MANAJEMEN DASAR I ATA 15/16

(1)

(2)

MANAJEMEN DASAR I ATA 15/16 KATA PENGANTAR

Assalamu’alaikum Wr. Wb. Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya sehingga modul praktikum Riset Akuntansi ini dapat terselesaikan.

Modul praktikum ini merupakan penyempurnaan dari modul praktikum sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman bagi mahasiswa dalam melakukan penelitian-penelitian ekonomi. Selain itu, modul ini juga dapat digunakan sebagai dasar suatu pandangan mahasiswa dalam melihat keadaan perekonomian dan disesuaikan dengan teori-teori ekonomi yang ada.

Dengan penuh kesadaran, bahwa modul praktikum ini masih perlu disempurnakan lagi, sehingga saran dan kritik untuk penyajian serta isinya sangat diperlukan. Akhir kata, terima kasih kepada tim Litbang Riset Akuntansi Laboratorium Manajemen Dasar 2015/2016 yang turut berpartisipasi dalam penulisan modul praktikum ini. Ucapan terima kasih juga kami sampaikan kepada seluruh pihak yang berpartisipasi sehingga pelaksanaan praktikum ini dapat berjalan dengan lancar.

Wassalamu’alaikum Wr. Wb.

Depok, Maret 2015

(3)

MANAJEMEN DASAR II ATA 15/16

Penanggung Jawab Zharfan Dhaifullah

Uji Normalitas Nalla Mutiara Candra

Uji T Ronaldo Viktor Dita Fandani Hapsari

D ANOVA Bayu Kurniawan RLB Rani Oktaviani Staff Lista Kuspriatni Oktavia Anna Rahayu

SUSUNAN TEAM LITBANG RISET AKUNTANSI 2

Muhammad Iqbal Erlita Bebby Aprilianti

Fikri Sea Javanesa Wulan Ratna Dewi

Restu Melina Reivinza Aldif Vinnike Hermawanty

Yuni Ridho Asih Trias Yulianti Danny Rachman

Oka Febyola Dian

Prasetya Ega Syaputra Gita Ratna Sari Dwi Puspita Sari Puti Melati Khalisa

Gusti Nyoman Padma Novaroh Yana Lestari Puji Nurul Handayani

(4)

MANAJEMEN DASAR III ATA 15/16

DAFTAR ISI

Halaman

KATA PENGANTAR ... i

SUSUNAN TEAM LITBANG ... ii

DAFTAR ISI ... iii

DAFTAR TABEL ... iv

DAFTAR GAMBAR ... vi

UJI NORMALITAS I. Pendahuluan ... 1

II. Analisis Yang Diperlukan ... 1

III. Contoh Soal ... 2

IV. Langkah-langkah Pengerjaan ... 2

V. Analisis Pengerjaan ... 9

UJI T SAMPEL BEBAS I. Pendahuluan ... 11

III. Contoh kasus ... 12

UJI T SAMPEL BERPASANGAN I. Pendahuluan ... 21

III. Contoh Kasus ... 22

(5)

MANAJEMEN DASAR IV ATA 15/16 ANOVA

I. Pendahuluan ... 29

III. Contoh kasus ... 30

REGRESI LINIER BERGANDA I. Pendahuluan ... 40

III. Contoh Kasus ... 42

LATIHAN SOAL ... 51

(6)

MANAJEMEN DASAR V ATA 15/16

DAFTAR TABEL

Tabel 1.1 Data Penjualan Pakaian ... 2

Tabel 2.1 Data Fakultas ... 13

Tabel 3.1 Data Penjualan Shampoo sebelum dan sesudah ... 22

Tabel 4.1 Data Perusahaan Woolin Entertainment ... 30

(7)

MANAJEMEN DASAR VI ATA 15/16

DAFTAR GAMBAR

Gambar 1.1 Tampilan Software R-Commander ... 2

Gambar 1.2 Tampilan Menu New Data Set ... 3

Gambar 1.3 Tampilan Enter name Data Set ... 4

Gambar 1.4 Tampilan Data Editor ... 5

Gambar 1.5 Tampilan Variabel Editor ... 5

Gambar 1.9 Tampilan Hasil Output ... 9

Gambar 2.3 Tampilan Kotak Dialog New Data Set ... 14

Gambar 2.5 Tampilan Variabel Editor Skor ... 15

Gambar 2.6 Tampilan Variabel Editor Kode ... 16

Gambar 2.8 Tampilan Manage Variable ... 17

(8)

MANAJEMEN DASAR VII ATA _15/16

Gambar 2.10 Tampilan Bin Names ... 18

Gambar 2.11 Tampilan Menu Olah Data ... 18

Gambar 2.12 Tampilan Independent Sample T-Test ... 19

Gambar 3.6 Tampilan Data Editor Yang Telah Diisi ... 25

Gambar 3.7 Tampilan Script Window ... 26

Gambar 3.8 Tampilan Menu Paired t-Test ... 26

Gambar 3.9 Tampilan Paired T-Test ... 26

Gambar 3.10 Tampilan Output ... 27

Gambar 4.2 Tampilan New Data Set ... 31

Gambar 4.3 Tampilan Tabel Data Editor ... 32

Gambar 4.5 Tampilan Tabel Data Editor ... 33

(9)

MANAJEMEN DASAR VIII ATA _15/16

Gambar 4.8 Tampilan Bin a Numeric Variable ... 34

Gambar 4.9 Tampilan Bin Names ... 35

Gambar 4.10 Tampilan Levene’s Test ... 35

Gambar 4.11 Tampilan Levene’s Test Box ... 36

Gambar 4.12 Tampilan One-Way ANOVA ... 36

Gambar 4.13 Tampilan One Way ANOVA ... 37

Gambar 4.15 Tampilan Hasil Ouptut ... 38

Gambar 5.1 Tampilan Awal R-Commander ... 43

Gambar 5.2 Tampilan Menu Data ... 44

Gambar 5.5 Tampilan Variabael Editor Pendapatan ... 45

Gambar 5.6 Tampilan Variabel Editor Harga ... 45

Gambar 5.7 Tampilan Variabel Editor Permintaan ... 46

Gambar 5.8 Tampilan isi Data Editor ... 46

Gambar 5.9 Tampilan Menu Statistic ... 47

Gambar 5.10 Tampilan Linear Regression ... 47

(10)

MANAJEMEN DASAR 1 ATA 15/16

UJI NORMALITAS

I. PENDAHULUAN

Uji normalitas adalah suatu bentuk pengujiam tentang kenormalan distribusi data. Tujuan dari uji ini adalah untuk mengetahui apakah data yang diambil adalah data yang terdistribusi normal. Maksud dari data terdistribusi normal adalah bahwa data mengikuti bentuk distribusi normal dimana datanya memusat pada nilai rata-rata dan median. Uji ini sering dilakukan untuk analisis statistik parametrik.

II. ANALISIS YANG DIPERLUKAN

Yang perlu dilihat dari output R programming adalah hasil dari Shapiro-Wilk Test of Normality. Dalam hal ini, nilai yang diperoleh dari Shapiro-Wilk Test of Normality harus lebih besar dari (>) 0,05. Namun, sebenarnya dalam menguji kenormalam suatu data ada banyak hal yang perlu diketahui, seperti nilai perbandingan antara nilai skewness dengan standar error skewness yang menghasilkan rasio skewness, dan perbandingan antara nilai kurtosis dengan nilai standar error kurtosis yang akan menghasilkan rasio kurtosis.. Selain hal tersebut, masih ada satu lagi alat uji untuk melihat kenormalan data, yaitu dengan nilai K-S, dengan syarat bila nilai probabilitas lebih besar dari (>) 0,05 maka data tersebut dikatakan normal.

III. CONTOH SOAL

Berikut ini adalah data pendapatan yang diperoleh dari penjulan pakaian, jeans, tas, dan sepatu di Toko Serba Ada selama 5 tahun terakhir :

Tahun Pakaian Jeans Tas Sepatu

2014 56.156 15.656 65.111 55.555

2013 61.156 16.151 16.516 66.666

2012 15.165 51.656 65.111 15.111

2011 51.651 61.165 15.666 16.555

(11)

Tabel 1.1 Data Penjualan Pakaian

Tabel Data penjualan pakaian, jeans, tas, dan sepatu. Ujilah data tersebut apakah terdistribusi normal !

Langkah-langkah penyelesaian menggunakan software R-Commander :

1. Tekan icon R-Commander pada desktop, atau Start → Program → Manajemen Dasar → R-Commander. Akan muncul tampilan seperti berikut:

Gambar 1.1 Tampilan Software R-Commander 2. Pilih menu Data, kemudian New Data Set.

(12)

Gambar 1.2 Tampilan Menu New Data Set

3. Setelah itu, masukkan nama pada Enter name for data set, yaitu Normalitas. Lalu klik OK.

Gambar 1.3 Tampilan Enter Name Data Set

(13)

Gambar 1.4 Tampilan Tabel Data Editor

5. Pada Data Editor, klik di var 1, ganti dengan nama Pakaian lalu pilih numeric, kemudian clode. Lakukan hal yang sama pada data jeans, tas, dan sepatu. Yaitu var2 untuk jeans, var 3 untuk tas, dan var4 untuk sepatu.

(14)

Gambar 1.5 Tampilan Variabel Editor

6. Setelah itu, masukkan data pendapatan dari pakaian, jeans, tas, dan sepatu tersebut (Note : lebih baik jangan menggunakan ENTER untuk mengisi data selanjutnya). Setelah selesai mengisi lengkat semua data, kemudian close data editor.

Gambar 1.6 Tampilan Data Editor

7. Setelah data editor di close, buka kembali window R-Commander, maka tampilannya akan seperti ini : Normalitas <- edit (as.data.frame(NULL)) .

(15)

Gambar 1.7 Tampilan Software R-Commander

8. Untuk melihat apakah data sudah benar atau belum, klik tombol View Data Set. Jika ada data yang salah, maka pilih tombol Edit Data Set. Jika data sudah benar, pilih Statistics, Summaries, Shapiro-Wilk test of normality.

9. Akan muncul tampilan kotak dialog Shapiro-Wilk test of normality. Pilih salah satu variable, ariab dimulai dari Pakaian, lalu klik OK, dan akan keluar hasilnya. Data yang keluar tersebut hanya satu (yaitu untuk data

(16)

Pakaian, karena yang dipilih adalah Pakaian), data yang lain tidak dapat keluar pada satu kali pengolahan. Oleh sebab itu, lakukan langkah ini secara berulang terhadap Variable Jeans, Tas, dan Sepatu.

(17)

(18)

Gambar 1.9 Tampilan Hasil Output

 Nilai p-value jeans sebesar 0,07191 yang berarti probabilitas lebih dari 0,05. Maka data untuk penjualan Jeans terdistribusi normal.

 Nilai p-value pakaian sebesar 0,08163 yang berarti probabilitas lebih dari 0,05. Maka data untuk penjualan Pakaian terdistribusi normal.

 Nilai p-value sepatu sebesar 0,1026 yang berarti probabilitas lebih dari 0,05. Maka data untuk penjualan Sepatu terdistribusi normal.

 Nilai p-value tas sebesar 0,03889 yang berarti probabilitas kurang dari 0,05. Maka data untuk penjualan Tas tidak terdistribusi normal.

Analisis :

1. Syarat : p-value > 0,05 = data terdistribusi normal P-value < 0,05 = data tidak terdistribusi normal 2. Nilai p-value :

Jeans = 0,07191 Pakaian = 0,08163 Sepatu = 0,1026 Tas = 0,03889

(19)

3. Keputusan

p-value Jeans > 0,05 = data terdistribusi normal p-value Pakaian > 0,05 = data terdistribusi normal p-value Sepatu > 0,05 = data terdistribusi normal p-value Tas < 0,05 = data tidak terdistribusi normal 4. Kesimpulan

Karena terdapat data yang tidak terdistribusi normal yaitu data pendapatan Tas, maka dapat disimpulkan bahwa Data Pendapatan di Toko Serba Ada pada 5 tahun terakhir Tidak Terdistribusi Normal.

(20)

MANAJEMEN DASAR 11 ATA 15/16 UJI T SAMPEL BEBAS

(INDEPENDENT SAMPLE T-TEST)

I. PENDAHULUAN

Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan distribusi t sebagai uji statistik. Tujuan analisis ini adalah untuk membandingkan dua rata-rata dua grup atau populasi yang tidak berhubungan.

Distribusi ini pertama kali diterbitkan dalam suatu makalah oleh W.S Gosset pada tahun 1908. Pada waktu itu Gosset bekerja pada perusahaan bir Irlandia yang melarang penerbitan oleh karyawannya. Untuk mengelakkan larangan tersebut, ia menerbitkan karyanya secara rahasia dibawah nama “student”. Karena itulah distribusi t biasa disebut Distribusi Student, dan aria pengujiannya disebut dengan aria t-student.

Hasil uji statistik yang diperoleh dari software dibandingkan dengan nilai P-Value sebesar 0,05 lalu dianalisis untuk mengetahui hipotesis mana yang akan diterima maupun ditolak.

Ciri – ciri Uji T :

1. Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α), serta besarnya derajat bebas (db).

2. Kasus yang diuji bersifat acak.

Fungsi Pengujian Uji T :

1. Untuk memperkirakan interval rata-rata sampel.

2. Untuk menguji hipotesis tentang rata-rata suatu sampel.

3. Menunjukkan batas penerimaan suatu hipotesis.

(21)

II. ANALISIS YANG DIPERLUKAN

Langkah-langkah analisis pengujian dalam Uji T Sampel Bebas adalah : 1. Menentukan hipotesis pengujian.

Ho : Rata – rata kedua sampel adalah ariabl atau sama.

Ha : Rata – rata kedua sampel adalah tidak ariabl atau tidak sama.

2. Menentukan daerah kritis berdasarkan tingkat signifikan (α) dan derajat bebas (db).

3. Kriteria pengujian.

P-value > 0,05 maka Ho diterima.

P-value < 0,05 maka Ha diterima.

4. Lihat hasil P-Value.

5. Menentukan keputusan.

6. Membuat kesimpulan dari keputusan yang telah dibuat.

III. CONTOH KASUS DAN LANGKAH PENGERJAAN

FLC merupakan salah satu kegiatan workshop yang ada di Gunadarma. Untuk saat ini, mahasiswa paling tertarik dengan pembahasan materi Fakultas Ekonomi dan Fakultas Teknik Industri. Staff FLC ingin mengetahui apakah rata-rata ketertarikan mahasiswa terhadap kedua materi tersebut sama banyaknya atau tidak. Tersedia histori data peserta selama 5 periode terakhir:

(22)

MANAJEMEN DASAR 13 ATA 15/16 Periode ke- FE FTI 1 51 55 2 56 56 3 65 61 4 66 65 5 61 55

Tabel 2.1 Data Fakultas

IV. LANGKAH-LANGKAH PENGERJAAN :

Untuk mencari nilai-nilai uji kedua sampel bebas tersebut dengan menggunakan program R, ikutilah langkah-langkah berikut :

1. Tekan icon R-Commander pada desktop, kemudian akan muncul tampilan seperti gambar di bawah ini :

(23)

2. Pilih menu Data, New Data Set, masukkan nama dari data set adalah independent (TANPA SPASI) kemudian tekan tombol OK.

Gambar 2.2 : Tampilan menu New Data Set

(24)

Kemudian akan muncul tampilan data editor.

Gambar 2.4 : Tampilan data editor

3. Klik Var1 kemudian ganti namanya menjadi SKOR, pilih numeric lalu close, setelah itu klik Var2 kemudian ganti namanya menjadi KODE kemudian pilih numeric lalu close.

Gambar 2.5 : Tampilan Variabel Editor SKOR

Gambar 2.6 : Tampilan Variabel Editor KODE

Kemudian masing-masing ariable diisi sesuai dengan data pada soal. Setelah selesai mengisi lengkap, close data editor.

(25)

Gambar 2.7 : Tampilan Tabel Data Editor

4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki. 5. Langkah selanjutnya adalah pengkodean, yaitu pilih Manage Variables in active data set kemudian pilih Bin Numeric Variable.

(26)

Gambar 2.8 : Tampilan Manage Variable

Kemudian akan muncul tampilan :

(27)

Ket: pilih KODE karena kolom yang diisi dengan pengkodean adalah kolom KODE. Kemudian Number of bins di-drag ke angka 2, karena pengkodeannya yang kita isi hanya sampai 2.

6. Kemudian akan muncul tampilan Bin Names.

Gambar 2.10 : Tampilan Bin Names

7. Selanjutnya, pilih menu Statistics, Means, Independent samples t-test.

Gambar 2.11 : Tampilan Menu Olah Data

(28)

Gambar 2.12 : Tampilan Independent Samples t-Test

7. Maka akan muncul hasil pada output window sebagai berikut :

(29)

MANAJEMEN DASAR 20 ATA 15/16 ANALISIS PENGERJAAN

1. Hipotesis:

Ho: Rata-rata ketertarikan kedua fakultas identik atau sama

Ha: Rata-rata ketertarikan kedua fakultas tidak identik atau tidak sama 2. Taraf nyata α = 0,05 ; df = n-2 = 10-2 = 8

3. Kriteria Pengujian

Jika probabilitas (p-value) > 0,05 maka Ho diterima Jika probabilitas (p-value) < 0,05 maka Ho ditolak 4. Dari hasil R-Programming diperoleh P value = 0,6955 5. Keputusan

Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value) adalah 0,6955. Karena probabilitas lebih besar dari pada taraf uji yang digunakan dalam penelitian atau p-value ≥ α atau 0,6955 ≥ 0,05 maka Ho diterima

6. Kesimpulan

(30)

MANAJEMEN DASAR 21 ATA 15/16 UJI T SAMPEL BERPASANGAN

(PAIRED SAMPLE T-TEST)

I. PENDAHULUAN

Uji T Sampel Berpasangan adalah uji t dimana sampel saling berhubungan antara satu sampel dengan sampel yang lain. Pengujian ini biasanya dilakukan pada penelitian dengan menggunakan teknik eksperimen dimana satu sampel diberi perlakuan tertentu, kemudian dibandingkan dengan kondisi sampel sebelum adanya perlakuan. Tujuan dari pengujian ini adalah untuk menguji perbedaan rata-rata dua sampel yang berpasangan.

Syarat dari Uji T Sampel Berpasangan : P-value > 0,05 maka Ho diterima. P-value < 0,05 maka Ha diterima.

II. ANALISIS YANG DIPERLUKAN

Langkah-langkah analisis pengujian Uji T Sampel Berpasangan adalah : 1. Menentukan hipotesis pengujian.

Ho : Tidak ada perbedaan antara sebelum dan sesudah adanya perlakuan.

Ha : Ada perbedaan antara sebelum dan sesudah adanya perlakuan. 2. Kriteria/syarat pengambilan keputusan.

P-value > 0,05 maka Ho diterima. P-value < 0,05 maka Ha diterima. 3. Lihat hasil P-Value.

4. Menentukan keputusan.

(31)

MANAJEMEN DASAR 22 ATA 15/16 III. CONTOH KASUS

Seorang Manajer PT Uniteler ingin mengetahui rata-rata penjualan shampoo sebelum dan sesudah dilakukan pemasangan iklan pada shampoo yang telah diproduksi dan dijual. Berikut datanya yang diambil dari 5 swalayan cabang JABODETABEK yang menjual shampoo dari PT Uniteler tersebut.

Cabang Sebelum Sesudah

Depok 151 155

Kalimalang 166 161

Salemba 111 115

Cengkareng 165 166

Karawaci 116 156

Tabel 3.1. Data penjualan shampoo sebelum dan sesudah pemasangan iklan.

IV. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai-nilai uji sampel berpasangan tersebut dengan menggunakan R Commander, ikutilah langkah-langkah berikut :

1. Double Click icon R Commander pada desktop atau klik Start → Program → Manajemen Dasar → R Commander. Kemudian akan muncul tampilan seperti pada gambar di halaman selanjutnya :

(32)

Gambar 3.1. Tampilan Software R-commander

2. Pilih menu Data, New data set.

(33)

Pada Enter name for data set, ketik penjualan. Kemudian OK.

Gambar 3.3. Tampilan Kotak Dialog New Data Set

Kemudian akan muncul Data Editor

Gambar 3.4. Tampilan Data Editor

3. Masukkan data dengan var1 untuk sebelum, var2 untuk sesudah. Jika sudah selesai dalam pengisian data, tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable yang ingin di setting. Type yang dipilih adalah numeric untuk semua variabel.

Tampilan Variabel editor sebelum. Tampilan Variabel editor sesudah. Kemudian masukan data skor sesuai dengan soal, seperti berikut :

(34)

Gambar 3.6 Tampilan Data Editor yang telah diisi.

4. Selanjutnya, pilih window R-commander akan muncul tampilan :

Gambar 3.7 Tampilan Script Window.

5. Jika data sudah benar, pilih menu Statistics, Means, Paired t-test maka akan muncul menu seperti gambar di bawah ini :

(35)

Gambar 3.8. Tampilan Menu Paired T-Test Kemudian akan muncul tampilan seperti di bawah ini :

(36)

Pada First variable pilih sebelum dan pada Second Variable pilih sesudah. Kemudian tekan tombol OK.

Gambar 3.10. Tampilan Output

V. ANALISIS PENGERJAAN

1. Hipotesis

 Ho : Tidak ada perbedaan rata-rata antara sebelum dan sesudah adanya pemasangan iklan.

(37)

 Ha : Ada perbedaan rata-rata antara sebelum dan sesudah adanya pemasangan iklan.

2. Kriteria/syarat pengambilan keputusan.  P-value > 0,05 maka Ho diterima.

 P-value < 0,05 maka Ha diterima. 3. Hasil P-value = 0,3315

4. Keputusan : Hasil perhitungan menyatakan bahwa besarnya probabilitas (P-Value) adalah 0,3315 karena probabilitas lebih besar daripada taraf uji yang digunakan dalam penelitian atau p-value > α atau 0,3315 ˃ 0,05 maka Ho diterima.

5. Kesimpulan:

“Tidak ada perbedaan rata-rata antara sebelum dan sesudah adanya pemasangan iklan.

(38)

MANAJEMEN DASAR 29 ATA 15/16 UJI ANOVA

(Analysis Of Variance)

I. PENDAHULUAN

Uji perbedaan lebih dari dua sampel disebut juga sebagai analisis varians. Uji ini dipopulerkan oleh seorang pendiri modern, bernama Sir Ronald Aylmer Fisher.

Analisis ini digunakan untuk :

a. Menguji hipotesis kesamaan rata-rata antara lebih dari dua group atau populasi (tidak berbeda secara signifikan).

b. Menguji apakah varians populasinya sama atau tidak.

Asumsi :

1) Populasi-populasi yang akan diuji berdistribusi normal. 2) Varians dari populasi-poluasi tersebut adalah sama. 3) Sampel tidak berhubungan satu dengan yang lain.

II. ANALISIS YANG DIPERLUKAN A. Uji Kesamaan Varians

Lihat pada output levene’s test of homogenity of varians.

1. Hipotesis:

Ho : Varians ketiga sampel identik. Ha : Varians ketiga sampel tidak identik.

2. Pengambilan keputusan:

Jika Probabilitas > 0,05; maka Ho diterima. Jika Probabilitas < 0,05; maka Ho ditolak.

Pada tahap selanjutnya, jika varians memiliki hasil “Ho diterima”, maka dapat dilanjutkan ke tahap pengujian selanjutnya, yaitu dengan menggunakan Uji Anova. Apabila pada saat Uji Kesamaan Varians “Ho ditolak”, maka penelitian hanya sampai tahap Uji Kesamaan Varians saja.

(39)

MANAJEMEN DASAR 30 ATA 15/16 B. Uji Anova

Lihat output analysis of variance:

1. Hipotesis:

Ho : Ketiga rata-rata populasi adalah identik. Ha : Ketiga rata-rata populasi adalah tidak identik.

2. Pengambilan keputusan

Jika Probabilitas > 0,05; maka Ho diterima. Jika Probabilitas < 0,05; maka Ho ditolak.

III. CONTOH KASUS

Perusahaan Woolim Entertainment ingin mengetahui perkembangan penjualan album artis-artisnya di Indonesia yaitu Infinite, Lovelyz, dan Nell. Perusahaan tersebut ingin mengetahui apakah ada perbedaan rata-rata penjualan dari ketiga album tersebut. Berikut adalah data Penjualan album dari ketiga artis tersebut di Indonesia pada 5 tahun terakhir :

Tahun Infinite Lovelyz Nell

1 655 665 651

2 615 611 666

3 661 655 665

4 651 656 651

5 655 651 656

Tabel 4.1 Data Perusahaan Woolin Entertainment

IV. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai-nilai anova data tersebut dengan menggunakan program R, ikutilah langkah-langkah berikut :

1. Tekan icon R Commander pada dekstop kemudian akan muncul tampilan seperti gambar di bawah ini

(40)

2. Pilih menu Data, New Data Set. Masukan nama dari data set adalah anova kemudian tekan tombol OK

Gambar 4.2 TampilanNew Data Set Kemudian akan muncul Data Editor

(41)

Gambar 4.3 Tabel Data Editor

3. Masukan data dengan var1 Artis dan var2 Penjualan. Jika data editor tidak aktif maka dapat diaktifkan dengan menggunakan RGui di Taskbar windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan tombol close. Untuk mengubah nama dan tipe variable, dapat dilakukan dengan cara double click pada variable yang ingin di setting.

Kemudian isi masing-masing variable sesuai dengan data soal setelah isi data kemudian tekan tombol X (Close)

(42)

Gambar 4.5 Tampilan Tabel Data Editor Tampilannya akan seperti ini

Gambar 4.6 Software R-Commander

4. Untuk mengubah variable numeric bin pada tampilan R-Commander pilih : Data – Manage variables in active data set kemudian pilih Bin numeric variable.

(43)

Gambar 4.7 Langkah Bin Numeric Kemudian muncul tampilan :

Gambar 4.8 Tampilan Bin a Numeric Variable Kemudian akan muncul tampilan ubah nama bin :

(44)

Gambar 4.9 Tampilan Bin Names

5. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s Test.

Gambar 4.10 Tampilan Levene’s Test

6. Pada Response Variable pilih variable penjualan kemudian tekan OK.

(45)

Gambar 4.11 Tampilan Levene’s Test Box

7. Pilih menu R-commander untuk mencari nilai Anova. Pilih Statistics, Means, One-way ANOVA.

(46)

Kemudian akan muncul tampilan :

Gambar 4.13 Tampilan One-Way ANOVA

Untuk Response Variable pilih penjualan, aktifkan Pairwise comparisons of means jika ingin melihat grafik.

(47)

Analisa : Ouput diatas menunjukan nilai F probabilitas 0,8048 0,05 maka Ho diterima atau kesimpulannya yaitu ketiga varians sample identik.

Gambar 4.15 Hasil Output

Analisa : Output Ouput diatas menunjukan nilai F probabilitas 0,548 0,05 maka Ho diterima atau kesimpulannya Rata-rata penjualan album dari ketiga artis adalah identik (sama).

(48)

MANAJEMEN DASAR 39 ATA 15/16 V. ANALISIS PENGERJAAN

a. Uji Kesamaan Varians

1. Ho : Varians penjualan album dari ketiga artis tersebut adalah identik

Ha : Varians penjualan album dari ketiga artis tersebut adalah tidak identik

2. Kriterian Pengujian

Ho diterima jika F prob 0.05 Ho ditolak jika F prob 0.05 3. Nilai Probabilitas : 0.8048 (F Prob)

4. Keputusan : Ho diterima karena F Prob 0.05

5. Kesimpulan : Jadi, Varians penjualan album dari ketiga artis tersebut adalah identik

Catatan : apabila Pr ( F) = 0.05, maka pengujian dapat dilanjutkan ke uji anova. Tapi jika Pr ( F) 0.05, pengujian tidak dapat dilanjutkan ke uji anova.

b. Uji Anova

1. Ho : Rata-rata penjualan album dari ketiga artis tersebut adalah identik

Ha : Rata-rata penjualan album dari ketiga artis tersebut adalah tidak identik

2. Kriterian Pengujian

Ho diterima jika F prob 0.05 Ho ditolak jika F prob 0.05 3. Nilai Probabilitas : 0.548 (F Prob)

4. Keputusan : Ho diterima karena F Prob 0.05

5. Kesimpulan : Rata-rata penjualan album dari ketiga artis tersebut adalah identik

(49)

REGRESI LINIER BERGANDA

I. PENDAHULUAN

Analisis regresi adalah studi mengenai hubungan antara variabel terikat (variabel dependent, Respon, Y) pada satu atau lebih variabel bebas (variabel independent, pediktor, X) yang digunakan untuk memprediksi atau meramalkan nilai rata-rata hitung (mean) atau rata rata populasi variabel tak bebas.

Apabila variabel dependent dihubungkan hanya dengan satu variabel independent saja, maka persamaan regresi yang dihasilkan adalah regresi linier sederhana. Sementara jika variabel dependent

dihubungkan dengan lebih dari satu variabel independent, maka persamaan regresi yang dihasilkan adalah regresi linier bergamda.

Dinamakan regresi linier berganda karena pengaruh beberapa variabel bebas akan dikenakan pada satu variabel terikat. Dikatakan linier karena setiap estimasi atau nilai yang diharapkan mengalami peningkatan atau penurunan mengikuti garis lurus. Persamaan regresi kemudian menghasilkan konstanta dan koefisien regresi bagi masing-masing variabel bebas.

A. TUJUAN PENGGUNAAN ANALISIS REGRESI LINIER BERGANDA

Adapun tujuan penggunaan Analisis Regresi Linier Berganda yaitu sebagai berikut :

1. Untuk membuat estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel bebas.

2. Untuk menguji hipotesis karakteristik dependensi.

3. Untuk meramalkan nilai rata-rata variabel bebas berdasarkan pada nilai variabel bebas diluar pengakuan sampel.

(50)

II. ANALISIS YANG DIPERGUNAKAN

a) Persamaan umum Regresi Linier Berganda

Keterangan :

Y = Variabel Terikat (Variabel Dependen)

a = Konstanta

= Koefisien Regresi

X1-Xn = Variabel Bebas (Variabel Independen)

e = Std. Error

b) Uji Asumsi Klasik

Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda, yaitu:

1. Tidak boleh ada Autokorelasi

Untuk menguji variabel-variabel yang diteliti, apakah terjadi autokorelasi atau tidak. Jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Apabila uji nilai Durbin Waston mendekati angka dua, maka dapat dinyatakan tidak ada korelasi.

2. Tidak boleh ada Multikolinieritas

Cara yang paling mudah untuk menguji ada atau tidaknya gejala multikolinieritas adalah diukur dari tingkat hubungan/pengaruh antarvariabel bebas melalui besaran koefisien korelasi (r). Jika nilai korelasi dibawah angka 1, maka tidak terjadi multikolinieritas. 3. Tidak boleh ada Heterokedastisitas

Dengan melihat grafik plot antara nilai variabel terikat (SREID) dengan residual (ZPRED). Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola yang teratur, baik menyempit, melebar, maupun bergelombang, maka mengidentifikasikan telah terjadi

Y = a+ b1X1 + b2X2 + b3X3 + ... + bnXn

+ e

(51)

heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah ataupun diatas angka 0 pada sumbu Y, maka yang terjadi adalah homoskedastisitas.

c) Koefisien Korelasi (r / R)

Koefisien korelasi adalah koefisien yang digunakan untuk mengetahui hubungan antara variabel X dan Y, syaratnya adalah jika r = 0 atau mendekati 0, maka hubungannya sangat lemah atau bahkan tidak ada hubungan sama sekali. Jika r = +1 atau mendekati +1, maka hubungannya kuat dan searah. Jika r = -1 atau mendekati -1, maka hubungannya kuat dan tidak searah.d)

d) Koefisien Determinasi (r²/ R²)

Koefisien Determinasi adalah koefisien yang digunakan untuk mengetahui seberapa besar variabel bebas (X) mempengaruhi variabel terikat (Y). nilai koefisien determinasi berkisar antara 0 sampai dengan 1.e)

e) Kesalahan Standar Estimasi

Kesalahan Standar Estimasi digunakan untuk mengetahui ketepatan persamaan estimasi. Dapat juga digunakan untuk mengukur besar kecilnya kesalahan standar estimasi (semakin kecil nilai kesalahannya, maka semakin tinggi kecepatannya

III. CONTOH KASUS

PT Setya Bersama ingin melakukan penelitian yaitu apakah ada pengaruh antara tingkat pendapatan dan harga terhadap permintaan sepeda motor

Pendapatan Harga Permintaan

515 115 5566

166 156 5111

156 155 5156

(52)

Tabel 5.1 Data PT Setya Bersama

Data Pengaruh antara Pendapatan dan Harga terhadap Permintaan Sepeda Motor

IV. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai regresi tersebut dengan menggunakan R-Commander perhatikan langkah-langkah di bawah ini :

1. Tekan icon R-commander pada desktop, kemudian akan muncul tampilan seperti di bawah ini :

Gambar 5.1 tampilan awal R-commander

2. Pilih menu Data -> New Data Set -> Masukan nama dari data set adalah “Regresi” -> Kemudian tekan OK

(53)

Gambar 5.2 Tampilan Menu Data

(54)

Gambar 5.4 Tampilan Data Editor

3. Masukan data dengan terlebih dahulu mengganti nama var1 untuk Pendapatan, var2 untuk Harga dan var3 untuk Permintaan dengan cara double click pada variabel yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel.

Gambar 5.5 Tampilan Variable Editor Pendapatan

(55)

Gambar 5.7 Tampilan variable editor Permintaan Masukan data sesuai di bawah ini

Gambar 5.8 tampilan isi Data Editor

4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol view data set. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki data yang salah.

Jika data sudah benar, pilih menu Statistic, Fit models, Linear Regression, maka akan muncul seperti gambar yang tertera pada halaman selanjutnya.

(56)

Gambar 5.9 Tampilan Menu Statistic

5. Pada Response Variabel pilih variabel yang termasuk variabel terikat yaitu Permintaan dan pada Explanatory Variables pilih yang termasuk varibel bebas yaitu Pendapatan dan Harga. Untuk memilih 2 variabel sekaligus, sambil tekan Ctrl lalu pilih Harga dan Pendapatan kemudian tekan tombol OK.

(57)

Gambar 5.11 Tampilan Hasil Ouptut

V. ANALISIS PENGERJAAN

a. Persamaan regresi untuk soal tersebut adalah:

Y = 4957,30+ 1,44X1 + 1,96 X2 b. Uji t (Pendapatan)

 Ho : Pendapatan tidak berpengaruh signifikan terhadap Permintaan.

 Ha : Pendapatan berpengaruh signifikan terhadap Permintaan.

 Syarat :

Jika Prob > 0,05 maka Ho diterima Jika Prob < 0,05 maka Ha diterima

 Nilai p-value pendapatan : 0,06007 > 0,05 maka Ho diterima.

 Kesimpulan : Pendapatan tidak berpengaruh signifikan terhadap permintaan.

(58)

MANAJEMEN DASAR 49 ATA 15/16 Uji T (Harga)

 Ho : Harga tidak berpengaruh signifikan terhadap permintaan.  Ha : Harga berpengaruh signifikan terhadap permintaan  Syarat :

 Nilai p-value harga : 0,053 > 0,05 maka Ho diterima

 Kesimpulan : Jadi harga tidak berpengaruh signifikan terhadap permintaan

Uji t digunakan untuk mengetahui masing-masing variabel bebas berpengaruh signifikan atau tidak terhadap variabel terikat.

c. Uji F

 Ho : Penapatan dan harga secara bersama-sama tidak berpengaruh signifikan terhadap permintaan

 Ha : Pendapatan dan harga secara bersama-sama berpengaruh signifikan terhadap permintaan

 Syarat :

 Nilai p-value : 0,03463 < 0,05 maka Ha diterima.

 Kesimpulan : Jadi pendapatan dan harga secara bersama-sama berpengaruh signifikan terhadap permintaan.

Uji F digunakan untuk mengetahui apakah secara bersama-sama (simultan) variabel bebas berpengaruh signifikan terhadap variabel terikatnya.

Pada bagian ini ditampilkan Adjusted R Squared (Adj. R²) adalah sebesar 0,9964. Artinya sebesar 99.64% variabel pendapatan dan harga mampu

(59)

mempengaruhi permintaan. Sementara sisanya yaitu 0,36% dipengaruhi oleh variabel lain yang tidak dimasukan ke dalam model regresi.

(60)

MANAJEMEN DASAR 51 ATA 15/16 DAFTAR PUSTAKA

Ety Rochaety. 2007. Metodologi Penelitian Bisnis dengan Aplikasi SPSS. Jakarta

:Mitra Wacana Media.

Hadi, Sutrisno. 2000, Statistik, Yogyakarta: Andi.

Nazir, M. 2003. Metode Penelitian. Penerbit Ghalia Indonesia. Jakarta-Indonesia.

Panduan Penulisan Ilmiah yang Diterbitkan Oleh Bagian Penulisan Ilmiah

Fakultas Ekonomi Universitas Gunadarma.

Priyatno, Duwi. 2010, Paham Analisa Statistik Data Dengan SPSS. Yogyakarta :

Mediakom.

Rochaety, Ety. 2007. Metodologi Penelitian Bisnis dengan Aplikasi SPSS.

Jakarta:Mitra Wacana Media.

Santoso, Singgih. 2005. Menguasai Statistik di Era Informasi dengan SPSS 12.

Jakarta: Elex Media Komputindo.

Sarwono, Jonathan. 2002. Riset Akutansi dalam Statistika. Jakarta.

Sarwono, Jonathan. 2012. Metode Riset Skripsi: Pendekatan Kuantitatif Dengan

SPSS 22. Jakarta: Elex Media Komputindo.

Subiyanto, Ibnu. 1993. Metode Penelitian Akuntansi. Yogyakarta: STIE YKPN.

Sugiyono. 2008. Metode Penelitian Bisnis. Cetakan kesebelas. Bandung:

Alfabeta.

Sugiyono. 2011. Metode Penelitian Kuantitatif Kualitatif dan R & D. Bandung:

ALFABETA.

Sulaiman, Wahid. 2002. SPSS 10 Jalan Pintas Menguasai. Yogyakarta: Penerbit

Andi.

(61)

Publishing.

Suwono, Jonathan. 2006. SPSS 14 Panduan Cepat dan Mudah. Yogyakarta:

Penerbit Andi.

Tri Hendardi, C. 2009. SPSS 16 Step by Step Analisis Data Statistik. Yogykarta:

Penerbit Andi.

Umar, Husein. 1997 Riset Akuntansi Dilengkapi dengan Panduan Membuat

Skripsi dan Empat Bahasan Kasus Bidang Akuntansi. Jakarta: PT.