• statistik deskriptif memberikan gambaran atau deskripsi mengenai variabel

yang diteliti yaitu

• Uji multikolonieritas = untuk menguji adanya korelasi antar variabel
independen
• Uji normalitas dilakukan dengan tujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal.
• Kenapa data harus normal? Karena syarat untuk melakukan parametric test
adalah residual data harus berdistribusi normal. Uji parametrik adalah
pengujian yang memiliki informasi tentang parameter populasi, sedangkan
uji non-parametrik adalah tes di mana peneliti tidak tahu tentang parameter
populasi. Parameter adalah objek penelitian atau titik perhatian suatu
penelitian. Dampak dari data yang tidak berdistribusi normal menyebabkan
varians data menjadi tidak homogen. Data homogen berarti unsur dari setiap
data memiliki kesamaan.
• Uji multikolonieritas = untuk mengetahui ada atau tidaknya penyimpangan
asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel
independen dalam model regresi. jadi di regresi linear berganda gabole ada
multiko.
• Uji autokorelasi = untuk melihat apakah terjadi korelasi antara suatu periode
t dengan periode sebelumnya (t -1)
• Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. INTINYA DATA PADA TAHUN
T TIDAK BOLEH DIPNGARUHI OLEH DATA T-1
• Uji heteroskedastisitas = untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik heteroskedastisitas yaitu adanya
ketidaksamaan varian dari residual untuk semua pengamatan pada model
regresi. jadi di model regresi linear berganda itu syaratnya ga bole ada gelaja
heteroskedastisitas
• Kita telah belajar bahwa heteroskedastisitas terjadi ketika hubungan antara
prediksi dan residu membentuk sebuah pola. Di sisi lain homoskedastisitas
adalah kondisi ketika nilai residu pada tiap nilai prediksi bervariasi dan
variasinya cenderung konstan.
• Uji koefisien korelasi (R) = untuk ngukur seberapa besar hubungan var
indep ke var dep (semakin deket ke angka 1 maka semakin kuat hubngnnya)
• Uji koefisien determinasi = untuk ngukur seberapa jauh model var indep
dalam menerangkan variabel dependennya
• Uji F = untuk mengetahui apakah semua variabel independen punya
pengaruh yang sama terhadap variabel dependennya. kalau hasil
 hipotesisnya 0 atau ditolak, maka var indep mempengaruhi dependen dan
sebaliknya.
• Uji T = untuk kasih tau seberapa jauh pengaruh 1 var indep dalam
menjelaskan variabel dependen
Kenapa pakai standardized coefficient dari pada Unstandardized coefficient?
Karena di unstandardized itu data dari tiap variabel independen masi dalam bentuk
aslinya atau bentuk bakunya sedangkan di bagian standardized itu variabel
variabelnya sudah di standarisasi sesuai standar deviasinya masing masing jadi bisa
langsung di membandingkan variabel indepnya masing-masing pengaruh ke var
depnya dan salah satu syarat kenapa pakai standardized coeffiecient itu karena di
variabel kita ada yang beda satuannya. Contohnya di variabel panjang kaki itu
satuannya “cm” dan variabel berat badan itu satuannya “kg” jadi harus pakai yang
standardized.

APA ITU SEE?

Standard Error of Estimate Se atau kesalahan baku adalah angka yang digunakan
untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi titik- titik
observasi di atas dan di bawah garis regresi sampel. Standard Error of Estimate
standar kesalahan penduga berguna untuk mengetahui batasan seberapa jauh
melesetnya perkiraan dalam suatu peramalan

Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan

dan penyajian suatu data sehingga memberikan informasi yang berguna
Data sekunder adalah data yang diambil melalui perantara atau pihak yang telah
mengumpulkan data tersebut sebelumnya, dengan kata lain peneliti tidak langsung
mengambil data sendiri ke lapangan. Sumber data primer dan sekunder pun
bermacam-macam, tergantung dari metode apa yang digunakan oleh peneliti.

Mean adalah salah satu ukuran gejala pusat. Mean dapat dikatakan sebagai wakil
kumpulan data.
Mean adalah jumlah dari semuanya nilai sampel dibagi dengan jumlah total nilai
sampel. Standar deviasi atau simpangan baku sampel adalah akar kuadrat dari
varians sampel. varians adalah ukuran statistik tentang seberapa tersebar titik-titik
data dalam sampel atau kumpulan data. Minimum adalah nilai terkecil dalam suatu
data, sedangkan untuk maksimum adalah nilai terbesar dalam suatu data. Range
adalah perbedaan antara nilai maksimum dan minimum dalam kumpulan data
Di uji multiko ada nilai tolerance dan nilai VIF:
Nilai tolerance adalah besarnya tingkat kesalahan yang dibenarkan secara statistik.
Nilai tolerance juga dapat diartikan sebagai seberapa besar variabel independen
tidak mempengaruhi variabel independen lainnya
Nilai variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku
kuadarat. VIF adalah suatu faktor yang mengukur seberapa besar kenaikan ragam
dari koefisien penduga regresi dibandingkan terhadap variabel bebas yang
orthogonal jika dihubungkan secara linear. Faktor inflasi varians (VIF)
memberikan ukuran multikolinearitas di antara variabel independen dalam model
regresi berganda.
Nilai tolerance mengukur besarnya variabilitas dalam variabel independen yang
tidak bisa dijelaskan oleh variabel independen lainnya sehingga semakin besar
variabilitasnya (keragaman datanya disatu variabel) maka semakin tinggi juga
variabel tersebut tidak dijelaskan oleh variabel independen lainnya sehingga
korelasi antara variabel independen juga akan semakin kecil (VIF kecil)
Kenapa uji normalitas pakai yang monte carlo? (kalau pakai monte carlo)
Kenapa pakai monte carlo? Kenapa ga assymp sig 2 tailed. Karena monte carlo
cocok digunakan untuk data dari sampel yang nilainya acak dan ekstrim (rentang
nilai nya jauh dengan nilai yang lainnya)
2 cara benerin normalitas itu dengan outlier dan transform:
Fungsi outlier itu untuk mengeliminasi data yang rentang nilainya jauh sekali
dengan nilai yang ada di dalam 1 variabel
Sedangkan fungsi transform adalah upaya yang dilakukan dengan tujuan utama
untuk mengubah skala pengukuran data asli menjadi bentuk lain
sehingga data dapat memenuhi asumsi-asumsi yang mendasari analisis ragam.
Transformasi data sebaiknya digunakan jika suatu himpunan data mempunyai
rentang nilai-nilai yang sangat jauh berbeda.

R2 selalu bernilai positif, tetapi adjusted R-Square bisa saja bernilai

negatif meskipun R2 nya bernilai positif. Itu dia kenapa lebih disarankan
menggunakan adjusted r square karena ketika bertambah variabel, r2 akan selalu
bertambah nilainya, sedangkan adjusted r square dia dapat bertambah dan
berkurang ketika bertambahnya variabel
Regresi linear berganda merupakan model regresi yang melibatkan lebih dari
satu variabel independen. Analisis regresi linear berganda dilakukan untuk
mengetahui arah dan seberapa besar pengaruh variabel independen terhadap
variabel dependen (Ghozali, 2018).
Tujuan pengujian asumsi klasik adalah untuk memberikan kepastian bahwa
persamaan regresi yang diperoleh memiliki ketepatan dalam estimasi, tidak
bias, dan konsisten. Sebelum melakukan analisis regresi terlebih
dahulu dilakukan pengujian asumsi

goodness of fit atau fungsi regresi dapat menaksir nilai aktual. uji goodness of
fit (uji kelayakan model) dilakukan untuk mengukur ketepatan fungsi regresi
sampel dalam menaksir nilai aktual secara statistik.
JENIS JENIS ANALISIS REGRESI

1. Analisis Regresi Linier Sederhana

Analisis ini merupakan analisis regresi yang hanya terdiri terdiri dari satu variabel
dependen dan satu variabel independen. Variabel Metode ini adalah metode
pertama yang dipelajari untuk memahami konsep dari regresi sendiri. Di dalam
regresi ini, variabel independen ini akan digunakan untuk menjelaskan atau
memprediksi hasil dari variabel dependen. Nah, lalu bagaimana jika ada dua atau
lebih variabel independen, metode apa yang seharusnya digunakan? Di poin
selanjutnya akan dijelaskan lebih lanjut, jadi baca sampai selesai ya!
2. Analisis Regresi Linier Berganda
Analisis regresi berganda hampir sama dengan analisis regresi linier sederhana,
dimana untuk memprediksi nilai dependen atau yang lebih dikenal dengan variabel
Y memerlukan variabel independen atau yang lebih dikenal dengan variabel X. Hal
yang membedakan antara regresi ini dengan regresi linier sederhana adalah jumlah
variabel yang digunakannya. Di regresi linear berganda, kita bisa menggunakan
mulai dari dua bahkan lebih variabel independen. Namun bisa jadi tidak semua
variabel mempengaruhi variabel Y. Untuk mendapatkan model terbaik, kita hanya
perlu memilih variabel yang berpengaruh ke variabel Y saja.
3. Analisis Regresi Logistik
Analisis regresi ini cukup berbeda jika dibandingkan dengan dua analisis regresi
sebelumnya. Analisis regresi logistik terbilang cukup rumit, karena biasanya
digunakan untuk menentukan probabilitas dari suatu kejadian, seperti ya atau tidak,
hidup atau mati, dan lain sebagainya. Umumnya untuk menggunakan regresi
logistik, variabel dependen nya (variabel Y) akan bersifat kategorik. Analisis
Regresi Logistik kemudian terbagi menjadi analisis regresi logistik biner dan
analisis regresi logistik multinomial. Analisis regresi logistik merupakan metode
analisis yang digunakan untuk melihat hubungan anatara variabel dependen dan
independen, dimana variabel dependennya bersifat kategorik. Contoh data
kategorik adalah jenis kelamin, bahasa, dan kewarganegaraan.
JENIS JENIS SKALA
Skala Nominal merupakan skala yang paling lemah/rendah di antara skala
pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau peristiwa
yang satu dengan yang lainnya berdasarkan nama (predikat).
Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga disebut
dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-lambang
bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan
urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Sebagai
contoh tingkat pendidikan, 1. Sekolah dasar 2. SMP 3. SMP 4. Sarjana.
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal
dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang
tetap. Skala interval sudah memiliki nilai intrinsik, sudah memiliki jarak, tetapi
jarak tersebut belum merupakan kelipatan yaitu skala interval tidak memiliki nilai
nol mutlak. Contoh: tingkat kepuasan, setuju atau tidak setuju (yang ada 5 kategori
itu)
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio,
terdapat semua karakteristik skala nominal, ordinal dan skala interval ditambah
dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya
adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang lain.
Pada skala ratio, pengukuran sudah mempunyai nilai perbandingan/rasio Misalnya
umur seseorang dan ukuran timbangan berat badan seseorang keduanya tidak
memiliki angka nol negatif.
JENIS JENIS VARIABEL (SELAIN INDEPENDEN DAN DEPENDEN)
Variabel moderating adalah variabel yang memperkuat atau memperlemah variabel
independen terhadap dependen
Variabel mediating atau intervening variabel intervening (penghubung) adalah
variabel yang secara teoritis mempengaruhi hubungan antar variabel independen
dan dependen menjadi hubungan yang tidak langsung dan tidak dapat diamati dan
diukur.