TAHAPAN PENGOLAHAN DATA STATISTIK

 STATISTIK DESKRIPTIF
Statistik deskriptif memberikan gambaran atau penjelasan suatu data, dengan melihat
mean (rata-rata), simpangan baku (standar deviasi), varians, maksimum dan
minimum. Statistik deskriptif juga merupakan proses mengubah data penelitian ke
dalam bentuk tabulasi dengan cara yang mudah dipahami dan diinterpretasikan

 UJI ASUMSI KLASIK

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah variabel perancu atau residual dalam
model regresi berdistribusi normal atau tidak.

Pengujian p-plot

 Data dikatakan berdistribusi normal, apabila data/titik menyebar digaris

diagonal dan mengikuti arah garis diagonal.
 Data dikatakan tidak berdistribusi normal, apabila data/titik menyebar jauh
dari arah garis atau tidak mengikuti diagonal.

b. Uji Multikolinearitas
Uji Multikolinearitas menguji apakah suatu model regresi telah menemukan korelasi
antara variabel bebas (independen).
 Tolerance < 0,100, artinya terdapat masalah multikolinearitas
 Tolerance > 0,100, artinya tidak terdapat masalah multikolinearitas

 VIF > 10,00, artinya terdapat masalah multikolinearitas

 VIF < 10,00, artinya tidak terdapat masalah multikolinearitas

c. Uji Hetereoskedastisitas
Uji heteroskedastisitas digunakan untuk mendeteksi permasalahan heteroskedastisitas
pada model regresi.

Dengan scatterplot
 Tidak terjadi heteroskedastisitas apabila tidak terdapat pola tertentu pada grafik,
seperti mengumpul di tengah, menyempit kemudian melebar, atau sebaliknya
melebar kemudian menyempit (sunjoyo, 2013)

Dengan glejser

 sig < 0,05, artinya terdapat masalah heteroskedastisitas

 sig > 0,05, artinya tidak terdapat masalah heteroskedastisitas

numerik (rumus) = ABS_RES(RES_1)

ADA RES 2

d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi terdapat
korelasi antara data observasi.

 Tidak terjadi autokorelasi, jika Durbin Watson terletak antara du sampai

dengan (4-du)
 Nilai du dicari pada distribusi nilai tabel durbin Watson (tabel dw)
berdasarkan K = jumlah variabel bebas (2) dan N = jumlah responden (30)

Contoh:

Du (1,5666) < durbin Watson (1.160) < 4-du (2,4334), artinya terdapat gejala
autokorelasi.

Jika terdapat masalah autokorelasi, maka penyembuhannya menggunakan metode

Cochran-orcutt

*BUAT LAG_RES TERLEBIH DAHULU

Rumus contoh : Total_X1(0.405*LAG(Total_X1))

Du (1,5666) < durbin Watson (1.601) < 4-du (2,4334), artinya tidak terdapat
gejala autokorelasi.
 UJI HIPOTESIS
a. Uji T (Parsial)

Uji t digunakan untuk mengetahui ada tidaknya pengaruh masing-masing variabel

independen secara parsial terhadap variabel dependen yang diuji pada taraf
signifikansi 5% atau 0,05. Apabila nilai probability < 0,05 maka variabel independen
berpengaruh terhadap variabel dependen.

 Jika Thitung < Ttabel atau probabilitas signifikansi > 0,05 maka tidak
terdapat pengaruh pada variabel bebas terhadap variabel terikat.
 Jika Thitung > Ttabel atau probabilitas signifikansi < 0,05 maka terdapat
pengaruh pada variabel bebas terhadap variabel terikat.

T tabel = a/2 = 0,025

n-k-1 (total responden – variabel x dan y – 1) = 30-3-1 = 26

t tabel = 2,05553

b. Uji F (Simultan)

Uji F digunakan untuk mengetahui pengaruh variabel independen secara simultan

terhadap variabel dependen atau untuk menguji keakuratan model regresi.

 Jika Fhitung < Ftabel atau probabilitas signifikansi > 0,05 maka tidak terdapat
pengaruh pada variabel bebas terhadap variabel terikat (model tidak sesuai).
 Jika Fhitung > Ftabel atau probabilitas signifikansi < 0,05 maka terdapat
pengaruh pada variabel bebas terhadap variabel terikat (model sesuai).

Df1 = k-1 = 3-1 =2 df2 = n-k = 30-3 = 27 f tabel = 3,35

 Uji Koefisien Determinasi (R2)

Uji Koefisien determinasi (R2) digunakan untuk mengukur seberapa cocok garis regresi
dengan data sebenarnya (goodness of fit). Nilai koefisien determinasi (R2) mempunyai
interval antara 0 sampai dengan 1 (0 < R2 < 1). Semakin besar R2 (mendekati 1), maka
semakin tinggi pula kemampuan variabel bebas dalam menjelaskan variasi perubahan
yang terjadi pada variabel terikat.