1.044 -.343 -.281 86.912 -1.186 1.485
2
Std. Error of
.351 .351 .351 .351 .351 .351 .351 .351
Kurtosis
19
Range 20 20 50 50 29 625 70 20
Minimum 80 50 40 30 67 40 30 80
Maximum 100 70 90 80 96 665 100 100
Sum 173
11187 13106 9778 15899 14451 13878 17749
56
Perc 25 86.5
53.18b 62.23b 43.19b 80.29b 65.51b 56.92b 90.82b
entil 9b
es 33.33
88.8
33333 55.04 64.85 45.85 81.21 67.93 61.04 91.60
9
3
50 90.3
58.76 70.01 51.67 82.55 70.29 77.14 93.04
5
66.66
90.8
66666 62.28 70.79 58.38 85.21 71.98 88.53 94.54
1
7
75 91.5
63.98 78.26 59.53 87.91 78.78 90.17 95.70
5
a. Calculated from grouped data.
b. Percentiles are calculated from grouped data.
Sumber: data skunder di olah SPSS (2022) interpretasi analyzee descriptive statistic
frequencies adalah sebagai berikut:
1. N Valid, untuk menyatakan banyaknya data pada masing-masing matakuliah uji (yang
valid), yaitu data N 190 untuk masing-masing mata kuliah uji.
2. Missing, untuk menyatakan jumlah data yang tidak dianalisis atau hilang, dalam hal ini
tidak ada yang hilang yaitu dengan nilai 0.
3. Mean, untuk menyatakan rerata nilai hasil tes pada masing-masing matakuliah uji. Pada
matakuliah uji:
 Statistika nilai mean hasil test sebesar 91.35
 Web programming nilai Mean hasil test sebesar 58.88
 Character building nilai Mean hasil test sebesar 68.98
 Akuntansi dasar nilai Mean hasil test sebesar 51.46
 Sistem operasi nilai Mean hasil test sebesar 83.68
 Sistem informasi management nilai Mean hasil test sebesar 76.06
 Perancang sistem orientasi objek nilai Mean hasil test sebesar 73.04
 Sistem informasi nilai Mean hasil test sebesar 93.42
4. Std Error of Mean, untuk menyatakan kesalahan standar data N 190 terhadap rerata
hasil nilai tes masing-masing uji. Pada matakuliah uji:
 Statistika nilai Std Error of Mean hasil test sebesar 0.253
 Web programming nilai Std Error of Mean hasil test sebesar 0.402
 Character building nilai Std Error of Mean hasil test sebesar 0.739
 Akuntansi dasar nilai Std Error of Mean hasil test sebesar 0.703
 Sistem operasi nilai Std Error of Mean hasil test sebesar 0.487
 Sistem informasi management nilai Std Error of Mean hasil test sebesar 4.485
 Perancang sistem orientasi objek nilai Std Error of Mean hasil test sebesar 1.358
 Sistem informasi nilai Std Error of Mean hasil test sebesar 0.264
5. Median, menyatakan nilai tengah yang diperoleh pada tes setelah nilai dari 190 data
Peserta Mahasiswa/i tersebut diurutkan pada masing-masing matakuliah uji.
 Statistika nilai Median hasil test sebesar 90.35
20
 Web programming nilai Median hasil test sebesar 58.76
 Character building nilai Median hasil test sebesar 70.01
 Akuntansi dasar nilai Median hasil test sebesar 51.67
 Sistem operasi nilai Median hasil test sebesar 82.55
 Sistem informasi management nilai Median hasil test sebesar 70.29
 Perancang sistem orientasi objek nilai Median hasil test sebesar 77.14
 Sistem informasi nilai Median hasil test sebesar 93.04
6. Mode, menyatakan nilai yang sering muncul atau yang paling banyak diperoleh.
 Statistika nilai Mode hasil test sebesar 90
 Web programming nilai Mode hasil test sebesar 60
 Character building nilai Mode hasil test sebesar 70
 Akuntansi dasar nilai Mode hasil test sebesar 50
 Sistem operasi nilai Mode hasil test sebesar 82
 Sistem informasi management nilai Mode hasil test sebesar 70
 Perancang sistem orientasi objek nilai Mode hasil test sebesar 90
 Sistem informasi nilai Mode hasil test sebesar 90
7. Std Deviation, menampilkan besarnya nilai simpangan baku untuk masing-masing
matakuliah uji.
 Statistika nilai Std Deviation hasil test sebesar 3.488
 Web programming nilai Std Deviation hasil test sebesar 5.545
 Character building nilai Std Deviation hasil test sebesar 10.181
 Akuntansi dasar nilai Std Deviation hasil test sebesar 9.693
 Sistem operasi nilai Std Deviation hasil test sebesar 6.715
 Sistem informasi management nilai Std Deviation hasil test sebesar 61.824
 Perancang sistem orientasi objek nilai Std Deviation hasil test sebesar 18.720
 Sistem informasi nilai Std Deviation test sebesar 3.646
8. Variance, menampilan besarnya kwadrat simpangan baku untuk masing-masing
matakuliah uji.
 Statistika nilai rata-rata variance hasil test sebesar 12.164
 Web programming nilai rata-rata variance hasil test sebesar 30.742
 Character building nilai rata-rata variance hasil test sebesar 103.650
 Akuntansi dasar nilai rata-rata variance hasil test sebesar 93.954
 Sistem operasi nilai rata-rata variance hasil test sebesar 45.097
 Sistem informasi management nilai rata-rata variancehasil test sebesar 3822.214
 Perancang sistem orientasi objek nilai rata-rata variancehasil test sebesar 350.453
 Sistem informasi nilai rata-rata variancehasil test sebesar 13.292
9. Skewness, menunjukkan nilai kemencengan atau penyimpangan distribusi data. Apabila
nilai skewness positif maka distribusi data akan menceng ke kanan, pabila nilai skewness
negatif maka distribusi data akan menceng ke kiri. Hasil analisis diatas adalah:
 Statistika nilai Skewness hasil test sebesar 0.732
 Web programming nilai Skewness hasil test sebesar -0.058
 Character building nilai Skewness hasil test sebesar -0.801
 Akuntansi dasar nilai Skewness hasil test sebesar 0.335
 Sistem operasi nilai Skewness hasil test sebesar 0.010
 Sistem informasi management nilai Skewness hasil test sebesar 9.232
 Perancang sistem orientasi objek nilai Skewness hasil test sebesar -0.408
 Sistem informasi nilai Skewness hasil test sebesar -0.408
10. Std Error of Skewness, menampilkan besarnya kesalahan standar data terhadap sampel
hasil tes masing-masing matakuliah uji, dimana hasilnya adalah seluruh matakuliah uji,
21
statistika, web programming, character building, akuntansi dasar, sistem operasi, sistem
informasi management, perancang sistem orientasi objek, sistem informasi nilai
kesalahannya sama yaitu 176 Kurtosis, menampilkan keruncingan atau titik puncak atau
nilai tertinggi yang diperoleh peserta tes pada masing-masing matakuliah uji,
11. Kurtosis
 Statistika nilai Kurtosis hasil test sebesar 3.042
 Web programming nilai Kurtosis hasil test sebesar 0.130
 Character building nilai Kurtosis hasil test sebesar 1.044
 Akuntansi dasar nilai Kurtosis hasil test sebesar -0.343
 Sistem operasi nilai Kurtosis hasil test sebesar -0.281
 Sistem informasi management nilai Kurtosis hasil test sebesar 86.912
 Perancang sistem orientasi objek nilai Kurtosis hasil test sebesar -1.186
 Sistem informasi nilai Kurtosis hasil test sebesar 1.485
12. Std. Error of Kurtosis, menampilan besarnya kesalahan standar data terhadap populasi
hasil tes pada masing-masing matakuliah uji. Dimana untuk semua matakuliah uji bernilai
0.351
13. Range, menunjukkan jumlah selisih antara nilai minimum dengan nilai maximum masing-
masing matakuliah uji.
 Statistika nilai Range hasil test sebesar 20
 Web programming nilai Range hasil test sebesar 20
 Character building nilai Range hasil test sebesar 50
 Akuntansi dasar nilai Range hasil test sebesar 50
 Sistem operasi nilai Range hasil test sebesar 29
 Sistem informasi management nilai Range hasil test sebesar 625
 Perancang sistem orientasi objek nilai Range hasil test sebesar 70
 Sistem informasi nilai Range hasil test sebesar 20
14. Minimum, menunjukkan nilai minimum dari masing-masing matakuliah uji.
 Statistika nilai hasil test sebesar 80
 Web programming nilai minimum range hasil test sebesar 50
 Character building nilai minimum hasil test sebesar 40
 Akuntansi dasar nilai minimum hasil test sebesar 30
 Sistem operasi nilai minimum hasil test sebesar 67
 Sistem informasi management nilai minimum hasil test sebesar 40
 Nilai minimum hasil test sebesar 30
 Sistem informasi nilai minimum hasil test sebesar 80
15. Maximum, menunjukkan nilai maximum dari masing-masing matakuliah uji.
 Statistika nilai maximum hasil test sebesar 100
 Web programming nilai maximum hasil test sebesar 70
 Character building nilai maximum hasil test sebesar 90
 Akuntansi dasar nilai maximum hasil test sebesar 80
 Sistem operasi nilai maximum hasil test sebesar 96
 Sistem informasi management nilai maximum hasil test sebesar 665
 Perancang sistem orientasi objek nilai maximum hasil test sebesar 100
 Sistem informasi nilai maximum hasil test sebesar 100
16. Sum, menunjukkan jumlah/total dari masing-masing matakuliah uji.
 Statistika nilai Sum hasil test sebesar 17356
 Web programming nilai Sum hasil test sebesar 11187
 Character building nilai Sum hasil test sebesar 13106
 Akuntansi dasa nilai Sum hasil test sebesar 9778
22
 Sistem operasi nilai Sum hasil test sebesar 15899
 Sistem informasi management nilai sum hasil test sebesar 14451
 Perancang sistem orientasi objek nilai sum hasil test sebesar 13878
 Sistem informasi nilai sum hasil test sebesar 17749
17. Percentiles, menampilkan berapa banyak peserta test memperoleh nilai terendah dalam
kelompok sebagai berikut:
Persentase 25 % :
 Statistika nilai persentase 25% hasil test sebesar 86.59
 Web programming nilai persentase 25% hasil test sebesar 53.18
 Character buildingnnilai persentase 25% hasil test sebesar 62.23
 Akuntansi dasar nilai persentase 25% hasil test sebesar 43.19
 Sistem operasi nilai persentase 25% hasil test sebesar 80.29
 Sistem informasi management nilai persentase 25% hasil test sebesar 65.51
 Perancang sistem orientasi objek nilai persentase 25% hasil test sebesar 56.92
 Sistem informasi nilai persentase 25% hasil test sebesar 90.82
Persentase 50 % :
 Web programming nilai persentase50% hasil test sebesar 58.76
Persentase 75 % :
 Web programming nilai persentase 75% hasil test sebesar 63.98
……………………………………………………………………………
Gambar 2. Frequencies histogram
4.3. Analyze Compare Means One-Sample T Test

4.3.1. One-Sample Statistics
Tabel .One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
A 3 2.0000 1.00000 .57735
B 3 2.6667 .57735 .33333
C 3 4.0000 1.00000 .57735
23
Sumber: data skunder diolah SPSS (2022) interpretasi analyze compare means one-sample t
test one-sample statistics adalah …….. (lihat jurnal milik Bapak Husni Mubarok)
4.3.2. One-Sample Statistics

Tabel . One-Sample Test
Test Value = 0
95% Confidence Interval of
Mean the Difference
t df Sig. (2-tailed) Difference Lower Upper
A 3.464 2 .074 2.00000 -.4841 4.4841
B 8.000 2 .015 2.66667 1.2324 4.1009
C 6.928 2 .020 4.00000 1.5159 6.4841
test One-Sample Test adalah …….. (lihat jurnal milik Bapak Husni Mubarok)
4.4. Analyze Correlation Bivariate

4.4.1. Analyze Correlation Bivariate Pearson
Tabel 4. Correlations
Stat Web.Pr Characte Akunta Sistem Sistem.I Peranca Sistem.I
isti ogram. r.Buildin nsi.Das .Opera Managem ngan.SO nformas
ka 2 g ar si ent O i
Statistika Pear
son
Corr 1 .054 .247** .167* -.194** .006 -.063 .697**
elati
on
Sig.
(2-
.458 .001 .021 .007 .931 .391 .000
taile
d)
N 190 190 190 190 190 190 190 190
Web.Prog Pear
ram.2 son
.05
Corr 1 -.084 .243** -.037 .000 .013 .069
4
elati
on
Sig.
(2- .45
.251 .001 .611 .999 .855 .346
taile 8
d)
N 190 190 190 190 190 190 190 190
Character. Pear
Building son
.24
Corr -.084 1 .233** -.070 .076 -.337** .194**
7**
elati
on
24
Sig.
(2- .00
.251 .001 .338 .300 .000 .007
taile 1
d)
N 190 190 190 190 190 190 190 190
Akuntansi Pear
.Dasar son
.16
Corr .243** .233** 1 -.286** -.087 -.212** .061
7*
elati
on
Sig.
(2- .02
.001 .001 .000 .231 .003 .400
taile 1
d)
N 190 190 190 190 190 190 190 190
Sistem.Op Pear
erasi son -
Corr .19 -.037 -.070 -.286** 1 .150* .258** -.036
elati 4**
on
Sig.
(2- .00
.611 .338 .000 .039 .000 .618
taile 7
d)
N 190 190 190 190 190 190 190 190
Sistem.IM Pear
anagemen son
.00
t Corr .000 .076 -.087 .150* 1 .036 .023
6
elati
on
Sig.
(2- .93
.999 .300 .231 .039 .617 .749
taile 1
d)
N 190 190 190 190 190 190 190 190
Perancang Pear
an.SOO son -
Corr .06 .013 -.337** -.212** .258** .036 1 .000
elati 3
on
Sig.
(2- .39
.855 .000 .003 .000 .617 .999
taile 1
d)
N 190 190 190 190 190 190 190 190
25
Sistem.Inf Pear
ormasi son
.69
Corr ** .069 .194** .061 -.036 .023 .000 1
7
elati
on
Sig.
(2- .00
.346 .007 .400 .618 .749 .999
taile 0
d)
N 190 190 190 190 190 190 190 190
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Sumber: data skunder diolah SPSS (2022) interpretasi analyze correlation bivariate pearson
adalah sebagai berikut:
1. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Statistika(r) adalah sebesar 0,697 Hal ini menunjukkan bahwa terjadi hubungan kuat
antara Sistem informasi dengan Statistika. Sedangkan arah hubungan adalah positif
karena nilai r positif, berarti semakin kuat Sistem informasi maka semakin kuat
Statistika begitupun sebaliknya.
Nilai Signifikansi (0,000 < 0,025) maka kesimpulannya yaitu :
H1 diterima, artinya bahwa ada hubungan secara signifikan antara sistem informasi
dengan statistika
Web.Program.2 (r) adalah sebesar 0.069 Hal ini menunjukkan bahwa terjadi hubungan
sangat lemah antara Sistem informasi dengan Web Program 2. Sedangkan arah
hubungan adalah positif karena nilai r positif, berarti semakin lemah sistem informasi
maka semakin sangat lemah Web.Program.2 begitupun sebaliknya.
Nilai Signifikansi (0,346 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara statistika
dengan character building.
Character building (r) adalah sebesar 0.194 Hal ini menunjukkan bahwa terjadi
hubungan Sangat Lemah antara Sistem informasi dengan Character building.
Sedangkan arah hubungan adalah positif karena nilai r positif berarti semakin Sangat
Lemah Sistem informasi maka semakin Sangat Lemah Character building begitupun
sebaliknya.
dengan charcter building
Akuntansi dasar(r) adalah sebesar 0,061 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem Informasi dengan Akuntansi dasar. Sedangkan arah
hubungan adalah positif karena nilai r positif, berarti semakin Sangat Lemah sistem
informasi maka semakin Sangat Lemah Akuntansi Dasar begitupun sebaliknya.
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
26
informasi dengan akuntansi dasar
5. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara sistem informasi dengan
Sistem operasi (r) adalah sebesar -0,036 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Sistem operasi . Sedangkan arah
hubungan adalah negatif karena nilai r negatif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah sistem Sistem operasi begitupun sebaliknya.
informasi dengan sistem operasi
Sistem Informasi Management (r) adalah sebesar 0,023 Hal ini menunjukkan bahwa
terjadi hubungan Sangat Lemah antara Sistem informasi dengan Sistem Informasi
Management . Sedangkan arah hubungan adalah positif karena nilai r positif, berarti
semakin Sangat Lemah sistem informasi maka semakin Sangat Lemah Sistem
Informasi Management begitupun sebaliknya.
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan sistem informasi
dengan Sistem Informasi Management
Perancang soo (r) adalah sebesar 0,000 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Perancang soo. Sedangkan arah
hubungan adalah positif karena nilai r positif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Perancang soo begitupun sebaliknya.
informasi dengan perancang soo
4.4.2. Analyze Correlation Bivariate Kendall’s dan Spearman’s

Tabel 5. Correlations
Sta Web.P Charact Akunta Siste Sistem.I Peranca Sistem.
tisti rogra er.Build nsi.Das m.Ope Manage ngan.S Inform
ka m.2 ing ar rasi ment OO asi
Ken Statistika Corr
dall' elati
s on 1.0
.034 .199** .117 -.139* .230** -.059 .396**
tau_ Coef 00
b ficie
nt
Sig.
(2-
. .609 .001 .064 .016 .000 .314 .000
taile
d)
N 190 190 190 190 190 190 190 190
27
Web.Pro Corr
gram.2 elati
on .03
1.000 -.040 .236** .006 -.089 .068 .024
Coef 4
ficie
nt
Sig.
(2- .60
. .537 .000 .920 .161 .258 .687
taile 9
d)
N 190 190 190 190 190 190 190 190
Characte Corr
r.Buildin elati
g on .19
-.040 1.000 .223** -.071 .871** -.338** .077
Coef 9**
ficie
nt
Sig.
(2- .00
.537 . .000 .205 .000 .000 .181
taile 1
d)
N 190 190 190 190 190 190 190 190
Akuntans Corr
i.Dasar elati
on .11 -
.236** .223** 1.000 ** .146* -.178** -.017
Coef 7 .193
ficie
nt
Sig.
(2- .06
.000 .000 . .001 .016 .002 .772
taile 4
d)
N 190 190 190 190 190 190 190 190
Sistem.O Corr
perasi elati
-
on
.13 .006 -.071 -.193** 1.000 -.018 .204** -.020
Coef
9*
ficie
nt
Sig.
(2- .01
.920 .205 .001 . .741 .000 .710
taile 6
d)
N 190 190 190 190 190 190 190 190
28
Sistem.I Corr
Manage elati
ment on .23
-.089 .871** .146* -.018 1.000 -.288** .093
Coef 0**
ficie
nt
Sig.
(2- .00
.161 .000 .016 .741 . .000 .100
taile 0
d)
N 190 190 190 190 190 190 190 190
Perancan Corr
gan.SOO elati
-
on
.05 .068 -.338** -.178** .204** -.288** 1.000 .018
Coef
9
ficie
nt
Sig.
(2- .31
.258 .000 .002 .000 .000 . .741
taile 4
d)
N 190 190 190 190 190 190 190 190
Sistem.In Corr
formasi elati
on .39
.024 .077 -.017 -.020 .093 .018 1.000
Coef 6**
ficie
nt
Sig.
(2- .00
.687 .181 .772 .710 .100 .741 .
taile 0
d)
N 190 190 190 190 190 190 190 190
Spea Statistika Corr
rma elati
n's on 1.0
.037 .229** .133 -.178* .268** -.071 .461**
rho Coef 00
ficie
nt
Sig.
(2-
. .612 .001 .067 .014 .000 .330 .000
taile
d)
N 190 190 190 190 190 190 190 190
29
Web.Pro Corr
gram.2 elati
on .03
1.000 -.045 .260** .007 -.102 .073 .028
Coef 7
ficie
nt
Sig.
(2- .61
. .538 .000 .919 .162 .314 .701
taile 2
d)
N 190 190 190 190 190 190 190 190
Characte Corr
r.Buildin elati
g on .22
-.045 1.000 .265** -.095 .905** -.430** .099
Coef 9**
ficie
nt
Sig.
(2- .00
.538 . .000 .194 .000 .000 .174
taile 1
d)
N 190 190 190 190 190 190 190 190
Akuntans Corr
i.Dasar elati
on .13 -
.260** .265** 1.000 .173* -.229** -.025
Coef 3 .244**
ficie
nt
Sig.
(2- .06
.000 .000 . .001 .017 .001 .736
taile 7
d)
N 190 190 190 190 190 190 190 190
Sistem.O Corr
perasi elati
-
on
.17 .007 -.095 -.244** 1.000 -.024 .286** -.030
Coef
8*
ficie
nt
Sig.
(2- .01
.919 .194 .001 . .747 .000 .678
taile 4
d)
N 190 190 190 190 190 190 190 190
30
Sistem.I Corr
Manage elati
ment on .26
-.102 .905** .173* -.024 1.000 -.368** .122
Coef 8**
ficie
nt
Sig.
(2- .00
.162 .000 .017 .747 . .000 .094
taile 0
d)
N 190 190 190 190 190 190 190 190
Perancan Corr
gan.SOO elati
-
on
.07 .073 -.430** -.229** .286** -.368** 1.000 .025
Coef
1
ficie
nt
Sig.
(2- .33
.314 .000 .001 .000 .000 . .730
taile 0
d)
N 190 190 190 190 190 190 190 190
Sistem.In Corr
formasi elati
on .46
.028 .099 -.025 -.030 .122 .025 1.000
Coef 1**
ficie
nt
Sig.
(2- .00
.701 .174 .736 .678 .094 .730 .
taile 0
d)
N 190 190 190 190 190 190 190 190
Sumber: data skunder diolah SPSS (2022) analyze correlation bivariate kendall’s dan
spearman’s adalah sebagai berikut:
4.4.2.1. Correlation bivariate kendall’s
Statistika (r) adalah sebesar 0,396 Hal ini menunjukkan bahwa terjadi hubungan lemah
antara Sistem informasi dengan Statistika Sedangkan arah hubungan adalah positif,
karena nilai r positif, berarti semakin lemah Sistem informasi maka semakin lemah
dengan statistika
31
web program 2 (r) adalah sebesar 0,024 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara sistem informasi dengan web program 2 Sedangkan arah
hubungan adalah positif karena nilai r positif, berarti semakin Sangat Lemah sistem
informasi maka semakin Sangat Lemah web program 2 begitupun sebaliknya.
informasi dengan web program 2
Character building (r) adalah sebesar 0,077 Hal ini menunjukkan bahwa terjadi
hubungan Sangat Lemah antara Sistem informasi dengan Character building .
Sedangkan arah hubungan adalah positif, karena nilai r positif, berarti semakin Sangat
sebaliknya.
informasi dengan character building
akuntansi dasar (r) adalah sebesar -0,17 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Akuntansi dasar. Sedangkan arah
informasi maka semakin Sangat Lemah Akuntansi dasar begitupun sebaliknya.
Nilai Signifikansi (0.772 > 0,025) maka kesimpulannya yaitu :
informasi dengan akuntansi dasar.
Sistem operasi (r) adalah sebesar -0.20 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Sistem operasi. Sedangkan arah
hubungan adalah negatif karena nilai r positif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Sistem operasi begitupun sebaliknya.
Sistem Informasi Management (r) adalah sebesar 0,93 Hal ini menunjukkan bahwa
Management Sedangkan arah hubungan adalah positif, karena nilai r positif, berarti
semakin Sangat Lemah Sistem informasi maka semakin Sangat Lemah Sistem
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara Sistem
informasi dengan Sistem Informasi Management.
7. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi
dengan Perancang soo (r) adalah sebesar 0.18 Hal ini menunjukkan bahwa terjadi
32
hubungan Sangat lemah antara Sistem informasi dengan Perancang soo. Sedangkan
arah hubungan adalah positif, karena nilai r positif, berarti semakin Sangat Lemah
Sistem informasi maka semakin Sangat Lemah Perancang soo begitupun sebaliknya.
Nilai Signifikansi (0.741> 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara Sistem
informasi dengan Perancang soo.
4.4.2.2. Correlation bivariate spearman’s

Statistika (r) adalah sebesar 0.461 Hal ini menunjukkan bahwa terjadi hubungan sedang
antara Sistem informasi dengan Statistika . Sedangkan arah hubungan adalah positif,
karena nilai r positif, berarti semakin sedang Sistem informasi maka semakin sedang
Nilai Signifikansi (0.000 < 0,025) maka kesimpulannya yaitu :
dengan statistika.
Web program 2 (r) adalah sebesar 028 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Web Program 2 Sedangkan arah
hubungan adalah positif, karena nilai r positif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Web program 2 begitupun sebaliknya.
informasi dengan web program 2
Character building (r) adalah sebesar 0.099 Hal ini menunjukkan bahwa terjadi
hubungan Sangat Lemah antara Sistem informasi dengan Character building .
Sedangkan arah hubungan adalah positif, karena nilai r positif, berarti semakin Sangat
sebaliknya.
informasi dengan character building
Akuntansi dasar (r) adalah sebesar -0,025 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Akuntansi dasar Sedangkan arah
informasi maka semakin Sangat Lemah Akuntansi dasar begitupun sebaliknya.
informasi dengan akuntansi dasar
Sistem operasi (r) adalah sebesar -0.030 Hal ini menunjukkan bahwa terjadi hubungan
33
Sangat Lemah antara Sistem informasi dengan Sistem operasi. Sedangkan arah
informasi maka semakin Sangat Lemah Sistem operasi begitupun sebaliknya.
Sistem Informasi Management (r) adalah sebesar 0.0122 Hal ini menunjukkan bahwa
Management. Sedangkan arah hubungan adalah positif, karena nilai r positif, berarti
semakin Sangat Lemah sistem informasi maka semakin Sangat Lemah Sistem
informasi dengan Sistem Informasi Management
Perancang soo (r) adalah sebesar 0.025 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Perancang soo . Sedangkan arah
hubungan adalah positif, karena nilai r positif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Perancang soo begitupun sebaliknya.
informasi dengan perancang soo
4.5. Analyze Regression Linear

Analisis regresi digunakan terutama untuk tujuan peramalan, dimana di dalam model
tersebut ada sebuah variable dependent (terikat) dan variable independent (bebas). Berikut
hasil output SPSS (2022) adalah sebagai berikut:
4.5.1. Regression charts
Gambar 2. Regression charts

Interpretasi: SPSS (2022) data skunder diolah menginterpretasikan reaksi uji normalisai data
skunder scatterplot hisab sisa kelengkapan variabel terijmlisasi terpusat titik-titik menyebar
secara acak tersebar diatas angka 0 poros Y memenuhi uji asumsi layak dilanjutkan ke
pengujian berikutnya dimana peluang sig. (2-tailed) 0,000 < 0,050 mengutarakan terdapat
perbedaan yang signifikan hipotesis Ha menerima penelitian ini. Gambar Histogram
memublikasikan mean 1,88E-15 std. deviation 0,981 bangun kurva 42bak lonceng dengan
data skunder N sebanyak 190, Normal P-P Plot of Regrssion Standardized Residual terlihat
penyebaran data skunder bab membuntuti garis petunjuk diagonal.
34
4.5.2. Variables Entered/Removeda
Tabel. Variables Entered/Removeda
Model Variables Entered Variables Removed Method
b
1 B, A . Enter
a. Dependent Variable: C
b. All requested variables entered.
test One-Sample Test adalah …….. (lihat jurnal milik Bapak Husni Mubarok)
4.5.3. Descriptive Statistics

Tabel 6. Descriptive Statistics
Mean Std. Deviation N
Sistem.Informasi 93.42 3.646 190
Statistika 91.35 3.488 190
Web.Program.2 58.88 5.545 190
Character.Building 68.98 10.181 190
Akuntansi.Dasar 51.46 9.693 190
Sistem.Operasi 83.68 6.715 190
Sistem.IManagement 76.06 61.824 190
Perancangan.SOO 73.04 18.720 190
Sumber: data skunder diolah SPSS (2022) Interpretasi dari output descriptive statistics N
adalah data masing-masing variabel sebanyak N=190 adalah sebagai berikut:
1. Mean (Rata-rata) statistika adalah 93.42 dan Standard Deviation sebesar 3.646
2. Mean (Rata-rata) Web.Program.2 adalah 58.88 dan Standard Deviation sebesar 5.545
3. Mean (Rata-rata) Character.Building adalah 68.98 dan Standard Deviation sebesar 10.181
4. Mean (Rata-rata)Akuntansi.Dasar adalah 51.46 dan Standard Deviation sebesar 9.693
5. Mean (Rata-rata) Sistem.Operasi adalah 83.68 dan Standard Deviation sebesar 6.715
6. Mean (Rata-rata) Sistem.IManagement adalah 76.06 dan Standard Deviation sebesar
61.824
7. Mean (Rata-rata) Perancangan.SOO adalah 73.04 dan Standard Deviation sebesar 18.720
8. Mean (Rata-rata) sistem informasi adalah 93.42 dan Standard Deviation sebesar 3.646
4.5.4. Model Summaryb

Tabel 7. Model Summaryb
Std. Change Statistics
Adjusted Error of R
R R the Square F Sig. F Durbin-
Model R Square Square Estimate Change Change df1 df2 Change Watson
1 .708a .501 .482 2.624 .501 26.124 7 182 .000 1.114
35
a. Predictors: (Constant), Perancangan.SOO, Web.Program.2, Sistem.IManagement,
Statistika, Sistem.Operasi, Akuntansi.Dasar, Character.Building
b. Dependent Variable: Sistem.Informasi
Sumber: data skunder diolah SPSS (2022) menginterpretasi dari output model summary
adalah sebagai berikut:
1. Berdasarkan tabel di atas diperoleh angka R sebesar 0,708 Hal ini menunjukkan bahwa
terjadi hubungan yang kuat antara Perancangan.SOO, Web.Program.2,
Sistem.IManagement, Statistika, Sistem.Operasi, Akuntansi.Dasar,
Character.Building, terhadap Sistem.Informasi.
2. Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0.501 atau 50,1 %).
Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen
(Perancangan.SOO, Web.Program.2, Sistem.IManagement, Statistika,
Sistem.Operasi, Akuntansi.Dasar, Character.Building) terhadap variabel dependen
(Sistem.Informasi) sebesar 50,1 %. Atau variasi variabel independen yang digunakan
dalam model (Perancangan.SOO, Web.Program.2, Sistem.IManagement, Statistika,
Sistem.Operasi, Akuntansi.Dasar, Character.Building) mampu menjelaskan sebesar
50,1 % variasi variabel dependen (Sistem Informasi). Sedangkan sisanya sebesar 49,9
% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model
penelitian ini.
3. Adjusted R Square adalah nilai R Square yang telah disesuaikan dengan nilai 0,482,
nilai ini selalu lebih kecil dari R Square dan angka ini bisa memiliki harga positif.
Menurut Santoso (2001) bahwa untuk regresi dengan lebih dari dua variabel bebas
digunakan Adjusted R2 sebagai koefisien determinasi.
4. Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model
regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 2,624, hal ini
berarti banyaknya kesalahan dalam prediksi nilai Kejuruan sebesar 2,624 Sebagai
pedoman jika Standard error of the estimate kurang dari standar deviasi Y (3.646), maka
model regresi semakin baik dalam memprediksi nilai Y.
5. DF (Degree of Freedom) merupakan pengukuran jumlah informasi dari sample yang telah
digunakan.
Df1 = k (jumlah variabel terikat dan bebas) – 1  8 – 1 = 7
Df2 = n (jumlah observasi/sampel pembentuk regresi) – k  190 – 8 = 182
6. Durbin Watson: untuk N = 190; k-1 = 8-1 = 7, taraf signifikansi 5%, maka diperoleh
harga dl = 1.7520 dan du = 1.7731
4 - dl = 4 - 1,7520 = 2,248
4 - du = 4 - 1.7731 = 2,2269
Dimana nilai d = 1,114
Oleh karena itu du < d < 4 – du yaitu 1,7731 < 1,114 < 2,2269
Disimpulkan bahwa Tidak Menolak Ho.
4.5.5. Anova
Tabel 8. ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1259.074 7 179.868 26.124 .000b
Residual 1253.079 182 6.885
Total 2512.153 189
a. Dependent Variable: Sistem.Informasi
36
b. Predictors: (Constant), Perancangan SOO, Web Program.2, Sistem Informasi
Management, Statistika, Sistem Operasi, Akuntansi Dasar, Character Building
Sumber: data skunder diolah SPSS (2022) menginterpretasi dari output anova adalah Ftabel
yang dengan tingkat signifikan menggunakan ά = 5% (0.05) serta df1= 7 dan df2 adalah 182,
maka nilainya Ftabel adalah 2.06, FHitung 26,124 > Ftabel 2,06, maka Ho ditolak artinya ada
pengaruh secara signifikan antara Perancangan.SOO, Web.Program.2, Sistem Informasi
Management, Statistika, Sistem.Operasi, Akuntansi.Dasar, Character.Building) secara
bersama-sama terhadap Sistem Informasi.
4.5.6. Coefficients
Tabel . Coefficientsa
Unstandar Standard 95,0%
dized ized Confidenc
Coefficient Coefficie e Interval Collinearity
s nts for B Correlations Statistics
Low Upp Zer
Std. er er o-
Err Si Bou Bou ord Part Pa Tolera VI
Model B or Beta T g. nd nd er ial rt nce F
1 (Constant) 19.2 6.39 3.01 .0 6.65 31.8
63 1 4 03 2 74
Statistika 12.8 .0 .69 .6 1.1
.741 .058 .709 .627 .855 .689 .895
10 00 7 71 18
Web.Program. .3 - .06 .0 1.0
.033 .036 .050 .909 .104 .067 .915
2 64 .038 9 48 93
Character.Buil .3 - .19 .0 1.2
.018 .021 .051 .856 .060 .063 .785
ding 93 .024 4 45 74
Akuntansi.Das -
- .3 - .06 - 1.2
ar -.019 .022 -.051 .024 .0 .797
.869 86 .063 1 .064 55
46
Sistem.Operasi -
1.49 .1 - .0 1.1
.046 .031 .085 .108 .03 .110 .834
1 38 .015 78 99
6
Sistem.IManag -
- .9 - .02 - 1.0
ement .000 .003 -.003 .006 .0 .964
.062 51 .006 3 .005 38
03
Perancangan.S .6 - .00 .0 1.2
.005 .011 .028 .486 .028 .036 .820
OO 28 .017 0 25 20
Tabel 9 Output Keempat
4.5.6.1.Persamaan Coefficients
Y = 19.263 +0,741X1 + 0,033X2 + 0.018X3 - 0.019X4+ 0.046X5 + 0.005X7
(Y dan X) diganti dengan nama matakuliah
Sumber: data skunder diolah SPSS (2022) menginterpretasi dari output Coefficients adalah
Konstanta sebesar (19.263) dapat diartikan jika statistika (X1) nilainya 0, web program 2
37
(X2) nilainya 0, character building (X3) nilainya 0, akuntansi dasar (X4) nilainya 0, sistem
operasi (X5) nilainya 0, Sistem.IManagement (X6) nilainya 0, perancang soo (X7) nilainya
0 maka nilai sistem informasi (Y) nilainya adalah (19.263). Berdasarkan tabel koefisien,
koefesien regresi produktif dengan nilai sebesar (0,741) merupakan variabel yang paling
dominan atau yang paling dominan atau yang paling berpengaruh.
1. Koefesien regresi statistika (X1) sebesar 0,741 dapat diartikan jika variabel independen
lain nilainya tetap statistika mengalami kenaikan dengan nilai 74,1%, maka sistem
informasi akan mengalami kenaikan sebesar 0,741. Koefesien bernilai positif artinya
terjadi hubungan tidak berlawanan antara statistika dengan sistem informasi, hal ini
berarti semakin tinggi angka statistika maka persentase sistem informasi akan tinggi.
2. Koefesien regresi Web.Program2 (X2) sebesar 0,033 dapat diartikan jika variabel
independen lain nilainya tetap Web.Program2 mengalami kenaikan dengan nilai 3,3%,
maka sistem informasi akan mengalami kenaikan sebesar 0,033 Koefesien bernilai
positif artinya terjadi hubungan tidak berlawanan antara Web.Program2 dengan sistem
informasi, hal ini berarti semakin tinggi angka Web Program2 maka persentase sistem
informasi akan tinggi.
3. Koefesien regresi character building (X3) sebesar 0.018 dapat diartikan jika variabel
independen lain nilainya tetap character building mengalami kenaikan dengan nilai
1,8%, maka sistem informasi akan mengalami kenaikan sebesar 0.018 Koefesien
bernilai positif artinya terjadi hubungan tidak berlawanan antara character building
dengan sistem informasi, hal ini berarti semakin tinggi angka character building maka
persentase sistem informasi akan tinggi.
4. Koefesien regresi akuntansi dasar (X4) sebesar -0.019 dapat diartikan jika variabel
independen lain nilainya tetap akuntansi dasar mengalami kenaikan dengan nilai 1,9%,
maka sistem informasi akan mengalami penurunan sebesar -0.019 Koefesien bernilai
negative artinya terjadi hubungan berlawanan antara akuntansi dasar dengan sistem
informasi, hal ini berarti semakin turun angka akuntansi dasar maka persentase sistem
informasi akan turun.
5. Koefesien regresi sistem operasi (X5) sebesar 0.046 dapat diartikan jika variabel
independen lain nilainya tetap sistem operasi mengalami kenaikan dengan nilai 4,6%,
maka sistem informasi akan mengalami kenaikan sebesar 0.046 Koefesien bernilai
positif artinya terjadi hubungan tidak berlawanan antara sistem operasi dengan sistem
informasi, hal ini berarti semakin tinggi. angka sistem operasi maka persentase sistem
6. Koefesien regresi perancang soo (X7) sebesar 0.005 dapat diartikan jika variabel
independen lain nilainya tetap perancang soo mengalami kenaikan dengan nilai 0,5%,
maka sistem informasi akan mengalami kenaikan sebesar 0.005 Koefesien bernilai
positif artinya terjadi hubungan tidak berlawanan antara perancang soo dengan sistem
informasi, hal ini berarti semakin tinggi angka perancang soo maka persentase sistem
4.5.6.2. Collinearity Statistics Variance Inflation Factor (VIF)

Tabel 10 hasil analisis multikolinearietas
No Variabel VIF Batas Kondisi Simpulan
Hitung Keputusan
1 Statistika 1.118 10 1.118 <10 H0 diterima
2 Web.Program.2 1.093 10 1.093 < 10 H0 diterima
3 Character.Building 1.274 10 1.274 < 10 H0 diterima
4 Akuntansi.Dasar 1.255 10 1.255 <10 H0 diterima
38
5 Sistem.Operasi 1.199 10 1.199 <10 H0 diterima
6 Sistem.IManagement 1.038 10 1.038 <10 H0 diterima
7 Perancangan.SOO 1.220 10 1.220 < 10 H0 diterima
4.5.6.3. Hasil Hipotesis Coefficients Penelitian

Tabel 11. Hasil Hipotesis Coefficients Penelitian
Hipotesis Keterangan
H1 CAR sebesar 0,046 berpengaruh sangat lemah nilai positif signifikan terhadap
NPF Net.
H2 BOPO sebesar 0,480 berpengaruh sangat lemah nilai positif signifikan terhadap
NPF Net.
H3 FDR sebesar -0,027 berpengaruh sangat lemah nilai negatif tidak signifikan
terhadap NPF Net.
H4 NIM sebesar -1,051 berpengaruh sangat lemah nilai negatif tidak signifikan
terhadap NPF Net.
H5 ROA sebesar -3,016 berpengaruh sangat lemah nilai negatif tidak signifikan
terhadap NPF Net.
H6 ROE sebesar 0,816 berpengaruh sangat kuat nilai positif signifikan terhadap NPF
Net.
39
BAB V
PENUTUP
5.1. Kesimpulan
Hasil Statistik dari Analisis Pengaruh Frekuensi Nilai Ujian Matakuliah Terhadap
Sistem Informasi Data N = 190 adalah berdasarkan hasil uji hipotesis secara “Parsial” yang
telah dilakukan berdasarkan tabel Analyze Regression Linear model coefficents, maka variabel
statistika sebesar 0.741 bernilai positif artinya statistika terjadi hubungan searah memiliki
pengaruh positif namun signifikan terhadap sistem informasi, hasil uji hipotesis secara
“Simultan” yang telah dilakukan berdasarkan tabel Analyze Regression Linear model
correlations menunjukkan secara bersama-sama variabel statistika H1 diterima Signifikansi
0.000 < 0,050, web program 2 Ho ditolak Signifikansi 0.173 > 0,050, character character
building H1 diterima Signifikansi 0.004 < 0,050, akuntansi dasar Ho ditolak Signifikansi
0.200 > 0,050, sistem operasi Ho ditolak Signifikansi 0.309 > 0,050, system informasi
management Ho ditolak Signifikansi 0.375 > 0,050, perancang soo Ho ditolak Signifikansi
0.500 > 0,050 berpengaruh positif dan signifikan terhadap sistem informasi dapat diterima.
(*lihat jurnal Bapak Husni Mubarok)
5.1. Saran
Statistik adalah suatu ilmu pengetahuan sangat dibutuhkan untuk di perkembang dunia.
Banyak sekali yang orang yang ingin mengetahui cabang ilmu ini namun karena kesukaran
sehingga banyak yang terkadang enggan dan malas untuk mempelajari ilmu ini. Dengan
adanya niat dari kita pasti bisa untuk belajar dan mendalami ilmu ini pasti akan tau dan paham
tentang ilmu statistik ini. Dapat disarankan agar kita bisa menggunakan metode ini untuk
mengambil suatu data apapun untuk bisa mengambil suatu keputusan yang benar. dimana kita
menggunakan rumusan masalah dari Analisis Pengaruh Frekuensi Nilai Ujian Matakuliah
Terhadap Sistem Informasi Data N = 190.
40
DAFTAR PUSTAKA
Mubarok, H. (2021). Analisis Pengaruh Frekuensi Nilai Pada Program Studi Sistem
Informasi. Jurnal Sistem Informasi Akuntansi (JASIKA), 1(1), 18-28
https://doi.org/10.31294/jasika.v1i1.338
Mubarok, H. (2020). Penilaian Tingkat Kesehatan Bank dan Perubahan Harga Saham PT
Bank Rakyat Indonesia Agroniaga Tbk. 17(2), 125–156.
https://doi.org/https://doi.org/10.25170/balance.v17i2
Mubarok, H. (2021a). Pengaruh BOPO , CAR , NIM , FDR , NPF Net , ROA Terhadap ROE
pada PT Bank Rakyat Indonesia Syariah Tbk. Jurnal Ekonomi Islam, 2(1), 11–29.
https://doi.org/https://doi.org/10.53990/djei.v2i1.98
Mubarok, H. (2021b). Pengaruh Rasio Laporan Keuangan terhadap Rasio Profitabilitas PT
Bank Panin Tbk. Jurnal Of Accounting and Finance (JACFIN), 1(02), 1–13.
https://doi.org/https://doi.org/10.46772/jacfin.v1i02.369
Mubarok, H. (2022). Pengaruh Indikator Rasio Keuangan Terhadap Non-Performing
Financing Net Pada PT Bank Syariah Indonesia Tbk. 3(4), 778–784.
https://doi.org/10.47065/ekuitas.v3i4.1586
Priyatno, D. (2011). Analisis Statistik Data Lebih Cepat, Efisien dan Akurat. Media Com.
Sudarmanto, R. G. (2013). Setatistik Terapan berbasis Komputer Dengan Program IBM
SPSS Statistik 19. Mitra Wacana Media.
Sugiyono. (2014). Metode Penelitian Administrasi. Alfabeta.
Anoname. 2009. SPSS 17 untuk Pengolahan Data Statistik. Yogyakarta: Andi Offset.
Kuswadi, dan Mutiara, Erna. 2004. Statistik Berbasis Komputer untuk Orang-orang Non
Statistik. Jakarta: Elex Media Komputindo.
Nazir, Moh. 2005. Metode Penelitian. Bogor: Ghalia Indonesia.
Riana, Dwiza. 2012. Statistika Deskriptif Itu Mudah. Tangerang: Jelajah Nusa.
Santoso, Singgih. 2006. Seri Solusi Bisnis Berbasis TI : Menggunakan SPSS dan Excel untuk
mengukur Sikap dan Kepuasan Konsumen. Jakarta: Elex Media Komputindo.
Santoso, Singgih. 2015. SPSS 20 Pengolah Data Statistik di Era Reformasi. Jakarta: PT Elex
Media Komputindo.
Sudarmanto, Gunawan. 2013. Statistik Terapan Berbasis Komputer dengan Program IBM
SPSS Statistic 19. Jakarta: Mitra Wacana Media.
Sugiyono. 2012. Metode Penelitian Kuntitatif, Kualitatif dan R & D. Bandung: Alfabeta.
Supranto, J. 2009. Statistik : Teori dan Aplikasi, Edisi Ke-tujuh, Jilid 1. Jakarta: Erlangga.
Priyatno, D. (2011). Analisis Statistik Data Lebih Cepat, Efisien dan Akurat. Media Com.
Santoso, P. B., & Hamdani, M. (2007). Statistika Deskripsi dalam Bidang Ekonomi dan
Niaga. Erlangga
Sudarmanto, R. G. (2013). Setatistik Terapan berbasis Komputer Dengan Program IBM
SPSS Statistik 19. Mitra Wacana Media.
41
LAMPIRAN
SISTEM INFORMASI DATA N=190
1. Input Pengolahan Data SPSS
42
43
44
45
46
2. Output Pengolahan Data SPSS
FREQUENCIES VARIABLES=Statistika Web.Program.2 Character.Building
Akuntans i.Dasar Sistem.Operasi Sistem.IManagement Perancangan.SOO
Sistem.Informasi
/FORMAT=NOTABLE
/NTILES=4
/NTILES=3
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM
SEMEAN MEAN MEDIAN MOD E SUM SKEWNESS SESKEW KURTOSIS
SEKURT
/GROUPED=Statistika Web.Program.2 Character.Building Akuntansi.Dasar Sis
tem.Operasi Sistem.IManagement Perancangan.SOO Sistem.Informasi
/ORDER=ANALYSIS.
Frequencies
[DataSet1] E:\UBSI Matakuliah\Statistika Project\Untitled1 190 Sistem Info rmasi.sav
Statistics
Characte Akuntan
Statisti Web.Progra r. si.
ka m.2 Buildin Dasar
g
N Valid 190 190 190 190
Missing 0 0 0 0
Mean 91.3 58.88 68.98 51.46
5
Std. Error of Mean .253 .402 .739 .703
Median 90.3 58.76a 70.01a 51.67a
5a
Mode 90 60 70 50
Std. Deviation 3.48 5.545 10.181 9.693
8
Variance 12.16 30.742 103.650 93.954
4
Skewness .732 -.058 -.801 .335
Std. Error of Skewness .176 .176 .176 .176
Kurtosis 3.04 .130 1.044 -.343
2
Std. Error of Kurtosis .351 .351 .351 .351
Range 20 20 50 50
Minimum 80 50 40 30
Maximum 100 70 90 80
Sum 1735 11187 13106 9778
6
Percentiles 25 86.5 53.18b 62.23b 43.19b
47
9b
33.33333333 88.8 55.04 64.85 45.85
9
50 90.3 58.76 70.01 51.67
5
66.66666667 90.8 62.28 70.79 58.38
1
75 91.5 63.98 78.26 59.53
5
Sistem. Perancanga Sistem

Sistem.Ope IManageme n. .
rasi nt SOO Inform
asi
N Valid 190 190 190 190
Missing 0 0 0 0
Mean 83.68 76.06 73.04 93.42
Std. Error of Mean .487 4.485 1.358 .264
Median 82.55a 70.29a 77.14a 93.04a
Mode 82 70 90 90
Std. Deviation 6.715 61.824 18.720 3.646
Variance 45.097 3822.214 350.453 13.292
Skewness .010 9.232 -.408 -.295
Std. Error of Skewness .176 .176 .176 .176
Kurtosis -.281 86.912 -1.186 1.485
Std. Error of Kurtosis .351 .351 .351 .351
Range 29 625 70 20
Minimum 67 40 30 80
Maximum 96 665 100 100
Sum 15899 14451 13878 17749
Percentiles 25 80.29b 65.51b 56.92b 90.82b
33.33333333 81.21 67.93 61.04 91.60
50 82.55 70.29 77.14 93.04
66.66666667 85.21 71.98 88.53 94.54
75 87.91 78.78 90.17 95.70
a. Calculated from grouped data.

b. Percentiles are calculated from grouped data.
CORRELATIONS
/VARIABLES=Statistika Web.Program.2 Character.Building Akuntansi.Dasar S
istem.Operasi Sistem.IManagement Perancangan.SOO Sistem.Informasi
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Correlations
48
49
50
NONPAR CORR
/VARIABLES=Statistika Web.Program.2 Character.Building Akuntansi.Dasar
Sistem.Operasi Sistem.IManagement Perancangan.SOO Sistem.Informasi
/PRINT=BOTH TWOTAIL NOSIG
/MISSING=PAIRWISE.
Nonparametric Correlations
51
52
53
54
Statisti Web.Progr
ka am.2
Perancangan.SO Correlation - .07
O Coefficient Sig. .07 3
(2-tailed) 1
N .33 .31
0 4
19 190
0
Sistem.Informas Correlation .461 .02
i Coefficient Sig. ** 8
(2-tailed) .00 .70
N 0 1
19 190
0
Characte Akuntan
r. si.
Buildin Dasar
g
Perancangan.SO Correlation -.430** -.229**
O Coefficient Sig.
.000 .001
(2-tailed)
N 190 190
Sistem.Informas Correlation .099 -.025
i Coefficient Sig. .174 .736
(2-tailed) 190 190
N
55
Sistem.
Sistem.Ope IManageme
rasi nt
Perancangan.SO Correlation .286 -.368**
O Coefficient Sig. **
(2-tailed) .00 .000
N 0
190 190
Sistem.Informas Correlation - .122
i Coefficient Sig. .03
(2-tailed) 0
N .67 .094
8
190 190
Perancanga Sistem
n. .
SOO Inform
asi
Perancangan.SO Correlation 1.000 .025
O Coefficient Sig. . .730
(2-tailed) 190 190
N
Sistem.Informas Correlation .025 1.000
i Coefficient Sig. .730 .
(2-tailed) 190 190
N
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL
CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Sistem.Informasi
/METHOD=ENTER Statistika Web.Program.2 Character.Building
Akuntansi.Dasa r Sistem.Operasi Sistem.IManagement Perancangan.SOO
/SCATTERPLOT=(Sistem.Informasi ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/CASEWISE PLOT(ZRESID) OUTLIERS(3).
56
Regression
Descriptive Statistics
Mean Std. N
Deviation
Sistem.Informasi 93.42 3.646 190
Statistika 91.35 3.488 190
Web.Program.2 58.88 5.545 190
Character.Buildin 68.98 10.181 190
g
Akuntansi.Dasar 51.46 9.693 190
Sistem.Operasi 83.68 6.715 190
Sistem.IManage 76.06 61.824 190
ment
Perancangan.SO 73.04 18.720 190
O
Correlations
Sistem
. Statisti Web.Progr
Inform ka am.2
asi
Pearson Correlation Sistem.Informasi 1.000 .697 .06
9
Statistika .697 1.000 .05
4
Web.Program.2 .069 .054 1.00
0
Character.Buildin .194 .247 -
g .08
4
Akuntansi.Dasar .061 .167 .24
3
Sistem.Operasi -.036 -.194 -
.03
7
Sistem.IManagement .023 .006 .00
0
Perancangan.SO .000 -.063 .01
O 3
Sig. (1-tailed) Sistem.Informasi . .000 .17
3
57
Statistika .000 . .22
9
Web.Program.2 .173 .229 .
Character.Buildin .004 .000 .12
g 5
Akuntansi.Dasar .200 .010 .00
0
Sistem.Operasi .309 .004 .30
5
Sistem.IManagement .375 .465 .49
9
Perancangan.SO .500 .195 .42
O 7
N Sistem.Informasi 190 190 190
Statistika 190 190 190
Web.Program.2 190 190 190
Character.Buildin 190 190 190
g
Akuntansi.Dasar 190 190 190
58
Variables Entered/Removeda
Variabl Variabl
59
Mod es es Meth
el Entere Remov od
d ed
1 Perancanga
n. SOO,
Web.
Program.
2,
Sistem. . Enter
IManageme
nt,
Statistika,
Sistem.
Operasi,
Akuntan
si.
Dasar,
Characte
r.
Buildingb

b. All requested variables entered.
Model Summaryb
Change Statistics
Adjusted Std. Error of R
Mod R R R the Square F
el Square Square Estimate Chang Change
e
1 .708 .50 .48 2.62 .50 26.124
a 1 2 4 1
Model Summaryb
Change Statistics
Mod df1 df2 Sig. F Durbin-

el Change Watson
1 7 18 .0001.11
2 4
a. Predictors: (Constant), Perancangan.SOO, Web.Program.2, Sistem.IManagement,
Statistika, Sistem.
Operasi, Akuntansi.Dasar, Character.Building
b. Dependent Variable: Sistem.Informasi
60
ANOVAa
Sum
Model of d Mean F Sig.
Square f Square
s
1 Regressi 1259.074 7 179.868 26.12 .00
on 4 0b
Residual 1253.079 182 6.885
Total 2512.153 189
b. Predictors: (Constant), Perancangan.SOO, Web.Program.2, Sistem.IManagement,
Statistika, Sistem. Operasi, Akuntansi.Dasar, Character.Building
Coefficientsa
Standardiz
Unstandardized ed
Model Coefficients Coefficie t Sig.
nts
B Std. Bet
Error a
1 (Constant) 19.263 6.391 3.014 .003
Statistika .741 .058 .709 12.81 .000
0
Web.Program.2 .033 .036 .050 .909 .364
Character.Buildin .018 .021 .051 .856 .393
g
Akuntansi.Dasar -.019 .022 -.051 -.869 .386
Sistem.Operasi .046 .031 .085 1.491 .138
Sistem.IManage .000 .003 -.003 -.062 .951
ment
Perancangan.SO .005 .011 .028 .486 .628
O
Coefficientsa
95,0% Confidence Correlations

Model Interval for B
Lower Upper Zero- Partia Part
Bound Bound order l
1 (Constant) 6.652 31.874
Statistika .627 .855 .697 .689 .671
Web.Program.2 -.038 .104 .069 .067 .048
Character.Buildin -.024 .060 .194 .063 .045
g
61
Akuntansi.Dasar -.063 .024 .061 -.064 -.046
Sistem.Operasi -.015 .108 -.036 .110 .078
Sistem.IManage -.006 .006 .023 -.005 -.003
ment
Perancangan.SO -.017 .028 .000 .036 .025
O
Coefficientsa
Collinearity
Model Statistics
Toleran VI
ce F
1 (Constant)
Statistika .895 1.11
8
Web.Program.2 .915 1.09
3
Character.Buildin .785 1.27
g 4
Akuntansi.Dasar .797 1.25
5
Sistem.Operasi .834 1.19
9
Sistem.IManage .964 1.03
ment 8
Perancangan.SO .820 1.22
O 0
Perancanga Sistem.
Model n. Web.Progr IManageme
SOO am.2 nt
1 Correlatio Perancangan.SO 1.000 - -.021
ns O .01
3
Web.Program.2 -.013 1.00 -.032
0
Sistem.IManage -.021 - 1.000
ment .03
2
Statistika -.077 - -.018
.05
2
Sistem.Operasi -.224 - -.124
.03
4
Akuntansi.Dasar .086 - .074
62
.26
8
Character.Buildin .313 .14 -.099
g 7
Covarian Perancangan.SO .000 - -7.370E-7
ces O 5.191E-
6
Web.Program.2 -5.191E-6 .00 -3.594E-6
1
Sistem.IManage -7.370E-7 - 9.890E-6
ment 3.594E-
6
Statistika -5.003E-5 .00 -3.233E-6
0
Sistem.Operasi -7.866E-5 - -1.215E-5
3.830E-
5
Akuntansi.Dasar 2.144E-5 .00 5.106E-6
0
Character.Buildin 7.456E-5 .00 -6.580E-6
g 0
Coefficient Correlationsa
Akuntan
Model Statisti Sistem.Ope si.
ka rasi Dasar
1 Correlatio Perancangan.SO -.077 -.224 .086
ns O
Web.Program.2 -.052 -.034 -.268
Sistem.IManage -.018 -.124 .074
ment
Statistika 1.000 .174 -.060
Sistem.Operasi .174 1.000 .224
Akuntansi.Dasar -.060 .224 1.000
Character.Buildin -.234 -.092 -.199
g
Covarian Perancangan.SO - -7.866E-5 2.144E-5
ces O 5.003E
-5
Web.Program.2 .000 -3.830E-5 .000
Sistem.IManage - -1.215E-5 5.106E-6
ment 3.233E
-6
Statistika .003 .000 -7.679E-5
Sistem.Operasi .000 .001 .000
Akuntansi.Dasar - .000 .000
7.679E
63
-5
Character.Buildin .000 -6.088E-5 -9.296E-5
g
Characte
Model r.
Buildin
g
1 Correlatio Perancangan.SO .313
ns O
Web.Program.2 .147
Sistem.IManage -.099
ment
Statistika -.234
Sistem.Operasi -.092
Akuntansi.Dasar -.199
Character.Buildin 1.000
g
Covarian Perancangan.SO 7.456E-5
ces O
Web.Program.2 .000
Sistem.IManage -6.580E-6
ment
Statistika .000
Sistem.Operasi -6.088E-5
Akuntansi.Dasar -9.296E-5
Character.Buildin .000
g
Collinearity Diagnosticsa
Variance Proportions
Mod Dimensi Eigenva Condition (Consta Statisti Web.Progra

el on lue Index nt) ka m.2
1 1 7.520 1.000 .00 .00 .00
2 .363 4.553 .00 .00 .00
3 .068 10.524 .00 .00 .00
4 .024 17.601 .00 .00 .00
5 .014 22.946 .00 .00 .15
6 .006 34.590 .00 .00 .62
7 .004 46.295 .04 .16 .20
8 .001 115.012 .95 .83 .02
Collinearity Diagnosticsa
Variance
64
Proportions
Mod Dimensi Characte Akuntan Sistem.
el on r. si. Sistem.Ope IManageme
Buildin Dasar rasi nt
g
1 1 .00 .00 .00 .00
2 .00 .00 .00 .96
3 .03 .06 .00 .00
4 .11 .72 .02 .03
5 .59 .02 .03 .00
6 .14 .15 .33 .00
7 .12 .04 .42 .01
8 .00 .00 .20 .00
Variance
...
Mod Dimensi Perancanga
el on n.
SOO
1 1 .00
2 .00
3 .54
4 .10
5 .30
6 .06
7 .00
8 .00
Residuals Statisticsa
Minim Maxim Mean Std. N
um um Deviation
Predicted Value 84.77 100.27 93.42 2.581 19
0
Residual -6.390 6.692 .000 2.575 19
0
Std. Predicted -3.349 2.656 .000 1.000 19
Value 0
Std. Residual -2.435 2.550 .000 .981 19
0
Charts
65
66
67

Data Skunder Master PDF

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Data Skunder Master PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS PENGARUH FREKUENSI NILAI UJIAN MATAKULIAH

PADA PRODI SISTEM INFORMASI DATA N = 190

MAKALAH STATISTIKA PROJECT

Dosen Pengampu Bapak Husni Mubarok, M.Si.

Disusun Oleh Kelompok 1:

HUSNI MUBAROK NIM 201909261

UNIVERSITAS BINA SARANA INFORMATIKA

Assalamu’alaikum Warohmatullohi Wabarokatuh.

Puji syukur penulis panjatkan kehadirat Allah Subahanahuwataallah karena atas

Wassalamu’alaikum Warohmatullohi Wabarokatuh.

Tegal, Jakarta, Bekasi, 12/13/14 September 2022

BAB I PENDAHULUAN ............................................................................................... 1

DAFTAR PUSTAKA ..................................................................................................... 35

1.1. Latar belakang

1.2. Rumusan Masalah

1.3. Tujuan penelitian

1.4. Manfaat Penelitian

2.1. Analisis Statistik

2.2. Teknik Analyze Regression Linear

X1 Sistem Informasi Management

X1 Pemprograman Berbasis Objek

Ringkasan output hasil analisis multikolinearietas menggunakan Variance Inflation

3.1. Lokasi Penelitian

3.2. Teknik Pengumpulan Data Dan Analisis Data

Tabel 1. Data skunder Nilai Ujian Matakuliah

4.1. Distribusi Frekuensi Variabel

Tabel 1. Variabel X1 …..

Interval nilai tengah frekuensi

Tabel 2. Variabel X2 …..

4.2.Analyze Descriptive Statistic Frequencies

Gambar 2. Frequencies histogram

4.3. Analyze Compare Means One-Sample T Test

4.3.2. One-Sample Statistics

4.4. Analyze Correlation Bivariate

4.4.2. Analyze Correlation Bivariate Kendall’s dan Spearman’s

4.4.2.2. Correlation bivariate spearman’s

4.5. Analyze Regression Linear

Gambar 2. Regression charts

4.5.3. Descriptive Statistics

4.5.4. Model Summaryb

4.5.6.2. Collinearity Statistics Variance Inflation Factor (VIF)

4.5.6.3. Hasil Hipotesis Coefficients Penelitian

1. Input Pengolahan Data SPSS

[DataSet1] E:\UBSI Matakuliah\Statistika Project\Untitled1 190 Sistem Info rmasi.sav

Sistem. Perancanga Sistem

a. Calculated from grouped data.

a. Dependent Variable: Sistem.Informasi

Mod df1 df2 Sig. F Durbin-

95,0% Confidence Correlations

Mod Dimensi Eigenva Condition (Consta Statisti Web.Progra

Anda mungkin juga menyukai