210 likes | 451 Views
PEMBAHASAN. Hasil SPSS 21. DEPENDEN : OUTPUT INDEPENDEN : TOTAL PEKERJA TOTAL UPAH BAHAN BAKU BAHAN BAKAR. Dalam Rupiah : Output , Total Upah, Bahan Baku, dan Bahan Bakar Dalam Satuan : Total Pekerja
E N D
PEMBAHASAN Hasil SPSS 21
DEPENDEN : OUTPUT INDEPENDEN : TOTAL PEKERJA TOTAL UPAH BAHAN BAKU BAHAN BAKAR
Dalam Rupiah : Output, Total Upah, Bahan Baku, dan Bahan Bakar Dalam Satuan : Total Pekerja Rata-rata penggunaan bahan bakar yang digunakan oleh industri Pengolahan di Bandung adalah Rp. 762.952,56 per tahun. Namun hasil-hasil ini kurang bisa diinterpretasikan (hasil kurang berarti) karena skala dan jenis perusahaan yang berbeda.
Besar hubungan antara Output dengan total pekerja adalah 0,622 • Besar hubungan antara Output dengan total upah adalah 0,684 • Besar hubungan antara Output dengan bahan baku adalah 0,921 • Besar hubungan antara Output dengan bahan bakar adalah 0,494 • Secara teoritis, Bahan Baku lebih berpengaruh terhadap Output • Semua variabel yang akan diteliti tidak ada yang disisihkan oleh SPSS
Dari uji ANOVA atau F test, didapat angka yang Signifikan di bawah 0,05. Hal ini menunjukkan bahwa variabel Total Pekerja, Total Upah, Banyaknya Bahan Baku (total), dan Banyaknya Bahan Bakar (total) TEPAT digunakan untuk memprediksi Output Industri Pengolahan di Bandung
Y = 1226868,044 + 33763,845 X1 + 0,31 X2 + 1,213 X3 + 5,182 X4 X1 = TOTAL PEKERJA (ORANG) X2 = TOTAL UPAH (RP) X3 = PENGGUANAAN BAHAN BAKU (RP) X4 = PENGGUNAAN BAHAN BAKAR (RP) 90,2% nilai total Output mampu dijelaskan oleh Total Pekerja, Total Upah, Penggunaan Bahan baku, dan penggunaan bahan bakar Pada hasil uji koefisien regresi (Sig.), secara individu semua variabel independen akan mempengaruhi variabel dependen, kecuali Total Upah. Atau secara individu, Total Upah tidak cukup berpengaruh terhadap Output Industri Pengolahan di Bandung.
PENGUJIAN ASUMSI • Normalitas • Homoskedastisitas • Multikolinieritas • Autokorelasi
UJI MULTIKOLINIERITAS (1) • Nantinya dapat dilihat pada Output:Coefficient • Suatu model regresi dikatakan bebas dari multikolinieritas bila, • Mempunyai angka VIF < 10 • Pengujian adanya Autokorelasi dengan Durbin-Watson tidak dilakukan karena data tersebut cross-sectional dan bukan berbasis waktu (timeseries)
UJI MULTIKOLINIERITAS (2) Tidak terjadi Kolinieritas antar Variabel
UJI HETEROSKEDASTISITAS (1) Residu yang ada seharusnya mempunyai varians yang konstan (homoskedastisitas). Jika varians dari residu tersebut semakin meningkat atau menurun dengan pola tertentu, hal itu disebut heteroskedastisitas Dengan kata lain, Homoskedastis : Tidak ada pola tertentu (acak)
UJI HETEROSKEDASTISITAS (2) Tidak terdapat pola menurun atau naik >>> homoskedastis
UJI NORMALITAS (1) Penggunaan model regresi untuk prediksi, akan menghasilkan suatu kesalahan ( disebut Residu ), yakni selisih antara data aktual dengan data hasil peramalan. Residu yang ada, seharusnya berdistribusi normal. Pada SPSS, kita bisa menggunakan fasilitas Histogram dan Normal Probability Plot untuk mengetahui kenormalan residu dari model Regresi
UJI NORMALITAS (2) Bila Histogram data distribusi nilai residu berbentuk lonceng, maka berdistribusi normal Bila normal probability plot terlihat sebaran error (berupa dot) masih ada di sekitar garis lurus, maka model regresi memenuhi asumsi normalitas, atau residu dari model dapat dianggap berdistribusi secara normal.
UJI NORMALITAS (3) TIDAK BERDISTRIBUSI NORMAL
ASUMSI NORMALITAS TERLANGGAR TRANSFORMASI
Lakukan analisis Regresi Linier untuk setiap hasil transformasi...
Tidak terdapat pola menurun atau naik >>> homoskedastis