MEMAHAMI TEKNIK

PENGUMPULAN DATA
DAN
ANALISIS DATA
 PEMBAHASAN :
 Teknik Pengumpulan Data dengan Interview atau Wawancara.
 Cara Penyusunan Kuesioner
 Teknik pengumpulan data dengan Observasi
 Cara Menganalisis Data dengan Uji Statistik
(Regresi)
 Pengujian Hipotesis
 Teknik Pengumpulan Data dengan
Interview atau
Wawancara.
pengumpulan data adalah dengan jalan wawancara,
yaitu mendapatkan informasi dengan cara bertanya
langsung kepada responden.

Wawancara adalah teknik pengumpulan data yang

dilakukan dengan bertatap muka dan tanya jawab
langsung antara peneliti dan narasumber atau
sumber data.
Jenis-jenis wawancara
 Wawancara terstruktur

 Wawancara tidak terstruktur

.
Tahap-tahap WawancaraTahap-tahap Wawancara

 Tahap persiapan
a. Menentukan maksud atau tujuan wawancara (topik wawancara)
b. Menentukan informasi yang akan di kumpulkan atau didata.
c. Menentukan dan menghubungi nara sumber.
d. Menyusun daftar pertanyaan.

 Tahap pelaksanaan
a. Mengucap salam
b. Memperkenalkan diri.
c. Mengutarakan maksud dan tujuan wawancara.
d. Menyampaikan pertanyaan dengan teratur.
e. Mencatat dan merekam pokok-pokok wawancara.
f. Mengahiri dengan salam dan meminta kesediaan narasumber
untuk dapat dihubungi kembali jika ada yang perlu dikomfirmasi
atau dilengkapi
Cara Penyusunan Kuesioner

Kuesioner adalah daftar pertanyaan ysng tersusun dengan

baik yang digunaka alat pengumpulan data melalui survei.

Tujuan pembentukan kuesioner adalah Sebagai alat

memperoleh data yang sesuai dengan tujuan penelitian dan
penjabaran dari hipotesis.
Persyaratan Kuesioner :
a. Relevan dengan tujuan penelitian
b. Mudah ditanyakan
c. Mudah dijawab
d. Data yang didapat mudah diolah.
 Teknik pengumpulan
data dengan Observasi

Teknik observasi adalah teknik pengumpulan data dengan

cara peneliti melakukan pengamatan secara langsung

di lapangan.
 Secara umum observasi dapat
dilakukan dengan cara yaitu :
Observasi Partisipan

Observasi partisipan adalah apabila orang yang melakukan

observasi turut ambil bagian atau berada dalam keadaan obyek
yang diobservasi.

Observasi Non-Partisipan

Merupakan suatu proses pengamatan observer tanpa ikut

dalam kehidupan orang yang diobservasi dan secara terpisah
berkedudukan sebagai pengamat
 Cara Menganalisis Data dengan Uji Statistik
(Regresi)

Analisis Regresi adalah analisis yang digunakan untuk

mengetahui pengaruh atau perubahan antara Variabel.

Variabel yang dimaksud adalah Variabel bebas (Independent)
dan Variabel terikat (Dependent).

Variabel bebas (Independent) yaitu Variabel yang

mempengaruhi, sedangkan Variabel terikat (Dependent) yaitu
variabel yang dipengaruhi oleh variabel lain.
Macam-macam analisis Regresi ada 2 yaitu Analisis Regresi
Linear Sederhana dan Analisis Regresi Linear Berganda.

 Analisis Regresi Linear Sederhana.

Analisis regresi linier sederhana adalah hubungan secara

linear antara satu variabel independen (X) dengan variabel
dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variabel

independen dengan variabel dependen apakah positif atau
negatif
Persamaan Regresi Linear sederhana

Y = a + bX + e

Keterangan :
Y = Variabel terikat
a = Konstanta (besarnya Y jika X = 0)
b = Koefisien regresi (besarnya perubahan Y akibat perubahan
X)
X = Variabel Bebas
e = Kesalahan penganggu (eror).
 Contoh analisis regresi linear sederhana.

Seorang mahasiswa bernama Hermawan ingin meneliti tentang

pengaruh biaya promosi terhadap volume penjualan pada

perusahaan jual beli motor. Dengan ini di dapat variabel
dependen (Y) adalah volume penjualan dan variabel independen
(X) adalah biaya promosi. Dengan ini Hermawan menganalisis
dengan bantuan program SPSS dengan alat analisis regresi
linear sederhana.
 Dengan data sebagai berikut :

NO Biaya Promosi Volume Penjualan

1 12.000 56.000

2 13.500 62.4300

3 12.750 60.850

4 12.600 61.300

5 14.850 65.825

6 15.200 66.354

7 15.750 65.260

8 16.800 68.798

9 18.450 70.470

10 17.900 65.200
 Kelanjutannya
11 18.250 68.000

12 16.480 64.200

13 17.500 65.300

14 19.560 69.562

15 19.000 68.750

16 20.450 70.256

17 22.650 72.351

18 21.400 70.287

19 22.900 73.564

20 23.500 75.642
 Kemudian

a) Analyze – Regression – Linear

b) Klik variabel Volume Penjualan dan masukkan ke kotak
c) Dependent, kemudian klik variabel Biaya Promosi dan ma-
sukkan ke kotak Independent.
d) Klik Statistics, klik Casewise diagnostics, klik All cases. Klik
Contiue
e) Klik OK, maka hasil output yang didapat pada kolom Coeffi-
ciendan Casewise Diagnostics adalah sebagai berikut
 Casewise Diagnosticsa

Case Num- Std. Resid- VolumePen- Predicted

ber ual jualan Value Residual

1 -2.288 56.00 60.0045 -4.00451

2 .307 62.43 61.8922 .53776

3 -.056 60.85 60.9484 -.09837

4 .309 61.30 60.7596 .54040

5 1.276 65.83 63.5912 2.23380

Coefficients a
6 1.327 66.35 64.0317 2.32233

7 .306 65.26 64.7238 .53616

Standard-
8 1.573 68.80 66.0453 2.75275
Unstandardized Coeffi- ized Coeffi-
9 1.342 70.47 68.1218 2.34824
cients cients
10 -1.274 65.20 67.4296 -2.22959
Model B Std. Error Beta t Sig. 11 .074 68.00 67.8701 .12994

1 (Constant) 44.903 2.052 21.888 .000 12 -.824 64.20 65.6425 -1.44253

13 -.929 65.30 66.9262 -1.62619

BiayaPro-
1.258 .115 .933 10.983 .000 14 .025 69.56 69.5187 .04332
mosi
15 -.037 68.75 68.8139 -.06393
a. Dependent Variable: VolumePenjualan 16 -.219 70.26 70.6387 -.38273

17 -.604 72.35 73.4074 -1.05641

18 -.884 70.29 71.8343 -1.54730

19 -.090 73.56 73.7220 -.15803

20 .666 75.64 74.4771 1.16488

a. Dependent Variable: VolumePenjualan

 a. Dependent Variable: Volume Penjualan

Persamaan regresinya sebagai berikut:

Y’ = a + bX
Y’ = 44.903 + 1.258X
a. Konstanta sebesar 44.903; artinya jika biaya promosi (X) ni-
lainya adalah 0, maka volume penjulan (Y’) nilainya Positif
yaitu sebesar 44.90

b. Koefisien regresi variabel harga (X) sebesar 1.258; artinya

jika harga mengalami kenaikan Rp.1, maka volume penjualan (Y’)
akan mengami peningkatan sebesar Rp.1.258. Koefisien bernilai
positif artinya terjadi hubungan positif antara harga dengan
volume penjualan, semakin naik harga maka semakin
meningkatkan volume penjualan.
Uji Koefisien Regresi Sederhana (Uji t)

Uji ini digunakan untuk mengetahui apakah variabel

independen (X) berpengaruh secara signifikan

terhadap variabel dependen (Y).
Analisis Regresi Linear Berganda

Analisis regresi linier berganda adalah hubungan secara linear

antara dua atau lebih variabel independen (X1, X2,….Xn)

dengan variabel dependen (Y). Analisis ini untuk mengetahui

arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen
berhubungan positif atau negatif
 Persamaan regresi linear berganda
sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun
penurunan
 Contoh kasus:

Contoh kasus pada uji normalitas, yaitu sebagai berikut:

Seorang mahasiswa bernama Bambang melakukan penelitian
tentang faktor-faktor yang mempengaruhi harga saham pada
perusahaan di BEJ. Bambang dalam penelitiannya ingin
mengetahui hubungan antara rasio keuangan PER dan ROI
terhadap harga saham.
 Dengan data sebagai berikut:

Tahun Harga Saham PER (%) ROI (%)

1990 8.300 4.90 6.47

1991 7.500 3.28 3.14

1992 8.950 5.05 5.00

1993 8.250 4.00 4.75

1994 9.000 5.97 6.23

1995 8.750 4.24 6.03

1996 10.000 8.00 8.75

1997 8.200 7.45 7.72

1998 8.300 7.47 8.00

1999 10.000 12.68 10.40

2000 12.800 14.45 12.42

 Kelanjutannya

2001 9.450 10.50 8.62

2002 13.000 17.24 12.07

2003 8.000 15.56 5.83

2004 6.500 10.85 5.20

2005 9.000 16.56 8.58

2006 7.600 13.24 7.37

2007 10.200 16.98 9.38

Kemudian

a. Analyze – Regression – Linear

b. Klik variabel Harga Saham dan masukkan ke kotak
Dependent, kemudian klik variabel PER dan ROI kemudian
masukkan ke kotak Independent.
c. Klik Statistics, klik Casewise diagnostics, klik All cases.
Klik Continue
d. Klik OK, maka hasil output yang didapat sebagai berikut :
 Casewise Diagnosticsa

Case Num- Std. Resid- HargaSa- Predicted

ber ual ham Value Residual
1 -.546 8.30 8.7755 -.47546

2 1.043 7.50 6.5914 .90859

3 1.382 8.95 7.7469 1.20311

4 .687 8.25 7.6521 .59793

5 .540 9.00 8.5297 .47034

Coefficientsa
6 .264 8.75 8.5201 .22991

7 -.141 10.00 10.1226 -.12257

8 -1.436 8.20 9.4507 -1.25066 Standardized

9 -1.542 8.30 9.6430 -1.34296 Unstandardized Coefficients Coefficients

10 -.018 10.90 10.9160 -.01597

Model B Std. Error Beta t Sig.
11 .709 12.80 12.1822 .61781 1 (Constant)
4.662 .668 6.976 .000
12 -.455 9.45 9.8464 -.39639
PER
13 1.456 13.00 11.7322 1.26785 -.074 .059 -.214 -1.259 .227

14 .530 8.00 7.5385 .46146 ROI

.692 .116 1.012 5.964 .000
15 -1.095 6.50 7.4533 -.95332
a. Dependent Variable: HargaSaham
16 -.382 9.00 9.3327 -.33274

17 -1.352 7.60 8.7772 -1.17718

18 .356 10.20 9.8897 .31025

a. Dependent Variable: HargaSaham

Persamaan regresinya sebagai berikut:
Y’ = a + b1X1+ b2X2
Y’ = 4.662 + (-0.74)X1 + 692X2
Y’ = 4.662 – 0.74 X1 + 692X2
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
a. Konstanta sebesar 4.662; artinya jika PER (X1) dan ROI (X2)
nilainya adalah 0, maka harga saham (Y’) nilainya adalah
Rp.4.662
b. Koefisien regresi variabel PER (X1) sebesar -0.74; artinya jika
variabel independen lain nilainya tetap dan PER mengalami
kenaikan 1%, maka harga saham (Y’) akan mengalami
penurunan sebesar Rp.74.
c. Koefisien regresi variabel ROI (X2) sebesar 692; artinya jika
variabel independen lain nilainya tetap dan ROI mengalami
kenaikan 1%, maka harga saham (Y’) akan mengalami
peningkatan sebesar Rp.692.
Analisis Korelasi Ganda (R)

Analisis ini digunakan untuk mengetahui hubungan antara

dua atau lebih variabel independen (X1, X2,…Xn) terhadap
variabel dependen (Y) secara serentak. Jika
nilai semakin mendekati 1 berarti hubungan yang terjadi
semakin kuat, sebaliknya nilai semakin mendekati 0 maka
Hubungan yang terjadi semakin lemah.

0,00 - 0,199 = Sangat Lemah

0,20 - 0,399 = Lemah
0,40 - 0,599 = Netral
0,60 - 0,799 = Kuat
0,80 - 1,000 = Sangat Kuat
Dari hasil analisis regresi, lihat pada output moddel summary dan dis-
ajikan sebagai berikut:

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1
.879a .772 .742 .87080

a. Predictors: (Constant), ROI, PER

b. Dependent Variable: HargaSaham

Berdasarkan hasil di atas diperoleh angka R sebesar

0,879. Hal ini menunjukkan bahwa terjadi hubungan
yang sangat kuat antara PER dan ROI terhadap harga
saham.
• Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk
mengetahui Kontribusi pengaruh variabel independen (X1, X2,……Xn) secara
serentak terhadap variabel dependen (Y).

Model Summaryb

Std. Error of the Esti-

Model R R Square Adjusted R Square mate
1 .879a
.772 .742 .87080
a. Predictors: (Constant), ROI, PER
b. Dependent Variable: HargaSaham

Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau

(77,2%). Hal ini menunjukkan bahwa ROI dan PER berkontribusi 77%
terhadap perubahan Harga Saham. Selain itu 23% perubahan harga saham
ini akibat variabel lain.
• Uji Koefisien Regresi Secara Bersama-sama (Uji F)

Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn)

secara bersama-sama berpengaruh secara signifikan terhadap
variabel dependen (Y).
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel
dibawah ini

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 38.621 2 19.310 25.465 .000b

Residual 11.374 15 .758

Total 49.995 17

a. Dependent Variable: HargaSaham

b. Predictors: (Constant), ROI, PER

Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
• Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara
bersama-sama terhadap harga saham.
Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-
sama terhadap harga saham.
• Menentukan F hitung
Berdasarkan tabel diperoleh F hitung sebesar 25,465
• Menentukan F tabel
Dengan menggunakan tingkat keyakinan a = 5%, df 1 (jumlah variabel–1) = 2,
dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah
variabel independen), hasil diperoleh untuk F tabel sebesar 3,683 (dapat dicari
di Ms Excel dengan cara ketik =finv(0.05,2,15).
• Kriteria pengujian

Ho diterima bila F hitung < F tabel

Ho ditolak bila F hitung > F tabel
• Kesimpulan

Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada
pengaruh secara signifikan antara price earning ratio (PER) dan return
on investmen (ROI) secara bersama-sama terhadap harga saham. Jadi
dari kasus ini dapat disimpulkan bahwa PER dan ROI secara bersama-
sama
berpengaruh terhadap harga saham pada perusahaan di BEJ.
 Pengujian Hipotesis

• Uji hipotesis merupakan metode pembuktian empiris

untuk mengkonfirmasi atau menolak sebuah opini ataupun

asumsi dengan menggunakan data sampel. Berdasarkan
definisi tersebut, kita bisa menyimpulkan bahwa hipotesis
juga bisa diartikan sebagai teori yang sifatnya lemah dan
masih perlu dibuktikan kebenarannya.
Uji Hipotesis ini diperlukan karena ada beberapa alasan, yaitu :
• Untuk menguji apakah data yang kita gunakan cukup untuk

menggambarkan populasi
• Metode empiris untuk membuktikan hipotesis yang kita

Percaya

Secara umum ada 2 jenis Hipotesis :

a. Hipotesis nol (Ho)
b. Hipotesis Alternatif (Ha)