i
KATA PENGANTAR
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
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
2
BAB II
KAJIAN PUSTAKA
3
yaitu pemberi gambaran perihal objek yang diteliti melalui sampel yang apa adanya, tanpa
analisis serta membuat keputusan yang berlaku untuk umum.
(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
Gambar 1. Variabel Penelitian Kelompok 2 N=194 (Kelas 12.3A.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Sistem Operasi
X4 Akuntansi Dasar
X5 Sistem Informasi Management
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 3 N=195 (Kelas 12.3A.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Akuntansi Dasar
X4 Sistem Informasi Management
X5 Sistem Operasi
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 4 N=196 (Kelas 12.3A.35)
4
X1 Statistika
X2 Web Programming
X3 Sistem Informasi Management Y Character Building
X4 Akuntansi Dasar
X5 Sistem Operasi
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 5 N=197 (Kelas 12.3A.35)
X1 Statistika
X2 Sistem Informasi Management
X3 Character Building Y Web Programming
X4 Akuntansi Dasar
X5 Sistem Operasi
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 6 N=198 (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 8 N=200 (Kelas 12.3A.35)
5
(Kelas 12.3C.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Perancangan Sistem Orientasi
X4 Akuntansi Dasar Objek
X5 Sistem Operasi
X6 Sistem Informasi Management
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
X5 Sistem Informasi Management
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 2 N=199 (Kelas 12.3C.35)
X1 Statistika
X2 Web Programming
X3 Character Building Y Akuntansi Dasar
X4 Sistem Informasi Management
X5 Sistem Operasi
X6 Perancangan Sistem Orientasi Objek
Gambar 1. Variabel Penelitian Kelompok 3 N=200 (Kelas 12.3C.35)
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
Gambar 1. Variabel Penelitian Kelompok 1 N=197 (Kelas 13.3A.35)
X1 Statistika
X2 Pemprograman Berbasis Objek
X3 Arsitektur Komputer Y Mikrokontroler
X4 Pratikum Elektronika
X5 Routing dan Switching Essentials
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 2 N=198 (Kelas 13.3A.35)
X1 Statistika
X2 Mikrokontroler
X3 Arsitektur Komputer Y Routing dan Switching Essentials
X4 Pratikum Elektronika
X5 Pemprograman Berbasis Objek
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 4 N=200 (Kelas 13.3A.35)
7
(Kelas 15.3A.31)
X1 Statistika
X2 Praktikum jaringan komputer
X3 Web Programming 1 Y Grafika Komputer
X4 Mobile Programming
X5 Jaringan Komputer
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 1 N=197 (Kelas 15.3A.31)
X1 Statistika
X2 Grafika Komputer
X3 Web Programming 1 Y Praktikum jaringan komputer
X4 Mobile Programming
X5 Jaringan Komputer
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 2 N=198 (Kelas 15.3A.31)
X1 Statistika
X2 Praktikum jaringan komputer
X3 Grafika Komputer Y Web Programming 1
X4 Mobile Programming
X5 Jaringan Komputer
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 3 N=199 (Kelas 15.3A.31)
X1 Statistika
X2 Praktikum jaringan komputer
X3 Web Programming 1 Y Mobile Programming
X4 Grafika Komputer
X5 Jaringan Komputer
X6 Sistem Basis Data
Gambar 1. Variabel Penelitian Kelompok 4 N=200 (Kelas 15.3A.31)
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
Gambar 1. Variabel Penelitian Kelompok 1 N=197 (Kelas 73.3A.07)
X1 Menggambar Teknik
X2 Sistem Informasi Manajemen
X3 Kalkulus II Y Mekatronika
X4 Statistika
X5 Rekayasa Lingkungan
X6 Material Teknik
X7 Logika dan Algoritma
Gambar 1. Variabel Penelitian Kelompok 2 N=198 (Kelas 73.3A.07)
X1 Menggambar Teknik
X2 Sistem Informasi Manajemen
X3 Kalkulus II Y Rekayasa Lingkungan
X4 Mekatronika
X5 Statistika
X6 Material Teknik
X7 Logika dan Algoritma
Gambar 1. Variabel Penelitian Kelompok 3 N=199 (Kelas 73.3A.07)
X1 Menggambar Teknik
X2 Sistem Informasi Manajemen
X3 Kalkulus II Y Logika dan Algoritma
X4 Mekatronika
X5 Rekayasa Lingkungan
X6 Material Teknik
X7 Statistika
Gambar 1. Variabel Penelitian Kelompok 3 N=200 (Kelas 73.3A.07)
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
Variabel X3= Matakuliah
Variabel X4= Matakuliah
Variabel X5= Matakuliah
Variabel X6= Matakuliah
Variabel X7= 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
11
BAB III
METODE PENELITIAN
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.
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
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 % :
Statistika nilai persentase 50% hasil test sebesar 90.35
Web programming nilai persentase50% hasil test sebesar 58.76
Character buildingnnilai persentase 50% hasil test sebesar 70.01
Akuntansi dasar nilai persentase 50% hasil test sebesar 51.67
Sistem operasi nilai persentase 50% hasil test sebesar 82.55
Sistem informasi management nilai persentase 50% hasil test sebesar 70.29
Perancang sistem orientasi objek nilai persentase 50% hasil test sebesar 77.14
Sistem informasi nilai persentase 50% hasil test sebesar 93.04
Persentase 75 % :
Statistika nilai persentase 75% hasil test sebesar 91.55
Web programming nilai persentase 75% hasil test sebesar 63.98
Character buildingnnilai persentase 75% hasil test sebesar 78.26
Akuntansi dasar nilai persentase 75% hasil test sebesar 59.53
Sistem operasi nilai persentase 75% hasil test sebesar 87.91
Sistem informasi management nilai persentase 75% hasil test sebesar 78.78
Perancang sistem orientasi objek nilai persentase 75% hasil test sebesar 90.17
Sistem informasi nilai persentase 75% hasil test sebesar 95.70
……………………………………………………………………………
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)
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
2. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
3. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
Nilai Signifikansi (0,007 < 0,025) maka kesimpulannya yaitu :
H1 diterima, artinya bahwa ada hubungan secara signifikan antara sistem informasi
dengan charcter building
4. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
Nilai Signifikansi (0,400 > 0,025) maka kesimpulannya yaitu :
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.
Nilai Signifikansi (0,618 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan sistem operasi
6. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
Nilai Signifikansi (0,749 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan sistem informasi
dengan Sistem Informasi Management
7. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Perancang soo (r) adalah sebesar 0,000 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.
Nilai Signifikansi (0,999 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan perancang soo
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
**. 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) analyze correlation bivariate kendall’s dan
spearman’s adalah sebagai berikut:
4.4.2.1. Correlation bivariate kendall’s
1. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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
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
31
2. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara sistem informasi dengan
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.
Nilai Signifikansi (0,687 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan web program 2
3. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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
Lemah Sistem informasi maka semakin Sangat Lemah Character building begitupun
sebaliknya.
Nilai Signifikansi (0,181 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan character building
4. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara sistem informasi dengan
akuntansi dasar (r) adalah sebesar -0,17 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Akuntansi dasar. Sedangkan arah
hubungan adalah negatif karena nilai r negatif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Akuntansi dasar begitupun sebaliknya.
Nilai Signifikansi (0.772 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan akuntansi dasar.
5. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
Nilai Signifikansi (0.710 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan sistem operasi
6. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Sistem Informasi Management (r) adalah sebesar 0,93 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.
Nilai Signifikansi (0.100 > 0,025) maka kesimpulannya yaitu :
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.
2. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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.
Nilai Signifikansi (0.701 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan web program 2
3. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
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
Lemah Sistem informasi maka semakin Sangat Lemah Character building begitupun
sebaliknya.
Nilai Signifikansi (0.174 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan character building
4. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Akuntansi dasar (r) adalah sebesar -0,025 Hal ini menunjukkan bahwa terjadi hubungan
Sangat Lemah antara Sistem informasi dengan Akuntansi dasar Sedangkan arah
hubungan adalah negatif karena nilai r negatif, berarti semakin Sangat Lemah Sistem
informasi maka semakin Sangat Lemah Akuntansi dasar begitupun sebaliknya.
Nilai Signifikansi (0.736 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan akuntansi dasar
5. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Sistem operasi (r) adalah sebesar -0.030 Hal ini menunjukkan bahwa terjadi hubungan
33
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 operasi begitupun sebaliknya.
Nilai Signifikansi (0.678 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan sistem operasi
6. Dari hasil analisis korelasi sederhana (r) didapat korelasi antara Sistem informasi dengan
Sistem Informasi Management (r) adalah sebesar 0.0122 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.
Nilai Signifikansi (0.094 > 0,025) maka kesimpulannya yaitu :
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 0.025 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.
Nilai Signifikansi (0.730 > 0,025) maka kesimpulannya yaitu :
Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara sistem
informasi dengan perancang soo
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
a. Dependent Variable: Sistem.Informasi
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
informasi akan tinggi.
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
informasi akan tinggi.
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
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
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
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
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
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
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
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
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
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
a. Dependent Variable: Sistem.Informasi
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
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
a. Dependent Variable: Sistem.Informasi
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
a. Dependent Variable: Sistem.Informasi
Collinearity Diagnosticsa
Variance Proportions
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
a. Dependent Variable: Sistem.Informasi
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
a. Dependent Variable: Sistem.Informasi
Charts
65
66
67