BAB III METODOLOGI PENELITIAN
D. Teknik Pengumpulan Data
D. Teknik Pengumpulan Data
d. Data penelitian menurut sumber yang digunakan dalam penelitian ini adalah data laporan keuangan tahunan perusahaan real estate and property yang terdaftar di Bursa Efek Indonesia.
2. Teknik Pengumpulan Data
Dalam penelitian ini penulis menggunakan data sekunder, yaitu merupakan data primer yang telah diolah lebih lanjut dan disajikan baik oleh pihak pengumpul data primer atau oleh pihak lain misalnya dalam bentuk tabel-tabel atau diagram (Husein Umar, 2007:42).
Pengumpulan data adalah pencatatan peristiwa-peristiwa atau hal-hal,keterangan atau karakteristik-karakteristik sebagian atau seluruh elemen data yang akan menunjang atau mendukung penelitian. Metode yang digunakan untuk mendapatkan data atau informasi adalah sebagai berikut :
a. Riset Lapangan (Field Research)
Yaitu metode yang digunakan untuk mendapatkan data sekunder. Data sekunder merupakan data primer yang telah diolah lebih lanjut dan disajikan baik oleh pihak pengumpul data primer atau pihak lain yang digunakan oleh peneliti untuk diproses lebih lanjut. Penelitian melakukan kunjungan ke Bursa Efek Indonesia untuk memperoleh data.
b. Riset kepustakaan (Library Research)
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Yaitu suatu cara dalam mengumpulkan landasan teori atau informasi yang bersumber dari buku-buku yang menunjang teori yang diperoleh dari berbagai literatur maupun media lainnya, seperti surat kabar, jurnal, atau karya tulis yang diperoleh penulis pada perpustakaan.
E. Teknik Analisis Data
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari seluruh responden yang terkumpul. Kegiatan dalam analisis data menurut (Sugiyono, 2014:206) adalah mengelompokkan data berdasarkan variabel dan jenis respon, menstabulasi data berdasarkan variabel dari seluruh responden, menyajikan data tiap variabel yang diteliti, melakukan perhitungan untuk menjawab rumusan masalah, dan melakukan perhitungan untuk menguji hipotesis yang telah diajukan.
Dalam penelitian ini penulis menganalisis data rasio dan menggunakan analisis korelasi dan regresi untuk menganalisis hubungan dan pengaruh antara variabel dalam statistik infrensial.
Penulis juga melakukan uji signifikan, yaitu untuk menentukan apakah suatu kesimpulan dari data sampel dapat diberlakukan pada obyek atau tidak. Dimana signifikan adalah kemampuan untuk digenerasikan dengan kesalahan tertentu (Sugiyono, 2014:149). Regresi untuk menentukan apakah persamaan boleh dipergunakan untuk
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
meramalkan iya atau dan uji parsial untuk menentukan variabel tertentu harus dipertahankan atau harus dikeluarkan dari persamaan.
Uji simultan dilakukan untuk mengetahui apakah variabel bebas secara serempak mempunyai pengaruh yang signifikan terhadap variabel terikat.
1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagai mana adanya maksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Deskriptif memberikan gambaran suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, nilai maksimum dan minimum, Ghozali (2011). Statistik deskriptif adalah penyajian data melalui perhitungan, sebagai berikut:
a. Mean (rata β rata)
Mean adalah nilai rata-rata dari beberapa buah data. Nilai mean dapat ditentukan dengan membagi jumlah data dengan banyaknya data. Mean suatu data juga merupakan statistik karena mampu menggambarkan bahwa data tersebut berada pada kisaran mean data tersebut. Mean tidak dapat digunakan sebagai ukuran pemusatan untuk jenis data nominal dan ordinal. Rumus untuk menghitung mean adalah:
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Keterangan:
Me : Mean
β : Jumlah
Xi : Nilai X ke i sampai ke n n : Jumlah individu
b. Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari kelompok data yaitu nilai yang disusun berdasarkan urutannya dari yang terkecil sampai yang terbesar atau sebaliknya. Rumus untuk menghitung median yaitu :
Keterangan :
Md = Median
X1 = Nilai tengah pertama dimana median akan terletak X2 = Nilai tengah kedua dimana median akan terletak
ππ = β ππ π
ππ = X1 + X2 2
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
c. Maksimum
Maksimum adalah nilai terbesar dari data.
d. Minimum
Minimum adalah nilai terkecil dari data.
e. Standar Deviasi
Standar deviasi adalah akar dari varians atau ragam yang dapat dirumuskan sebagai berikut :
Keterangan :
S : Simpangan baku
Xi : Nilai X ke 1 sampai ke n X : Rata-rata X
n : Jumlah individu 2. Analisis Regresi Data Panel
Metode analisis penelitian ini menggunakan analisis panel data sebagai alat pengolahan data dengan menggunakan software Eviews 9. Analisis dengan menggunakan panel data adalah kombinasi dari data time series dan cross section. Dengan mengakomodasi dalam model informasi baik yang terkait variabel -
π = 1
π β 1 + β π ( π₯π β π₯ ) 2
π
πβ1
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
variabel cross section maupun time series, data panel secara substansial mampu menurunkan masalah omitted variables, model yang mengabaikan variabel yang relevan. Persamaan model dengan menggunakan data cross-section dapat ditulis sebagai berikut :
Dimana N adalah banyaknya data cross-section. Sedangkan persamaan model dengan time-series adalah :
Yt = Ξ²0 + Ξ²1 Xt + Ξ΅t ; t = 1,2,β¦.., T
Dimana T adalah banyaknya data time-series.
Mengingat data panel adalah gabungan dari data time series dengan cross section, maka model dapat ditulis dengan :
Y it = Ξ²0 + Ξ²1 X it + Ξ΅iti = 1 , 2 , β¦, T
Dimana :
N = banyak nya observasi T = banyaknya waktu
N x T = banyak nya data panel
Yt = Ξ²0 + Ξ²1 Xi + Ξ΅i ; i = 1,2,β¦.., N
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Menurut Sugiyono(2014:275) analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel bebas), dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui.
Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan. Hal ini dapat dimodelkan dalam persamaan berikut:
Y = a + b1x1 + b2x2 + b3x3 + b3x3 + e
Dimana :
Y = variabeldependen a = konstanta
b1,b2β¦= Koefisien RegresiVariabel e = error term
Dalam mengestimasi parameter permodelan dengan data panel, ada beberapa teknik yang ditawarkan, menurut Nachrowi Usman (2006), yaitu:
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
a. Common Effect Model
Pendekatan ini merupakan pendekatan yang sederhana karena model common effect tidak memperhatikan dimensi individu maupun waktu karena pendekatan ini mengasumsikan bahwa perilaku antar individu dan kurun waktu sama.
Kelemahan dari model ini adalah adanya ketidaksesuaian model dengan keadaan yang sesungguhnya karena adanya asumsi bahwa perilaku individu dan kurun waktu sama padahal pada kenyataannya kondisi setiap objek akan saling berbeda pada suatu waktu dengan waktu lainnya (Widarjono, 2013;120).
b. Fixed Effect Model
Fixed Effect Model yaitu satu objek memiliki konstan yang tetap besarnya untuk berbagai periode waktu, demikian pula dengan koefisien regresinya (Widarjono,2013;125). Pendekatan ini mengasumsikan adanya perbedaan antar objek walaupun menggunakan koefisen regresi yang sama.
c. Random Effect Model
Model random effect menggunakan residual yang diduga memiliki hubungan antar waktu dan antar objek. Untuk menganalisis data panel menggunakan model ini ada satu syarat yang harus dipenuhi yaitu objek data saling lebih besar dari banyaknya koefisien (Widarjono, 2013;129).
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Menurut Widarjono (2013;133), keuntungan dari data panel yaitu:
1) Data panel yang merupakan kombinasi dari data cross section dan time series akan memberikan informasi data yang lebih banyak sehingga akan menghasilkan degree of freedom yang semakin besar.
2) Menggabungkan data cross section dan time series dapat mengatasi masalah yang timbul ketika ada masalah penghilang variabel.
3. Pemilihan Model Estimasi Data Panel
Untuk memilih model pendekatan yang paling tepat digunakan sebagai estimasi penelitian, berikut beberapa uji yang dilakukan untuk mendapatkan pendekatan terbaik dalam analisis regresi data panel :
a. Uji Chow
Uji signifikansi fixed effect (uji F) atau Chow-test adalah untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy. Dalam pengujian ini dilakukan hipotesa sebagai berikut :
H0 : Common Effect Model Ha : Fixed Effect Model
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Formulasi untuk menguji hipotesa diatas menggunakan F- Statistik seperti rumus dibawah ini :
Dimana :
SSE1 : Sum Square Error dari model Common Effect SSE2 : Sum Square Error dari model Fixed Effect N : Jumlah perusahaan (cross section)
Nt : Jumlah cross section x jumlah time series K : Jumlah variabel independen
Sedangkan F tabel didapat dari
Dimana:
Ξ± : Tingkat signifikasi yang dipakai (alfa) n : Jumlah perusahaan (cross section)
nt : Jumlah cross section x jumlah time series k : Jumlah variabel independen
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
b. Uji Hausman
Pengujian ini dilakukan untuk menguji metode yang paling baik digunakan, apakah fixed effect atau random effect. Uji menggunakan indikator statistik Chi-Squares hitung yang untuk selanjutnya dibandingkan dengan Chi-Squares tabel untuk mengetahui apakah hipotesis null ditolak atau tidak ditolak.
Dimana hipotesis null dari uji ini adalah tidak adanya hubungan antara error yang ada dalam model dengan variabel independent. Uji Hausman akan mengikuti distribusi chi- squares sebagai berikut:
Dasar pengambilan keputusan menggunakan uji Hausman (random effect vs fixed effect), yaitu:
1. Jika Ho: diterima, maka model random effect.
2. Jika Ha: ditolak, maka model fixed effect.
Menentukan kriteria uji: apabila Chi-Squares hitung
>ChiSquares tabel dan p-value signifikan, maka hipotesis H0
ditolak, sehingga metode Fixed Effect lebih tepat untuk digunakan. Dan apabila Chi-Squares hitung < Chi-Squares tabel dan p-value signifikan, maka hipotesis H0 diterima, sehingga metode Random Effect lebih tepat untuk digunakan.
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
c. Uji Lagrangge Multiplier (LM)
Uji Lagrange Multiplier yaitu pengujian untuk mengetahui model yang lebih tepat digunakan antara Random Effect dengan Common Effect. Uji signifikansi Random Effect ini dikembangkan Breusch-Pagan. Metode Breusch-Pagan untuk signifikansi Random Effect didasarkan nilai residual dari metode OLS. Uji LM ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Pada kesempatan ini uji LM digunakan karena pada uji Chow dan uji Hausman menunjukan model yang berbeda. Menurut Widarjono (2007;130), uji LM dipakai manakala pada uji Chow menunjukan model yang dipakai adalah Common Effect Model, sedangkan pada uji Hausman menunjukan model yang paling tepat adalah Random Effect Model. Maka diperlukan uji LM sebagai tahap akhir untuk menentukan model Common Effect atau Random Effect yang paling tepat. Dasar yang digunakan dalam pengambilan keputusan untuk uji LM, antara lain :
a. Jika Ho model mengikuti common effect.
b. Jika Ha model mengikuti random effect.
Ketentuan :
a) Menerima Ho apabila cross section Bruesch-Pagan >
0,05
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
b) Menerima Ha apabila cross section Bruesch-Pagan <
0,05
4. Uji Asumsi Klasik
Penelitian ini menggunakan analisis regresi linear berganda.
Sehingga dalam penelitian ini perlu dilakukan uji asumsi klasik. Hal ini disebabkan karena dalam analisis regresi berganda perlu dihindari penyimpangan asumsi klasik supaya tidak timbul masalah dalam penggunaan analisis regresi berganda. Pengujian asumsi klasik yang dilakukan adalah sebagai berikut:
a. Uji Normalitas Regresi
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Dalam Eviews, normalitas sebuah data dapat diketahui dengan membandingkan nilai Jarque-Bera (JB) dan nilai Chi Square tabel (Ο2 tabel). Uji Jarque-Bera didapat dari histogram normality pada Eviews. Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque Bera dengan Ο2 tabel yaitu:
1) Jika nilai Jarque-Bera > Ο2 tabel, maka residualnya berdistribusi tidak normal.
2) Jika nilai Jarque-Bera < Ο2 tabel, maka residualnya berdistribusi normal.
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
JB >Ο2 tabel, residual tidak normal.
JB >Ο2 tabel, residual normal.
b. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linier berganda. Salah satu cara mendeteksi keberadaan multikolinearitas di dalam suatu model adalah dengan melihat jika nilai R2 yang dihasilkan dari suatu estimasi model empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen, Ghozali (2011).
R2< 0,8 maka tidak terdapat multikolinearitas.
R2> 0,8 maka terdapat multikolinearitas.
c. Uji Heteroskedastisitas
Asumsi ini menyatakan bahwa variansi residual di sekitar garis regersi adalah konstan untuk setiap kombinasi dari nilai variabel independennya. Secara matematis Ζ 2 (Ζj) = Ζ 2 (Ζj) = Ζ 2 (homoskedastisitas). Validitas dari asumsi ini telah ditunjukkan dalam regresi nilai mutlak residual pada variabel
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
independen. Salah satu cara mendeteksi Heteroskedastisitas adalah dengan melihat residual graphics. Jika dalam regresi residual graphics tidak membentuk pola tertentu (bergelombang, melebar kemudian menyempit, pola linear atau kuadratis) maka dalam regresi asumsi heteroskedastisitas tidak terjadi, Ghozali (2011).
5. Uji Hipotesis
Uji hipotesis statistik adalah prosedur yang memungkinkan keputusan dapat dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis yang sedang diuji. Uji hipotesis digunakan untuk pengaruh dua atau lebih vaiabel independen terhadap variabel atau rasio dalam suatu persamaan linear. Metode analisis yang digunakan antara lain:
a. Uji Parsial (Uji T)
Uji t digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen. Perumusan hipotesis:
π»π βΆ π½π= 0 artinya tidak terdapat pengaruh yang signifikan dari variabel bebas (Xi) terhadap variabel terikat (Y)
π»π βΆ π½π β 0 artinya terdapat pengaruh yang signifikan dari variabel bebas (Xi) terhadap variabel terikat (Y)
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
1) Statistik uji:
2) Kriteria penerimaan Ho adalah sebagai berikut :
3) Berdasarkan perbandingan t hitung dengan t tabel, kita membandingkan nilai t hitung dengan t tabel, dengan derajat bebas n-2, dimana n adalah banyaknya jumlah pengamatan serta tingkat signifikansi yang dipakai.
Bila thitung > ttabel atau thitung < -ttabel maka H0 ditolak Bila thitung < ttabel atau thitung > -ttabel maka H0 diterima b. Uji Simultan (Uji F)
Uji F digunakan untuk mengetahui apakah varibel independen mempengaruhi variabel dependen secara simultan. Perumusan Hipotesis :
Ho : Ξ² = 0 tidak terdapat pengaruh yang signifikan antara X1, X2
dan X3 terhadap Y secara bersama-sama.
Ha : Ξ² β 0 terdapat pengaruh yang signifikan antara X1, X2 dan X3 terhadap Y secara bersama-sama.
i i
sb t0 = b
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
1) Statistik uji:
SSRe g/k
F
0= SSRes/(n βk-1)
2) Kriteria UjiFo> Ftabel : signifikan, maka H0 ditolak, Ha diterima.
Fo< Ftabel : tidak signifikan, maka H0 diterima, Ha ditolak.
c. Koefisien Determinasi
Koefisien determinasi (R2) dimaksudkan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi (R2) antara 0 (nol) dan 1 (satu). Nilai R2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang di butuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar pada koefisien determinasi adalah bisa terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R2 pasti akan meningkat tanpa melihat apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen.
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
51
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Deskripsi Objek Penelitian 1. Penyajian Data
Statistik Deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberikan gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku.
Data penelitian ini diperoleh peneliti pada Bursa Efek Indonesia yang beralamatkan di Gedung Bursa Efek Indonesia, Menara II lantai 2 Jl. Jendral Sudirman Kav 52 β 53 Jakarta Selatan 12190, Indonesia.
Dalam penelitian ini data yang digunakan termasuk data sekunder. Data observasi yang digunakan adalah sebanyak 40, yaitu laporan keuangan selama 5 tahun dimulai dari tahun 2014 sampai 2018. Terdapat tiga variabel yang akan dianalisa yang dikelompokan menjadi dua bagian yaitu variabel dependen adalah Nilai Perusahaan (Y), sedangkan variabel independen yang digunakan adalah kepemilikan Manajerial (X1) dan Kepemilikan Institusional (X2).Pada tabel berikut akan disajikan data Kebijakan Utang, Kepemilikan Manajerial dan Kepemilikan Institusional yang diajukan sebagai dasar pengembangan pembahasan lebih lanjut.
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Tabel 4.1
Kepemilikan Manajerial (X1), Kepemilikan Institusional (X2) dan Kebijakan Utang (Y)
NO
KODE
PERUSAHAAN TAHUN PER MOWN INST
1 APLN
2014 18.0297 0.0303 0.6197
2015 18.0541 0.0303 0.6476
2016 16.4358 0.0303 0.6983
2017 12.9648 0.0321 0.7599
2018 29.3464 0.0321 0.7599
2 BAPA
2014 14.6948 0.0013 0.3394
2015 23.9234 0.0013 0.3394
2016 18.3824 0.0013 0.3394
2017 14.5036 0.0013 0.3394
2018 19.0833 0.0013 0.3394
3 BEST
2014 17.9892 0.0007 0.4796
2015 13.9471 0.0007 0.4813
2016 17.2926 0.0007 0.4813
2017 14.2929 0.0007 0.4813
2018 14.7478 0.0007 0.4813
4 GWSA
2014 18.0817 0.0004 0.5625
2015 17.7607 0.0004 0.5625
2016 14.8405 0.0004 0.5625
2017 16.1451 0.0004 0.5625
2018 15.2187 0.0004 0.5625
5 MTLA
2014 12.4496 0.0013 0.2276
2015 17.6349 0.0019 0.3675
2016 19.9859 0.0019 0.3675
2017 16.2373 0.0019 0.3675
2018 17.119 0.0106 0.3675
6 MKPI
2014 33.1319 0.0236 0.4744
2015 17.8891 0.0236 0.4744
2016 20.3718 0.0236 0.4744
2017 29.2166 0.0236 0.4744
2018 20.7182 0.0262 0.4744
If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version) If you want to remove the watermark, please register
Combined by PDF Combine (Unregistered Version)
If you want to remove the watermark, please register
Lanjutan Tabel 4.1
NO
KODE
PERUSAHAAN TAHUN PER MOWN INST
7 PWON
2014 19.8602 0.0002 0.1675 2015 18.9313 0.0002 0.1675 2016 16.2871 0.0002 0.5613 2017 17.6138 0.0002 0.6974 2018 11.7424 0.0002 0.6868
8 SMRA
2014 15.8333 0.0003 0.2668 2015 27.9661 0.0028 0.2543 2016 20.2273 0.0014 0.2543 2017 23.2572 0.0015 0.3352 2018 25.9677 0.0043 0.3355 Sumber: Diolah Penulis
B. Analisis dan Pembahasan Hasil Penelitian 1. Statistik Deskriptif
Berdasarkan data yang diperoleh, penulis menggunakan statistik deskriptif yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel penelitian tanpa membuat kesimpulan yang berlaku umum. Statistik deskriptif digunakan untuk menggambarkan dan mendeskripsikan variabel independen dan variabel dependen di dalam penelitian ini.
Berikut ini merupakan hasil statistik deskriptif yang diolah dari Eviews 9.