Post on 29-Jul-2018
KESALAHAN ANALISIS DATA PADA SKRIPSI
Oleh:
1. Dwi Suciati (4150405009)2. Munirul Chakim (4150405016)3. Rina Marfungah (4150405026)4. Abdul Gofur R. (4150405033)
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2009
BAB 1
PENDAHULUAN
1.1 Latar Belakang MasalahStatistik diartikan sebagai kumpulan data bilangan maupun non bilangan
yang disusun dalam tabel atau diagram yang menggambarkan suatu persoalan
(Sudjana 2005: 2). Sedangkan statistika diartikan sebagai ilmunya. Statistika
adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan
kumpulan data dan penganalisisan yang dilakukan (Sudjana 2005: 3). Disadari
atau tidak, statistika sudah banyak digunakan dalam kehidupan sehari-hari.
Statistika sangat penting digunakan dalam bidang teknik, industri, bisnis,
ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan,
sosiologi, antropologi, pemerintahan, pendidikan, dan sebagainya.
Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari
masalah statistika. Masalah statistika dapat diselesaikan dengan metode-metode
statistik. Dalam dunia perkuliahan, para mahasiswa yang skripsi atau tugas
akhirnya berupa studi kasus atau penelitian biasanya menggunakan metode
statistika untuk menyelesaikan analisis data skripsi atau tugas akhir.
Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada
mahasiswa jurusan matematika saja. Akan tetapi seluruh mahasiswa disemua
jurusan diajarkan mata kuliah tersebut. Hanya saja penekanan metode statistika
pada mahasiswa jurusan matematika lebih mendalam sehingga pemahaman
mereka mengenai statistika lebih paham daripada mahasiswa dari jurusan lain.
Akibatnya, jika ditelusuri lebih jauh masih banyak ditemukan skripsi dan tugas
akhir mahasiswa non matematika yang analisis datanya masih salah atau kurang
benar.
Pada makalah ini akan dibahas kesalahan analisis data dan pembetulan
analisis data pada salah satu skripsi yang berjudul “ Pengaruh Penggunaan Modal
1
Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng di
Kecamatan Sokaraja Kabupaten Banyumas”, yang ditulis oleh Ari Wiyatmi
(3364981601), Prodi Pendidikan Akuntansi, Jurusan Ekonomi, Fakultas Ilmu
Sosial. Rumusan masalah yang terdapat pada skripsi tersebut antara lain:
(1) Bagaimana pengaruh penggunaan modal kerja terhadap pendapatan
industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten Banyumas?
(2) Bagaimana pengaruh penggunaan tenaga kerja terhadap
pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten
Banyumas?
(3) Seberapa besar pengaruh penggunaan modal kerja dan tenaga kerja
terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja
Kabupaten Banyumas?
Berdasarkan latar belakang di atas, maka penulis mengambil judul
“Kesalahan Analisis Data pada Skripsi”.
1.2 PermasalahanPermasalahan yang akan dikaji adalah sebagai berikut.
(1) Dimana letak kesalahan analisis data yang terdapat pada skripsi
berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap
Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten
Banyumas”?
(2) Bagaimana pembetulan analisis data pada skripsi berjudul
“Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan
Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas”?
1.3 TujuanTujuan dari permasalahan di atas adalah sebagai berikut.
(1) Untuk mengetahui letak kesalahan analisis data yang terdapat
pada skripsi berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja
2
terhadap Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja
Kabupaten Banyumas”.
(2) Untuk mengetahui pembetulan analisis data pada skripsi
berjudul “Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap
Pendapatan Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten
Banyumas”.
3
BAB 2LANDASAN TEORI
Terdapat dua macam teknik statistik inferensial yang dapat digunakan
untuk menguji hipotesis penelitian, yaitu statistik parametris dan statistik
nonparametris (Sugiyono 2004: 8).
Statistik parametris lebih banyak digunakan untuk menganalisis data yang
berbentuk interval dan rasio, dengan dilandasi beberapa persyaratan tertentu
misalnya data variabel yang akan dianalisis harus berdistribusi normal (Sugiyono
2004: 8). Biasanya sampling yang dilakukan beranggotakan n yang cukup besar (n
> 30). Analisis statistik yang terdapat pada statistik parametris misalnya analisis
regresi (uji hubungan dan pengaruh antar variabel), uji t (uji perbedaan) dua
variabel, dan uji perbedaan data lebih dari dua variabel (Sukestiyarno 2008: 7).
Statistik nonparametris digunakan untuk menganalisis data yang berbentuk
nominal dan ordinal serta tidak dilandasi persyaratan data harus berdistribusi
normal (Sugiyono 2004: 8). Analisis nonparametris biasanya lebih tepat jika
digunakan pada suatu sampling data ukuran kecil. Analisis statistic yang terdapat
pada statistic nonparametris misalnya uji tanda, uji kebebasan chi kuadrat, uji U
Mann-whitney, dan sebagainya (Sukestiyarno 2008: 7).
Dalam kehidupan sehari-hari banyak ditemukan persoalan atau fenomena
yang meliputi lebih dari sebuah variabel. Misalnya, berat orang dewasa laki-laki
sampai taraf tertentu bergantung pada tingginya, tekanan semacam gas bergantung
pada temperature, hasil produksi padi tergantung pada jumlah pupuk yang
digunakan, banyak hujan, cuaca, dan sebagainya.
Jika dipunyai sebuah data yang terdiri dari dua atau lebih variabel maka
dapat diketahui hubungan atau pengaruh antar variabel tersebut. Hubungan dan
pengaruh yang didapat pada umumnya dinyatakan dalam bentuk persamaan
matematik yang menyatakan hubungan fungsional antara variabel-variabel. Studi
yang menyangkut masalah ini dikenal dengan analisis regresi linier (Sudjana
2005: 310). Analisis regresi linier juga digunakan untuk meramalkan suatu
variabel (variabel dependen) berdasar satu atau beberapa variabel lain (variabel
4
independen) dalam suatu persamaan linier (Trihendradi 2006: 154). Ada dua
macam analisis regresi linier yaitu analisis regresi linier sederhana dan analisis
regresi linier ganda.
2.1 Analisis Regresi Linier SederhanaAnalisis regresi linier sederhana terdiri dari satu variabel dependen
(variabel terikat) dan satu variabel independen (variabel bebas). Analisis regresi
linier sederhana dinyatakan dengan hubungan persamaan regresi:
(Sudjana 2005: 312).
(Sudjana 2005: 315).
Keterangan :
X : Variabel independen
Y : Variabel dependen
a : Konstanta
b : Koefisien regresi
(Trihendradi 2006: 154).
Pada analisis regresi linier sederhana ada dua uji pokok, yaitu uji
kelinieran dan uji koefisien (Trihendradi 2006: 154).
(1) Uji Kelinieran
Hipotesis:
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
5
kk XaXaXaaY ...ˆ22110
Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output
ANOVA lebih dari α (5%) atau nilai F hitung pada output ANOVA kurang dari F
tabel maka H0 diterima (Trihendradi 2006: 157).
(2) Uji Koefisien
Hipotesis:
H0 : Koefisien regresi tidak signifikan
H1 : Koefisien regresi signifikan
Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output
Coefficients lebih dari α (5%) atau nilai T hitung pada output Coefficients kurang
dari T tabel maka H0 diterima (Trihendradi 2006: 158).
Model persamaan regresi linier sederhana dapat dilihat pada output
Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel
bebas terhadap variabel terikat dapat dilihat pada output Model Summary
(Sukestiyarno 2008: 12-13).
2.2 Analisis Regresi Linier GandaAnalisis regresi linier ganda terdiri dari satu variabel dependen dan
beberapa variabel independen. Analisis regresi linier ganda dinyatakan dengan
hubungan persamaan regresi:
(Sudjana 2005: 349).
6
Keterangan :
X1, X2, ..., Xk : Variabel independen
Y : Variabel dependen
: Konstanta
: Koefisien regresi
Pada analisis regresi linier ganda ada enam uji pokok, yaitu:
(1) Uji Kelinieran
Hipotesis:
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output
ANOVA lebih dari α (5%) maka H0 diterima (Trihendradi 2006: 157).
(2) Uji Koefisien
Hipotesis:
H0 : Koefisien regresi tidak signifikan
H1 : Koefisien regresi signifikan
Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output
Coefficients lebih dari α (5%) maka H0 diterima (Trihendradi 2006: 158).
(3) Uji Normalitas Data
Berdasarkan teori statistika model linier hanya variabel dependen yang
mempunyai distribusi diuji normalitasnya, sedangkan variabel independen
diasumsikan bukan merupakan fungsi distribusi, jadi tidak perlu diuji
normalitasnya. Salah satu cara untuk menguji kenormalan data yaitu dengan uji
Kolmogorov-Smirnov.
Hipotesis:
H0 : Variabel adalah normal
H1 : Variabel adalah tidak normal
Berdasarkan pengolahan data dengan SPSS, jika nilai sig pada output
NPar Tests lebih dari α (5%) maka H0 diterima.
Selain itu kenormalan data dapat juga dideteksi dari penyebaran data (titik)
pada sumbu diagonal dari grafik atau melihat grafik histograf dari residualnya.
7
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf
menuju pola distribusi normal, maka model regresi memenuhi asumsi normalitas
(Sukestiyarno 2008: 14).
(4) Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antara variabel bebas. Jadi uji multikolinearitas terjadi
hanya pada regresi ganda. Model regresi yang baik seharusnya tidak terjadi
korelasi tinggi diantara variabel bebas. Gejala multikolinearitas dapat dideteksi
dengan melihat nilai Variance Inflasi Factor (VIF) dan tolerance pada output
Coefficients. Multikolinearitas terjadi jika VIF berada di atas 10 dan nilai
tolerance di atas 1 (Sukestiyarno 2008: 14).
(5) Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada
korelasi antar error satu dengan error yang lainnya. Gejala autokorelasi dapat
dideteksi dengan menggunakan uji Durbin Watson (DW) pada output Model
Summary. Ketentuan jika -2 < DW < 2 berarti tidak terjadi autokorelasi
(Sukestiyarno 2008: 14).
(6) Uji Heteroskedastisitas
Heteroskedastisitas terjadi apabila error atau residual dari model yang
diamati tidak memiliki varian yang konstan dari satu observasi ke observasi
lainnya. Pengujian heteroskedastisitas dilakukan dengan melihat diagram residual
terhadap variabel bebas pada output Scatterplot. Jika nilai error membentuk pola
tertentu tidak bersifat acak terhadap nol maka dikatakan terjadi heteroskedasti
(Sukestiyarno 2008: 14).
Model persamaan regresi linier ganda dapat dilihat pada output
Coefficients. Sedangkan untuk mengetahui besarnya nilai kontribusi variabel
bebas secara bersama-sama terhadap variabel terikat dapat dilihat pada output
Model Summary (Sukestiyarno 2008: 19).
8
BAB 3
PEMBAHASAN
3.1 Kesalahan Analisis Data pada SkripsiKesalahan analisis data pada skripsi berjudul “Pengaruh Penggunaan
Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng
di Kecamatan Sokaraja Kabupaten Banyumas” terletak pada:
(1) Tidak terdapat analisis regresi linier sederhana untuk menjawab
permasalahan pertama, yaitu pengaruh penggunaan modal kerja terhadap
pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten
Banyumas.
(2) Tidak terdapat analisis regresi linier sederhana untuk menjawab
permasalahan kedua, yaitu pengaruh penggunaan tenaga kerja terhadap
pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten
Banyumas.
(3) Uji pokok untuk melakukan analisis regresi linier ganda untuk menjawab
permasalahan ketiga, yaitu pengaruh penggunaan modal kerja dan tenaga kerja
terhadap pendapatan industri kecil getuk goreng di Kecamatan Sokaraja
Kabupaten Banyumas masih kurang, yaitu tidak terdapat uji kelinieran, uji
normalitas data, uji multikolinearitas, uji autokorelasi, dan uji
heteroskedastisitas.
3.2 Pembetulan Analisis Data pada SkripsiPembetulan analisis data pada skripsi berjudul “Pengaruh Penggunaan
Modal Kerja dan Tenaga Kerja terhadap Pendapatan Industri Kecil Getuk Goreng
di Kecamatan Sokaraja Kabupaten Banyumas” adalah sebagai berikut.
(1) Untuk mengetahui pengaruh penggunaan modal kerja terhadap
pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten
Banyumas dilakukan analisis regresi linier sederhana dengan variabel
9
bebasnya adalah modal kerja (X) dan variabel terikatnya adalah pendapatan
(Y). Analisisnya dengan SPSS adalah sebagai berikut.
RegressionVariables Entered/Removedb
MODAL_KERJA
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: PENDAPATANb.
Model Summary
.748a .559 .546 6716317.593Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), MODAL_KERJAa.
ANOVAb
1.9E+015 1 1.889E+015 41.882 .000a
1.5E+015 33 4.511E+0133.4E+015 34
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), MODAL_KERJAa.
Dependent Variable: PENDAPATANb.
Coefficientsa
5244901 1766201 2.970 .006.869 .134 .748 6.472 .000
(Constant)MODAL_KERJA
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: PENDAPATANa.
(a) Uji Kelinieran
Hipotesis:
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
10
Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari
α (5%) atau nilai F hitung = 41,882 lebih dari F tabel = F(1;33;0,05) = 4,139 maka H0
ditolak atau H1 diterima. Jadi persamaan regresi linier.
(b) Uji Koefisien
Hipotesis:
H0 : Koefisien regresi tidak signifikan
H1 : Koefisien regresi signifikan
Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang
dari α (5%) atau nilai T hitung = 6,472 lebih dari T tabel = t(33;0,05) = 1,692 maka
H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan.
Berdasarkan output Coefficients diperoleh model persamaan regresi linier
sederhana:
Berdasarkan output Model Summary diperoleh R Square = 0,559 =
55,9% (nilai pengaruhnya cukup tinggi). Artinya modal kerja mempengaruhi
pendapatan sebesar 55,9% dan masih ada pengaruh lain di luar modal kerja
sebesar 44,1%.
(2) Untuk mengetahui pengaruh penggunaan tenaga kerja terhadap
pendapatan industri kecil getuk goreng di Kecamatan Sokaraja Kabupaten
Banyumas dilakukan analisis regresi linier sederhana dengan variabel
bebasnya adalah tenaga kerja (X) dan variabel terikatnya adalah pendapatan
(Y). Analisisnya dengan SPSS adalah sebagai berikut.
RegressionVariables Entered/Removedb
TENAGA_KERJA
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: PENDAPATANb.
11
Model Summary
.766a .587 .574 6501787.052Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), TENAGA_KERJAa.
ANOVAb
2.0E+015 1 1.983E+015 46.905 .000a
1.4E+015 33 4.227E+0133.4E+015 34
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), TENAGA_KERJAa.
Dependent Variable: PENDAPATANb.
Coefficientsa
-9601589 3617273 -2.654 .012255440.5 37297.423 .766 6.849 .000
(Constant)TENAGA_KERJA
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: PENDAPATANa.
(a) Uji Kelinieran
Hipotesis:
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari
α (5%) atau nilai F hitung = 46,905 lebih dari F tabel = F(1;33;0,05) = 4,139 maka H0
ditolak atau H1 diterima. Jadi persamaan regresi linier.
(b) Uji Koefisien
Hipotesis:
H0 : Koefisien regresi tidak signifikan
H1 : Koefisien regresi signifikan
Berdasarkan output Coefficients diperoleh nilai sig = 0,000 = 0% kurang
dari α (5%) atau nilai T hitung = 6,849 lebih dari T tabel = t(33;0,05) = 1,692 maka
H0 ditolak atau H1 diterima. Jadi koefisien regresi signifikan.
12
Berdasarkan output Coefficients diperoleh model persamaan regresi linier
sederhana:
Berdasarkan output Model Summary diperoleh R Square = 0,587 =
58,7% (nilai pengaruhnya cukup tinggi). Artinya tenaga kerja mempengaruhi
pendapatan sebesar 58,7% dan masih ada pengaruh lain di luar tenaga kerja
sebesar 41,3%.
(3) Untuk mengetahui pengaruh penggunaan modal kerja dan tenaga
kerja secara bersama-sama terhadap pendapatan industri kecil getuk goreng di
Kecamatan Sokaraja Kabupaten Banyumas dilakukan analisis regresi linier
ganda dengan variabel bebasnya adalah modal kerja (X1) dan tenaga kerja (X2)
dan variabel terikatnya adalah pendapatan (Y). Analisisnya dengan SPSS
adalah sebagai berikut.
NPar TestsOne-Sample Kolmogorov-Smirnov Test
351E+007
9967381.155.152
-.155.918.368
NMeanStd. Deviation
Normal Parameters a,b
AbsolutePositiveNegative
Most ExtremeDifferences
Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)
PENDAPATAN
Test distribution is Normal.a.
Calculated from data.b.
Regression
13
Variables Entered/Removedb
TENAGA_KERJA,MODAL_KERJA
a. Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: PENDAPATANb.
Model Summaryb
.860a .740 .724 5239354.386 1.817Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), TENAGA_KERJA, MODAL_KERJAa.
Dependent Variable: PENDAPATANb.
ANOVAb
2.5E+015 2 1.250E+015 45.526 .000a
8.8E+014 32 2.745E+0133.4E+015 34
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), TENAGA_KERJA, MODAL_KERJAa.
Dependent Variable: PENDAPATANb.
Coefficientsa
-7154337 2969006 -2.410 .022.544 .125 .468 4.338 .000 .748 .609 .391 .698 1.433
169633.6 35980.311 .509 4.715 .000 .766 .640 .425 .698 1.433
(Constant)MODAL_KERJATENAGA_KERJA
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Zero-order Partial PartCorrelations
Tolerance VIFCollinearity Statistics
Dependent Variable: PENDAPATANa.
Collinearity Diagnosticsa
2.706 1.000 .01 .03 .01.255 3.257 .10 .75 .02.039 8.379 .89 .22 .98
Dimension123
Model1
EigenvalueCondition
Index (Constant)MODAL_KERJA
TENAGA_KERJA
Variance Proportions
Dependent Variable: PENDAPATANa.
14
Residuals Statisticsa
-683040 3E+007 1E+007 8573949.466 35-1E+007 1E+007 .000 5082920.363 35
-1.713 2.052 .000 1.000 35-2.304 2.414 .000 .970 35
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: PENDAPATANa.
Charts
Observed Cum Prob1.00.80.60.40.20.0
Expe
cted
Cum
Pro
b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: PENDAPATAN
15
PENDAPATAN400000003000000020000000100000000
Reg
ress
ion
Stan
dard
ized
Pre
dict
ed
Valu
e
3
2
1
0
-1
-2
Scatterplot
Dependent Variable: PENDAPATAN
(a) Uji Kelinieran
Hipotesis:
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
Berdasarkan output ANOVA diperoleh nilai sig = 0,000 = 0% kurang dari
α (5%) atau nilai F hitung = 45,526 lebih dari F tabel = F(2;32;0,05) = 3,30 maka H0
ditolak atau H1 diterima. Jadi persamaan regresi linier.
(b) Uji Koefisien
Hipotesis:
H0 : Koefisien regresi tidak signifikan
H1 : Koefisien regresi signifikan
Berdasarkan output Coefficients diperoleh nilai sig untuk variabel modal
kerja = 0,000 = 0% kurang dari α (5%) atau nilai T hitung untuk variabel modal
kerja = 4,338 lebih dari T tabel = t(32;0,05) = 1,694 maka H0 ditolak atau H1 diterima.
16
Sedangkan nilai sig untuk variabel tenaga kerja = 0,000 = 0% kurang dari α (5%)
atau nilai T hitung untuk variabel modal kerja = 4,715 lebih dari T tabel = t (32;0,05)
= 1,694 maka H0 ditolak atau H1 diterima. Jadi koefisien regresi untuk kedua
variabel bebas tersebut signifikan.
(c) Uji Normalitas Data
Untuk menguji normalitas ada 2 cara yaitu dengan uji Kolmogorov-
Smirnov dan dengan melihat grafik histograf dari residualnya.
Untuk uji normalitas dengan Kolmogorov-Smirnov sebagai berikut :
Hipotesis :
H0 : Variabel adalah normal
H1 : Variabel adalah tidak normal
Dari output NPar Tests diperoleh nilai sig = 0,368 = 36,8% lebih dari α
(5%), berarti H0 diterima. Jadi variabel dependen adalah normal.
Berdasarkan output Normal P-Plot of Regression, terlihat data menyebar
di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi
normal, maka model regresi memenuhi asumsi normalitas.
(d) Uji Multikolinieritas
Berdasarkan output Coefficients diperoleh nilai tolerance =0,698 kurang
dari 1 dan nilai VIF = 1,433 kurang dari 10. Ini berarti tidak terjadi
multikolinieritas.
(e) Uji Autokorelasi
Berdasarkan output Model Summary diperoleh nilai Durbin Watson
(DW) = 1,817. Ternyata nilai DW terletak diantara -2 dan 2. Ini berarti tidak
terjadi autokorelasi.
(f) Uji Heteroskedastisitas
Pada output Scatterplot terlihat bahwa nilai error bersifat acak terhadap
nol. Ini berarti tidak terjadi heteroskedasti.
Berdasarkan output Coefficients diperoleh model persamaan regresi linier
ganda:
17
Berdasarkan output Model Summary diperoleh R Square = 0,740 = 74%
(nilai pengaruhnya tinggi). Artinya, modal kerja dan tenaga kerja secara bersama-
sama mempengaruhi pendapatan sebesar 74% dan masih ada pengaruh lain di luar
modal kerja dan tenaga kerja sebesar 26%.
18
BAB 4
PENUTUP
4.1 SimpulanBerdasarkan pembahasan dapat disimpulkan sebagai berikut:
(1) Letak kesalahan analisis data yang terdapat pada skripsi berjudul
“Pengaruh Penggunaan Modal Kerja dan Tenaga Kerja terhadap Pendapatan
Industri Kecil Getuk Goreng di Kecamatan Sokaraja Kabupaten Banyumas”
adalah adanya permasalahan yang belum terjawab dalam analisis data serta
pada analisis regresi, penggunaan uji pokok analisis regresi linier ganda masih
kurang lengkap.
(2) Pembetulan dilakukan untuk menjawab permasalahan yang belum
terjawab dalam analisis data serta untuk melengkapi kekurangan uji pokok
dalam analisis regresi linier ganda berdasarkan landasan teorinya.
4.2 SaranBerdasarkan simpulan maka saran yang dapat disampaikan adalah sebagai
berikut:
(1) Mahasiswa perlu mempelajari dan memahami mata kuliah
statistika lebih mendalam lagi.
(2) Cara belajar statistika akan lebih efektif dan efisien jika banyak
latihan perhitungan dan praktek dengan menggunakan software yang berkaitan
dengan statistika serta mempelajari cara menginterpretasikan outputnya.
(3) Mahasiswa harus teliti dalam melakukan perhitungan-perhitungan
dalam statistika serta teliti dalam menginterpretasikan output software
mengenai statistika.
19
DAFTAR PUSTAKA
Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
Sugiyono. 2004. Statistik Nonparametris. Bandung: CV Alfabeta.
Sukestiyarno. 2008. Workshop Olah Data Penelitian dengan SPSS. Semarang: UNNES.
Trihendradi, C. 2006. Langkah Mudah Menguasai Analisis Statistik Menggunakan SPSS 15. Yogyakarta: Andi Offset.
20